Category Archives: Uncategorized

Market research and the ethics of big data

Posted on by

Référence

Nunan, D., & Di Domenico, M. (2013). « Market research and the ethics of big data ». International Journal Of Market Research, Vol. 55 Issue 4, p2-13. 12p.

Idée / dominante

La collecte d’information se fait automatiquement sans intervention humaine. Se pose alors la question concernant le stockage de ces informations et plus précisément la propriété de ces informations.

Résumé

Trois choses définissent le big data
– Un grande avancée technologique: Il permet un plus grand stockage de l’information et une grande variété d’information échangées.
– Une grande avancé pour la vision commercial: Il permet pour les entreprises de collecter des informations tel que la géolocalisation via les smartphones des internautes dans le but de développer des insights afin de davantage comprendre le comportement du consommateur.
– La confidentialité des données: La collecte et l’analyse des données se fait maintenant de manière automatique. Or toutes les données qui sont maintenant collectées ne sont pas forcément exploitées.

L’utilisation du Big data peut donc être à l’origine de plusieurs problèmes. Un premier problème concerne le partage des informations entre les utilisateurs sur les réseaux sociaux: ce que l’on appelle la « graphe sociale ». La relation qu’ils peuvent avoir dessus, n’est pas forcément la même dans la vie réel. Ensuite la plupart des données sont collectés et stockés sur le long terme par les GAFA (Google, Apple, Facebook, Amazon). D’autres entreprises ont aussi collectées de nombreuses données. Même si pour le moment elles ne les vendent pas, elles ne sont pas à l’abri de se faire racheter, ce qui aura une incidence sur la propriété des données et donc sur la confidentialité des donnés.

Aujourd’hui la collecte d’information se fait de manière automatique et passive. Les utilisateurs tentent de plus en plus de protéger leur données privés mais ne veulent pas abandonner leur présence sur les différents réseaux sociaux et donc leur mode de vie. Des améliorations concernant le stockage de data pourraient être envisagées comme « le droit d’être oublié », « le droit d’expiration des données » ou encore « la propriété de la graphe sociale »

Note d’intérêt pour la recherche en cours

Cet article met en avant que la collecte d’information se fait maintenant de manière automatique. Or actuellement le problème de propriété des données nécessite des avancées en terme de législation.

Ethics in Marketing Research: Their Practical Relevance

Posted on by

Référence

Tybout, A. M., & Zaltman, G. (1974). « Ethics in Marketing Research: Their Practical Relevance ». Journal Of Marketing Research, Vol. 11 Issue 4, p357-368. 12p

Idée /dominante

Cet article permet de comprendre la notion de Big data ainsi que les enjeux du big data pour les chercheurs et les internautes.

Résumé

Le big data se caractérise par la règle des 3Vs:
– Volume: La masse d’information qu’il regroupe
– Vélocité: la rapidité de l’information qui circule (ex: géolocalisation) rendant le big data encore

plus grand.
– Variété: la variété des informations (chiffres, images, textes…)
Le Big Data dispose d’une réelle valeur pour le marketing: Il permet d’obtenir des informations sur le comportement du consommateur. Le Big data data apparait donc comme une véritable technologie innovante. Ces données collectées donnent aux entreprise la possibilité de mieux connaitre le client et donc de mieux vendre leurs produits. La collecte de données est donc devenu indispensable pour les entreprises qui cherchent donc a en obtenir toujours plus .Cela entraine des problèmes de sécurité, de propriété et de méthode de collecte.
Bien que le client soit libre lorsqu’il décide de fournir ses données personnelles, celles-ci restent privés (Boyd 2010). Tout comme les procédés de collecte qui doivent respecter un principe d’éthique. La collecte des données étant de plus en plus recherché par les entreprises, des standards normatifs sont apparus : la recherche marketing se veut être préservante sur la confidentialité des données (ESOMAR 2008). Pour que la recherche Marketing progresse, il faut d’abord que les interviewés soient coopératifs et qu’ensuite leur confidentialité soit respectée : la qualité des données collectées s’explique par des pratiques éthiques employées. Il reste toutefois difficile de maintenir ce genre de principe dans un monde technologue qui change constamment mais également de par le fait que la collecte se fasse de manière passive et autonome.

Note d’intérêt pour la recherche en cours

Cet article explique la notion de big data et explique quels en sont les avantages. Toutefois même si le big data peut être vu comme une opportunité, il peut aussi être à l’origine de problème de en rapport avec la vie privé des internautes.

How big data is reducing customer returns

Posted on by

Référence

Brock, V. (2016). « How big data is reducing customer returns ». Logistics & Transport Focus, Vol. 18 Issue 12, p34-35. 2p.

Idée/Dominante

Cet article met en lumière la difficulté des marques face au retour des produits que font les consommateurs lorsque ceux-ci ne leur correspond pas.

Résumé

Les retours de produits sont très couteux pour les distributeurs. La question est donc de savoir comment il serait possible pour les entreprises de limiter le nombre de retours, ce qui est actuellement un véritable cauchemar pour les distributeurs. L’utilisation des données clients permettrait de pouvoir réduire ces retours et d’améliorer l’expérience utilisateur. Actuellement les retours du e-commerce représente 20 milliards de perte pour les entreprises.

Il s’agit pour l’entreprise d’un problème de logistique qui peut impacter la relation client. Lorsque le consommateur renvoie le produit, cela peut être pour différentes raisons: le produit est défectueux, endommagés, etc… Il va donc passer entre différentes mains. Cela prend du temps ainsi que de la place. Il faut également déterminé ce qui est a opéré sur le produit, à savoir le réparer, le nettoyer etc… pour ensuite le retourner à la vente. La marque a donc intérêt à agir rapidement pour réduire ses couts et limiter ses pertes.

Le retour d’un produit coûte beaucoup d’argent pour la marque. Il passe en moyenne entre 7 mains différentes avant d’être remis en vente. Le coût d’acquisition client se révèle donc élevé pour le distributeur, puisqu’il perd de l’argent en vendant son produit au consommateur. D’autant plus que cela a un impact sur les ventes futurs. Le peu de retour d’expérience client fait que le distributeur vend des produits au mauvais client, réduisant ses stocks. Et lorsque le bon client souhaite acheter le produit celui-ci n’est plus disponible. Cela représente donc un perte supplémentaire pour l’entreprise.

Pour éviter ses retours il est donc intéressant pour les entreprises de pouvoir identifier les causes de ces retours en utilisant des données utilisateurs. Le but serait d’utiliser les données pour prédire le produit à risque ainsi que le client à risque en terme de retour. Ces informations permettraient également de savoir quels sont les produits qui sont prêt à la vente ce qui permettrait un gain de temps important pour l’entreprise mais également une meilleure gestion des stocks. Ces données vont également permettre aux distributeurs de pouvoir mieux vendre leur produit et donc de pouvoir améliorer leur marge. Le fait de pouvoir anticiper si le client va conserver ou renvoyer le produit acheté changerait beaucoup de chose. Il permettrait d’un côté à l’entreprise de pouvoir mieux connaitre son client, une meilleure gestion de ses produits et donc une augmentation de ses marges ainsi qu’une meilleure expérience client en le fidélisant.

Note d’intérêt pour la recherche en cours

Le big data est un outil qui permet aux entreprises de mieux connaitre le client pour mieux vendre et éviter ainsi les retours et donc ainsi améliorer l’expérience utilisateur tout en limitant ses coûts.

How to Use Big Data and Predictive Analytics to Improve the Success of New Products

Posted on by

Référence

Jain, C. L. (2016). « How to Use Big Data and Predictive Analytics to Improve the Success of New Products ». Review Of Business, Vol. 37 Issue 1, p48-55. 8p

Idée dominante

Quelle est l’intérêt d’une meilleure expérience utilisateur pour l’entreprise?

Résumé

Il est difficile pour un nouveau produit d’être rentable. De manière général le taux de réussite d’un nouveau produit est de l’ordre de 25%
Le succès d’un nouveau produit dépend de trois choses:
– Comment est-il sélectionné?

– Comment l’entreprise envisage le lancement de celui-ci?
– Comment la demande est gérée après le lancement?
Le lancement d’un produit peut échouer parce que les consommateurs n’en veulent pas ou à cause d’autres problèmes qui peuvent être corrigés. Le big data est justement l’outil qui va pouvoir aider à trouver les problèmes. Il est important de pouvoir se poser les bonnes questions
– Les consommateurs préfèrent ils l’ancien au nouveau?
– Les instructions d’utilisation du produit sont elle claires?
– Les consommateurs ont-ils besoin d’une expérience pratique pour utiliser un produit?
– Le produit est il correctement positionné?
Le consommateur n’est pas toujours prêt à intégrer un nouveau produit dans son mode de consommation e aura tendance à préférer l’ancien modèle. Ce qui fut le cas pour coca cola avec son produit New Coke.
Le big data via le predictive analytics permet ainsi qu’aux entreprises de pouvoir rajeunir leurs ventes mais également de trouver de nouvelles opportunités comme par exemple de nouvelles utilisations à des produits déjà existants. Le fait de pouvoir obtenir des informations sur les consommateurs en temps réels permet à l’entreprise d’être réactive et de pouvoir corriger rapidement le problème.

Note d’intérêt pour la recherche en cours

Le big data permet aux entreprises d’avoir accès à l’information de manière très rapide, ce qui leur permet de corriger les problèmes lors d’un lancement de produit.

Big Data and consumer behavior: imminent opportunities

Posted on by

Référence:

Hofacker, C. F., Malthouse, E. C., & Sultan, F. (2016). « Big Data and consumer behavior: imminent opportunities ». Journal Of Consumer Marketing, Vol. 33 Issue 2, p89-97. 9p

Idée dominante:
Le changement qu’occupe le Big data dans les prises de décisions marketing

Résumé

Le big data est apparu depuis que l’on s’est aperçu que supprimer les données coûtait plus cher que de les stocker. Le big data se caractérise par la règle des 3Vs:
– Volume: La masse d’information qu’il regroupe
– Vélocité: la rapidité de l’information qui circule (ex: géolocalisation) rendant le big data encore

plus grand.
– Variété: la variété des informations (chiffres, images, textes…)
Avec le développement des réseaux sociaux, l’interactivité avec les consommateurs est de plus en plus grandes. Ce qui permet aux entreprises d’avoir davantage d’informations sur leur comportement. Le big data est à l’origine de nombreux changements dans la prise de décision marketing.

La première étape concerne la reconnaissance d’un problème. En observant autour de lui le consommateur ressent un manque. La satisfaction d’un consommateur n’est jamais atteinte. Il voit toujours ce qui le sépare entre ce qu’il possède, ce qu’il a déjà expérimenté et ce qu’il n’a pas encore. Avec le Big data les entreprises ont les moyens de pouvoir anticiper ce moment, en étant proche de celui-ci via les réseaux sociaux. Via la récupération d’adresse IP les entreprises sont donc en mesure de pouvoir traquer le consommateur et de comprendre tout ses faits et gestes.

La seconde étape est la Recherche. Lorsque le client achète en magasin il a le choix entre un certain nombre de produits. Il est donc plus facile d’établir un suivi sur son comportement. Or maintenant avec le développement de plateforme de e-commerce le client a une variété de choix encore plus étendue. Des outils ont donc été développés pour avoir un suivi parfait du consommateur, à savoir quels sont les mots clés qui l’intéressent, ainsi que tout le chemin qu’il a parcouru sur le site via des capteurs. Pour autant il reste difficile de savoir quel est l’élément qui a déclenché l’achat.

Vient ensuite l’Évaluation alternative qui intervient lorsque le consommateur est présent sur le site. Il s’agit par ses actions de pouvoir déterminer ce qu’il en est. Pour exemple l’abandon d’un panier d’achat indique que le client fait des comparaisons de prix entre les différents sites.

Puis il y a l’Acte d’achat qui correspond à toutes les actions mises en place pour faciliter et rendre plus agréable l’acte d’achat (expérience user) pour le consommateur. De sorte qu’il revienne.

La Consommation. Avec le développement de nombreux réseaux sociaux les consommateurs partagent de plus en plus d’informations sur eux, que ce soit par message ou photo. Le but pour les entreprises est de pouvoir extirper ces données visuelles pour les transformer en données numériques et donc en déduire un type de consommation et déceler des détails physiologiques très précis sur le consommateur.

L’Après achat. Le consommateur est plus dans une phase de bilan par rapport à ses attentes de départ. Il est difficile de pouvoir déceler quelques informations si ce n’est des photos ou bien des tweets.

Et enfin l’Engagement après achat. Comme nous l’avons vu plus haut avec les caractéristiques du big data (volume, rapidité, et variété), le consommateur va émettre un jugement, l’information va se répandre et comme le comportement de l’un est l’antécédent de l’autre, ces informations vont avoir une influence sur le comportement des autres.

Toutefois le big data peut avoir des limites:
– Il explique ce que les consommateurs font via des associations mais ne répond pas à la cause – Le big data malgré tout n’est pas forcément représentatif
– Il peut omettre des données
– Il n’y a pas de limite par rapport à la vie privé des consommateurs

Note d’intérêt pour la recherche en cours

Cet article me permet de démontrer que le Big data occasionne de nombreuses évolutions au sein de l’entreprise notamment dans le secteur marketing, en lui permettant de mieux connaitre le consommateur.

FICHE : Le marketing sensoriel en point de vente 

Posted on by

Référence :

Bruno Daucé, Sophie Rieunier, (2002) « Le marketing sensoriel en point de vente », dans Recherche et Applications en Marketing, vol. 17, n°4, pp. 45-66.

Idée / dominante :

Le texte définit l’atmosphère d’un point de vente et explique son influence sur les consommateurs.

Résumé :

L’atmosphère d’un point de vente est l’ensemble des facteurs physiques (odeurs, couleurs, sons, température etc.) et sociaux (force de vente + clientèle) causant des réactions cognitives, émotionnelles et physiologiques chez les personnes se trouvant dans le point de vente. Ces facteurs sont autant de stimuli qui influent sur les émotions, les pensées et les comportements des consommateurs.

Lorsqu’un visiteur ne peut déterminer la qualité des produits proposés par l’enseigne dans laquelle il se trouve, il se base inconsciemment sur ses sens pour évaluer la marque : c’est le phénomène de l’inférence. Par exemple, un vendeur aux vêtements sombres inspire plus naturellement la confiance. Les stimuli sensoriels des retailers permettent ainsi d’influencer le consommateur à plusieurs niveaux : sur la mémoire, qui permet d’associer la marque à un souvenir encourageant l’achat ; l’humeur, qui est déterminante pour la quantité achetée et la fidélisation et le métabolisme, qui stressé ou relaxé influe sur le temps passé en magasin.

Il est essentiel de comprendre que l’attitude psychologique, et par conséquent physique, des clients d’une surface de vente peut être modulée « à la carte » afin d’optimiser les ventes. Par exemple, une musique au tempo rapide et au volume élevé augmente la consommation de verres par des amis dans un bar le soir mais risque de réduire le temps passé en grande surface par une famille. Il est donc essentiel pour une marque d’adapter les stimulations sensorielles dégagées par ses points de vente à sa cible marketing afin de satisfaire le maximum de visiteurs et d’augmenter ses ventes.

Le consommateur ne fait pas naturellement une analyse séquentielle des différentes stimulations sensorielles auxquelles il fait face en entrant dans un magasin : pour être efficace, la marque doit développer ses points de ventes en prenant en compte toutes les caractéristiques sensorielles (couleurs, matières, volume, odeurs etc.) afin d’immerger le client dans un concept lui permettant de vivre une expérience.

Notes d’intérêt pour la recherche en cours (hypothèses, concepts, modèles, contexte) :

La création d’une atmosphère en point de vente est essentielle pour permettre à la marque de transmettre son identité au consommateur et d’optimiser l’achat grâce aux stimuli sensoriels. Cependant, l’utilisation de l’atmosphère peut poser des problèmes de précision (chaque individu réagissant différemment), d’éthique (enjeux légaux) et de coûts.

Fiche de lecture : Xu, H, Luo, X. R., Caroll, J. M., Rosson, M. B., (2011). “The personalization privacy paradox: An exploratory study of decision making process for location aware marketing”, Decision Support Systems, 51, pp. 42-52.

Posted on by

Idée générale : Les services marketing géolocalisés (LBS) par mobile ouvrent un large champ d’opportunités pour les protagonistes qui les utilisent. Cependant, les inquiétudes dérivant du respect de la vie privée s’imposent comme frein majeur à leur acceptation. Aussi, cet article ambitionne d’étendre les LBS  au paradoxe de personnalisation-vie privée.

Résumé : L’impact des risques et des bénéfices perçus issus de la personnalisation, ainsi que celui de la propension d’un individu à être attiré par la nouveauté et par les offres promotionnelles sont testés sur la volonté d’un individu d’utiliser les LBS. Or, ces derniers peuvent délivrer des contenus de deux manières : la méthode déclarée (également connue sous le nom de pull), par laquelle les LBS sont actionnés à la demande de l’utilisateur ; et la méthode silencieuse (ou push), par laquelle les LBS s’actionnent de manière autonome (Unni et Harmon 2008, Xu et al. 2009). Les effets modérateurs des deux méthodes de collecte sur les risques/bénéfices perçus sont donc également évalués. Les résultats semblent montrer que les bénéfices perçus de la personnalisation surpassent les inquiétudes de vie privée. Cependant, il apparait que celles-ci s’accroissent lorsque les contenus sont livrés par méthode silencieuse, mais pas par méthode déclarée. De plus, l’appétit des individus pour les offres promotionnelles ne semble pas avoir d’impact significatif sur les relations proposées, au contraire de l’attirance pour la nouveauté.

Méthodologie de recherche : Méthode quantitative par questionnaire sur 545 étudiants et diplômés d’université, ayant recours à une méthode projective. Les questionnaires sont complétés par les répondants sur un site qui héberge un système servant de base à l’expérience. Une histoire fictive sert de projection à l’expérience. Il est indiqué qu’un système de coupons mobile par LBS sera bientôt lancé sur le marché et que leur retour constituera un premier test pour le service proposé. Les répondants se mettent dans la peau d’un utilisateur de ce service. L’une des deux méthodes de collecte leur est alors aléatoirement présentée. A la suite de la vidéo, le  questionnaire qui mesure les variables de l’étude est alors administré.

Note d’intérêt : Cet article entend tester le privacy calculus dans la perspective des méthodes de collecte et de livraisons des contenus utilisées dans le cadre des LBS. La différence des résultats entre les deux méthodes proposées dans l’article démontre que les utilisateurs de LBS sont également sensibles aux procédés et pratiques employées par les entreprises lorsqu’ils interagissent sur leur mobile. (Hbase, H2)

Bibliographie utilisée :

  • Unni, R., Harmon, R., (2007). “Perceived effectiveness of push vs. pull mobile location-based advertising”, Journal of Interactive Advertising, 7(2). Available at http://www.jiad.org/article91.
  • Xu, H., Zhang, C., Shi, P., Song, P., (2009). “Exploring the role of overt vs. covert personalization strategy in privacy calculus”, Best Paper Proceedings of 69th Annual Meeting of the Academy of Management (AOM 2009), Chicago, Illinois.

Fiche de lecture : Ho, S. Y., (2012). “The effects of location personalization on individuals’ intention to use mobile services”, Decision Support Systems, 53, pp. 802-812.

Posted on by

Idée générale : Quels sont les facteurs technologiques qui motivent les individus à utiliser des services personnalisés grâce à une fonctionnalité de localisation ? Quels effets des motivations intrinsèques et extrinsèques initiales sur l’intention d’utiliser ces services sur le long terme ?

Résumé : L’article se base sur la théorie des niveaux d’adaptation (Helson 1964), et sur celles de la motivation afin de comprendre ce qui pousse les individus à utiliser les technologies mobiles. Les fonctionnalités testées dans l’étude, déterminant les motivations  des individus, reposent sur la nouveauté, l’accès communautaire, et la précision de la localisation. Une motivation plus importante générée par ces fonctionnalités devrait résulter en une intention plus importante d’utiliser les services proposés. L’hypothèse est vérifiée par les résultats, lesquels suggèrent de plus que, lors des premières semaines de test, l‘utilisation des dits-services est incitée par une combinaison des motivations intrinsèques et extrinsèques, lesquelles sont conduites par l’attirance pour la nouveauté, la pertinence des recommandations, et la dimension communautaire du service  (confirmant alors les travaux de Reis, 2000 et de Lindenberg, 2001). Il apparait en revanche que les motivations extrinsèques semblent avoir un effet décroissant à mesure que les semaines d’utilisation se succèdent. Il semble donc que les fonctionnalités hédonistes stimulant les motivations intrinsèques ont un potentiel important, et sont à privilégier dans le développement de services personnalisés par  localisation.

Méthode de recherche : Expérience terrain, appuyée par une méthode quantitative par questionnaires sur 130 répondants. Les auteurs ont établi un système capable de générer des recommandations personnelles, envoyées par SMS, sur des lieux où déjeuner en fonction de la position des répondants. Les répondants reçoivent les notifications, évaluent les recommandations et font rapport de leur expérience via des questionnaires de suivi au fil des 4 semaines de test.

Note d’intérêt : Cet article démontre que la fonction GPS peut être mise à contribution  pour personnaliser les services mobiles, générer des bénéfices pour les utilisateurs, et donc pousser les individus à utiliser ces services. Cependant, en personnalisant les services grâce à la localisation, ces derniers s’encombrent également d’attributs susceptibles de générer des inquiétudes liées au respect de la vie privée. (Hbase, H3)

Bibliographie utilisée :

  • Helson, H., (1964).”Current trends and issues in adaptation-level theory”, American Psychologist, 19(1), pp. 26–38.
  • Ryan, R.M., Deci, E.L., (2000). “Intrinsic and extrinsic motivations: classic definitions and new directions”, Contemporary Educational Psychology, 25, pp. 54–67.
  • Hsu, C.L., Lin, J.C.C., (2008). ”Acceptance of blog usage: the roles of technology acceptance, social influence and knowledge sharing motivation”, Information & Management, 45(1), pp. 65–74.
  • Lindenberg, S., (2001). ”Intrinsic motivation in a new light”, Kyklos, 54(3), pp. 317–342.
  • Reis, H.T., “Domains of experience: investigating relationship processes from three perspectives”, in: R. Erber, R. Gilmour (Eds.), Theoretical Frameworks for Personal Relationships, Erlbaum, New Jersey, Hillsdale, 1994, pp. 87–110.

Fiche de lecture : Ström, R., Vendel, M., Bredican, J., (2014). “Mobile Marketing: A literature review on its value for consumers and retailers”, Journal of retailing and consumer services, 21, 1001-1012.

Posted on by

Idée générale : Cet article fait état de l’art de ce qui a été écrit sur la manière dont le marketing sur mobile peut apporter de la valeur aux consommateurs et aux distributeurs.

Résumé : La plupart des études marketing par mobile repose sur la théorie des usages et gratifications (Atkin, 1973)  adaptée par la suite pour le mobile par Tsang et al. en 2004. Les intérêts du mobile en tant que canal marketing résident dans les fonctionnalités particulières qu’un appareil mobile offre, là où l’utilisation d’un PC ne serait pas pratique (en particulier le GPS et l’appareil photo). Le mobile permet une plus grande interactivité entre les consommateurs et les distributeurs, et en résulte des bénéfices utilitaires, sociaux, et émotionnels.  Ce qui coute le plus aux consommateurs dans le cadre du développement des pratiques Marketing par mobile, c’est de devoir apprendre à utiliser les nouveaux services mis en place à cet effet. Les procédés de promotion par SMS ou par notifications push, relatifs à l’endroit où se trouvent le consommateur,  ne créent de la valeur pour ces derniers que si les informations livrées sont crédibles. Dans le cas contraire, ces méthodes génèrent de l’irritation (Tsang et al. 2004). Le canal marketing du mobile permet aux entreprises de mieux segmenter et cibler leurs acheteurs (Kleinen et al, 2009) lors de leur visite en magasins, ainsi que de les accompagner après leurs actes d’achat. C’est une démarche valorisée dans la perception des  consommateurs (Lee et al. 2007) et qui augmente la fidélité de ces derniers envers les marques.  L’enjeu pour les distributeurs est donc d’intégrer les stratégies mobile dans leur perspective marketing globale (Kim et Jun, 2008).

Méthodologie de recherche : Les auteurs ont établi cette revue de littérature en 3 étapes de recherches successives par combinaisons de mots clés liant m-marketing, valeur perçue, et attitudes, dans une base de données disponible en ligne, ainsi que dans l’International Journal of Mobile Marketing.  64 études ont répondu à ces critères de recherche et servent donc de base à cet article.

Note d’intérêt : La plupart des articles sur le mobile ont traité de la mesure dans laquelle ce dernier peut être source de valeur pour les consommateurs comme les distributeurs, notamment en se positionnant comme nouveau canal publicitaire, en offrant des fonctionnalités particulières comme le GPS. En revanche, très peu d’études ont traité de la valeur perçue par les consommateurs des services mobiles. Aucun lien n’a été fait avec les inquiétudes de vie privée. Il existe un réel besoin de recherche à ce sujet.

Bibliographie utilisée :

  • Atkin, C., (1973). “Instrumental utilities and information seeking”. In: Clarke, P. (Ed.), New Models for Mass Communication Research. Sage, London, pp. 205–242.
  • Kim, M.J., Jun, J.W., (2008). “A case study of mobile advertising in South Korea: personalization and digital multimedia broadcasting (DMB)”, Journal of Targeting Measurement and analysis for Marketing, 16, pp. 129–138.
  • Kleinen, M., de Reuter, K., Wetzels, M., (2009). “An assessment of value creation in mobile service delivery and the moderating role of time consciousness”. Journal of Retailing, 83 (1), pp. 33–46.
  • Lee, C., Cheng, H.K., Cheng, H., (2007). “An empirical study of mobile commerce in insurance industry: task-technology fit and individual differences”, Decision Support Systems, 43 (1), pp. 95–110.
  • Tsang, M.M., Ho, S., Liang, T., (2004). „Consumer attitudes toward mobile advertising: an empirical study”, International Journal of Electronic Commerce, 8 (3), pp. 65–78.