Hsu, C-L., Lu, H-P. (2004). « Why do people play on-line games? An extended TAM with social influences and flow experience”. Information and Management, 41, pp. 853-868

 

Idée / Dominante : L’acceptation des jeux online par les utilisateurs s’explique essentiellement par les normes sociales et l’expérience du flow que permettent ces jeux.

 

Résumé : Cet étude utilise le modèle d’acceptation de la technologie (TAM) et y incorpore les influences sociales et le flow pour prévoir l’acceptation des jeux en ligne par les utilisateurs.

Le modèle d’acceptation de la technologie prévoit et explique l’adoption de la technologie par deux variables : l’utilité perçue de la technologie, et la perception de la facilité à utiliser cette technologie. Cependant ces deux facteurs ne suffisent pas à expliquer les motivations des utilisateurs de jeux en ligne. Les auteurs ont donc amélioré ce modèle en y ajoutant la notion de flow et les influences sociales.

Le flow est ici défini comme une expérience de jeu extrêmement agréable où l’utilisateur est totalement engagé dans le jeu. Les influences sociales regroupent la norme sociale et la masse critique perçue. La norme sociale influence l’utilisateur, qui aura ainsi tendance à se conformer aux attentes des autres pour obtenir une récompense / éviter un rejet, voire internaliser l’avis des autres comme une réalité. La masse critique correspond au fait que la valeur d’une technologie augmente avec le nombre de ses utilisateurs.

A l’inverse des précédentes études sur le sujet, les auteurs arrivent à la conclusion que l’utilité perçue ne motive pas les utilisateurs à jouer aux jeux online. Si les jeux en ligne répondent évidemment à un besoin hédonique, les joueurs ne continuent pas de jouer avec un but précis en tête mais le plus souvent pour « tuer le temps ».

Les facteurs sociaux ont un impact direct sur l’adoption des jeux en ligne, les utilisateurs ont en effet tendance à participer à ces jeux pour appartenir à une communauté. L’importance de la masse critique s’est également confirmée, plus il y a de joueurs en ligne, plus cela incite d’autres joueurs à participer.

Enfin, l’expérience du flow joue un rôle important. Les utilisateurs sont susceptibles de jouer continuellement s’ils sont complètement impliqués dans le jeu grâce à des dialogues, des interactions sociales, mais aussi une navigation et une interface facile.

---

Note d’intérêt : Cet article révèle que dans 80% des cas, le fait de jouer à des jeux online s’explique par les normes sociales et l’expérience du flow. L’importance de la norme sociale et de la masse critique pour les joueurs de jeux vidéo est importante pour notre sujet. Il serait pertinent d’appliquer le modèle TAM pour mieux comprendre l’acceptation des DLC par les joueurs. Par exemple voir si le DLC améliore l’expérience flow, ou bien si son acceptation relève des normes sociales et de la masse critique perçue. Plus il y aurait d’acheteurs de DLC, plus cette technologie serait acceptée par l’ensemble des joueurs.

---

Références :

R. Agarwal, E. Karahanna, Time flies when you’re having
fun: cognitive absorption and beliefs about information
technology usage, MIS Quarterly 24 (4), 2000, pp. 665–694.

I. Ajzen, From intention to actions: a theory of planned
behavior, in: J. Kuhl, J. Bechmann (Eds.), Action Control:
from Cognition to Behavior, Springer, New York, 1985,
pp. 11–39.

I. Ajzen, The theory of planned behaviour, Organizational
Behavior and Human Decision Process 50, 1991, pp. 179–211.

S. Al-Gahtani, M. King, Attitudes, satisfaction and usage:
factors contributing to each in the acceptance of information
technology, Behaviour and Information Technology 18 (4),
1999, pp. 277–297.

A. Armstrong, J. Hagel, III, The real value of on-line
communities, Harvard Business Review May-June, 1996,
pp. 134–141.

A. Bajaj, S. Nidumolu, A feedback model to understand
information system usage, Information and Management 33
(4), 1998, pp. 213–224.

R. Bagozzi, Y. Yi, On the evaluation of structural equation
models, Journal of the Academy of Marketing Science 16,
1988, pp. 74–94.

W. Bearden, M. Etzel, Reference group influence on product
and brand purchase decisions, Journal of Consumer Research
9, 1982, pp. 183–194.

A. Bhattacherjee, An empirical analysis of the antecedents of
electronic commerce service continuance, Decision Support
Systems 32 (2), 2001, pp. 201–214.

P. Blau, Exchange and Power in Social Life, Wiley, New
York, 1964.

N. Bushnell, Relationships between fun and the computer
business, Communication of the ACM39 (8), 1996, pp. 31–37.

P. Chau, P. Hu, Examining a model of information technology
acceptance by individual professionals: an exploratory study,
Journal of Management Information Systems 18 (4), 2002,
pp. 191–229.

P. Chau, P. Hu, Investigating healthcare professionals’
decisions to accept telemedicine technology: an empirical
test of competing theories, Information and Mnangement 39,
2002, pp. 297–311.

H. Chen, R. Wigand, M. Nilan, Optimal experience of web
activities, Computers in Human Behavior 15 (5), 1999,
pp. 585–608.

L. Chen, M. Gillenson, D. Sherrell, Enticing on-line
consumers: an extended technology acceptance perspective,
Information and Management 39, 2002, pp. 705–719.

W. Cheung, M. Chang, V. Lai, Prediction of Internet and
world wide web usage at work: a test of an extended Triandis
model, Decision Support Systems 30 (1), 2000, pp. 83–100.

W. Chin, A. Gopal, Adoption intention in GSS: relative
importance of beliefs, The Data Base for Advances in
Information Systems 26 (2–3), 1995, pp. 42–63.

M. Csikszentmihalyi, Beyond Boredom and Anxiety, Jossey-
Bass, San Francisco, CA, 1975.

M. Csikzentmihalyi, Flow, the Psychology of Optimal
Experience, Harper & Row, New York, 1990.

M. Csikszentmihalyi, I. Csikszentmihalyi, Introduction to
part IV, in: M. Csikszentmihalyi, I. Csikszentmihalyi (Eds.),
Optimal Experience: Psychological Studies of Flow in
Consciousness, Cambridge University Press, New York, 1988.

M. Csikszentmihalyi, J. LeFevre, Optimal experience in work
and leisure, Journal of Personality and Social Psychology 56
(5), 1989, pp. 815–822.

Datamonitor, 2002, http://www.find.org.tw/0105/news/0105_
news_disp.asp?news_id¼2290.

Datamonitor, 2001, http://www.find.org.tw/0105/news/
0105_news_disp.asp?news_id¼1697.

F. Davis, Perceived usefulness, perceived ease of use, and
user acceptance of information technology, MIS Quarterly 13,
1989, pp. 319–339.

F. Davis, R. Bagozzi, P. Warshaw, User acceptance of
computer technology: a comparison of two theoretical
models, Management Science 35 (8), 1989, pp. 982–1003.

E. Deci, R. Ryan, Accessibility and stability of predictors in
the theory of planned behavior, Journal of Personality and
Social Psychology 63 (5), 1987, pp. 754–765.

M. Deutsch, H. Gerard, A study of normative and informational
social influences upon individual judgment, Journal of
Abnormal and Social Psychology 51, 1995, pp. 624–636.

M. Dishaw, D. Strong, Extending the technology acceptance
model with Task–Technology Fit constructs, Information and
Management 36 (1), 1999, pp. 9–21.

M. Fishbein, I. Ajzen, Belief, Attitude, Intention and
Behavior: An Introduction to Theory and Research, Addison-
Wesley, Reading, MA, 1975.

C. Fornell,A Second Generation of Multivariate Analysis Methods,
vols. I and II, Praeger Special Studies, New York, 1982.

C. Fornell, D. Larcker, Structural equation models with
unobservable variables and measurement error, Journal of
Marketing Research 18, 1981, pp. 39–50.

J. Ghani, R. Supnick, P. Rooney, The experience of flow in
computer-mediated and in face-to-face groups, in: J. Degross,
I. Benbasat, G. Desanctis, C. Beath (Eds.), Proceedings of the
Twelfth International Conference on Information Systems,
ICIS, New York, 1991, pp. 229–237.

J. Ghani, S. Deshpande, Task characteristics and the
experience of optimal flow in human–computer interaction,
Journal of Psychology 128 (4), 1994, pp. 381–391.

D. Gefen, D. Straub, Gender differences in the perception and
use of e-mail: an extension to the technology acceptance
model, MIS Quarterly 21 (4), 1997, pp. 389–400.

C. Goodwin, A social-influence theory of consumer cooperation,
Advances in Consumer Research 14, 1987, pp. 378–381.

J. Hagel III, A. Armstrong, Net Gain: Expanding Markets
through Virtual Communities, Harvard Business School
Press, Cambridge, MA, 1997.

J. Hair, R. Anderson, R. Tatham, W. Black, Multivariate Data
Analysis with Readings, MacMillan, New York, 1992.

L. Hayduck, Structural Equation Modeling with LISREL,
Johns Hopkings University Press, Baltimore, MD, 1987.

D. Hoffman, T. Novak, Marketing in hypermedia computermediated
environments: conceptual foundations, Journal of
Marketing 60, 1996, pp. 50–68.

D. Hoffman, T. Novak, A new marketing paradigm for electronic
commerce, The Information Society 13, 1997, pp. 43–54.

P. Hu, P. Chau, O. Sheng, K. Tam, Examining the technology
acceptance model using physician acceptance of telemedicine
technology, Journal of Management Information Systems 16
(2), 1999, pp. 91–112.

J. Hull, D. Lehn, J. Tedlie, A general approach to testing
multifaceted personality constructs, Journal of Personality
and Social Psychology 61(6), 1991, 932–945.

M. Igbaria, S. Parasuraman, J. Baroudi, A motivational model
of microcomputer usage, Journal of Management Information
Systems 13 (1), 1996, pp. 127–143.

In-stat, 2002, http://www.find.org.tw/0105/news/0105_news_
disp.asp?news_id¼2056.

K. Joreskog, D. Sorborm, LISREL 8, User’s Reference
Guide, Scientific Software International, Chincago, IL, 1993.

E. Karahanna, D. Straub, The psychological origins of perceived
usefulness and ease-of-use, Information and Management
35 (4), 1999, pp. 237–250.

R. Kauffman, J. McAndrews, Y. Wang, Opening the ‘‘black
box’’ of network externalities in network adoption, Information
System Research 11 (1), 2000, pp. 61–82.

H. Kelman, Process of opinion change, Public Opinion
Quarterly 25, 1961, pp. 57–78.

M. Koufaris, Applying the technology acceptance model and
flow theory to on-line consumer behavior, Information
System Research 13 (2), 2002, pp. 205–223.

D. Lascu, G. Zinkhan, Consumer conformity: review and
applications for marketing theory and practice, Journal of
Marketing Theory and Practice 7 (3), 1999, pp. 1–12.

P. Legris, J. Ingham, P. Collerette,Why do people use information
technology? A critical review of the technology acceptance
model, Information and Management 40, 2003, pp. 191–204.

S. Liao, Y. Shao, H. Wang, A. Chen, The adoption of virtual
banking: an empirical study, International Journal of
Information Management 19, 1999, pp. 63–74.

J. Liker, A. Sindi, User acceptance of expert systems: a test of
the theory of reasoned action, Journal of Engineering and
Technology Management 14, 1997, pp. 147–173.

J. Lin, H. Lu, Toward an understanding of the behavioural
intention to use a web site, International Journal of
Information Management 20, 2000, pp. 197–208.

H. Lucas, V. Spitler, Implementation in a world of workstations
and networks, Information and Management 38 (2),
2000, pp. 119–128.

W. Luo, D. Strong, Perceived critical mass effect on
groupware acceptance, European Journal of Information
Systems 9 (2), 2000, pp. 91–103.

K. Mathieson, Predicting user intentions: comparing the technology
acceptance model with the theory of planned behavior,
Information Systems Research 2 (3), 1991, pp. 173–191.

K. Mathieson, W. Chin, Extending the technology acceptance
model: the influence of perceived user resources, The Data
Base for Advances in Information Systems 32 (3), 2001, pp.
86–112.

L. Methlie, H. Nysveen, Loyalty of on-line bank customers,
Journal of Information Technology 14, 1999, pp. 375–386.

J. Moon, Y. Kim, Extending the TAM for a world-wide-web
context, Information and Management 38 (4), 2001, pp. 217–
230.

B. Nault, A. Dexter, Adoption, transfers, and incentives in a
franchise network with positive externalities, Marketing
Science 13 (4), 1994, pp. 412–423.

NetValue, 2002, http://www.find.org.tw/0105/news/0105_
news_disp.asp?news_id¼2336.

H. Ng, Y. Pan, T. Wilson, Business use of the world wide
web: a report on further investigations, International Journal
of Information Management 18 (5), 1998, pp. 291–314.

T. Novak, D. Hoffman, Y. Yung, Measuring the customer
experience in on-line environments: a structural modeling
approach, Marketing Science 19 (1), 2000, pp. 22–42.

W. Park, V. Lessig, Students and housewives differences in
susceptibility to reference group influence, Journal ofConsumer
Research 4, 1977, pp. 102–110.

C. Plouffe, J. Hulland, M. Vandenbosch, Richness versus
parsimony in modeling technology adoption decisions: understanding
merchant adoption of a smart cart-based payment system,
Information Systems Research 12 (2), 2001, pp. 208–222.

J. Preece, Sociability and usability in on-line communities:
determining and measuring success, Behaviour and Information
Technology 20 (5), 2001, pp. 347–356.

R. Rettie, An exploration of flow during Internet use, Internet
Research: Electronic Networking Application and Policy 11
(2), 2001, pp. 103–113.

E. Rogers, Diffusion of Innovations, fourth ed., The Free
Press, New York, 1995.

C. Romm, N. Pliskin, R. Clarke, Virtual communities and
society: toward and integrative three phase model, International
Journal of Information Management 17 (4), 1997, pp. 261–270.

J. Scott, The measurement of information systems effectiveness:
evaluating a measuring instrument, in: Proceedings
of the Fifteenth International Conference on Information
Systems, Vancouver, BC, 1994, pp. 111–128.

S. Seibert, M. Kraimer, R. Liden, A social capital theory of
career success, Academy of Management Journal 44(2) 2001,
219–237.

A. Seyal, M. Rahman, M. Rahim, Determinants of academic
use of the Internet: a structural equation model, Behaviour
and Information Technology 21 (1), 2002, pp. 71–86.

C. Shapiro, H. Varian, Information Rules: A Strategic Guide
to the Network Economy, Harvard Business School Press,
Cambridge, MA, 1999.

B. Szajna, Software evaluation and choice: predictive
validation of the technology acceptance instrument, MIS
Quarterly 18 (3), 1994, pp. 319–324.

M. Tan, T. Teo, Factors influencing the adoption of Internet
banking, Journal of the AIS 1 (5) (2000), http://www.jais.isworld.
org/articles/1-5/.

S. Taylor, P. Todd, Understanding information technology
usage: a test of competing models, Information Systems
Research 6 (2), 1995, pp. 144–176.

T. Teo, V. Lim, R. Lai, Intrinsic and extrinsic motivation in
Internet usage, OMEGA International Journal of Management
Science 27 (1), 1999, pp. 25–37.

L. Trevino, J. Webster, Flow in computer-mediated communication,
Communication Research 19 (5), 1992, pp. 539–573.

H. Triandis, Beliefs, Attitudes, and Values, University of
Nebraska Press, Lincoln, 1980, pp. 195–259.

R. Vellerand, Toward a hierarchical model of intrinsic and
extrinsic motivation, Adv. Exp. Soc. Psychol. 29, 1997,
pp. 271–360.

V. Venkatesh, M. Morris, Why don’t men ever stop to ask for
directions? Gender, social influence, and their role in
technology acceptance and usage behavior, MIS Quarterly
24 (1), 2000, pp. 115–139.

V. Venkatesh, C. Speier, M. Morris, User acceptance enablers
in individual decision making about technology: toward an
integrated model, Decision Sciences 33 (2), 2002, pp. 297–315.

E. Wang, G. Seidmann, Electronic data interchange:
competitive externalities and strategic implementation policies,
Management Science 41 (3), 1995, pp. 401–418.

J. Webster, L. Trevino, L. Ryan, The dimensionality and
correlates of flow in human–computer interactions, Computers
in Human Behavior 9, 1993, pp. 411–426.

Holbrook, M.B., Chestnut, R.W, Oliva, T.A., Greenleaf, E.A. (1984). “Play as a Consumption Experience: The Roles of Emotions, Performance, and Personality in the Enjoyment of Games”. Journal of Consumer Research, 11(2), pp. 728-739

 

Idée / Dominante : La performance du joueur, La complexité perçue, la concordance entre la personnalité du joueur et le jeu déterminent la réponse émotionnelle du joueur lorsqu’il joue à un jeu vidéo.

 

Résumé : Cet article étudie le jeu comme une expérience de consommation et établie les facteurs qui déterminent le plaisir que va prendre l’utilisateur à jouer à un jeu vidéo. Les auteurs posent l’hypothèse que l’adéquation entre la personnalité du joueur et le type de jeu détermine le plaisir qu’il va prendre à jouer. La performance du joueur, déterminée par ses échecs ou réussites dans le cadre du jeu influence son appréciation de l’expérience de jeu. Enfin, la complexité perçue par le joueur influence également son appréciation du jeu.

L’étude empirique porte sur 60 étudiants de MBA. Elle mesure leurs performances, leurs personnalités (tendance cognitive à la visualisation ou à la verbalisation), leurs émotions et leurs perceptions de la complexité.

Le jeu consiste en une simulation d’atterrissage de fusée sur la lune sur Atari. Il est proposé en deux versions. Une version visuelle où le joueur contrôle la fusée via un joystick, une lumière verte / rouge détermine si la vitesse de descente permet un atterrissage réussi et une jauge représente le carburant restant. Une version verbale où le jeu se joue au clavier et les informations de descente, vitesse, distance restante et carburant sont écrites et chiffrées. La version attribuée à chaque joueur est déterminée aléatoirement.

Les conclusions principales de cette étude sont les suivantes :

• L’adéquation entre la personnalité du joueur (préférence pour la visualisation / verbalisation) et le type de jeu (plutôt visuel / verbal) a bien une influence sur le plaisir de jeu et la dominance.
• Plus le joueur améliore sa maitrise du jeu, plus il prend du plaisir à y jouer.
• La performance du joueur dépend de ses précédentes performances mais aussi de caractéristiques individuelles qui constituent son aptitude au jeu. La performance dépend donc avant tout d’une aptitude propre au joueur et de sa capacité à apprendre en jouant.
• L’adéquation personnalité du joueur- type de jeu n’a pas d’influence sur la performance du joueur.
• La complexité perçue et les émotions n’ont pas d’influence sur la performance du joueur.
• Les hommes ont eu tendance à mieux réussir que les femmes.
• Les personnes ayant un score plus élevé au SAT (test d’admission aux universités américaines) ont eu tendance à mieux réussir.

---

Note d’intérêt : La performance du joueur influence le plaisir qu’il va prendre à jouer. La performance est quant à elle déterminée par les antécédents du joueur (ses performances antérieures) et sa maitrise progressive du jeu. L’étude utilise également des échelles pertinentes : échelle de Mehrabian et Russel pour mesurer le plaisir, l’excitation et la dominance et échelle de Byrne pour mesurer le sentiment.

---

Références :

Alderson, Wroe. (1957). Marketing Behavior and Executive Action,
Homewood, IL: Richard D. Irwin.

Beard, Arthur D. (1979). “Bipolar Scales with Pictorial Anchors:
Some Characteristics and a Method for their Use,” Applied
Psychological Measurement, 3 (Fall), 469-480.

Berlyne, Daniel E. (1960). Conflict, Arousal, and Curiosity, New
York: McGraw-Hill.

Berlyne. (1969). “Laughter, Humor, and Play,” in The Handbook
of Social Psychology, Vol. 3, ed. Gardner Lindzey and
Elliot Aronson, Reading, MA: Addison-Wesley.

Berlyne and K. B. Madsen, eds. (1973). Pleasure, Reward, Preference,
New York: Academic Press.

Blalock, Hubert M., Jr., ed. (1971). Causal Models in the Social
Sciences, Chicago, IL: Aldine.

Bloch, Peter H. and Grady D. Bruce. (1984). “Product Involvement
as Leisure Behavior,” in Advances in Consumer Research,
Vol. 11, ed. Thomas C. Kinnear, Ann Arbor, MI:
Association for Consumer Research, 197-202.

Byrne, Don. (1971). The Attraction Paradigm, New York: Academic
Press.

Calder, Bobby J. and Barry M. Staw. (1975). “Self-Perception
of Intrinsic and Extrinsic Motivation,” Journal of Personality
and Social Psychology, 31 (4), 599-605.

Childers, Terry L., Michael J. Houston, and Robert W. Ruekert.
(1983). “On the Reliability and Validity of Three Individual
Difference Measures of Imaginal Processing: A Confirmatory
Factor Analysis,” working paper, Marketing Department,
University of Minnesota.

Condry, John. (1977). “Enemies of Exploration: Self-Initiated
Versus Other-Initiated Learning,” Journal of Personality
and Social Psychology, 35 (July), 459-477.

Csikszentmihalyi, Mihaly. (1975). Beyond Boredom and Anxiety,
San Francisco: Jossey-Bass.

Day, Hy I. (1981). “Play: A Ludic Behavior,” in Advances in
Intrinsic Motivation and Aesthetics, ed. Hy I. Day, New
York: Plenum, 225-250.

Deci, Edward L. (1975). Intrinsic Motivation, New York:
Plenum.

Deci, Edward L, Gregory Betley, James Kahle, Linda Abrams, and Joseph
Porac. (1981). “When Trying To Win: Competition
and Intrinsic Motivation,” Personality and Social Psychology
Bulletin, 7 (March), 79-83.

Deci, Edward L and Richard M. Ryan. (1980). “The Empirical Exploration
of Intrinsic Motivational Processes,” in Advances in
Experimental Psychology, Vol. 13, ed. Leonard Berkowitz,
New York: Academic Press.

Donovan, Robert J. and John R. Rossiter. (1982). “Store Atmosphere:
An Environmental Psychology Approach,”
Journal of Retailing, 58 (Spring), 34-57.

Duncan, Otis Dudley. (1975). Introduction to Structural Equation
Models, New York: Academic Press.

Feather, N. T. (1968). “Change in Confidence Following Success or Failure as a Predictor of Subsequent Performance,” Journal of Personality and Social Psychology, 9 (1), 38-46.

Hansen, Flemming. (1981). “Hemispheral Lateralization: Implicatioris
for Understanding Consumer Behavior,” Journal
of Consumer Research, 8 (June), 23-36.

Harackiewicz, Judith M. (1979). “The Effects of Reward Contingency
and Performance Feedback on Intrinsic Motivation,”
Journal of Personality and Social Psychology, 37 (8), 1352-1363.

Hilgard, Ernest R. (1981). “Imagery and Imagination in American
Psychology,” Journal of Mental Imagery, 5 (Spring),
5-66.

Hirschman, Elizabeth C. (1983). “Aesthetics, Ideologies and the
Limits of the Marketing Concept,” Journal of Marketing,
47 (Summer), 45-55.

Hirschman, Elizabeth C. and Morris B. Holbrook. (1982). “Hedonic Consumption:
Emerging Concepts, Methods and Propositions,”
Journal of Marketing, 46 (Summer), 92- 101.

Holbrook, Morris B. and Elizabeth C. Hirschman. (1982). “The
Experiential Aspects of Consumption: Consumer Fantasies,
Feelings, and Fun,” Journal of Consumer Research, 9 (September),
132-140.

Holbrook, Donald R. Lehmann, and John O’Shaughnessy. (1983).
“Using Versus Choosing: The Relationship of the Consumption
Experience to Reasons for Purchasing,” working
paper, Marketing Department, Graduate School of Business,
Columbia University.

Huizinga, Johan. (1938). Homo Ludens, New York: Harper &
Row.

Hutt, Corinne. (1981). “Toward A Taxonomy and Conceptual
Model of Play,” in Advances in Intrinsic Motivation and
Aesthetics, ed. Hy I. Day, New York: Plenum, 251-298.

Kaufmann, Geir. (1979). Visual Imagery and its Relation to
Problem Solving, Oslo, Norway: Universitetsforlaget.

Kroeber-Riel, Werner. (1979). “Activation Research: Psychobiological
Approaches in Consumer Research,” Journal of
Consumer Research, 5 (March), 240-250.

Kunzendorf, Robert G. (1981). “Individual Differences in Imagery
and Autonomic Control,” Journal of Mental Imagery,
5 (Fall), 47-60.

Kunzendorf, Robert G. (1982). “Mental Images, Appreciation of Grammatical
Patterns, and Creativity,” Journal of Mental Imagery, 6,
183-202.

Land, Kenneth C. (1969). “Principles of Path Analysis,” in
Sociological Methodology, ed. Edgar F. Borgatta, San
Francisco: Jossey-Bass.

Land, Kenneth C. (1973). “Identification, Parameter Estimation, and Hypothesis
Testing in Recursive Sociological Models,” in
Structural Equation Models in the Social Sciences, ed. Arthur
S. Goldberger and Otis Dudley Duncan, New York:
Seminar Press.

Lepper, Mark R. and David Greene. (1975). “Turning Play into
Work: Effects of Adult Surveillance and Extrinsic Rewards
on Children’s Intrinsic Motivation,” Journal of Personality
and Social Psychology, 31 (3), 479-486.

Lewis, Michael. (1982). “Play As Whimsy,” The Behavioral and
Brain Sciences, 5 (March), 166.

Mehrabian, Albert. (1980). Basic Dimensions for a General Psychological
Theory, Cambridge, MA: Oelgeschlager, Gunn
& Hain.

Mehrabian, Albert and James A. Russell. (1974). An Approach to Environmental
Psychology, Cambridge, MA: The MIT Press.

Mihalich, Joseph C. (1982). Sports and Athletics, Totowa, NJ:
Littlefield, Adams & Company.

Miller, Stephen. (1973). “Ends, Means, and Galumphing: Some
Leitmotifs of Play,” American Anthropologist, 75, 87-98.

Neulinger, John. (1981). The Psychology of Leisure, Springfield,
IL: Charles C Thomas.

Olshavsky, Richard W. and Donald H. Granbois. (1979). “Consumer
Decision Making-Fact or Fiction?” Journal of Consumer Research, 6 (September), 93-100.

Osborne, Harold. (1979). “Some Theories of Aesthetic Judgment,”
Journal of Aesthetics and Art Criticism, 38, 135-144.

Osgood, Charles E., George J. Suci, and Percy H. Tannenbaum.
(1957). The Measurement of Meaning, Urbana, IL: University
of Illinois Press.

Paivio, Allan. (1971). Imagery and Verbal Processes, New York:
Holt, Rinehart & Winston.

Pittman, Thane S., Margaret E. Davey, Kimberly A. Alafat,
Kathryn V. Wetherill, and Nancy A. Kramer. (1980). “Informational
Versus Controlling Verbal Rewards,” Personality and Social Psychology Bulletin, 6 (June), 228-233.

Puto, Christopher P. and William D. Wells. (1984). “Informational
and Transformational Advertising: The Differential
Effects of Time,” in Advances in Consumer Research, Vol.
11, ed. Thomas C. Kinnear, Ann Arbor, MI: Association
for Consumer Research, 638-643.

Richardson, Alan. (1969). Mental Imagery, London: Routledge
& Kegan Paul.

Richardson, Alan. (1977). “Verbalizer-Visualizer: A Cognitive Style Dimension,”
Journal of Mental Imagery, 1, 109-126.

Richardson, John T. E. (1978). “Mental Imagery and Memory:
Coding Ability or Coding Preference?” Journal of Mental
Imagery, 2, 101-116.

Ryan, Richard M., Valerie Mims, and Richard Koestne.r (1983).
“Relation of Reward Contingency and Interpersonal Context
to Intrinsic Motivation: A Review and Test Using
Cognitive Evaluation Theory,” Journal of Personality and
Social Psychology, 45 (4), 736-750.

Sheth, Jagdish N. (1979). “The Surpluses and Shortages in Consumer
Behavior Theory and Research,” Journal of the
Academy of Marketing Science, 7, 414-427.

Stephenson, William. (1967). The Play Theory of Mass Communication,
Chicago, IL: The University of Chicago Press.

Theil, Henri. (1971). Principles of Econometrics, New York:
John Wiley.

Turner, Malcolm E. and Charles D. Stevens. (1959). “The
Regression Analysis of Causal Paths,” Biometrics, 15 (June),
236-258.

Unger, Lynette S. and Jerome B. Kernan. (1983). “On the
Meaning of Leisure: An Investigation of Some Determinants
of the Subjective Experience,” Journal of Consumer
Research, 9 (March), 381-392.

White, Robert W. (1959). “Motivation Reconsidered: The Concept
of Competence,” Psychological Review, 66 (5), 297-
333.

Wilson, Robert N. (1981). “The Courage to Be Leisured,” Social
Forces, 60 (December), 282-303.

Winch, Peter. (1958). The Idea of a Social Science, London:
Routledge & Kegan Paul.

Woods, Walter A. (1981). Consumer Behavior, New York:
North-Holland.

Wright, Sewall. (1960). “Path Coefficients and Path Regressions:
Alternative or Complementary Concepts?” Biometrics, 16
(June), 189-202.

Hernandez, M.D., Vicdan, H. (2014). “Modeling word of mouth vs. media influence on videogame preorder decisions: a qualitative approach”. Journal of Retailing and Consumer Services, 21, pp. 401-406

 

Idée / Dominante : Des facteurs extrinsèques et intrinsèques expliquent la décision de précommander un jeu.

 

Résumé : Cette étude vise à répondre à plusieurs questions essentielles sur la précommande : Quelles sont les principales sources d’information permettant au consommateur de prendre la décision de précommander ? Pourquoi les consommateurs sont-ils prêts à acheter en avance un produit alors qu’il y a d’autres alternatives immédiates ? Enfin, quelles sont les motivations qui poussent le joueur à décider de précommander un nouveau jeu vidéo ?

Les auteurs aboutissent à un modèle expliquant la décision de précommander un jeu selon 2 types de facteurs :

Les facteurs extrinsèques sont liés aux medias, aux distributeurs et au produit précommandé, il s’agit des facteurs relatifs au marché : la possibilité d’avoir un early-access (beta, démo jouable), le risque perçu, les sources d’information (reviews, réseaux sociaux), les bonus de précommandes et goodies, et les contraintes des intermédiaires.

La source d’information permettant au consommateur de prendre la décision de précommander un jeu varie selon qu’il constitue une innovation continue ou disruptive. Lorsque que le jeu est perçu comme une innovation continue (par exemple la suite d’un jeu), le joueur accorde plus d’importance aux medias de masse et aux contenus générés par le marketing. Lorsque le jeu est perçu comme une innovation de rupture (par exemple le premier Guitar Hero), le consommateur accorde au contraire plus d’importance aux reviews en ligne et aux avis de ses amis.

Le risque de rupture de stock du jeu au moment de la sortie du jeu est souvent évoqué par les joueurs comme une raison les incitant à précommander. Par ailleurs, les joueurs ne perçoivent pas de risque au fait de précommander un jeu sans avoir pu l’essayer, ils peuvent en effet toujours annuler leur précommande et récupérer leur argent.

Les facteurs intrinsèques se concentrent sur l’influence de l’état psychologique de l’individu sur la décision de précommande, il s’agit de : la découverte, le désir de prestige, la curiosité, l’implication et les émotions anticipées.

Selon les auteurs, lorsque les joueurs très impliqués sont au courant de la sortie d’un nouveau jeu, ils sont rapidement susceptibles de le précommander. Le joueur anticipe les émotions que va lui procurer le jeu, ce qui motive sa décision d’effectuer une précommande. Il tire également un certain prestige du fait d’avoir le jeu en premier grâce à sa précommande. L’étude note cependant que si l’innovation suscite la curiosité du joueur, celle-ci n’est effectivement satisfaite qu’à la sortie du jeu.

---

Note d’intérêt : Cet article nous expose les différents moyens qu’ont les consommateurs pour se faire une idée d’un jeu ou d’un contenu avant sa sortie en magasin, selon le type de jeu dont il s’agit. Nous apprenons également pourquoi les joueurs sont prêts à précommander un jeu alors qu’ils peuvent l’acheter le jour de sa sortie. Il est à noter que le bonus de précommande est désormais souvent un DLC exclusif aux premiers acheteurs.

---

Références :

Alexander,L.2010.EAseesstrongpre-ordersforMedalofHonor,setsfranchise
record.September30, 〈http://www.gamasutra.com/view/news/30704/
EA_Sees_Strong_PreOrders_For_Medal_of_Honor_Sets_Franchise_Record.php〉.

Baldaro, B.,Tuozzi,G.,Codispoti,M.,Montebarocci,O.,Barbagli,F.,Trombini,E.,
Rossi,N.,2004.Aggressiveandnon-violentvideogames:short-termpsycholo-
gical andcardiovasculareffectsonhabitualplayers.StressHealthJ.Int.Soc.
Investig.Stress20(4),203–208.

Cova,B.,Pace,S.,2006.Brandcommunityofconvenienceproducts:newformsof
customer empowerment – the case ‘myNutellathecommunity’. Eur.J.Mark.
40 (9/10),1087–1105.

Dholakia, U.M.,1997.Aninvestigationoftherelationshipbetweenperceivedrisk
and productinvolvement.Adv.ConsumerRes.24(1),159–167.

Elliott, R.,Jankel-Elliot,N.,2003.Usingethnographyinstrategicconsumerresearch.
Qualit. Mark.Res.6(4),215–223.

Glaser, B.G.,Strauss,A.L.,1967.TheDiscoveryofGroundedTheory:Strategiesfor
Qualitative Research.IL:AldinePublishingCo,Chicago.

Graft, K.2010.UbisoftClaims’RecordNumberofPreorders’forAssassin’sCreed
Brotherhood.October19, 〈http://www.gamasutra.com/view/news/31056/Ubi
soft_Claims_Record_Number_Of_Preorders_For_Assassins_Creed_Brotherhood.
php〉.

Hui, S.K.,Eliashberg,J.,George,E.I.,2008.ModelingDVDpreorderandsales:an
optimal stoppingapproach.Mark.Sci.27(6),1097–1110.
InternationalBusinessTimes2012.AppleiPhone5preorderslaunchinChina:
Release datecomingsoon?Moremock-upphotosandspecssurfaceonpre-sale
page. July12,20120712.

Johnson, B.2009.Windows7settobreakretailrecords.October21, 〈http://www.
guardian.co.uk/technology/2009/oct/21/windows-7-launch〉.

Kozinets,R.V.,2002.The field behindthescreen:usingnetnographyformarketing
research inonlinecommunities.J.Mark.Res.39(1),61–72.

Kozinets,R.V.,2006.Netnography2.0.In:Belk,R.W.(Ed.),HandbookofQualitative
ResearchinMarketing.EdwardElgar,Cheltenham,UK,pp.129–142.

Kozinets,R.V.,2010.Netnography:DoingEthnographicResearchintheAgeofthe
Internet. SagePublications,ThousandOaks:CA.

Laurent, G.,Kapferer,J.N.,1985.Measuringconsumerinvolvementprofiles. J.Mark.
Res. 22(1),41–53.

Moritz, S.2011.VerizoniPhonesalestopped500K.February7, 〈http://www.
thestreet.com/story/10998797/1/verizon-iphone-sales-topped-500k.html#〉.

Mota, J.,Santos,M.P.,Ribeiro,J.C.,2008.Differencesinleisure-timeactivities
according tolevelofphysicalactivityinadolescents.J.Phys.Act.Health5(2),
286–293.

Reuters.2012a.Apple’sstockhitsall-timehighasiPhone5pre-orderssellout.
September15, 〈http://www.reuters.com/article/2012/09/15/idUS35592836582
0120915〉.

Reuters.2012b.Samsunggets9millionpreordersfornewGalaxyphone.May18,
〈http://www.reuters.com/article/2012/05/18/
us-samsung-idUSBRE84H0020120518〉.

Robertson,T.S.,1971.InnovativeBehaviorandCommunication.Holt,Rinehart&
Winston, NewYork,NY.

Silverman,D.,2005.DoingQualitativeResearch,2nded.Sage,London.

Spiggle, S.,1994.Analysisandinterpretationofqualitativedatainconsumer
research.J.ConsumerRes.21(3),491–503.

Zikmund, W.G.,Babin,B.J.,2006.ExploringMarketingResearch,9thed.South-
Western,Cincinnati.
M.D Hernandez,V.Handan/JournalofRetailingandConsumerServices21(2014)401–406 406