DETERMINANTEN VAN ADOPTIE VAN MARKETING AUTOMATISATIE
DE ROL VAN KUNSTMATIGE INTELLIGENTIE Aantal woorden: 21.850
Michaël Saintobyn Stamnummer : 01413368 Promotor: Prof. dr. Iris Vermeir Masterproef voorgedragen tot het bekomen van de graad van:
Master of Science in de Handelswetenschappen Academiejaar: 2016 - 2017
0
1
DETERMINANTEN VAN ADOPTIE VAN MARKETING AUTOMATISATIE
DE ROL VAN KUNSTMATIGE INTELLIGENTIE Aantal woorden: 21.850
Michaël Saintobyn Stamnummer : 01413368 Promotor: Prof. dr. Iris Vermeir Masterproef voorgedragen tot het bekomen van de graad van:
Master of Science in de Handelswetenschappen Academiejaar: 2016 - 2017
2
VERTROUWELIJKHEIDSCLAUSULE
Ondergetekendeverklaartdatdeinhoudvandezemasterproefmaggeraadpleegden/ofgereproduceerdworden,mitsbronvermelding.
Naamstudent:MichaëlSaintobyn
Handtekening
3
Voorwoord
Hiernawordt demasterproef ‘determinanten van adoptie vanmarketing automatisatie: de rol van
kunstmatige intelligentie’ gepresenteerd. Het onderzoek voor deze masterproef is uitgevoerd bij
marketingmanagersenchiefmarketingofficersbijverschillendeondernemingen.Dezemasterproefis
geschreveninhetkadervanmijnafstuderenaandeopleidingCommercieelBeleidaandeUniversiteit
Gent.Hetonderzoeklieptussenjanuari2017enjuni2017.
Onder begeleiding van professor Iris Vermeir zijn de verschillende onderzoeksvragen voor deze
masterproefbedacht.Hetonderzoekdattotstandisgebracht,wascomplex.Metdecombinatievan
bestaande literatuur, theorieën en kwalitatief onderzoek werden de onderzoeksvragen
beantwoord.Tijdens dit onderzoek stond mijn promotor professor Iris Vermeir voor mij klaar. Ze
heeftsteedsmijnvragenbeantwoordwaardoorikmijnonderzoekkonverderzetten.
Hierbijwil ik graagmijn promotor bedanken voor de aangename begeleiding en de ondersteuning
tijdenshetverloopvandezestudie.Ookwilikallerespondentenbedankendiemeehebbengewerkt
aan dit onderzoek. Zonder hun inzet had dit onderzoek nooit de behaalde resultaten kunnen
bereiken. Daarnaast wil ik mijn collega’s bij Teamleader graag bedanken voor de fijne
samenwerking.Vaakwerderopeffectievewijzeovermijnonderzoekgedebatteerd.Totslot,vanmijn
vrienden en familie heb ik wijze raad mogen ontvangen. Hun motivatie heeft geholpen om het
onderzoektoteengoedeindetebrengen.
Ikwensuveelleespleziertoe.
MichaëlSaintobyn
Gent,6juni2017
4
Samenvatting
Delaatstetweedecenniawareneentijdvangroteveranderingenophetgebiedvanmarketing.Een
daarvan is digitalisering,wat inmiddels is uitgegroeid tot eenpermanent onderdeel vanmarketing.
Digitaliseringheeftervoorgezorgddatgegevensefficiëntwordenverzameld.Adoptievantechnologie
voor marketing is essentieel voor de digitale communicatie van ondernemingen. Personalisatie en
aanbevelingenvancontentspeleneencrucialerolbijdigitalecommunicatie.Ditheefteenbehoefte
gecreëerdvoorautomatiseringvanmarketingacties,omzogerichtecontentefficiëntteverspreiden.
Alsgevolgvanmarketingautomatisatiewordtmeer informatieverzameldvanklanten.Kunstmatige
intelligentie gebruikt deze grote hoeveelheden gegevens voormarktvooruitzichten, automatisering
van processen en om beslissingen te nemen. Hoewelmarketing automatisatie al wordt ingezet bij
ondernemingen,heefthetnogweinigacademischeaandachtgekregen.Daarom is inditonderzoek
geprobeerddeadoptievanmarketingautomatisatieteverklarenbijondernemingen.Daarenbovenis
onderzocht wat de belangrijkste determinanten zijn voor adoptie en welke rol kunstmatige
intelligentie hierop uitoefent. Deze studie heeft ook tot doel gehad een bijdrage te leveren aan
bestuurlijkeimplicaties.Omantwoordtevindenopbovengenoemdevragen,iskwalitatiefonderzoek
uitgevoerd.Zozijnmarketingmanagersenchiefmarketingofficersdiegebruikmakenvanmarketing
automatisatiegeïnterviewd.Ook iseen inductievebenaderinggebruikt,waarinbestaande literatuur
met empirische bevindingen is gecombineerd. De studie onthulde elf determinanten die bijdragen
aan de adoptie van marketing automatisatie. Dit zijn performantie, compatibiliteit, complexiteit,
waarneembaarheid, vertrouwen, technologische kennis, controle, attitude, subjectieve norm,
trialabilityenkunstmatigeintelligentie.Verderzijnerdriemoderatorengevondendieeenpositieveof
negatieve invloed hebben op laatstgenoemde determinanten; namelijk sector, leeftijd en ook
kunstmatigeintelligentie.
5
Inhoud
Voorwoord..................................................................................................................................................3
Samenvatting..............................................................................................................................................4
Figuren-entabellenlijst..............................................................................................................................7
Afkortingen.................................................................................................................................................8
Begrippenlijst/Definities.............................................................................................................................9
1.Inleiding................................................................................................................................................13
1.1Objectieven.....................................................................................................................................15
1.2Structuur.........................................................................................................................................16
2.Theoretischkader.................................................................................................................................17
2.1Digitalemarketing..........................................................................................................................17
2.1.1Marketingtechnologie.............................................................................................................18
2.1.2Relatiemarketingengegevensverzameling............................................................................18
2.2Customerrelationshipmanagement.............................................................................................20
2.2.1Leadgeneratie..........................................................................................................................21
2.2.2Contentmarketing..................................................................................................................22
2.3Marketingautomatisatie................................................................................................................23
2.3.1Voorbeeldvantoepassingen...................................................................................................24
2.3.2Onderscheidvangerelateerdeterminologie..........................................................................24
2.3.3Marketingautomatisatieproces.............................................................................................25
2.3.4Personalisatie..........................................................................................................................27
2.3.5Scoringsregels..........................................................................................................................28
2.3.6Aanbevelingen.........................................................................................................................29
2.4TechnologieAcceptatie-,Adoptie-endiffusietheorieën.............................................................31
2.4.1Innovationdiffusiontheory.....................................................................................................32
2.4.2Theoryofplannedbehaviour..................................................................................................35
2.4.3Technologyacceptancemodellen..........................................................................................37
2.4.3.1Technologyacceptancemodel........................................................................................37
2.4.3.2Technologyacceptancemodel;versie2.........................................................................38
2.4.3.3Technologyacceptancemodel;versie3.........................................................................40
2.4.3.4Automationacceptancemodel........................................................................................42
2.4.4Unifiedtheoryofacceptanceanduseoftechnology............................................................43
2.4.5Unifiedtheoryofacceptanceanduseoftechnology,eentweedeversie............................46
2.5Determinantenenmoderatoren...................................................................................................49
6
2.6Kunstmatigeintelligentie...............................................................................................................50
2.6.1Computertechnologie.............................................................................................................50
2.6.2Besluitvorming.........................................................................................................................51
2.6.3Automatisatie..........................................................................................................................51
3.Methodologie.......................................................................................................................................52
3.1Kwalitatiefonderzoek.....................................................................................................................52
3.2Veldonderzoek................................................................................................................................53
3.3Gegevensverzameling....................................................................................................................54
3.4Gegevensanalyse............................................................................................................................55
3.5Ondernemingen..............................................................................................................................56
4.Resultaten.............................................................................................................................................57
4.1Determinanten...............................................................................................................................57
4.2Implicaties.......................................................................................................................................60
4.3Kunstmatigeintelligentie...............................................................................................................65
5.Conclusie...............................................................................................................................................67
5.1Theoretischeimplicaties................................................................................................................67
6.Discussie................................................................................................................................................72
6.1Bestuurlijkeimplicaties..................................................................................................................72
6.2Evaluatie.........................................................................................................................................73
6.3Aanbevelingen................................................................................................................................73
Literatuurlijst/Bibliografie........................................................................................................................74
Bijlage1.....................................................................................................................................................83
7
Figuren-entabellenlijst
Figuur1:Verkooptrechter........................................................................................................................21
Figuur2:Marketingautomatisatieconcept............................................................................................26
Figuur3:Personalisatieproces.................................................................................................................27
Figuur4:Aanbevelingsysteem................................................................................................................29
Figuur5:Voorbeeldverkooptrechtermetmarketingautomatisatie......................................................30
Figuur6:Innovationdiffusiontheorycurve.............................................................................................32
Figuur7:Innovationdiffusiontheory.......................................................................................................33
Figuur8:Theoryofplannedbehaviour....................................................................................................35
Figuur9:Technologyacceptancemodel.................................................................................................37
Figuur10:Technologyacceptancemodel2............................................................................................38
Figuur11:Technologyacceptancemodel3............................................................................................40
Figuur12:Automationacceptancemodel...............................................................................................42
Figuur13:Unifiedtheoryofacceptanceanduseoftechnology............................................................43
Figuur14:Unifiedtheoryofacceptanceaduseoftechnology2...........................................................46
Figuur15:Kunstmatigeintelligentievenndiagram..................................................................................50
Figuur16:Determinantenvooradoptie..................................................................................................57
Figuur17:DeterminantenvanMA-adoptiemetmoderatoren..............................................................67
Figuur18:Factorenvoorsuccesvolleimplementatievanmarketingautomatisatie..............................72
Tabel1:Classificatieadoptersvolgensdeinnovationdiffusiontheory..................................................33
Tabel2:Determinantenenmoderatoren................................................................................................49
Tabel3:Geïnterviewdeondernemingen.................................................................................................56
8
Afkortingen
AAM Automationacceptancemodel
B2B Business-to-business
B2C Business-to-consumer
C-TAM-TPB Combinatievantechnologyacceptancemodelentheoryofplannedbehavior
CMO Chiefmarketingofficer
CRM Customerrelationshipmanagement
e-commerce Electroniccommerce
e-CRM Electroniccustomerrelationshipmanagement
ERP Enterpriseresourceplanning
ICT Informatie-encommunicatietechnologie
IDT Innovationdiffusiontheory
KI Kunstmatigeintelligentie
m-commerce Mobilecommerce
MA Marketingautomatisatie
MM Motivationalmodel
PC Personalcomputer
ROI Returnoninvestment
SEA Searchengineadvertising
SEO Searchengineoptimization
TAM Technologyacceptancemodel
TPB Theoryofplannedbehavior
TRA Theoryofreasonedaction
UTAUT Unifiedtheoryofacceptanceanduseoftechnology
9
Begrippenlijst/Definities
Aanbevelingstechnologie
Software dat beschikbare gegevens analyseert om suggesties te maken
voor iets dat een websitegebruiker mogelijk zou kunnen interesseren,
zoalseenboek,eenvideo,ofanderemogelijkheden.
AdaptatieEen onderneming past hun product, service, marketingacties aan om
verschillendenodentevervullen.
AdoptieDe overdracht tussen een oud systeem en een nieuw systeem in een
organisatie.
AdvergamingEen videospel dat op een of anderemanier een advertentie bevat voor
eenproduct,serviceofonderneming.
Affiliatemarketing
Een tactiek waarmee een product eigenaar de verkoop kan verhogen
door anderen toe te laten op hetzelfde publiek – ‘affiliates’ - om een
commissieteverdienendoorhetproductaananderenteadviseren.
ApplicatiesEen applicatie is een programma of groep programma's die voor de
eindgebruikerisontworpen.
Awarenessfase
Tijdens deze fase is iemand zich bewust van een probleem. Hij/zij zal
verschillende opties bekijken en overwegen. In feite is dit een
oriëntatiefasewaarbijgeendefinitievebeslissingwordtgenomen.
Beslissingssysteem
Eencomputerprogrammadatbedrijfsgegevensanalyseertenpresenteert
op een bepaalde manier zodat gebruikers gemakkelijker zakelijke
beslissingenkunnennemen.
Bigdata
Eenevoluerendetermdieeenomvangrijkehoeveelheidgestructureerde,
semigestructureerd en ongestructureerd data beschrijft die de
mogelijkheidheeftomtewordenontgintvoorinformatie.
BouncerateHet percentage bezoekers die naar een website komen en vertrekken
zonderanderepagina'sopdewebsitetebekijken.
Business-to-businessDeuitwisselingvanproducten,dienstenofinformatietussenbedrijven,in
plaatsvantussenbedrijvenenconsumenten.
Business-to-consumerEen dienst of productuitwisseling van een bedrijf naar een consument,
terwijldehandelarenproductenaandeconsumentverkopen.
CampagnemanagementEen proces dat het plannen, uitvoeren, volgen en analyseren van direct
marketingcampagnesomvat.
10
ColdcallingAanwenden van personen die nog geen relatie met de onderneming
hebben,doorgaanspertelefoon.
Considerationfase
Deze fasevolgtopdeawareness fase.Hierheeftdekopereenbewuste
overweginggemaaktenverschillendeoplossingenonderzocht.Dekoper
heefteenreeksmogelijkheden.
Content
Hetcreërenendelenvanonlinemateriaal(zoalsvideo's,blogsensociale
mediaberichten)dienietexplicietisbedoeldomhetbevorderenvaneen
merk,omdebelangstellingvoorproductenofdienstentestimuleren.
ConversieDe handeling van het omzetten van bezoekers die een gewenste actie
ondernemen.
Conversieratio Hetpercentagebezoekersdieeengewensteactieondernemen.
Convertfase Bezoekersconverterennaarleads.
Cross-sellingTechniekomeenklantmeertedoenbestedendooreenproducttekopen
datverbandhoudtmetwateralwerdgekocht.
CrossplatformGebruikvaneenmarketingkanaalomeenanderkanaalteondersteunen
oftebevorderen.
Customerjourney
Detotalewaardevanalleinteractiesmeteenondernemingofmerk,toe
te schrijven aan een klant, terwijl op zoek naar een product of dienst
leidendnaareentransactie.
CustomersuccesDepartement van een onderneming dat verantwoordelijk is voor het
beheervanderelatietussendeondernemingenhaarklanten.
Databasemarketing
Een systematische aanpak van het verzamelen, consolideren en
verwerkenvanconsumentengegevens(zowelvoorklantenalspotentiële
klanten).
Datamining
Hetprocesvansorterenaandehandvangrotedatasetsompatronente
identificeren en relaties op te zetten om problemen op te lossen door
middelvandata-analyse.
Diffusie Hoeeeninnovatiezichheeftverspreidineengroep,gemeenschapofland
DirectemarketingEen vorm van marketing waarbij een onderneming direct in contact
treedtmetpotentiëleklanten,aandehandvane-mail,telefoon,etc.
Empirisch Afgeleidvanofgeleiddooreenobservatieofexperiment.
Expertsysteem
Eencomputerprogrammadatgebruikmaaktvankunstmatigeintelligentie
omeenoordeelengedragtesimulerenvaneenmensofeenorganisatie
diedeskundigekennisenervaringheeftineenbepaaldgebied.
11
InboundmarketingEen strategie dat zich richt ophet aantrekken van klanten, of leads, via
content,waardoorpotentiëleklantennaardeondernemingkomen.
Informatietechnologie
Het gebruik van computers, opslag, netwerken en andere fysieke
apparaten,infrastructuurenprocessenomallevormenvanelektronische
gegevenstemaken,verwerken,opslaan,beveiligenenuitwisselen.
InteractievemarketingStrategie die tweerichtingscommunicatie gebruikt om consumenten
directmeteenondernemingteverbinden.
KanalenVerwijstnaareenmanieromeenproductbeschikbaartestellenvoorde
eindverbruikers.
Klantsegmentatie
De praktijk van het verdelen van een klantenbestand in groepen van
personendieopbepaaldemanierenrelevantzijn,zoalsleeftijd,geslacht,
etc.
KlassiekemarketingActies gedefinieerd door het 4P’s van de marketingmix; Product,
Promotie,PrijsenPlaats.
LandingspaginaEen standalone webpagina die verschilt van de hoofdwebsite, en is
ontworpenvooreendoelgerichteactie.
LeadgeneratieEenprocesompotentiëleklantenteidentificerenentecultiverenvoorde
productenofdienstenvaneenonderneming.
LeadsPotentiëleverkoopkansen:eenindividuoforganisatiedieinteressegeeft
inproductenofdienstenvaneenonderneming.
MachinaallerenBiedt computers de mogelijkheid om te leren zonder expliciet
geprogrammeerdteworden.
MediumEenmedium is een derde of een element waarmee een bericht wordt
medegedeeld.
MobielemarketingMobiele marketing is promotieactiviteit ontworpen voor mobiele
telefoons,smartphonesenanderemobieleapparaten.
Mobilecommerce
Handel van goederen en diensten via mobiele apparaten zoals
smartphones.
NeuralenetwerkenEen systeem van hardware en/ of software die volgens dewerking van
neuroneninhetmenselijkebreinisgevormd.
Nurtureflow
Proces om relaties met kopers te ontwikkelen in elk stadium van de
verkooptrechter.
12
OutboundmarketingEen onderneming start de conversatie en stuurt zijn bericht naar een
publiek.
PersonalisatieHetprocesvanhetopmaatmakenvanpagina’senanderemediumsnaar
individuelekenmerkenofvoorkeurenvanindividuelegebruikers.
Prospect Eenpotentiëleklant.
Relatiemarketing
Een proces van coöpererende activiteiten met klanten om wederzijdse
economische, sociale en psychologische waarde te behalen of te
verbeteren.
Retentiepercentage Hetpercentageklantendieineenvolgendjaarblijvenkopen.
TechnicalstackEen groepering van technologieën die marketeers gebruiken om uit te
voerenenhetverbeterenvanhunmarketingactiviteiten.
TriggerEenhandelingofgebeurtenis,diealsstimulusfungeerteneenreactieof
reeksreactiesinitieert.
UpsellingTechniek om een klant meer te doen besteden door een upgrade of
premiumversievanwaterwerdgekochttekopen.
Verkeer Hetaantalmensendateenbepaaldewebsitebezoekt.
Viralemarketing
Techniekdieeenondernemingofgebruikervoorzietomeenberichtdoor
te geven aan websites of gebruikers, waardoor een potentiële
exponentiëlegroeiindezichtbaarheidwordtveroorzaakt.
WebinarsEen educatieve, informatieve of instructieve presentatie die online
beschikbaarwordtgesteld,meestalalsvideoofaudiometdia's.
Zoekmachine
advertenties
Adverteren op zoektermen, zodat tekstadvertenties worden getoond
tussendegesponsorderesultateninzoekmachines.
Zoekmachine
optimalisatie
Geheel aan activiteiten bedoeld om een website hoog in de
zoekresultatentelatenverschijnenvaneenzoekmachine.
13
1.Inleiding
Marketing isdeafgelopen tweedecennia ingrijpendveranderd.Gedruktemedia, televisieenaudio
verliezenhunrelevantiealsmedium,terwijltechnologieendigitalisatienieuwemanierencreërenom
mensen tebeïnvloeden (Holliman,Rowley,&Smith, 2012).Dezenieuwemanieren kenmerken zich
door twee zaken. Enerzijds biedt deze nieuwe manier van marketing (ook wel digitale marketing
genoemd) zowel individuen als ondernemingen de mogelijkheid om marketingacties efficiënt en
kosteneffectief toe te passen. Anderzijds heeft digitale marketingtechnologie een omgeving
gecreëerd waarmee grote volumes respondenten kunnen worden bereikt zonder al te grote
marketinginvesteringen(Brinker&McLellan,2014).
Determ‘digitalemarketing’wordtregelmatiggebruiktdoorzowelondernemingenalsindividuen.Lee
Oddenheeftnegenchiefmanagerofficers(CMO’s)geïnterviewdomdetermteherdefiniëren,omdat
ergeeneenduidigbegripbestaatdoordatdetermvaakgebruiktwordt.Deconclusiewasdatdigitale
marketingeenhefboomeffectuitoefendeopdemogelijkhedenvanmarketing.Digitalemarketing is
meetbaar,waardoormarketingnuttigerwordt voorpersonenenondernemingenom te gebruiken.
OokmeentOddendatdigitalemarketingwordtgekenmerktdoorhetgebruikenvaneenbreedscala
aan verschillende kanalen om content te verspreiden (Odden, 2015). De auteurs Visser & Berend
beschrijven digitale marketing als de combinatie van zowel online kanalen als marketingkanalen.
Voorbeeldenhiervanzijnwebsites,e-mailen(digitale)televisie(Visser&Berend,2015).
Digitale marketing bevindt zich anno 2017 in een fase waarin automatisering plaatsvindt (Hilker,
2017).Marketing automatisatie (MA), refereert naar softwaremet het doel ommarketingacties te
automatiseren.Marketingafdelingenhebbenherhaalde takenzoalse-mails, socialemediaberichten
en andere marketingacties. De technologie van marketingautomatisering maakt de uitvoering van
deze taken makkelijker (Wood, 2015). In het eerste wetenschappelijke onderzoek over MA
gepubliceerdin1998warenBuckling,LehmannenLittleervanovertuigddatMA,gecombineerdmet
digitale marketing, het marketinggebeuren zou doen veranderen. De transformatie - of anders
geformuleerd,digitalisatie -vanmarketingheeftdoordegroeiaanmediumseenbehoefteaanMA
gecreëerd.MAiseenessentieelonderdeelvandigitalemarketinggeworden,omdathetessentieelis
inhet leverenvan relevantegepersonaliseerde communicatie viadigitaleenofflinemedia. (Sabnis,
Chatterjee, Grewal, & Lilien, 2013). Het aanpassen van content op basis van personalisatie, is een
centraal component van MA. Inmiddels is dit niet meer weg te denken uit een digitale
marketingstrategie. (Montgomery & Smith, 2009). Personalisatie geeft aan demarketeer de juiste
signalenomrelevantecontenttoetewijzenaaneenpersoon(Vesanen,2007).
14
MA vereist geavanceerde systemen om grote hoeveelheden data te verwerken. Systemen voor
klantbeheer (CRM), analytische systemen zoals Google Analytics en andere software zijn dan ook
noodzakelijk voor de opbouw van MA. MA heeft een ondersteunende functie voor de
verkoopafdeling.MAbiedtinformatieoververkoopopportuniteitenviaeenCRM-systeem(Järvinen&
Taiminen,2016).
In België bieden bedrijven zoals Hubspot, Marketo, Pardot en Eloqua reeds hun diensten en
ondersteuning aan op het gebied van MA. Volgens onderzoek in 2016 gebruikt 37% van de
ondernemingen in België MA. Niettemin zijn er bij deze ondernemingen problemen met het in
gebruikstellenvanMA.Bijeenderdevandeondernemingenstaatdatacentraalbijhetnemenvan
marketingbeslissingen. Verder blijkt dat 43% van de ondernemingen moeite heeft met de
implementatievanMA(Thehouseofmarketing,2016).
BijgevolgisdeadoptievanMAeeninteressantonderwerpomteonderzoeken.Echter,ontbreekter
nogwetenschappelijkeonderbouwing/onderzoek.Diemoeterwel zijn,wantMA is essentieel voor
veel ondernemingen. Als gevolg groeit het aantal aanbieders van MA sterk, grote bedrijven zoals
Hubspot en Marketo leveren MA aan het grote publiek (Ascend2Research, 2015; The house of
marketing,2016).
Er wordt gesproken over kunstmatige intelligentie (KI) van zodra computers intelligent gedrag
vertonen.Dit iseenonderzoeksdomeinindecomputerwetenschappenenheeftin2014zijnintrede
inmarketinggedaan (Brinker,2016;Roetzer,2014).Doordatdeklantsteedshogereeisensteltaan
personalisatieendienstverlening,heeftdemarketeertemakenmetcomplexekeuzes.KIkanhieraan
bijdragen,doorzichtoetespitsenopspecifieketakenengebruiktemakenvangrotehoeveelheden
dataenmachinaalleren(Lazaris,Vrechopoulos,Katerina,&Doukidis,2014).
DitonderzoekcombineertconceptueleadoptiemodellenvantechnologiemetMA.Hetvindenvande
factorendieeenrolspelenindeadoptievanMA,zorgtvooreensamenhangendestudie,dievalide
informatieenonderwerpenoplevertvoorverderonderzoek.Naasthetraadplegenvanacademische
literatuur worden interviews afgenomen bij marketingmanagers en CMO’s van verschillende
ondernemingen.Hetresultaatwordtopeenuniverseelniveauvoorgesteldomdedeterminanten,en
de rol van KI te onthullen in de adoptie vanMA, zodat het toekomstige onderzoekers op de best
mogelijkemanierkandienen.
15
1.1Objectieven
Het doel van deze studie is enerzijds om uit te zoeken welke determinanten er bestaan voor de
adoptie vanMA,enanderzijdsofKIhieraanbijdraagt.Daaromwordenondernemingenonderzocht
dieenigeervaringmetMA-technologiehebben.Hethuidigeonderzoekconcentreertzichopadoptie
vantechnologie;ditisvrijgeneriekenkentgeenverdereonderscheiding.DeadoptievanMAisweinig
onderzocht,integenstellingtotdeinvloedvanKIopautomatischeprocessen.Decrucialeelementen
dienodig zijnvoorhetuitvoerenvanMAwordengrondigbestudeerd.Watnietwegneemtdatook
elementenzoalsCRM,personalisatie,content,leadgeneratieenscoringsregelswordeningezetinhet
bepalenvande invloedvanKIopadoptie.Wetenschappelijke literatuurspeelteenessentiëlerolbij
hetcombinerenvanbestaande literatuurrondadoptievantechnologieenonderzoekenbetreftMA
en KI. Theoretischemodellen van adoptie leggen de basis voor dit onderzoek; deze bepalenwelke
determinanteninaanmerkingkomenvoorMA.Theorieënvanautomatischeprocessen,personalisatie
en aanbevelingen zijn essentieel om KI te verbinden met MA. Een empirisch onderzoek wordt
uitgevoerd bij ondernemingen die MA succesvol hebben geïmplementeerd. Het gebruik van deze
gegevens zorgt voor een breed perspectief, verder biedt het meerdere middelen om een dieper
inzichtteverkrijgenindevoordelenvanMA.
Onderzoeksvragen:
1. Welkedeterminantendragenbijaandeadoptievanmarketingautomatisatie?
a. Watzijndebelangrijkstedeterminantenvooradoptie?
2. Hoedraagtkunstmatigeintelligentiebijaandeadoptievanmarketingautomatisatie?
Dehierbovengenoemdeonderzoeksvragenvormeneengedegenbasisomeencoherenteenvalide
studie op te zetten over de adoptie vanMA en de rol van KI. Het onderzoek omvat alle cruciale
elementenvanadoptie,MAenKI.Daarenbovenkandestudiewordengebruiktdoorondernemingen
bijhetimplementerenvanMAenpotentieelKI.
16
1.2 StructuurDe studie bestaat uit zes hoofdstukken met elk een onderverdeling. Het literatuuronderzoek in
hoofdstuk 2 start met digitale marketing, om daarna verder te gaan naar customer relationship
management (CRM). Dit vormt de uiteindelijke basis voor MA en het geautomatiseerde
marketingproces. Aansluitend op de basis van wetenschappelijke literatuur worden vier
hoofdmodellen voorgesteld over adoptie, acceptatie en diffusie van technologie. Aan de hand van
dezemodellenwordendeterminanteninkaartgebrachtvoordeadoptievantechnologie.Tenslotte
wordenuitgaande van literatuur debestanddelen van KI gepresenteerd in relatie totmarketing en
automatisatie. Na de onderzoeksaanpak in hoofdstuk 3, worden de bevindingen gerapporteerd in
hoofdstuk4.Deresultatenzijnonderverdeeldindriecategorieën.EerstwordtMAvolledigbesproken
met de verschillende determinanten in relatie tot adoptie van MA, en daarna opmerkelijke
implicaties.HiernawordtKIonderdeloepgenomen.Inhoofdstuk5wordtindezestudieverzamelde
theoretischeenempirischekennisbesproken.Overeenkomstenenverschillenwordenverduidelijkt,
evenals worden de onderzoeksvragen beantwoord. Verder in hoofdstuk 6 worden implicaties
omschrevendieconcretesuggestiesbiedenaanmarketingmanagersenCMO’sbijhetoverwegenom
gebruik te maken van een MA-systeem als onderdeel van hun marketing. Als afsluiting worden
suggestiesgegevenvoorverderonderzoek.
17
2.Theoretischkader
“Ifthishasbeentheageofmarketingdecisionsupport,weforseethatthenexttwodecadeswillusher
intheeraofmarketingdecisionautomation.Inotherwords,thedecisionswecansupporttodayare
primecandidatestobedecisionswecanautomatetomorrow.”(Bucklinetal.1998)
Inhoofdstuktweewordtdebestaandeliteratuuruiteengezet.AllenoodzakelijkeonderdelenvanMA
wordenbehandeld.Dehuidige studiebespreektdeadoptie vanMA,enMA in relatie totKI.Het is
daarom van belang om door alle aspecten te gaan die bij de uitvoering van het proces zijn
opgenomen.DeliteratuurstudiestartmetdeelementendieMAnodigheeftomtefunctioneren.
Eerstwordtdigitalemarketinggeïntroduceerd,daarnaCRM’senhoeleadswordengegenereerd.Dan
wordtMAinkaartgebracht.Hetbegrip‘kunstmatigeintelligentie’wordtnaderhandbekeken.
2.1Digitalemarketing
Ondankshetveranderendekaraktervanmarketing,blijftdeessentieervanhetzelfde.Wantvolgens
Hauerismarketingnogsteedsbedoeldombekendheidteverwezenlijkenondereengewenstegroep
mensen.Enkeldemiddelenomdittebereiken,zijndeafgelopen20jaarveranderd(Hauer,2011).Uit
onderzoek blijkt ook dat marketing is getransformeerd van een doelgericht denkproces naar
geïntegreerde marketingcommunicatie, bestaande uit meerdere offline en online kanalen waar
klanten aanwezig zijn (Richardson, James, & Kelley, 2015). Geïntegreerde marketingcommunicatie
impliceerteenplanningsprocesomdeboodschapzoduidelijkencoherentmogelijkovertebrengen.
Na succesvolle communicatie is het de bedoeling dat de klant een duidelijk beeld heeft van het
betreffendemerk,ongeachthetmarketingkanaal(Karjaluoto,2010).
De verschillende vormen van marketing verbeteren de ontwikkeling van een meer holistische
boodschapnaardeklantenverhogentegelijkertijddewerklastvoormarketeersomwillevandegroei
aan nieuwe marketingkanalen. MA bestaat ook om dit proces efficiënter te doen verlopen en
uiteindelijkdeklantbetertebedienen(Bucklin,Lehmann,Warren,&Little,1998).
Bekendemiddelenvoordigitalemarketingzijndirectemarketing(bijvoorbeeld:e-mailentelefoon)en
internet marketing. Laatstgenoemde doelt op marketing op bepaalde websites, banners,
zoekmachineadvertenties (SEA) en zoekmachineoptimalisatie (SEO). Andere soorten van digitale
marketing zijn virale marketing, advergaming, mobiele marketing, sociale media marketing,
interactievetelevisieenwebinars(Karjaluoto,2010).
18
Literatuur omschrijft mobiele marketing als een van de snelst groeiende mediums (Leppaniemi &
Karjaluoto,2005).Vandaagdedagismobielemarketinggegroeidvaneenbeknopteberichtendienst
naarmobielemarketingopsmartphonemetapplicaties,mobielewebpagina’senlocatie-gebaseerde
marketing.Daarnaasthebbencrossplatformapplicatiesendienstenvoormeerderemarketingkanalen
eenoptimaleomgevinggecreëerdomteadverterenendatateverzamelen(Tunsakul,2008).
2.1.1Marketingtechnologie
Onder ‘marketingtechnologie’ vallen initiatieven en instrumenten die technologie inzetten om hun
doelstellingen te bereiken. Een instrument is bijvoorbeeld sociale marketing (Andreasen, 1994;
Khanlari, 2015). Vrijwel iedereen die in contact komt met digitale marketing heeft te maken met
marketingtechnologie (Ford & Saren, 2001; Malhotra, 2002). Marketingtechnologiemaakt gebruik
van het internet (Atwong & Hugstad, 1997). Hierdoor zijn nieuwe mogelijkheden ontstaan, zoals
personalisatie, business-to-business (B2B), ontdekken van nieuwemarkten, relaties opbouwenmet
deconsument(Ansari&Mela,2003;Choudhury&Harrigan,2014).
Onderzoekovermarketingtechnologieisnietnieuwinhethuidigmarketinglandschap(Katz&Shapiro,
1986). Wel is er de afgelopen 20 jaar een groei van het aantal studies naar deze technologieën
(Atwong & Hugstad, 1997; Brinker & McLellan, 2014; Gummesson, 2008; Roberts, 2003). Verder
bestaat er uitgebreide literatuur die zich toespitst op specifieke technologieën zoals customer
relationshipmarketing(Zikmund,McLeod,&Gilbert,2003).
2.1.2Relatiemarketingengegevensverzameling
De traditionelemarketing is hoofdzakelijk gericht op een onmiddellijke stijging van de omzet. Het
houdtgeenrekeningmethetvooruitzichtvaneenlangdurigerelatiemetdeklant(Zikmund,McLeod,
&Gilbert, 2003). Ondernemingenmoeten blijven innoveren en dienen zich te onderscheiden door
actuele noden van klanten te (her)kennen. Zo is er een behoefte ontstaan aan het opbouwen en
onderhouden van klantenrelaties (Baran, Galka, & Strunk, 2008). Dit type marketing heet
relatiemarketing(Gummesson,2008).
Relatiemarketingheeftaltijdbestaan.Vanaf1980zorgdehetdigitaletijdperkvooreenherdefiniëring
van het begrip.Onderzoekers ontwikkelden daaromeen nieuwedefinitie: “Relatiemarketing is een
proces van coöpererende activiteiten met klanten om wederzijdse economische, sociale en
psychologischewaardetebehalenofteverbeteren."(Sheth,Parvatiyar,&Sinha,2015).
19
Het onderzoek vermeldt dat relatiemarketing zich verder zal uitbreiden tot meerdere
marketinggebiedendankzijcoöperatietussenondernemingenensamenwerkingmetdeklanten.Ook
Gummesson benadrukt in zijn studie dat de ontwikkeling van informatietechnologieën, CRM-
systemen en digitalisering ervoor zorgt datmarketingmeer gericht is op het bouwen van relaties
(Gummesson,2008).
Digitale marketing biedt marketeers de gelegenheid om precies te kunnen volgen welke acties
(toekomstige)klantenhebbenuitgevoerdopdebedrijfskanalen.Dezeinformatiewordtopgeslagenin
een centraal CRM-systeem (Baran e.a., 2008). Met deze gegevens kan de marketingmanager een
relatie met de klant opbouwen. Het verzamelen van informatie gebeurt via allerlei methoden
(bijvoorbeeld: e-commerce software, e-mail of online formulieren). Door digitalemarketing en een
CRM-systeem op een technologisch niveau te combineren, kan gegevensverzameling op een
individueelniveauplaatsvinden(Järvinen&Taiminen,2016).
20
2.2Customerrelationshipmanagement
Customer relationship management (CRM) bestaat sinds eind jaren 90 in de bedrijfswereld.
Aanvankelijk werd het alleen voor klantenservice gebruikt en niet als eenmarketinginstrument op
zich. Door de opkomst van de informatietechnologie,worden CRM-systemen nu gebruikt voor het
opslaan van grote hoeveelheden data uit verschillende kanalen. Deze datawordt gebruikt door de
verkoop-, marketingafdeling, klantenservice en andere departementen van een onderneming
(Fjermestad & Nicholas, 2015). Het traditionele CRM-systeem is geëvolueerd van CRM naar
elektronischeCRM(eCRM),waarelektronischetransactiesplaatsvinden,engegevensverzamelingen
handelingenmet de klant real-timeworden opgeslagen in het CRM-systeem (Gurău, Ranchhod, &
Hackney,2003).CRM-systemenzijndusuitgegroeidtoteenondersteuningvanallebedrijfsprocessen
(Barane.a.,2008).
CRMisontwikkeldomeenvoudig informatieteverzamelen,waardevolleklantenidentificerenende
klantenloyaliteittebewaren.Eendergelijksysteembiedtdemanagerdemogelijkheidomklantente
voorzien van aangepaste producten en diensten op basis van de verzamelde gegevens (Rigby,
Reichheld, & Schefter, 2002). Door de verzamelde gegevens op te slaan in het systeem, kan een
onderneming proactieve en gebruikelijke processen automatiseren, zoals het opstellen van een
offerte,ofinkaartbrengenwaaractiesvanklantenwordenopgevolgd(Aguilar-Savén,2004).
CRM-systemen leggen de basis voor dewerking vanMA. Verschillende gegevens verzameld uit de
marketingmixmakenhetmogelijkomautomatiseringtehanterenophetgebiedvanrelatiemarketing,
dievaakinB2B-marketingwordttoegepast(Hajihosseini,Faradmal,&Sadighi-Pashaki,2015).
Eerder behandelde onderwerpen omtrent digitale marketing en CRM zijn de beginsels voor het
verdereonderzoekvanMAenmeer specifiekvoorklantenaan tebrengen,namelijk leadgeneratie,
hetgeenvervolgenswordtbesproken.
21
2.2.1Leadgeneratie
Vooraleer er sprake was van de termen ‘informatietechnologie’ en ‘e-commerce oplossingen’,
gebeurdehet verzamelen van klantendoorgaans via netwerkingof directemarketing.De focus lag
daarbij op de verkoop. Professoren Üstüner en Godes suggereren in hun onderzoek een
netwerkmodelomde verkopen ineenonderneming te verbeteren (Üstüner&Godes, 2006). Inde
eerste plaats wordt de prospect geïdentificeerd, om vervolgens door te gaan naar leadgeneratie.
Daarnawordteenoplossingbedachtvoordeklantzijnbehoeftenenwordtdeverkoopgesloten.Dit
modelvanleadgeneratiewerktvoornamelijkindeB2B-sector(Järvinen&Taiminen,2016).
Het evaluatieproces van nieuwe klanten startmet het indelen van personen of ondernemingen in
segmenten.Ditgebeurtopbasisvandekanstotconversie;dewaarschijnlijkheiddatiemandeenklant
wordt.D’haensamenmetVandenDoelconceptualisereneenverloopvanacquisitievanklanten.Dit
verloopkrijgtdeterm‘verkooptrechter’alsbenamingenwordtweergegeven in figuur1 (D’Haen&
VandenPoel,2013).
Hetprocesbegintmetgeïnteresseerden,waarinallemogelijkeklantenvervatzitten.Danvolgende
prospecten die bestaan uit een groep van personen of ondernemingen die worden gefilterd met
behulpvangedefinieerdecriteria.Nadeprospectenkomendeuitonderzoekverkregenleadsaande
beurt.Leadszijn individuenofondernemingendieaanspecifiekecriteriavoldoenofmeer interesse
hebbengetoondtijdenshetselectieproces.Klantenbestaanuitleadsdieuiteindelijkwordenomgezet
naareenverkoop(bijvoorbeeldnaeenverkoopgesprek)(D’Haen&VandenPoel,2013).
Het evaluatieproces van geïnteresseerden, prospecten en leads heeft een grote hoeveelheid aan
informatie te verwerken. Dit gebeurt aan de hand van computerprogramma’s. In het bijzonder
gebeurtditaandehandvandataminingenmachinaalleren(ziehoofdstuk2.6).
Figuur1:Verkooptrechter(D’Haen&VandenPoel,2013)
22
Het proces kan worden opgesplitst in twee delen; enerzijds datamining gebaseerd op opgeslagen
informatie, anderzijds het verwerken van overige data uit allerlei bronnen (Srivastava, Cooley,
Deshpande, & Tan, 2000). Verworven geïnteresseerden, prospecten en leads aan de hand van de
marketingmix kunnenworden gekwalificeerd enworden nadien verwerkt langs de verkooptrechter
metMA(Järvinen&Taiminen,2016),wat inhoofdstuk2.3wordtonderzocht.Contentmarketing is
een van de meest gewaardeerde marketinginstrumenten bij het genereren van prospecten, en
uiteindelijkvanleads,wataanbodkomtinvolgendonderdeel(Holliman&Rowley,2014).
2.2.2Contentmarketing
Erheerstdiscussieoverwelkepositiecontentmarketinginneemtsindsdatdetermpopulairwerdin
2006(Holliman&Rowley,2014;Rowley,2008).Eenbreedgebruikteengerelateerdetermisinbound
marketing. Dit is een aanpak gericht op het aantrekken van klanten door middel van content en
interacties die relevant zijn (Holliman & Rowley, 2014). Potentiële klanten worden gevonden
gebruikmakendvanblogs,podcasts,nieuwsbrieven,websites,ebooks,SEO,socialemediaenandere
manieren om content te verspreiden (Lin & Yazdanifard, 2014). Het formuleren van een verschil
tussencontent-en inboundmarketing ismoeilijk.Perslotvanrekeningheeftcontentmarketingde
techniekennodigvan inboundmarketingomzich teverspreidden. Inboundmarketingheeftopzijn
beurt content nodig om te functioneren (Hilker, 2017). Content- en inbound marketing zijn
opgenomen in dit onderzoek omdat inbound marketing wordt gebruikt in MA, en content nodig
heeft.Doordatcontentwordtgecreëerdomspecifiekebehoeftenvanklantenaantepakken,wakkert
inboundmarketingde interessevanpotentiëleklantenaan(Holliman&Rowley,2014).Content-en
inboundmarketingwordenzoweldoorB2B-alsB2C-ondernemingeningezet.BijB2C-marketinggeeft
volgensonderzoekhetverstrekkenvanbetrouwbareargumentenvertrouwenaandeconsument(Kim
&Benbasat, 2006). Inboundmarketingwordtmeestal geassocieerdmetB2B-ondernemingen.Voor
dit typeondernemingen is een goede klantrelatie creërenenbehoudenbelangrijk.Dit kanworden
verwezenlijktmetcontentmarketing(Holliman&Rowley,2014).OokvoorB2C-ondernemingenmet
dehulpvane-commerceenmobilecommerce(m-commerce)(Hilker,2017).Ditmaakteveneenshet
verzamelen van data op elk moment mogelijk en deze data is belangrijk voor het aanleveren van
relevante content (Balasubraman,Peterson,& Jarvenpaa,2002).Gegevensverzamelinggebeurt aan
de hand van content-, inbound marketing, e-commerce en m-commerce. Deze informatie wordt
nadienopgeslagen ineenCRM-systeem, inclusiefde validatie vangeïnteresseerden,prospectenen
leads. Hoe deze methoden worden ingezet richt het onderzoek zich op MA, wat hierna wordt
behandeld.
23
2.3Marketingautomatisatie
Ditonderzoekverdieptzichinmarketingautomatisatie(MA).RandolphBucklin,DonaldLehmannen
JohnLittleintroduceerdenin1998hetideevanmarketingautomatisering(Buckline.a.,1998).Tijdens
eenpresentatievanJohnD.C.Littleopde5deInvitationalChoiceSymposiumin2001vervatteLittlein
volgendezindeessentievanmarketingautomatisatie:"WatvertellenweaanretailerXomtedoen
alsklantYopmaandagochtendverschijnt?"(Little,2001).
ToenwerdreedsvoorgesteldomdigitalesporenteverzamelenvanklantYomnadienmodelleninte
zetten om tot relevante resultaten te komen. Een dergelijk geautomatiseerd
marketingbeslissingssysteem belooft een verhoogde productiviteit en betere return on investment
(ROI)opmarketinginvesteringen(Bucklin,Lehmann,&Little,1998).
Demotivatievan2001verschiltweinigmetdehuidigedefinitie;hetgebruikvangeschiktemodellen
opgrotehoeveelhedendata(Durga,2015).Hetkernideewasomadaptieftereagerenopkeuzesdie
klantenmakenophetinternet.Littlesuggereertvijfniveausvansysteemwerking:(1)Gegevensinvoer,
(2)Real-timebeslissingsregels, (3)Updatesvandebeslissingsregels, (4)Feedbackaanmanagers,en
(5)keuzevanstrategie(Bucklin,Lattin,Ansari,Gupta,Bell,Little,e.a.,2002;Little,2001).Ditconcept
suggereertdeimplementatievanreal-timebeslissingsregelsdiewordengekalibreerdmetbehulpvan
historische informatie en bijgewerktworden door kleine veranderingen door te voeren tijdens het
aankoopproces(Buckline.a.,1998;Little,2001).
In2001verwachttemendateenMA-systeemfeedbackgafaanhetmanagementvoordirectiesom
de gebruikte strategieën aan te passen. Het initiële begrip van MA werd niet gespecifieerd en
omvatte bijvoorbeeld de ontwikkeling van aanbevelingstechnologie (wat inmiddels een eigen
onderzoekingsveldvormt)(Hung,2005).TerwijlMAbestemdwasvoorpersonalisatiedoormiddelvan
allevierdemarketingmixactiviteiten(product,prijs,promotie,plaats)(Aquino,2013;Montgomery&
Smith,2009).Echter,ishetingeperkttotdecomputergestuurdereal-timegepersonaliseerdeprijzen,
en promotie (Heimbach, Kostyra, & Hinz, 2015). Kantrowitz definieert MA als het gebruik van
software voor het automatiseren van marketingprocessen, zoals klantsegmentatie en campagne
management.Het doel is klantenbinnenhalen en vertrouwenop te bouwenmet de (toekomstige)
klanten door het automatisch aanpassen van persoonlijke en relevante content (Hubspot, 2015;
Kantrowitz,2014).
MA bevindt zich volgens Brinker in de categorie van ‘content & experience’ in het
technologielandschap (Brinker, 2016). Het gebruik van marketing automatisatie software maakt
processen die anders manueel worden uitgevoerd, veel efficiënter. Verder is MA is een integraal
onderdeelvancustomerrelationshipmanagement(Sweezey,2014).
24
2.3.1Voorbeeldvantoepassingen
Om het concept vanMA beter te begrijpen, zijn er drie fictieve scenario’s uitgewerkt waarin MA
gebruiktkanworden.
1. Eenrestaurantketenkandeinhoudaanpassenvoorhunsmartphoneapplicatieopbasisvan
het weer en de locatie van de gebruiker. Als het een zonnige dag in Barcelona is, kan de
applicatieautomatischcouponsvoorfrisdranktonenaandegebruikers.
2. Een klant heeft reeds enkele bioscooptickets gekocht, waarin telkens dezelfde populaire
acteurspeelt.Gebaseerdopdeaankoopgeschiedenisengeslacht,isdeklantinditgevaleen
vrouw.Voordepremièrevaneenfilmwaarindemannelijkeacteurdehoofdrolspeelt,wordt
automatischeene-mailverstuurdnaardezeklant.
3. Een online reisbureau past hun aanbiedingen aan op ingevoerde trefwoorden in een
zoekmachinediegebruikersdoorverwijstnaardewebsitevanhetonline reisbureau. Indien
degebruikerdetrefwoorden“strandmetveelzon”invoert,zaldewebsitealseerstezonnige
bestemmingen laten zien. De website past zich aan naar winterbestemmingen indien de
zoekopdracht“skiën”is.
2.3.2Onderscheidvangerelateerdeterminologie
MA wordt vaak geassocieerd met CRM-systemen of mailinglijsten gebaseerd op campagnes, zoals
nieuwsbrieven. Het kan snel verward worden met andere gerelateerde marketinggebieden, zoals
database marketing, interactieve marketing, gepersonaliseerde marketing en directe marketing
(Montgomery&Smith,2009).HetconceptMAheeftenkelegemeenschappelijkeprincipesmetdeze
gerelateerdegebieden,maarbezit componentendiezijnautonomedefinitie rechtvaardigt.Dekern
vanMAiseenautomatischeaanpassing,andersgezegdeenpersonalisatievandemarketingmix.MA
kent zijn ontstaan in B2B. B2B-marketeers beheren hun klanten in een CRM-systeem, waarbij de
klanten op basis van hun interesse gepersonaliseerde aanbiedingen ontvangen van de
verkoopafdeling(Järvinen&Taiminen,2016).DeB2Chanteerteenanderebenadering,enisenigszins
beperktinhetaanbiedenvangepersonaliseerdecontent.
DetoepassingvanMAtransfereertaspectenvanhetB2B-modelnaarhetB2C-modeldoorklantente
adresseren met gepersonaliseerde content en relevante aanbiedingen. Met als resultaat dat een
verhoogde betrokkenheid wordt waargenomen (Li & Karahanna, 2015). Bovendien is er meer
aandachtvoorhetmerkdankzijdeverbeterde relevantievandeverstrektecommunicatie (Dijkstra,
2008).BijgevolgkunnenondernemingendieMAgebruikenhunconversieratio,cross-enupsellingen
retentiepercentageverhogen.
25
MA vult marketinggebieden zoals interactieve en directe marketing aan door de toevoeging van
geautomatiseerde processen (Durga, 2015). Verder overtreft het conventionele
CRM-systemen en e-mailmarketing, omdatMAmeerdere bronnen gebruikt - zelfs van onbekende
gebruikers - om content te plannen voor allerlei raakpunten. Voorbeelden hiervan zijn websites,
smartphonesofe-mails(Aquino,2013).
2.3.3Marketingautomatisatieproces
MA komt overeen met het klassieke marketingmanagementproces, waarbij ten eerste de situatie
geanalyseerdwordt(data-analyse).Tentweedewordendedoelstellingenafgeleid,waarnadeacties
of handelingen worden gedefinieerd. Vervolgens worden deze geïmplementeerd, waarna de
resultatengemetenwordenenerbijgestuurdwordtwaarnodig(Bucklin,Lattin,Ansari,Gupta,Bell,
Coupey, e.a., 2002). Omdat de analysefase in het begin is gekoppeld aan klant- of
gebruikersinformatie,isdebeschikbaarheidvandataeenkritiekevoorwaardevoorMA(Little,2001).
Dezegegevenskunnenafkomstig zijnuiteenklantendatabase,maarkunnenookverzameldzijnvia
een website (Bucklin, Lattin, Ansari, Gupta, Bell, Little, e.a., 2002). Ook na de analyse zijn deze
gegevens nog van belang, aangezien alle geautomatiseerde acties een direct gevolg vormen op
bestaandeof actuele informatie.Debelangrijkste opbrengst ligt in de geautomatiseerdeuitvoering
vandezeactiesvoorduizendengebeurtenissenzodraeenregelbepaaldis.Hiertoekunnenmanagers
historischeklantgegevensexploiteren,omvervolgensbijvoorbeeldklantentesegmenterenopbasis
van reactie op marketingcommunicatie, zoals nieuwsbrieven, of demografische informatie zoals
leeftijd. Managers distilleren inzichten uit deze segmenten en regels voor toekomstige
marketingacties(Sabnise.a.,2013).DaarnaastkanMAingezetwordenwanneerhetgebruikersgedrag
waarneembaar is, bijvoorbeeld een onbekende gebruiker is via een andere website doorverwezen
naardeorganisatiewebsite(Klos,Somefun,&LaPoutré,2011).Gelijksoortigegebeurtenissen inhet
verleden kunnen hebben aangetoond dat een bepaalde marketingactie rendabel kan zijn in
bovenstaande situatie (Sweezey, 2014). Bijvoorbeeld; een aanpassing van een landingspagina
(webpaginadieverschijntals reactieophetklikkenopeenzoekresultaatofeenonlineadvertentie)
(Ash,2012).
Echter, het optimalisatieproces zelf kan tot op een zekere hoogte geautomatiseerd worden. Als
bijvoorbeeldeenbeperktaantalmogelijkhedenvantoepassingis(bijvoorbeeldachtergrondkleurvan
een webpagina), dan is MA-software in staat om deze opties willekeurig toe te wijzen en
achtereenvolgens het objectieve alternatief te bevorderen (bijvoorbeeld een groene
achtergrondkleur verlaagt de bounce rate; het percentage gebruikers dat een webpagina bezoekt
zondereentweedetebekijken)(Farris,Bendle,Pfeifer,&Reibstein,2010).
26
Dit optimalisatieproces en de uitvoering van bovengenoemde regels kunnen te allen tijde worden
gecontroleerdenaangepastdoordemanager(Sabnise.a.,2013).Figuur2toonthetalgemeneproces
vanMA.
Daarnaast zijn er ook processen die niet noodzakelijkerwijs afhangen van grotere inzichten of
optimalisatieprocedures, maar wel de klantervaring verbeteren. Een voorbeeld hiervan is een
geautomatiseerdwelkomstsbericht(AberdeenGroup,2014).
InhetalgemeenvattentweevragendediversiteitvanMAsamen:Watwordtafgestemd?Enwelke
triggerwordtergebruikt?Deeerstevraagrichtzichopdeinformatieenhetmedium.MAkanworden
gebruiktomdeinhoud,structuurofdekenmerkenvaneenaanbiedingaantepassen(Heimbache.a.,
2015).Daarnaastkanmenautomatischeene-mailenanderekanalenaanpassen(bijvoorbeeld:een
smartphone-applicatie of een landingspagina). Zelfs traditionele (offline) kanalen kunnen worden
verbeterddoorMA(Holliman&Rowley,2014).Tedenkenvaltaanhetvermeldenvandevoornaam
vandebezoekeropeenbioscoopticket.Detweedevraagrichtzichopdetrigger(ziefiguur2).
Menkandeinhoudaanpassenopbasisvanabstracteinformatiezoalstijd(verstrekentijdoftijdstip,
datum, IP-adres (voor locatiegebaseerdemarketing),apparaatofbrowser).Het isookmogelijkom
individuele informatie zoals ingevoerde zoekwoorden in een zoekmachine, aankoopgeschiedenis,
vorige of huidige browsergedrag of accountinformatie (bijvoorbeeld: demografische informatie) te
gebruiken(Wood,2015).
Figuur2:Marketingautomatisatieconcept(Heimbach,Kostyra,&Hinz,2015)
27
2.3.4Personalisatie
Personalisatie en adaptatie zijn de hoofdbestanddelen van MA. Op basis van personaliseerbare
informatiewordenklantenbeterbedienddooraanpassingenincontent(Järvinen&Taiminen,2016).
Eenonderscheidtussenpersonalisatieenadaptatieisessentieel.Metpersonalisatiewordtverwezen
naarbeslissingenvanmarketingmanagersdiegebaseerdzijnopverworveninformatievanprospecten
(Heimbach e.a., 2015). Samenhangend is adaptatie een element van personalisatie, het aanpassen
van content (Montgomery & Smith, 2009). De term ‘personalisatie’ wordt door onderzoekers
omschrevenalseenalteratievandemarketingmixelementengebaseerdopdatavandeklant(Coner,
2003; Roberts, 2003;Wind&Rangaswamy, 2001).Het proces vanpersonalisatiewordt getoond in
onderstaand figuur (zie figuur 3). Hierop is te zien dat Vesanen een kader weergeeft voor
personalisatiewaaradaptatiewordtgecreëerddoormiddelvan interactiesenuitwisselingvandata
tussenbeidepartijen(Vesanen,2007).
Inbovenstaandconceptwordtdatageïmporteerdvanuitexternegegevens.Ookinternebronnenzijn
een bron van informatie. Informatie uit externe bronnen kunnen bijvoorbeeld door analyses zijn
opgehaald(Vesanen,2007).
Na het personalisatieproces gebeurt er een controle van het toezicht dat is uitgevoerd door
management op de set van regels voor personalisatie, zoals weergegeven in het MA-proces in
hoofdstuk2.3.3(ziefiguur2)(Heimbache.a.,2015).Enwordtvervolgensbehandeld.
Figuur3:Personalisatieproces(Vesanen,2007)
28
2.3.5Scoringsregels
Deconventionelemaniervanverkopenomvattemeestaldeaanschafvancontactlijsten,coldcalling,
beurzen en andere manuele handelingen (Khanlari, 2015). Systemen voor het verzamelen van
gegevensenvoorhetmakenvananalyseshebbendezemethodenwetenschappelijkergemaakt.Deze
systemen kunnen volgens onderzoek een acquisitieproces automatisch laten verlopen. De meest
potentiëlegeïnteresseerden,prospectenenleadskunnenautomatischgefilterdwordenuitdegrote
hoeveelheidbeschikbaredata (Yilmaz&Tolk,2008).Verderkandezedatabehandeldwordendoor
eenmarketingmanager.Hetpersonalisatieprocesverzorgddebasisvoorscoringsregelsvoorleadsen
hetcreatieprocesvandezeregels,watdeautomatischefilteringmogelijkmaakt(Maes,2016).
Het geautomatiseerde marketingproces komt overeen met het normale
marketingmanagementproces, maar herbergt voor een stuk automatisering. In eerste instantie
gebeurtereenanalysevandedata,enwordtdestandvanzakenopgemaakt.Demogelijkedoelendie
kunnen worden behaald worden vastgelegd en een reeks van automatische regels worden
uitgevoerd.Vervolgenswordendeverkregengegevensgeanalyseerdenwordenverderebeslissingen
genomenmetbetrekking totmarketingcampagnes (Heimbache.a.,2015).Tijdenshetproceswordt
de regelgeving (bijvoorbeeld: wie is een lead en wie niet?) en de scoringsregels (bijvoorbeeld: in
welke fase van het aankoopproces bevindt een lead zich?) bepaald. In dit proces benutten
marketingmanagers deze regels om inzicht te verwerven (bijvoorbeeld: X is geïnteresseerd in Y
gebaseerdopdezecampagne)(Buckline.a.,1998).Duszijndeverzameldehistorische-enreal-time
datavanklantenhetmeestcrucialeonderdeelvanhetprocesvoorMA-regels.Dezegegevenskunnen
worden opgeslagen in een CRM-systeem, dat de nieuwe gegevens samenvoegt met de reeds
bestaande. Op diemanier worden er nieuwe leads gecreëerd of bestaande aangevuld (Järvinen&
Taiminen, 2016). Nadat de regels zijn vastgelegd, kunnen marketingmanagers starten met het
validerenenopvolgenvanleadsmethetaanbiedenvanrelevantecontentofmarketingcampagnesen
verderhetverloopbevordereninhetaankoopproces,dieookautomatischgebeurd.Daarnaworden
de meest potentiële leads overhandigd aan de verkoopafdeling om verder te worden bewerkt.
(Järvinen&Taiminen,2016).Regelgevingenscoringsregelszorgenvoordebasisvangekwalificeerde
leadsdiehetverkoopprocesdoorlopen,watvervolgenswordtbehandeld.
29
2.3.6Aanbevelingen
Met MA is het resultaat telkens een gekwalificeerde lead voor de verkoopafdeling in een B2B-
onderneming of een verkoop in de B2C-sector. Als dat niet het geval is, wordt er tenminste data
verzameldoverdeklant(Reinhold&Reinhold,2014).IndeB2C-sectorbestaaterspecifiekesoftware
voormarketingmanagersoninformatieoverklantenteverzamelen,geautomatiseerdecampagnesuit
te voeren (Li & Karahanna, 2015). In het Intelligent System rapport werd een interactief
verkoopprocesvoorgesteldwaaringeaggregeerdeanoniemegegevensvanklantvoorkeurenworden
gecombineerd met specifieke gegevens over het lopende onderhandelingsproces met de
representatieveklant(Klose.a.,2011).Eensoortgelijksysteemwerdgepresenteerdin2014opbasis
van het genereren van aanbevelingen als eenB2CMA-systeem.Op figuur 4 is het concept van dit
systeemweergegeven(Reinhold&Reinhold,2014).
Hetaanbevelingssysteeminfiguur4demonstreertdedatastroomendemogelijkhedendiebigdata
(ziehoofdstuk2.6)samenmetaanbevelingencreërenvoormarketingmanagers(bijvoorbeeld:cross-
selling).InB2B-automatisatieisdehoeveelheidvanrelevantecontentvanbelang.Opbasisvaneerder
besprokenregelswordenpotentiëleklantengefilterddoorhetMA-systeemenwordhenspecifieke
content aangeboden. Dit leidt tot een situatie waarin de meest potentiële klanten bereid zijn tot
aankoop.Opditmomentneemtdeverkoopafdelinghetprocesover(Heimbache.a.,2015).Figuur5
toont een B2B-verkoopproces waar MA ingezet wordt (Järvinen & Taiminen, 2016).
Hierop is de oorsprong te zien van de geïnteresseerden, en hoe deze transformeert naar een
prospect,omuiteindelijkalseenleadnaareenverkooptewordenbegeleidenteeindigenalsklant.
Figuur4:Aanbevelingsysteem(Reinhold&Reinhold,2014)
30
Figuur5:Voorbeeldverkooptrechtermetmarketingautomatisatie(Järvinen&Taiminen,2016)
Zoals blijkt uit figuur 5 bestaat het proces uit vijf niveaus. In de eerste fase wordt het contact
geïdentificeerdwaarnahetMA-systeembeginttewerkenendemeestgeschiktecontent levertaan
de lead. Tijdens de opvolging transfereert de lead verder naar fase twee, drie en vier, waarbij de
verkoopafdelingdeleadopneemtinhunprocessenmetbehulpvaneenCRM-systeem.Deleadsdie
niettotaankoopovergaan,kerenterugenwordenverderopgevolgddoormiddelvanhetleverenvan
content gebaseerd op onderlinge observaties van de marketingmanager en het MA-systeem. De
gegevensdiewordenopgeslagendoordemarketing-enverkoopafdelinginhetCRM-systeem,stellen
MA instaatomopeenhogerniveau tewerken,danenkelmetbehulpvandegegevensverzameld
dooranalyses(Fjermestad&Nicholas,2015;Järvinen&Taiminen,2016;Sabnise.a.,2013).
31
2.4TechnologieAcceptatie-,Adoptie-endiffusietheorieën
Hoeenwaaromtechnologiezichverspreidt,isalonderzocht(Karahanna,Straub,&Chervany,1999).
Metbehulpvanwetenschappelijkeliteratuurtrachtditonderzoektedoorgrondenwelkeprocessener
plaatsvinden inhetaanwendenvanMA-technologie,metbehulpvanviermodellen.Dezemodellen
zijneerderinverbandgebrachtmettechnologischetoepassingen(Dervin,2015).
Determ‘diffusie’wordtgedefinieerdalshetprocesdat innovatie,eennieuwproductof ideemoet
doorlopen omdoor demarkt teworden geaccepteerd (Cooper, 2007). Kortom, demanierwaarop
een organisatie in contact komt met een product of idee, en of dit product dan wel idee in de
organisatiebehoefte voorziet (Mohr, 1969). Adoptie omvat het besluitvormingsproces van een
individu. Oftewel, het psychologische proces van individuen om innovaties te accepteren (Rogers,
1962).
Determen‘adoptie’en‘acceptatie’betekenenongeveerhetzelfde,alheeftadoptieeenietsbredere
betekenis.Adoptiegaatverderdanacceptatieomdathetookdeonafhankelijkheidenafhankelijkheid
vantechnologiemeeneemt(Limayem,Hirt,&Cheung,2007).
Terwijl de innovation diffusion theory (IDT) van Rogers een antwoord biedt op de aanname en
verspreiding van innovatie in een organisatorisch perspectief, is het eveneens van belang om
individueel gedrag in kaart te brengen. De theory of planned behavior (TPB), het technology
acceptance model (TAM) en de unified theory of acceptance and use of technology (UTAUT)
onderzoekendezeprocessenopeen individueel level. Aangezienmanagers debeslissingnemenof
technologische toepassingen worden gebruikt binnen een onderneming, wordt de nadruk
hoofdzakelijkopdezeindividueleprocessengelegd(Bysinger,1996).Doorverschillendemodellentoe
tepassenopmarketingautomatisatietechnologiekunnenervoorspellingengedaanwordeninwelke
matemanagersditzullenaccepterenenadopteren.
32
2.4.1Innovationdiffusiontheory
De IDT van Everett Rogers is de grondlegger geweest voor veel onderzoek naar adoptie en het
diffusieproces.Inde5eeditievanzijnboek‘DifussionofInnovations’verklaartRogersdeverspreiding
vaninnovatie;eennieuwproductofidee(Rogers,1962).Rogersheeftaangetoondinzijnonderzoek
dat een diffusieproces een logistisch verloop (gele lijn in figuur 6) kent, waarbij de cumulatie van
adoptie vaneenproductof idee langzaamstart indemarkt.Ditwordtopgevolgddooreenhevige
versnellingeneindigtlangzaam,wanneerersaturatieindemarktoptreedt(Rogers,1962).
Eveneens stelde Rogers later vast dat de beslissing om een innovatie wel of niet te adopteren in
verschillende fasen verloopt. In essentie vormt dit verloop een besluitvormingsproces, met
verschillendefasenhoeweeenbesluitvormenomeenkeuzetemaken.DeIDTonderscheidthierin
vijf fasen. In een eerste fase wordt de manager blootgesteld (1) aan een nieuw product of idee.
Nadien toont hij interesse in de innovatie, verkrijgt hij kennis (2) en vormt zich vervolgens een
mening.Aansluitendzalhijeenbeslissing (3)makenomde innovatie teaccepterenofaf tewijzen.
Daarnavolgtdeimplementatie(4),daarhijdebruikbaarheidervanbepaalt.Indelaatstefasewilde
manager zijnbeslissingbevestigd (5) ziendoor zijnomgeving (S.Newell, Robertson,&Swan,2001;
Rogers,1962).
Figuur6:Innovationdiffusiontheorycurve(Rogers,1962)
Het adoptieproces te zien op figuur 6 heeft de vorm van eenGauss curve. Het gemiddelde aantal
managersdat innovatieadopteert,neemttoetothalverwegehetdiffusieprocesomnadienterugte
dalen. Er ontstaat een verschil in de mate waarin een manager relatief sneller een innovatie
adopteertdananderemanagers.DitsteldeRogersinstaatomeenmodeloptestellendatmanagers
classificeert inverschillendegroepen,gebaseerdophet ideedatbepaaldemanagersonherroepelijk
meeropenstaanvooradoptiedanandere.
33
Tabel1:Classificatieadoptersvolgensdeinnovationdiffusiontheory(Rogers,1962)
Categorie Definitie
A InnovatorsDurvers,trekkendeverandering,dereferentiegroepwordtalsvernieuwend
beschouwd.
B Earlyadopters Socialeleiders,populair,proberennieuweideeën,voorzichtig.
C Earlymajority Bedachtzaam,voorzichtigmaaracceptereninnovatiesnellerdangemiddeld.
D LatemajoritySceptisch,waarderentraditie,prijsbewust,zullennieuweideeënofproducten
enkelaccepterenalsdemeerderheidhetreedsgebruikt.
E LaggardsTraditionelemensen,zijnkritischtenopzichtevannieuweideeënenzullenhet
slechtsaccepterenalshetnieuweideemainstreamgewordenis.
Rogers model kan ook worden uitgedrukt in termen van volwassenheid van het product. De te
onderscheiden fases zijn dan: introductie (A), groei (B), volwassenheid (C), verzadiging (D) en
achteruitgang(E).
Rogersidentificeerdedaarnaastvijfdeterminantenvaneeninnovatiedievolgenshemvaninvloedzijn
op de verspreiding en acceptatie van nieuwe technologie: relatief voordeel, compatibiliteit,
complexiteit,trialabilityenwaarneembaarheid.Dezevijfdeterminanten(ziefiguur7)bepalenvolgens
onderzoekvanRogerstot87%variatieindeadoptievannieuwetechnologie(Rogers,1962).
Figuur7:Innovationdiffusiontheory(Rogers,1962)
34
a) Relatief voordeel: de mate waarin de innovatie of technologie wordt gezien als een
verbetering van het idee dat het vervangt. Voorbeelden hiervan zijn economisch voordeel,
socialestatus,gemakentevredenheid.DezedeterminantwordtdoorRogersbeschouwdals
debestevoorspellervanadoptie.Andersgeformuleerd,hoegroterhetwaargenomenrelatief
voordeel,hoesnellerdeadoptiezalplaatsvinden.
b) Compatibiliteit: de mate waarin innovatie overeenkomt met de waarden, ervaringen en
behoeftenvandemanager.
c) Complexiteit: de mate van waargenomen moeilijkheid, waarin innovatie wordt gezien als
moeilijktegebruikenenbegrijpen.
d) Trialability:dematewaarininnovatiealdannietgelimiteerdkanwordengetest.
e) Waarneembaarheid:dematewaarinderesultatenzichtbaarzijnvooranderen.
Devraagisechterofdezemeerdanvijftigjaaroudeindelingvandaagnogvantoepassingis,geziende
sterke groei van technologie. Het is volgens Kralingen raadzaam om Rogers theorie met nodige
voorzichtigheid tebenaderen (Kralingen,2014). Lang isditeenalgemeenaanvaardmodelgeweest,
momenteelrusteralwatkritiekophetmodel.Afhankelijkvandemarkten/ofhetproductblijktdat
ditmodelnietaltijdstandhoudt(Peres,Muller,&Mahajan,2010).
35
2.4.2Theoryofplannedbehaviour
Ajzen en Fishbein formuleerden in 1980 de theory of reasoned action (TRA). Dit resulteerde uit
onderzoek naar sociaal gedrag. Grote delen van dit onderzoek zijn gebaseerd op theorieën uit de
psychologie. Ajzen en Fishbein ontwikkelden de TRA na het bepalen van de discrepantie tussen
attitude en gedrag (Ajzen& Fishbein, 1980). De TPB baseert zich op theoretische constructenmet
individuelemotivatiefactorenzoalsdeterminantenvoorhetverklarenvangedrag.Dezetheoriewordt
weergegeven op figuur 8. De TRA werd in verband gelegd met vrijwillig gedrag. Nadien bleek dit
gedrag niet 100% vrijwillig en controleerbaar te zijn. Dit resulteerde in de toevoeging van
‘waargenomen gedragscontrole’,wat refereert naar percepties van eigen kunnen of het vermogen
omeenbepaaldgedragtelatenzien(Ajzen,2002).Vergelijkbaarisdeterm‘zelfontplooiing’wathet
vertrouwen voorstelt in de eigen bekwaamheid om met succes invloed uit te oefenen (Bandura,
1977).MetdezetoevoegingwerdhetmodelomgedoopttotdeTPB(Ajzen,1985,1991).
De TPB suggereert dat het gedrag afhangt van de intentie die eenmanager heeft om het gedrag
daadwerkelijk uit te oefenen. Intentie blijkt de beste voorspeller van gedrag te zijn (Ajzen, 1991).
Intentiewordtbepaalddoordriefactoren:
1) Attitude tegenover specifiek gedrag: de houding die de manager heeft tegenover een
bepaaldegedraging(Ajzen,1985).
2) Subjectievenorm:watmendenktdatanderenervanvindenalsdemanagerbepaaltgedrag
vertoont,dematewaarineenmanager zichaandeze sociale invloedaanpast is vanbelang
(Ajzen,1975;Nigg,Lippke,&Maddock,2009;Venkatesh&Davis,2000).
3) Waargenomen gedragscontrole: percepties van eigen kunnen of het vermogen om een
bepaaldgedragtelatenzien(Ajzen,2002).
Dezevoorspellersleidentotintentie.Dealgemeneregelluidt:hoebeterdeattitudeendesubjectieve
normenhoegroterdewaargenomencontrole,hoesterkerdeintentievandemanagerombepaald
gedragtevertonen.
Figuur8:Theoryofplannedbehaviour(Ajzen,1985,1991)
36
Wanneer een van bovenstaande factoren niet geldt, dan zal de kans afnemen dat iemand het
gewenstegedraguitvoert.Bovendiendaaltdewaarschijnlijkheidnogmeeralsertweefactorenniet
gelden(Armitage&Conner,2001;Pavlou&Fygenson,2006).
37
2.4.3Technologyacceptancemodellen
2.4.3.1Technologyacceptancemodel
Het technology acceptancemodel (TAM)werd inde jaren90ontwikkelddoor FredDavis.Methet
TAM kan voorspeld en verklaard worden of een informatiesysteem geaccepteerd wordt door de
organisatie die er gebruikt vanmaakt. Daarom onderzocht Davis de belangrijkstemotieven tussen
karakteristiekenvaneensysteemenhetwerkelijkgebruikervan.HetTAMisgefundeerdophetTRA
enTPBvanFishbeinenAjzenbesprokeninhoofdstuk2.4.2.HetTAMwordtweergegeveninfiguur9
enhetmodelwerdontwikkeldinhetkadervaneeninformatiesysteem(Davis,1989).
Figuur9:Technologyacceptancemodel(Davis,1989)
TAMverschiltvanTPB,omdatDavistheoretiseertdatsubjectievenormennietdirectgerelateerdzijn
aan attitude of gedrag in relatie tot het gebruik van technologie. In plaats daarvanwordt attitude
volgensDavisbepaalddoortweefactoren:
• Gepercipieerdnut: dit refereert naardematewaarin eenmanager gelooft dat het gebruik
vaneenbepaaldinformatiesysteembijdraagtaaneenverbeteringvanprestatiesophetwerk
(Bondarouk,terHorst,&Engbers,2009;Torrisi-Steele,2014).
• Gepercipieerdegebruiksvriendelijkheid:Davisomschrijftditals“dematewaarineenpersoon
gelooftdathetgebruikvaneenbepaaldsysteemgeeninspanningvereist”(Davis,1989).Een
systeem dat beschouwd wordt als gemakkelijker in gebruik, heeft zo meer kans om
geaccepteerdtewordendoordemanager.
Dasguptaetal.gebruiktenhetTAMomdeacceptatievanonlinetechnologieteonderzoeken.Deze
studietoontaandatmetTAMdeacceptatievanonlinetechnologievoorspeldkanworden(Dasgupta,
Granger, & McGarry, 2002). Hernández et al. gebruikten het TAM om de implementatie van
bedrijfssoftwareteonderzoekenvanuithetoogpuntvandemanager.Zoiseronderanderegekeken
naarCRMenERP.Hernándezenzijncollega’sconcludeerdendatbruikbareengemakkelijkinzetbare
technologie zorgt voor een betere adoptie (Hernández, Jiménez, &Martín, 2008). Uit een andere
studienaarhet gebruik vanhetTAM ineenERP-omgeving concludeertmenopnieuwdathetTAM
bruikbareinformatieoplevert.
38
Wel is aanbevolen dat dit model moet worden geïntegreerd in een bredere opstelling en dus
meerderedeterminantenmoetmeenemen,waaronderdeadoptievantechnologie(Legris,Ingham,&
Collerette,2003).
2.4.3.2Technologyacceptancemodel;versie2
OnderzoekinbedrijfsomgevingenheeftaangetoonddatdetweefactorenvanhetTAMbetrouwbare
voorspellers zijn van acceptatie technologie (Adams, Nelson, & Todd, 1992). In 1991 vergeleek
MathiesonhetTAMmetdeTPB.Hijconcludeerdedatbeidemodellengedragcorrectvoorspellenin
relatietotintentie(Mathieson,1991).IdemditovergeleekTaylorenTodddeTPBmethetTAM.Hun
onderzoeksteldevastdattweefactorenwatweinigisomgedragtevoorspellen,maardathetTAM
wel een goede voorspeller is voor gedrag. Echter, in het onderzoek kwamook naar voren dat het
vermogen tot zelfontplooiingen subjectievenormengedragook sterkbeïnvloeden (Taylor&Todd,
1995). Inhet jaar2000 lietenDavisenVenkateshhun lichtopnieuwschijnenoverhetTAM. Inhun
onderzoek werd ‘gepercipieerd nut’ wederom significant bevonden (p=0,01). Daarom zijn extra
determinantentoegevoegdomdezevariabeleteverklaren.Ditresulteerdeineennieuweversievan
TAM;TAM2(Venkatesh&Davis).
Inhetnieuwemodel(ziefiguur10)wordterkenddatdematewaarineengebruikerverplichtwordt
denieuwetechnologietegebruiken,eenrolspeeltindeacceptatieervan(Venkatesh&Davis,2000).
Maar ook cognitieve invloeden hebben invloed op de acceptatie van nieuwe technologie,
bijvoorbeeldhoerelevanteennieuwetechnologieisvooriemandswerkofdagelijksleven.
Figuur10:Technologyacceptancemodel2(Venkatesh&Davis,2000)
39
Socialedeterminanten
a) Subjectievenorm:ziehoofdstuk2.4.2(TPB)
b) Imago: de mate waarin een manager ervaart of ondervindt dat het gebruik van MA zijn
socialestatuskanversterken(Moore&Benbasat,1991).
c) Bereidwilligheidenverplichting:dematewaarineenmanagerzichbereidtofverplichtvoelt
omMAteadopteren(Agarwal&Prasad,1997;Barki&Hartwick,1994;Moore&Benbasat,
1991).
Functioneledeterminanten
d) Jobrelevantie:dematewaarineenmanagergelooftdatMAeenbijdragelevertaanzijnwerk
(Venkatesh&Davis,2000).
e) Resultaten:dematewaarineenmanagergelooftdatMAgoederesultatenzalopleveren.
f) Resultaataantoonbaarheid:dematewaarineenmanagergelooftdathetresultaatconcreet,
waarneembaarenoverdraagbaaris(Moore&Benbasat,1991).
Moderatoren
g) Ervaring: hoe meer ervaring een manager heeft met MA, hoe lager het effect van de
subjectievenorm(Venkatesh&Davis,2000).
h) Bereidwilligheid en verplichting: Hartwik en Barki concludeerden in hun onderzoek dat de
subjectievenormeensignificanteffectheeftopdeintentie,wanneerdemanagerverplichtis
omde technologie te gebruiken (Barki&Hartwick, 1994).VankateshenDavis testtendeze
theorie in hun model en stelden vast dat bereidwilligheid het effect op subjectieve norm
modereertopdeintentie(Venkatesh&Davis,2000).
Zo is het TAM 2 een veelgebruikt model geweest om de acceptatie van e-learning technologie te
onderzoeken (Šumak, Heričko, & Pušnik, 2011). Bovendien tonen studies uit de gezondheidszorg,
educatie, communicatie, logistiekenandere sectorenaandatTAM1enTAM2effectief zijn inhet
voorspellenvanacceptatieopbasisvanintentie,metbetrekkingtothetadopterenvantechnologie,
onafhankelijk van de sector (Fathema, Ross,&Witte, 2014; Lu, Yu, Liu,& Yao, 2003; Venkatesh&
Davis,2000).
40
2.4.3.3Technologyacceptancemodel;versie3
Inhetkadervane-commerceisTAM2verderontwikkeldnaarTAM3.Dederdeversievanhetmodel
bevatookobjectievegebruiksvriendelijkheidenhetgepercipieerdrisicovanhetingebruiknemenvan
de technologie (Venkatesh&Bala,2008).Omdezelfde redenendie zorgdevoordeaanvullingnaar
TAM 2, werden deze keer determinanten toegevoegd die leiden tot gepercipieerde
gebruiksvriendelijkheidvanhetmodel(Venkatesh,Thong,&Xu,2012).
Figuur11:Technologyacceptancemodel3(Venkateshe.a.,2012)
41
Determinanten
i) Computer zelfontplooiing:dematewaarineenmanagergelooftdathijbekwaamgenoeg is
omtewerkenmeteencomputer(Compeau&Higgins,1995a,1995b).
j) Gepercipieerde controle: de mate waarin een manager gelooft dat er organisatorische en
technische ondersteuning bestaan bij het gebruik van het systeem (Viswanath Venkatesh,
MichaelG.Morris,GordonB.Davise.a.,2003).
k) Computerangst: de hoeveelheid angst of afkeer die eenmanager heeft als hij een nieuwe
technologiegebruikt(Venkatesh,2000).
l) Computerplezier:dematewaarineenmanagerplezierervaartalshijeennieuwetechnologie
gebruikt(Webster&Martocchio,1992).
m) Gepercipieerdamusement:dematewaarineenmanagerplezierervaartbijhetwerkenmet
het systeem. Hierin wordt niet meegenomen of het werk als kwaliteitsvol wordt ervaren
(Venkatesh, 2000). Bijvoorbeeld het verschil tussen e-mail checken versus klantdata
analyseren.
n) Objectieve gebruiksvriendelijkheid: de manager vergelijkt de gebruiksvriendelijkheid van
verschillendetechnologieënmetelkaar(Venkatesh,2000).
42
2.4.3.4Automationacceptancemodel
Omwille van de voorspellingskracht van het TAM, hebben onderzoekers dit model gebruikt om
nieuweconstructen temaken in relatie tot technologie (Bajaj&Nidumolu,1998;Dishaw&Strong,
1999;Yi,Jackson,Park,&Probst,2006).ZoonderzochtenGhazizadehetal.ofmetTAMdeacceptatie
van automatisatie technologie kan worden voorspeld. Dit resulteerde in een aangepast model,
genaamd‘automationacceptancemodel’(AAM)(Ghazizadeh,Lee,&Boyle,2012).
Figuur12:Automationacceptancemodel(Ghazizadehe.a.,2012)
Devolgendedeterminantenzijntoegevoegd:
a) Compatibiliteit: de overeenkomst tussen uit te voeren taken en technologie (Karahanna,
Agarwal, & Angst, 2006). De compatibiliteit meet de cohesie tussen technologie en de
waarden en ervaringen van de gebruiker. Daarnaast is compatibiliteit een van de vijf
kenmerkenvaneeninnovatievolgensIDT(ziehoofdstuk2.4.1)(Rogers,1962).
b) Vertrouwen: in literatuur is bewijs gevonden voor de invloed van vertrouwen op
automatisatie technologie, zowel direct als indirect. Zo demonstreert het AAM dat
vertrouwen in direct verband staatmet intentie. Indirecte invloed is terug te vinden in de
factoren ‘gepercipieerd nut’ en ‘gepercipieerde gebruiksvriendelijkheid’ (Carter&Bélanger,
2005;Gefen,Karahanna,&Straub,2003;Pavlou,2003).
EenbelangrijkonderdeelvanhetAAMisdemogelijkheidtotobservatievanhetadoptieprocesmet
behulp van feedback. Dit is weergegeven als een stippellijn in figuur 12. Dit feedbackmechanisme
wordt gevalideerdmetbehulp vanquasi-experimenteel onderzoek, een studiewaarindeperceptie
van de automatisatie technologie wordt vastgelegd door middel van enquêtes op verschillende
momenten(Ghazizadehe.a.,2012).
43
2.4.4UnifiedtheoryofacceptanceanduseoftechnologyHet Unified theory of acceptance and use of technology (UTAUT) modelis het resultaat van
theoretischeconstructenvanuitmeerderemodellen.NaastTAM1(ziehoofdstuk2.4.3.1)enIDT(zie
hoofdstuk 2.4.1) is voor de formulering van UTAUT ook gebruikgemaakt van de TRA, TPB (zie
hoofdstuk2.4.2),hetMotivationalModel(MM),eengecombineerdmodelvanTAMenTPB(C-TAM-
TPB), het model of PC utilization (MPCU) en de Social Cognitive Theory (SCT). Al deze modellen
verschilleninhunverklaringskrachtenbereik.Alsbijgevolgzijndezemodellenenhuncomponenten
gefusioneerdtotéénmodel;hetATAUT-model(ziefiguur13).Ditmodelverklaart46%vandeintentie
totadoptievantechnologie(ViswanathVenkatesh,MichaelG.Morris,GordonB.Davise.a.,2003).
Determinanten
a) Verwachting van performantie: de mate waarin een manager gelooft dat de technologie
bijdraagt tot het geslaagd uitvoeren van zijn taken. Deze term komt overeen met
‘gepercipieerd nut’ van TAMen TAM2, alsook ‘relatief voordeel’ volgens IDT. Verwachting
van performantie is een sterke determinant in het voorspellen van intentie in het UTAUT-
model. (Ajzen, 1991; Rogers, 1962; Venkatesh, Morris, & Ackerman, 2000; Viswanath
Venkatesh,MichaelG.Morris,GordonB.Davise.a.,2003).
b) Verwachting van inspanning: dematewaarin eenmanager denkt inspanningen temoeten
leverenomtestartenmetdetechnologie.Dekansdattechnologiegebruiktwordt,neemtaf
almanagersdenkendatdetechnologielastigingebruikis(SusanA.;Venkatesh,2005).
Figuur13:Unifiedtheoryofacceptanceanduseoftechnology(ViswanathVenkatesh,MichaelG.Morris,
GordonB.Davise.a.,2003)
44
c) Socialeinvloed:inhoeverreeenmanagergelooftdathijdetechnologiedienttegebruikenop
basisvanwatanderenvanhemvinden.Andersgeformuleerd inhoevereenmanagerdenkt
dat de technologie bijdraagt aan het verweren van een hogere sociale status. Deze term
verenigt ‘subjectieve norm’ uit TPB en TAMmet ‘imago’ uit TAM 2 en IDT (Rogers, 1962;
Venkatesh&Davis,2000).
d) Gepercipieerde controle: dit verwijst naar dematewaarin eenmanager gelooft dat dat er
organisatorische en technische ondersteuning beschikbaar is voor het gebruik van de
technologie.EvenzogebruiktTAM3dezedeterminant(Venkateshe.a.,2012).
Moderatoren
e) Geslacht: eenmoderatordieeenonderscheidmaakt tussenmannenen vrouwen.Geslacht
kaneffecthebbenopdeverwachtingenvanperformantieeninspanningen,alsookopsociale
invloed.
i. Verwachtingvanperformantie:Mintonconcludeertdatereenverschilbestaattussen
mannenen vrouwen in verbandmet taakgerichteopdrachten.Mannen lijkenmeer
taakgerichttewerkendanvrouwen(Minton,H.L.,Schneider,F.W.,&Wrightsman,
1980). Met als gevolg dat mannen hogere verwachtingen hebben van hun
opdrachten(ViswanathVenkatesh,MichaelG.Morris,GordonB.Davise.a.,2003).
ii. Verwachtingvaninspanning:deinvloedopdeinspanningsverwachtingenisgroterbij
vrouwendanbijmannen(Venkatesh&Davis,2000).
iii. Socialeinvloed:meerderestudiesmerkenopdatvrouwenminderrationeelhandelen
onder invloed van de mening van anderen als het gaat om de acceptatie van
technologie (BakerMiller, 1986; Venkatesh e.a., 2000).Daarnaast tonenVenkatesh
enMorrisaandatvrouwenrationelerwordentegenoveranderennaarmatezemeer
ervaringhebben.Metanderewoordenheteffectvangeslachtverminderdnaarmate
ervaringtoeneemt(Morris&Venkatesh,2000).
f) Leeftijd:eenmoderatordieeenonderscheidmaaktindeouderdomvaneenmanager.
i. Verwachting van performantie: naarmate een manager jonger is, heeft hij hogere
verwachtingen van performantie (ViswanathVenkatesh,MichaelG.Morris,Gordon
B.Davise.a.,2003).
ii. Verwachting van inspanning: naarmate een manager ouder is, zijn er lagere
inspanningsverwachtingen.
iii. Socialeinvloed:naarmateeenmanagerouderwordt,hechthijmeerbelangaanwat
anderendenken(Morris&Venkatesh,2000).
45
iv. Gepercipieerde controle: hoe hoger de leeftijd van een manager, hoe meer
ondersteuning hij verwacht bij het werken met technologie (Morris & Venkatesh,
2000).
g) Ervaring: een moderator die dezelfde invloed uitoefent op verwachting van inspanning,
sociale invloed en gepercipieerde controle. Zodoende eenmanagerminder ervaring heeft,
wegen vermelde determinanten zwaarder mee (Viswanath Venkatesh, Michael G. Morris,
GordonB.Davise.a.,2003).
h) Bereidwilligheid en verplichting: een moderator die enkel een uitwerking heeft op de
determinant‘socialeinvloed’.Indieneenmanagernietverplichtwordtomdetechnologiein
gebruik te nemen, zal hijmeer belang hechten aanwat anderendenken.Als eenmanager
geenverplichtingheeft,isheteffectvansocialeinvloedkleineropdeadoptievantechnologie
(ViswanathVenkatesh,MichaelG.Morris,GordonB.Davise.a.,2003).
46
2.4.5Unifiedtheoryofacceptanceanduseoftechnology,eentweedeversie
EenstudievanVenkateshinsamenwerkingmetThongenXubiedteenuitbreiddingophetbestaande
UTAUT-model.Hetoriginelemodelisoorspronkelijkontwikkeldoporganisatieniveau.Hetvernieuwde
modeldaarentegenvindtzijnoorsprongbijconsumenten,opeen individueelniveau.Dezewijziging
brachtenkeleveranderingenmetzichmee.Omtebeginnenzijndemoderatoren‘bereidwilligheid’en
‘verplichting’ weggelaten omdat deze in een context van consumenten niet van toepassing zijn.
Immers, consumenten worden niet verplicht om bepaalde technologie te gebruiken. Een tweede
wijzigingisdetoevoegingvandrieextradeterminanten:hedonischemotivatie,prijsengewoonte.De
huidige moderatoren (geslacht, leeftijd en ervaring) beïnvloeden eveneens deze nieuwe
determinanten.Deextradeterminantenzorgdevooreenverklaringvanintentiedieoploopttot74%.
Bovendienbepaald intentievoor50%deadoptievantechnologie (Venkateshe.a.,2012).Ditmodel
wordtweergegeveninonderstaandefiguur(ziefiguur14).
Figuur14:Unifiedtheoryofacceptanceaduseoftechnology2(Venkateshe.a.,2012)
47
Determinanten
a) Hedonische motivatie: de mate waarin een manager beïnvloed wordt door hedonische
motieven of waarden. Dit zijn plezier, opwinding, spanning en sensatie die de technologie
oproepen (de Rijcke, 2000). In onderzoek naar consumentengedrag en informatiesystemen
zijnverschillendeconstructeninrelatietothedonischemotievengevondendiebelangrijkzijn
in het gebruik van technologie (Heijden, 2004; Holbrook & Hirschman, 1982; Nysveen,
Pedersen, & Thorbjørnsen, 2005; Susan A.; Venkatesh, 2005) Hedonische motivatie wordt
beïnvloed door de moderatoren ‘leeftijd’, ‘geslacht’ en ‘ervaring’. Bijgevolg zijn deze
motivatieshetgrootstbijjongemannenmetweinigervaring(Venkateshe.a.,2012).
b) Prijs: dematewaarin eenmanagerwordt beïnvloed door prijs. Deze determinant kan een
aanzienlijke impacthebbenophet gebruik van technologie. Een studieuit China toont aan
datdepopulariteit van sms-berichten zijn succes tedankenheeft aanhet gebruik van lage
tarieven tenopzichtevananderevormenvansoortgelijke toepassingen (Chan,Gong,Xu,&
Thong, 2008). Prijs wordt ook beïnvloed door de determinanten ‘leeftijd’ en ‘geslacht’.
Psychologischonderzoekwijstuitdatvrouwenmeeropdetailslettendanmannen.Mannen
hebben de neiging om onafhankelijk en competitief gedrag te vertonen, en maken
beslissingen op basis van selectieve informatie. Vrouwen vertonen een groter onderlinge
afhankelijkheid,zijncoöperatiefennemenmeer informatiemeeinhunbeslissingen(Bakan,
1966; Deaux & Kite, 1987). Hieruit kan geconcludeerd worden dat vrouwen in een
commerciële contextmeer aandacht besteden aan prijs, en dusmeer prijsbewust zijn dan
mannen. Ook gaan vrouwen beter om met geld en hebben zij een groter
verantwoordelijkheidsgevoeldanmannen(Slama&Tashchian,1985).
c) Gewenning: In het kader van het UTAUT 2-model en in lijn met de TPB wordt de term
‘gewoonte’gedefinieerdalseenherhaaldeuitvoeringvangedrag,datdefinitiefleidtnaareen
intentieofeenattitude (Ajzen&Fishbein,2000).Moderatoren zoals ‘leeftijd’, ‘geslacht’en
‘ervaring’ beïnvloeden de determinant. Uit literatuur blijkt bijvoorbeeld dat ouderen
geautomatiseerd te werk gaan in het verwerken van informatie (Hasher & Zacks, 1979)
(Jennings & Jacoby, 1993). Zodra ouderen een bepaalde gewoonte hebben ontwikkeld,
wordenanderemanierenonderdruktofgeblokkeerd.Hierdoor ishetvoorouderenmoeilijk
omzichaantepassenaannieuwetechnologie.Mannenhebbenmeermoeiteomzichaante
passen dan vrouwen. Dit kan verklaard worden doordat vrouwen informatie subtieler en
gedetailleerderverwerkendanmannen(Darley&Smith,1995).
48
De relatie tussen ervaring en gewoonte wordt gevormd door het herhalen van bepaald
gedrag (Limayem e.a., 2007; A. Newell & Rosenbloom, 1981). Met als gevolg dat oudere
mannenmetervaringzichmeerbaserenopgewoontes(Venkateshe.a.,2012).
49
2.5Determinantenenmoderatoren
In tabel 2wordt eenoverzichtweergegeven van alle determinantenenmoderatorenbesproken invorigehoofdstukken.Dezestaangerangschiktpermodelendedeterminanten,moderatorenwordenaangevuldindienermeerdereversieszijn.
Tabel2:Determinantenenmoderatoren
DETERMINANTEN MODERATORENInnovationdiffusiontheory
Relatiefvoordeel Compatibiliteit Complexiteit Trialbility Waarneembaarheid
TheoryofplannedbehaviourAttitudetegenoverspecifiekgedrag Subjectievenorm Waargenomengedragscontrole
TechnologyacceptancemodelGepercipieerdnut Gepercipieerdegebruiksvriendelijkheid
Technologyacceptancemodel;versie2Subjectievenorm ErvaringImago BereidwilligheidenervaringBereidwilligheidenverplichting Jobrelevantie Outputkwaliteit Resultaataantoonbaarheid
Technologyacceptancemodel;versie3Computerzelfeffectiviteit Gepercipieerdecontrole Computerangst Computerplezier Gepercipieerdamusement Objectievegebruiksvriendelijkheid
AutomationacceptancemodelCompatibiliteit Vertrouwen
UnifiedtheoryofacceptanceanduseoftechnologyVerwachtingvanperformantie GeslachtVerwachtingvaninspanning LeeftijdSocialeinvloed ErvaringGepercipieerdecontrole Bereidwilligheidenverplichting
Unifiedtheoryofacceptanceanduseoftechnology,eentweedeversieHedonischemotivatie Prijs Gewenning
50
2.6Kunstmatigeintelligentie
Kunstmatige intelligentie (KI) iseen studiegebiedvan informatie-encommunicatietechnologie (ICT)
dat intelligentgedragaandehandvancomputerprocessenprobeertna tebootsenen teverklaren
(Schalkoff,1990).Denkbijvoorbeeldaanbeslissingennemen,ofproblemenoplossen(Bellman,1978).
KI is gefocust op zowel het begrijpen als construeren van intelligente entiteiten en bezit de
mogelijkheid om processen te automatiseren (S.J.Russell & P.Norvig, 2003). KI heeft invloed op
verschillende disciplines. Echter, wetenschappelijke literatuur met toepassing tot marketing is
schaars.
Ontwikkelingen inKIopeenscalaaandisciplineshebbengeleid totdeontplooiingvanKI-systemen
die nuttig blijken voor marketing (Martínez-López & Casillas, 2013). Deze systemen bieden
ondersteuning op bijvoorbeeld marktvooruitzichten, automatisering van processen en
besluitvorming.Daarnaast verhogendeze systemendeefficiëntie van takendienormaal gesproken
doormensenwordenuitgevoerd.Dewetenschapachterdezesystemenkanwordenomschrevenvia
neuralenetwerkenenexpertsystemen,computerprogramma’sdieinvoervangegevensverwerkenen
waardevolle output genereren(S.J.Russell & P.Norvig, 2003). KI heeft de laatste jaren aanzienlijke
erkenninggekregen indemarketingindustrie.Echter,ethischekwestiesronddezesystemenenhun
potentieeliseencontroversieelonderwerp(Bostrom,2003;Wierenga,2010).
2.6.1Computertechnologie
Oponderstaandefiguur(ziefiguur15)isdeconfiguratieweergegevenwaarKIzichbevindtindeICT-
sector. KI bevat verschillende onderdelen, zoals big data, datamining en machinaal leren. Deze
wordenkorttoegelichtomtebegrijpenwatKIbetekent,ookincombinatiemetMA.
Figuur15:Kunstmatigeintelligentievenndiagram(Goodfellow,Bengio,&Courville,2016)
51
• Bigdataishetverwerken,opslaanenbeherenvangrotehoeveelhedengegevens.Hetbetreft
zoveeldata,datstandaardsoftwarenietdecapaciteitheeftomdittedoen(Homayouni,Azizi,
Javadi,Mahdipour,&Ejtahed,2012).
• Datamining is een computerproces om patronen te herkennen in grote hoeveelheden
gegevens(Chakrabarti,Ester,Fayyad,&Gehrke,2012).
• Machinaal of automatisch leren is volgens Munoz “de mogelijkheid van computers om te
lerenzondererexplicietgeprogrammeerdvoorteworden”(Munoz,2014).Geëvolueerduit
de studie van patroonherkenning verkent machinaal leren de studie en constructie van
algoritmendiekunnenlerenenvoorspellingenmaken(Kohavi,1998).
2.6.2Besluitvorming
Marketingbeslissingen worden veelal genomen op basis van intuïtie (Wierenga, 2010). Door
groeiende mogelijkheden om digitale gegevens te verzamelen en te gebruiken is het steeds
complexergewordenomeenbeslissingtenemen.KIkandebeslissingnemerhelpenomeenkeuzete
maken, door voorspellingen te genereren en zo alleen de informatie aan te bieden die de
beslissingnemerechtnodigheeft.Hierdoorwordtdebeslissingnemernietoverbelastmetinformatie
(Yilmaz&Tolk,2008).
2.6.3Automatisatie
In termen van marketing worden MA-systemen gebruikt om handmatige processen uit te laten
voeren door software. Door deze verschuiving worden processen efficiënter uitgevoerd (Roetzer,
2014). Denk bijvoorbeeld aan klantensegmentatie, campagnebeheer en aanbiedingen. Zoals
besprokeninhoofdstuk2.2isMAeenonderdeelvanCRM.Ondernemingengebruikensystemendie
datamining inzettenomhunklantenbestandteanalyseren,waardoorer inzichtwordtverworven in
deklant.Dezeinformatiekanbetrekkinghebbenopdemografischegegevens,eerdereinteractiesof
deaankoopgeschiedenisvandeklant(Sharma,Goyal,&Mittal,2010).
52
3.Methodologie
Hoofdstukdrieschetstenverklaartdeonderzoeksmethodendieinhetonderzoekzijngebruikt.Inde
eersteplaatswordtdekwalitatievemethodegepresenteerdendesystematischecombinatietechniek.
Verderwordendemethodenvoorgegevensverzamelingbeschreven.
3.1Kwalitatiefonderzoek
Kwalitatiefonderzoekiseenverzameltermvoorverschillendemethodenenbenaderingen.Kwalitatief
onderzoek kan bestaan uit teksten, interviews, transcripten, video’s en websites. De gegevens die
wordengebruiktinkwalitatiefonderzoekzijndikwijlsprimairegegevens(Flick,2002;Saldana,2011).
Deessentiëlekenmerkenvankwalitatiefonderzoekzijndejuistekeuzevoordegeschiktemethodes
en theorieën, analyses van verschillende inzichten, reflecties van de onderzoeker zelf en de
verscheidenheid van verschillende benaderingen (Saldana, 2011). De doelstellingen van kwalitatief
onderzoek zijn afhankelijk van de aard en het doel van de studie. De bevindingen worden vaak
gecompileerduitderepresentatiesvandeconclusiesuitanalysesvandata(Saldana,2011).Hetdoel
inkwalitatiefonderzoek isnietom iets te testenwatal reeds isgebeurd,eerderom ietsnieuws te
ontdekken of ontwikkelen. In kwalitatief onderzoek zijn de bevindingen geen cijfermateriaal als in
kwantitatiefonderzoek,maarwoorden(Flick,2002).
Opmarketinggebiedwordtkwalitatiefonderzoekregelmatiggebruikt,omdathetonderzoekprimaire
gegevens kan bieden rond een marketingfenomeen (Carson, 2001). Het te onderzoeken
marketingfenomeen kan niet worden onderzocht in een geïsoleerde kunstmatige omgeving, dus
wordt dit onderzoek uitgevoerdmet behulp van een kwalitatieve onderzoeksmethode. De intentie
vandezestudieisnietomenkelnieuweinzichtenenwetenschappelijkekennistecreëren,maarom
praktische informatie te vinden rond alledaagse problemen (Flick, 2002). Zo is de kwalitatieve
onderzoeksmethode geschikt voor het bestuderen van determinanten voor adoptie van MA-
technologie,endaarnaastdeassociatievanKI. Inditonderzoekwerdeenveldonderzoektoegepast
eninterviewswerdenafgenomen,bijgevolgwordendezealsvolgtbesproken.
53
3.2Veldonderzoek
Veldonderzoekgeefteenmaniervanaanpakvoorhetonderwerpdatwordtbestudeerd.Hetrichtzich
op het produceren van gedetailleerde en holistische kennis en gebruikt meerdere verschillende
empirische bronnen om deze kennis nadien te gebruiken en analyseren (Eriksson & Kovalainen,
2008).Erzijntweesoortenveldonderzoek;intensiefveldonderzoekenuitgebreidveldonderzoek.Bij
intensief onderzoek worden verschillende kwesties bestudeerd, met als doel volledig inzicht te
verwerven in specifieke materie. Daartegenover richt een uitgebreid veldonderzoek zich op het
toetsen van theoretische constructendooreenaantal studies te repliceren (Eriksson&Kovalainen,
2008). In dit onderzoek wordt de uitgebreidemethode gebruikt om het best mogelijke inzicht en
diepgaande informatie te verkrijgen over het gebruik van MA bij managers in de onderzochte
ondernemingen.
Hetsubjectdatwordtonderzochtineenstudiekaneenonderneming,persoon,gemeenschapofiets
equivalent. Het is belangrijk om bij een veldonderzoek een duidelijk vertrekpunt en duidelijk
gevormde onderzoeksvragen te hebben, anders kan de studie niet duidelijk en coherent worden
uitgevoerd(Saldana,2011).
Duboi & Gadde introduceren de term ‘systematische combinatiemethode’; het combineren van
empirische gegevens met theorie tijdens (Dubois & Gadde, 2002). Ook in het huidige onderzoek
worden empirische gegevens uit het veldonderzoek gecombineerd met al bestaande
wetenschappelijke literatuur. Zo kan tot een grondiger inzicht gekomen worden. In bestaande
academischeliteratuurwordtadoptievanMAnietgrondigbehandeld.Onderzoeknaarderelatievan
MA-adoptiemetKI,ontbreekt.Zowordteenoptimaalresultaatbereiktdoordebestaandegegevens
te combineren met de verzamelde empirische gegevens. Vanwege het specifieke karakter van de
besproken thema’s rond MA en hun onderlinge samenhang, zijn er maar een beperkt aantal
ondernemingendatdezekennisbezitenMAinzet.Ditbemoeilijktedezoektochtnaarrespondenten.
HetonderzoekomvatnegenverschillendeinterviewsvanondernemingendiegebruikmakenvanMA.
De marketingmanagers van de ondernemingen wensen anoniem te blijven. De onderzochte
ondernemingen worden gepresenteerd in hoofdstuk 3.5, zonder daarmee de vertrouwelijkheid te
schenden.
54
3.3Gegevensverzameling
VolgensYinzijnerzesmogelijkebronnenominformatieteverkrijgenuiteenveldonderzoek.Ditzijn
documenten, archiefstukken, interviews, directe observaties, deelnemer observaties en fysieke
objecten (Yin, 2003). In dit onderzoek zijn interviews, interviewtranscripten en directe observaties
onderzocht. Volgens Eriksson & Kovalainen is het gebruik van een veldonderzoek een flexibele en
nuttigemanieromeennieuwfenomeenteonderzoeken(Eriksson&Kovalainen,2008).
Bij elke onderneming is apart een interview afgenomen op een semigestructureerde manier. Een
semigestructureerd interview volgt geen vaste volgorde van vragen rondom het topic,maar bevat
eerdereenalgemeenontwerpvoorhetonderzoeksonderwerp,dat tijdenshetgesprekkanworden
aangepast (Packer, 2011). Dit type interview is geselecteerd om optimaal inzicht te krijgen in het
onderwerp. Alle interviews zijn opgenomen, getranscribeerd en geanalyseerd.Het interviewbegon
met de algemene kennisvragen over MA en hoe de onderneming MA gebruikt. Ook kwamen
aanvullende vragen over KI aan bod. De geïnterviewde kreeg de mogelijkheid om alle processen
grondigteverklarenzolangde focusbleefopdeoorspronkelijkematerie.Hetalgemeneplanende
hoofdvragenvanhetinterviewzijntevindeninbijlage1.
55
3.4Gegevensanalyse
Kwalitatiefveldonderzoekisgerichtophetgenererenvaninzichtvaneenfenomeenopeenflexibele
manier(Yin,2003).Daarommoetookdemaniervangegevensanalysehieropaangepastworden.De
aanpakdieinditonderzoekwordtgebruiktisontwikkelddoorEriksson&Kovalainen.Inhunmethode
worden alle gevallen eerst individueel bestudeerd. Vervolgens volgt een cross-vergelijking om
overeenkomstenenverschillentevindentussenondernemingen(Eriksson&Kovalainen,2008).Om
een nog beter inzicht te krijgen, is ook een tweede methode gebruikt; die van Boeije. In deze
methodewordendegegevenseerstafgezonderdinsegmentenendaarnaweersamengesteldalseen
geheel, waar de belangrijkste bevindingenworden aangeduid. Nadienworden de gegevens verder
onderverdeeld in thema’s. Nadat de thema’s zijn opgesplitst, worden de soortgelijke thema’s
samengevoegdomfundamenteleenrelevanteinformatieuitdeinterviewstehalen.Inhetvolgende
stadiumwordenpatronenenrelatiestusseninterviewsvergelekenenonderzocht.Indelaatstefase
wordendevoorafgecreëerde thema’saangepastomovereen te stemmenmetdebevindingendie
tijdens het vergelijkingsproces werden gemaakt en worden vervolgens als hoofdstukken toegelicht
(Boeije, 2009). Als gevolg werden drie hoofdstukken gevormd. In die hoofdstukken worden eerst
algemenebevindingenuiteengezet,waarnainzichtenperonderneming.Dezewordengepresenteerd
ineencombinatievansamenvattingenencitaten.Deverschillenderespondentenwordenaangeduid
methetwoord‘onderneming’pluseencijfer,omhunanonimiteittewaarborgen.
56
3.5Ondernemingen
Deonderzochteondernemingenmoestenaaneenpaareisen voldoen. Zomoesten zij eenbepaald
niveauvanMAhebben.OokmoestMAeenondersteunenderolinnemeninhetbedrijf,ennietenkel
onderdeel uitmaken van de klantendienst. Volgens onderzoek is er geen minimum aantal
respondenten nodig, vanwege de variatie tussen ondernemingen (Saldana, 2011). Toch moet er
voldoendeaantalgevallenwordentoegekendomdebestmogelijke inzichtenteverwervenvanhet
fenomeen. Dit loopt verder tot uiteindelijke saturatie van inhoudelijke informatie, met andere
woordentotwanneererweinigtotgeenvariatiemeertevindenis(Eriksson&Kovalainen,2008).In
ditonderzoekzijnnegeninterviewsgehoudenbijverschillendeondernemingen.Dezeondernemingen
variërenvankleintotgrootombeideaspecteninkaarttebrengen.Kleineondernemingenzijnvaak
flexibeler in hun processen en uiteindelijk adoptie. In contrast hebben grote ondernemingenmeer
vereistenenzijnminderflexibel(Thong&Yap,1995).Inhetselectieprocesvandezeondernemingen
werdgeenspecifiekesectorgekozen.Echterwerdenondernemingenuitverschillendebedrijfstakken
gekozenomeenuitgebreidoverzichtvanhetonderwerptehebben. In tabel3 ishetvakgebied,de
functievandegeïnterviewdendelengtevanhetinterviewweergegeven.
Tabel3:Geïnterviewdeondernemingen
Sector Functie Duur
Onderneming1 InformatieenCommunicatieTechnologie(B2B) Marketingmanager 72min.
Onderneming2 Financiëledienstverlening(B2B) CMO 50min.
Onderneming3 InformatieenCommunicatieTechnologie(B2B) CMO 51min.
Onderneming4 Financiëleinstelling(B2B&B2C) CMO 48min.
Onderneming5 InformatieenCommunicatieTechnologie(B2B) CMO 76min.
Onderneming6 InformatieenCommunicatieTechnologie(B2B) Marketingmanager 82min.
Onderneming7 Retail(B2C) CMO 40min.
Onderneming8 InformatieenCommunicatieTechnologie(B2B) CMO 40min.
Onderneming9 InformatieenCommunicatieTechnologie(B2B) CMO 43min.
57
4.Resultaten
In hoofdstuk vier worden de bevindingen van het onderzoek gepresenteerd. Het hoofdstuk begint
breedmetbetrekkingtotMAengaatdanovernaarspecifiekedeterminantenvanadoptie.Daarnaast
wordt KI in relatie gebracht totMA. Voor de eenvoud in deze studie te bewaren kennen intentie,
acceptatie en adoptie in dit onderzoek geen nuanceverschil. Zo maakt empirische data geen
onderscheidinadoptieenintentiezoalsbeschreveninhetliteratuuronderzoek.Hetbegrip‘adoptie’
wordtgebruikttijdensinderapporteringvandezestudie.
4.1DeterminantenInditdeelwordenverschillendedeterminantenweergegeven,inclusiefhunonderlingesamenhang.In
figuur 16 zijn de determinanten gerangschikt in de mate waarin ze aan bod kwamen tijdens de
interviews. In figuur 16 krijgt de meest aan bod gekomen determinant het gewicht van 100 %
toegekendomderelatietussenanderedeterminantenduidelijkweertegeven.
Figuur16:Determinantenvooradoptie
58
Alle respondenten benadrukken dat technologische oplossingen nodig zijn voor de uitvoering van
marketingacties, omdat deze de mogelijkheid bieden voor gegevensverzameling, waardoor
nauwkeurigerenefficiëntergewerktkanworden:
Opnieuwedigitaletoolshebbenwedelaatstevijfjaarmassaalopingezet(…)webezittenallanger
veeldatavanonzeklantenennucombinerenweditmetdigitalegegevens,waardoorwedeklant
beterbegrijpenenefficiënterwerkendanvroeger.
(Onderneming4)
Alle ondervraagde ondernemingen accentueren dat determinanten zoals relatief voordeel,
gepercipieerdnut,outputkwaliteitendeverwachtingvanperformantieaanelkaarverwantzijninde
context van MA en verwijzen onrechtstreeks naar de resultaten die kunnen worden bereikt.
ZodoendewordtditbeschouwdalsdebelangrijkstefactorbijadoptievaneenMA-systeem.
Vervolgens vermelden ondernemingen dat de complexiteit in het gebruik vanMA een cruciale rol
inneemtnaderesultaten.ErwordtaangegevendateenMA-systeemgebruiksvriendelijkdienttezijn.
Ondernemingen beschrijven compatibiliteitmet andere systemen als doorslaggevend in hun keuze
van eenMA-systeem.De respondenten geven aan dat dit op plaats 3 komt.Onderneming 3 geeft
helder weer dat de combineerbaarheid met andere systemen die een onderneming gebruikt
belangrijkis:
Integratiemogelijkhedenmetanderetoolsdiejegebruiktinuwtechnicalstackiskey.
(Onderneming3)
OokbenadruktenallegeïnterviewdendeonmisbaarheidvanMAindeverschillendesystemendiezij
gebruikenbijdeuitoefeningvanmarketing.Ondernemingen,evenalsdeexperts,vermeldendatMA
centraalstaatindeuitoefeningvanmarketingacties:
Deallerbelangrijkstetooldieeigenlijkonmisbaarzouzijn.
(Onderneming3)
Daaropvolgendkomenwaarneembaarheidenaantoonbaarheidvanresultatenaanbod.Verschillende
ondernemingen wijzen op het belang dat resultaten overzichtelijk moeten gepresenteerd worden.
Het hebben van overzicht van de resultaten van verschillendemarketingacties komt op een vierde
plaats. Nadien benadrukken ondernemingen het belang van vertrouwen in een systeem, zoals
dataprotectie en het vertrouwen in digitale toepassingen. Managers geven aan dat de rol van
vertrouweninsystemenindetoekomstnogbelangijkerwordt.Ookgeeftonderneming9aandatde
overheideenrolspeeltinhetkunnenvertrouwenvansoftwaresystemen.
59
Vervolgensbenadrukkenverschillendeondernemingendathetbezitvanenigetechnologischekennis
essentieel is omMA correct te gebruiken. Bovendien vermelden ondernemingen dat controle een
belangrijkedeterminantis.Onderneming4werdgevraagdomdebesteeigenschappenvaneenMA-
systeem te noemen. Controle staat bij deze onderneming op de tweede plaats van belangrijkste
determinanten:
Decontrole,ikkanzienwatwerkt,watnietwerktendusbijsturenwaarnodig,uiteindelijkisdatook
eenvormvangeld,geldwinst.(Onderneming4)
Alle respondenten staan positief tegenoverMA, hebben een positie attitude.Onderneming 3 en 6
gevenditalsvolgtweer:
Dusdetoekomstiséénenalautomatisatie.(Onderneming3)
Ja,ikvindhetsuper!Datiswaarwenaartoemoeten.(Onderneming6)
OndernemingenvermeldendatdemogelijkheidomeenMA-applicatietekunnentesten,meetelt in
dekeuzevooreenapplicatie.Onderneming1verteldedatwanneereenprobeerperiodenietwordt
voorgesteld, dit voldoende is omhet systeemniet in gebruik te nemen.Anderenbenadrukkendat
eengratisprobeerperiodestandaardmoetwordenaangebodenzonderenigebetalingsverplichting.Er
wordtverderaangegevendatdesubjectievenormendesocialeomgevingmindervan invloedzijn.
Managerszijnheterookovereensdatdehunimagonauwelijkswerdverbeterdbijhetgebruikenvan
MA.
Anderedeterminantenuitdebesprokenmodellenkwamennietterugindeinterviews.
60
4.2ImplicatiesBij de vraag of MA cruciaal is geweest bij de groei van de onderneming, geven CMO’s positieve
antwoorden. Onderneming 3 vermeldt dat MA essentieel was voor de expansie van hun
onderneming. Op de vraag of de onderneming dezelfde resultaten zou behalen zonder MA werd
volgendantwoordgegeven:
Nee,onmogelijk.Dankunnenweookonmogelijkdoenwatwewillendoenmetditbedrijf,
namelijkEuropaveroveren.Onmogelijk.
(Onderneming3)
Ook gevenmarketingmanagers aan dat doelstellingen efficiënter werden bereikt aan de hand van
MA.Onderneming6verwoordtdaterminderhandelingennodigzijnmeteenMA-systeem:
Ja,alsjegeenmarketingautomatisatiedoetdanhebjeveelmeermankrachtnodig.Alsjeeenbeetje
serieusbentoverdemarketingafdelingdankunjedatnietmissen.
(Onderneming6)
CMO’s zijn in verhouding tot marketingmanagers eerder in contact gekomen met MA en de
conceptualisatie vanMA. CMO’s geven telkens aan dat ze sinds het begin vanMA ermeewerken.
Onderneming 3 geeft weer dat bij het ontstaan vanMA, de onderneming al enkele experimenten
uitvoerdeomhetconceptmanueelteimplementereninhunmarketingstrategie:
Ikzouzeggen,eenjaarof5–6geledentoenernognauwelijkssprakewasvanmarketingautomation,
hebbenwewatexperimentengedaanmethetautomatiserenvanmarketing.Endatkanjetoennog
gerustpragmatischenhands-onvoorstellen,ikzalhetzozeggen,waarweeeneerstetestgedaan
hebbennaarmanueleleadscoring.
(Onderneming3)
Er zijn geen opmerkelijke verschillen in de resultaten te vinden tussen man en vrouw. De meest
voorkomende determinanten ‘performantie’, ‘compatibiliteit’ en ‘complexiteit’ blijven van cruciaal
belang,zowelbijmannenalsvrouwenbijhetaankopenenimplementerenvanMA.Eenvrouwelijke
CMOverteltdatdatdeperformantieeenbelangrijkerolinneemt:
Mijinteresseertwatgaathetuiteindelijkdoen,watkanikeruithalenaanreturn.
(Onderneming4)
61
Verder zijn er verschillen op te merken tussen verschillende sectoren. Zo ligt in retail de focus
hoofdzakelijkopconsumenten(B2C).Onderneming7benadrukthetbelangvanpersonalisatie inde
sector:
(…)zorelevantmogelijkennogveelmeergepersonaliseerdcommunicatiedingentekunnensturen.
Dusvooronswashetnietalleeneenopportuniteitmaargewooneennoodzaak,omdatwemetandere
kanalenminderdeboodschapbijdedoelgroepkregen.
(Onderneming7)
Erzijnovereenkomstenoptemerkentussendeonderzochtesectoren.Zesondernemingenzijnactief
inde ICT-sector.Andere sectoren zijnde retail-, financiële-engeneeskunde sector. Inde ICT-sector
wordt erop gehamerd dat MA een instrument is om bepaalde strategieën toe te passen. Dit in
tegenstelling tot de andere sectoren,waarinMAervarenwordt als een te volgen strategie. Verder
suggereertonderneming9hetbelangendeonmisbaarheidvanMA:
Waarjeeigenlijkinitieeldenktdatjetechnologienodighebtomdattedoen,datkloptergens.Datis
eigenlijkjemotor.Maardebrandstofomindiemotortezetten,datisdecontent.…Ja,datgaat
gewoonnietzondermarketingautomation.Danmoetenwe10manextraaanwervenomaldiedingen
optezetten.Duseigenlijkishetgewoonnietmeermogelijkomdoelentebehalenzonderdat.
(Onderneming9)
Onderneming7 legt denadrukoppersonalisatie en aanbevelingen inhun zoektochtnaar eenMA-
systeem:
Duswetesteninterndoorbijvoorbeeldalledameshierpersonalisedrecommendationstesturendoor
hunaankoopgedragenhunprofielendangaanweopbasisdaarvanbeslissenwelkefeedofwelke
engineonseigenlijkdebesteresultatenoplevert.
(Onderneming7)
DeB2B-sectorkentminderbovenstaandeeisenvoorhunklanten.Erwordtmeeraandachtbesteed
aanhetaantrekkenvanleads.Bovendienishetbelangrijkomdekwaliteitvandeleadstecontroleren.
Volgensonderneming3zorgteenhoogaantal leadsvanondermaatsekwaliteitvoorveelwerkvoor
deverkoopafdeling.HetwerkneemtafwanneerdoormiddelvanMAdekwaliteitvannieuweleads
wordtgewaarborgd.
62
MAisdusnodigomondernemingentehelpenbijeengrootaantalleads,omzotekunnengroeien:
Heteinddoelwaseigenlijkbusinessbinnenbrengenvooreenonzeservicewaarweeenaantalleads
voorgenererenmetbeperktesalescapaciteit(…)datautomatisatieplatformmaakthetvoorons
gewoonmogelijkomonzeaanpakteschalen.Alsikenkeleleadsbinnenhaalpermaanddanhebik
geenHubSpotnodig.Alsikveelleadsbinnenhaalpermaand,watnuhetgevalis,hebikdatwelnodig.
Hetisgewoononontbeerlijkomeenaanpaktekunnenzettenendieteschalen.
(Onderneming3)
In de geneeskunde sector (in dit onderzoekookB2B-gericht)wordtbelang gehecht aanhet sturen
vancorrecte informatienaarde juistepersonen.Data staat centraal inhunmarketingprocessenen
dientdezegegevensomdepartementenzoalssalesteondersteunenomeenleadbinnentekrijgen:
So,wenolongerhavethecaseofmarketingbuildingpapertoolsthatarethenshippedtotheaffiliates
andthatthenstaysinacupboardbasicallyoracloset.Orthatsaleswillneverknowabout.Wealways
nowpushthisinformationtothem,andtheypartofitfollowingupontheinformation.
(Onderneming5)
DefinanciëlesectoronderscheidtzichinzoverredatdezezowelB2BalsB2Cactiefis.Onderneming3
is hoofdzakelijk actief in B2B en suggereert dat outbound marketing essentieel was om groei te
waarborgen:
Wemoestenonsherpositionerenquamarketingaanpak.Enzoueigenlijkvanoutbound,ofpush
marketing,volledigomgegaannaarinboundofpull.Waarwenurtureflowsbouwenenwaarwevan
deawareness,danconciderationnaardeconvertfasegaanomgeïnteresseerden,eigenlijkdoor
middelvancontent,eerstaantetrekkenendanverdertenurturen.
(Onderneming3)
Onderneming 4, actief in de B2C-sector, benadrukt dat alle kanalen in een MA-systeem moeten
vervatzitten,zodatdeklantlangsdezekanaleneenvolledigeervaringkrijgt:
Duswillenwegaankijkenvanwelkekanalenmoetenwijaanbiedenindemodernetijd,ikzalhetzo
zeggen.Enalsik,alsikeentool,ja,uiteindelijkzalikweleenaanbevelingmoetendoenvooreentool.
Zalheterwelenenmoetenzijndiezoveelmogelijkdekanalenvanonzeklantenoverspant,dat
fragmentarischemoetervoormijechtweluit.Liefstdaneensysteemdatallesomvat.
(Onderneming4)
63
DaaropvoortbouwendbenadrukkenverschillendeondernemingeneentekortaanoverzichtvanKPI's
(key performance indicators) die relevant zijn voor een bepaald doel of bedrijfsproces. Zoals
onderneming4voorheenaanhaaldevoorallekanalenteintegrereneneenoverzichtvaneengeheel
aangegevens tebewaren.Onderneming8 suggereertdathetbelangrijk isomactuele gegevens te
aggregeren en beschikbaar te hebben; van klantdata en gegevens over campagnes, tot financiële
informatie.Welbenadruktonderneming8datdedatagoedgeïntegreerdmoetzijnindedatatool:
Strevennaarzoalshetdanheet:oneversionofthetruth.Endaaromwiljeeigenlijknietvansysteem
naarsysteemgaanexporterenenterugimporteren.Eigenlijknetjesconnecterenzodatjealtijdop1
versievandewaarheidaanhetkijkenbent.Datiskeyinorganisaties.
(Onderneming8)
Ondernemingen geven aandat niet alleendemarketingafdeling vanMAprofiteert. Erwordt nauw
samengewerktmetdeafdelingverkoopeneventueelcustomersucces.Onderneming5geeftaandat
MA het gehele marketingproces omvat, en bovendien deel uitmaakt van processen in andere
departementenbinnendeonderneming:
Demarketingafdelingnatuurlijk.Maarvoormijismarketingautomatisatie,netalsmarketing
trouwens,isvoormijééndeeltjevandeketting,vaneenaantalkettingen. Deeerstekettingdieikga
benoemenisdekettingvoordatiemandklantwordt.Dusvoormijmaaktsalesookdeeluitvan
marketingautomatisatie.
(Onderneming1)
Voor onderneming 2 is de kostprijs van hetMA-systeem irrelevant, omdat zij verwachten dat het
system zichzelf terugverdient.Overige ondernemingen benadrukken hetzelfde en zien prijs niet als
eenwaardigedeterminant:
Hoegroterdatjewordt,hoeprocentueellagerdekostprijsvandietoolwordtnatuurlijk.
Dusikdenk2jaargeledenwasheteenduretool.Hetkostnogaltijdveelgeldmaardiekostverdwijnt
eenstukindestijgingvananderekosten.Prijsisrelatieftegenoverwatweeruithalen.Uiteindelijkis
hetnietbelangrijk.
(Onderneming2)
Ondanks de kleine verschillen in leeftijd komt bij oudere managers performantie minder aan bod
tijdens de interviews in tegenstelling tot jongere managers. Performantie of gelijkwaardige
terminologiekomtmeeraanbodtijdenshetonderzoekbijjongemanagers.
64
Totslotwerddefasevanadoptieonderzochtwaarderespondentenzichzelf inherkennen.Waarbij
volgendebegrippenhetmeestaanbodkwamen:nieuweideeënproberen,socialeleider,voorzichtig
enbedachtzaam.
65
4.3KunstmatigeintelligentieVolgensdegeïnterviewden isKIeenonderdeel vanautomatisatiedat kanhelpenbijdeverwerking
vangegevens. Elke respondent kentde aspecten vanKI, ongeacht leeftijd, geslacht enervaring. Zo
geven ondernemingen het belang van KI aan in hun marketingbeleid. Volgens de ondernemingen
draagtKIbijaanhetefficiënterwerkenmetdata.Metnamedegegevensverzamelingenverwerking
vandatagebeurtautomatischdoorsoftware:
Kunstmatigeintelligentiehijkanzichhiereenbijdragezijnvolgensmijinmarketingenkanheelveel
informatieverzamelenenverwerken.
(Onderneming8)
OokvermeldenondernemingenhetbelangvanKIbijMA.Onderneming9beschrijftdewaardevanKI
indekeuzevaneenMA-systeem:
Stelnu,ikzitineenaankoopprocesvooreenmarketingautomationtoolentoolAheefteengoede
prijsenheeftgeenartificialintelligencemijtebieden.ToolBheeftdezelfdeprijsstructuur,dezelfde
meerwaarde,whatever.Enzegtvan:kijk,dezevijfartificialintelligencezakenhebbenweingebouwdin
onzetoolendiekanjezoenzogebruiken.Danheefttool2duidelijkeengrotestapvoor.
(Onderneming9)
VerderbenadrukkenondernemingendevoordelenvanKI.Echter,deimplicatieervanwordtintwijfel
getrokken.Onderneming2benadruktzijnzorgenoverhetontbrekenvanspontaniteitdoorKI:
Ikdenkdatdatgrotendeelsalleenmaarvoordelenheeft,ikstelmewelallangerookbewustgewoon
constructiefkritischevragenofdatjeconsumenten/klanten/prospectennietteveelinderichtinggaat
duwenomopbasisvanhungedrag,opbasisvangedragendusblijvenzeineenbepaaldsegment,een
bepaaldeleefwereld.
(Onderneming2)
Aansluitend benadrukken ondernemingen dat demogelijkheid om in te grijpen belangrijker wordt
met de integratie van KI. De determinant ‘controle’ wordt aangehaald. Aansluitend op hierboven
vermeldezorgenoverspontaniteit,wordtookhetontbrekenvanpersoonlijkcontactvermeld:
Hetpersoonlijkcontactisdaneenbeetjeverloren.Ikvindkunstmatigeintelligentiegeenprobleem
zolangdatjenogdemogelijkheidhebtomintegrijpen,wanteenmachinekanzichvergissen.
(Onderneming4)
66
HetanalyserenvangegevensvlotterlatenverlopendoormiddelvanKIkomtinmeerderevormenaan
bod.Onderneming1wijstophetautomatischtoekennenvaneenscoreaanklanten,inplaatsvande
regelsmanueeloptezetten.Vervolgenssteltonderneming9voordathetmanueeldenkproces(dat
gegevens met elkaar vergelijkt) zou kunnen gebeuren door een intelligent systeem in plaats van
manueel.Hijomschrijfthetalsvolgt:
Numoetenwetochechtwelzeermanueelherdenkenvan:wacht,eerstanalyseren.Iemanddieiets
aanhetdoenis,datmoetenweeigenlijkgaanoverzettenoponzemarketingaanpak.Alswedaareen
stukjeintelligentiezoudenkunneninstekendatzouweleengoedideekunnenzijn.
(Onderneming9)
67
5.Conclusie
Het huidige onderzoek is uitgevoerd om inzicht te krijgen in de aankoopbeslissing van MA-
technologie, aangevuld met KI. In dit hoofdstuk wordt de theorie vergeleken met de empirische
bevindingen. Op basis daarvan worden de onderzoeksvragen beantwoord en verdere implicaties
vastgesteld. Verderworden de beperkingen en betrouwbaarheid van deze studie geëvalueerd. Tot
slotwordenaanbevelingengegevenvoortoekomstigonderzoek.
5.1Theoretischeimplicaties
Debasisvanhetonderzoek ligt ineentheoretischkaderoverdeadoptievanMA.Uitde interviews
ontstond een selectie van determinanten voor adoptie van MA. Nadien werd gekeken of de
determinanten uit de interviews en hun gewicht, overeenkomen met de determinanten uit de
modellen.VerderisonderzochtofKIderolinneemtvaneendeterminantofmoderator.Aansluitend
werd verder onderzocht op welke manieren KI een bijdrage levert aan MA. Figuur 17 geeft de
theoretischeimplicatiesweer.Ditiseenaanvullingopfiguur16.
Figuur17:DeterminantenvanMA-adoptiemetmoderatoren
68
Vraag1:Welkedeterminantencontribuerenbijdeadoptievanmarketingautomatisatie?
Het conceptvanMAwasvoorelke respondentduidelijkenwerdopdezelfdemanieruitgelegd.De
literatuur (zie hoofdstuk 2.3) definieert MA haast hetzelfde: MA betekent geautomatiseerde
personalisatieeneenaanpassingvandemarketingmixomtevoldoenaandebehoeftenvandeklant
(Heimbach e.a., 2015; Järvinen& Taiminen, 2016;Montgomery& Smith, 2009). Het enige verschil
wasdatdeterm‘marketingmix’nietvoorkwamindeinterviews;meestalwerddeterm‘content’als
synoniemgebruikt.Zoalsverwachtisergeeneenduidigtheoretischmodeldatallefactorenverklaart,
maar is het een combinatie van determinanten uit verschillende theoretische modellen. Uit de
interviews kwam naar voren dat de resultaten die eenMA-systeem oplevert, primair zijn voor de
adoptie ervan (zie figuur 17). Waarbij resultaten hoofdzakelijk gelijk worden gesteld aan het
genererenvanleads.DekritiekopdeIDT(ziehoofdstuk2.4.1)wordtnietbevestigd,dathetvijftigjaar
oudemodel nietmeer van toepassing is voor hoogtechnologische systemen, zoalsMA. Echter, de
determinant‘relatiefvoordeel’wordtalsbelangrijkgeziendoorzowelCMO’salsmarketingmanagers.
Deze determinant wordt door Rogers beschouwd als de beste voorspeller van acceptatie (Rogers,
1962).DeconclusiedieRogersinzijnonderzoekvondoverdebestevoorspellerkomtovereenmetde
resultaten van dit onderzoek. Vervolgens komt de determinant ‘resultaten’ aan bod uit het TAM2
(Venkateshe.a.,2000).Alslaatsteiserdedeterminant‘verwachtingvanperformantie’vandeUTAUT.
Deze komt volgens Venkatesh overeen met ‘gepercipieerd nut’ van het TAM. Besproken
determinantenwordenals zodanig samengevoegdonderhetbegrip ‘performantie’opbasis vande
gelijkenissenuitdebevindingenindecontextvanadoptievanMA.
VervolgensiscompatibiliteitbelangrijkindeadoptievanMA,overeenkomstigmetdeIDTvanRogers.
IndeinterviewswerdenerzijdsverwezennaardecompatibiliteitvanMAmetanderesystemen,zoals
CRM. Anderzijds wordt compatibiliteit bedoelt van een onderneming met de verschillende
departementen.Daarmeesamenhangendkomtgebruiksvriendelijkheidencomplexiteit vanMAaan
bod.EmpirischonderzoektoontaandateenMA-systeemgebruiksvriendelijkdienttezijnomhet in
gebruiktenemen.AlsookspeeltgebruiksvriendelijkheidinhetTAM1enTAM3eenbelangrijkerolbij
adoptievantechnologie.Eenverbandtussengebruiksvriendelijkheidenvertrouwenwerdechterniet
waargenomen,zoalshetAAMsuggereert.
Waarneembaarheidenaantoonbaarheidvanresultatenwordtalseendeterminantaanzien.Volgens
Rogers stelt waarneembaarheid de mate voor waarin de resultaten zichtbaar zijn voor
anderen(Rogers, 1962). Venkatesh en Davis omschrijven aantoonbaarheid als demate waarin een
managergelooftdathetresultaatconcreetenwaarneembaaris(Venkatesh&Davis,2000).
69
Dezedeterminantenzijnvolgensempirischonderzoekovereenkomstig.Ondernemingenbenadrukken
dat een overzicht van resultaten cruciaal is voor het functioneren van een onderneming. Uit
bovenstaande conclusies blijkt dat essentiële determinanten voor ondernemingen voornamelijk
gelinkt zijn aan de IDT van Rogers met performantie, compatibiliteit, complexiteit,
waarneembaarheid.
Verder vinden CMO’s en marketingmanagers vertrouwen een belangrijke determinant in hun
keuzeproces.DezevolgensliteratuurnieuweenweinigbestudeerdedeterminantbevestigthetAAM,
dat vertrouwen wel degelijk invloed uitoefent op de adoptie van automatisatiesystemen. Daarbij
stond vertrouwen volgens de respondenten in direct verband met adoptie. Dit resultaat vonden
Carter&Bélangerookinhunonderzoek(Carter&Bélanger,2005).Verderspeeltdataprotectieeen
rol bij het vertrouwen van een MA-systeem. Het beschermen van gegevens is voor de manager
belangrijk.
Technologische kennis komt meermaals naar voor tijdens de interviews als technologische
bekwaamheid, plezier om software te gebruiken en ermee aan de slag te gaan, of de manager
technologie beschouwt als een belemmering door onvoldoende kennis (Venkatesh & Bala, 2008).
Zodoende worden deze uitbreiddingen gebundeld onder de noemer ‘technologische kennis’. Deze
omvatomschrevensubdeterminantendieaanelkaargelinktwordenopbasisvanantwoordenuithet
empirischonderzoek.GepercipieerdecontrolebetekentinhetTAM3ofdemanagerervanovertuigd
isdatertechnischeondersteuningisbijhetgebruikvanMA.HetzelfdewordtgebruiktinhetUTAUT-
model.Defactor‘waargenomengedragscontrole’wordtdoordeTPBgebruiktomaantetonenofeen
manager in staat is om controle te hebben over technologie, op basis van percepties van eigen
kunnen (Ajzen, 1991). Attitude lijkt van belang indien de manager overtuigd is en een positieve
houding heeft tegenover MA, dan neemt de kans toe tot adoptie van het systeem, zoals Ajzen
omschreefindeTPB(1991).
DetrialabilityuitdeIDTwordtbeschouwalseendeterminant.ZowelmarketingmanagersalsCMO’s
vindenhet belangrijk omeenMA-systeem te kunnen testen zonder enige verplichtingen.De laatst
gevonden determinant is ‘subjectieve norm’. Determinanten ‘subjectieve norm’ en ‘imago’ uit het
TAM 2, ‘sociale invloed’ uit het UTAUT-model dragen weinig bij in de adoptie vanMA.Managers
verklarendathunsocialeomgevingenpotentietotverhogingvanhunimagoweinigbijdraagtinhet
aankoopprocesvaneenMA-systeem.
70
Ervaring speelt volgens de empirische gegevens een belangrijkere rol bij zowel CMO’s als
marketingmanagers.‘Ervaring’iseenmoderatorinhetTAM2.Volgensditmodeldaaltheteffectvan
subjectievenormalseenmanagermeerervaringheeft.Dezeconclusies zijnniet gevonden indeze
studie. ‘Geslacht’ is volgens de literatuur een moderator op subjectieve norm, complexiteit en
performantie(Morris&Venkatesh,2000;ViswanathVenkatesh,MichaelG.Morris,GordonB.Davis
e.a.,2003).Dezeeffectenwerdennietgevondenindeinterviewsmetverschillendemanagers.Tussen
sectorendaarentegenzijnerwelverschillenmerkbaar.Leeftijd,eenmoderatorinhetUTAUT-model,
heeftvolgensliteratuureenimpactopperformantie.Bevindingeninditonderzoekzijninlijnmethet
UTAUT-model, waarbij jongere managers meer belang hechten aan performantie dan oudere
managers(ViswanathVenkatesh,MichaelG.Morris,GordonB.Davise.a.,2003).Verderstaaterniets
omschrevenindehuidigeliteratuuropvlakvanverschillendesectorenenadoptievantechnologieof
gelijkaardig. Uit de bevindingen blijkt dat de ICT-sector een andere attitude bezit dan andere
sectoren.DaaropvolgendisereenverschilinhetdoelvanMAtussendeB2B-sectorenB2C-sector.In
hetliteratuuronderzoekwordthierechtergeenonderscheidingemaakt.DeB2B-sectorgebruiktMA
hoofdzakelijk om het aantal leads te verhogen. Daarentegen gaat men bij B2C op zoek naar
personalisatie en aanbevelingen in MA. Indien een onderneming zich focust op consumenten of
ondernemingen heeft een verschil in conformiteit met een MA-systeem. Als laatste is het
noemenswaardigdat‘prijs’nietinalsdeterminantwordtopgenomen.Volgensdebevindingenspeelt
de aankoopprijs geen rol, dit geldt voor zowel voormannen als vrouwen. Omdat er vooral wordt
gekeken naar wat het systeem oplevert. Dit is in contrast met het UTAUT 2-model (Venkatesh &
Davis,2000).
Tot slot worden de ondernemingen in dit onderzoek gekenmerkt als ‘early adopters’ en ‘early
majority’,volgenshetadoptieprocesvanhetIDT(ziefiguur6)(Rogers,1962).
71
Vraag2:Hoedraagtkunstmatigeintelligentiebijaandeadoptievanmarketingautomatisatie?
In de literatuur wordt KI omschreven als een verzamelnaam voor meerdere aspecten, waaronder
dataminingenmachinaallerenaandehandvanbigdata(Goodfellow,Bengio,&Courville,2016).Ook
ondernemingendefiniërenKIopdiemanier.DetheoretischeuitlegoverKIinrelatietotMA,verschilt
nietvandeuitlegdie inde interviewsgegevenwerd.Ondernemingenziende invloedvanMAenKI
teruginhetefficiëntverzamelenenverwerkenvangegevens.Dataminingwerdveelbesprokeninde
interviews. Met de komst van KI, kan dit voortaan automatisch gebeuren, tot vreugde van de
ondernemers.Daarvooriservolgensliteratuuronderzoekenigszinsbigdataenmachinaallerenvoor
vereist(Munoz,2014).
Ondernemers zien KI zowel als determinant als moderator. KI heeft een positief effect op de
determinanten ‘performantie’ en ‘waarneembaarheid’. Het is immers het resultaat dat telt. Een
onderdeel van KI is machinaal leren. Ondernemingen zien voordelen in het automatiseren van
scoringsregels. In het literatuuronderzoek worden scoringsregels en aanbevelingen besproken.
Onderzoek geeft weer wat dat op basis van gedefinieerde regels een klantprofiel kan worden
samengesteldopbasisvanacties(Munoz,2014;Sharmae.a.,2010).VolgensondernemingenheeftKI
ookdepotentieomdezeregelsteblijvenoptimaliseren.
Voortvloeiend uit de bevindingen in hoofdstuk 4.2 werden enkele zorgen benadrukt over het
ontbrekenvan spontaniteiten controlealsKIwordt ingezet. Zowordtdeze zorg in verbandgelegd
met de determinanten vertrouwen en controle. Waarin een gebrek aan vertrouwen wordt geuit
wanneer een automatisatiesysteem zelf beslissingen neemt. Daarnaast vinden ondernemingen het
belangrijkomenigevormvancontrole tehebben, zodat zij tijdigkunnen ingrijpen.KIwordtopdie
manierdoorondernemingenalsnegatievemoderatorgezien.
AldezeelementenzijnvanbelangvoorondernemingenbijhetaannemenvanMAincombinatiemet
KI. In figuur 17 is aan de ene kant te zien welke werking KI op adoptie van MA heeft als
determinanten, aan de andere kant is te zien op welke determinanten KI invloed uitoefent als
moderator.ZoheeftKIenkelerollen inMAengeeftditonderzoekaandatde impacthiervan inde
toekomstnogverderzaluitbreidden.
72
6.Discussie
6.1BestuurlijkeimplicatiesEmpirische en theoretische bevindingen pleiten voor de opkomst van MA in bedrijven.
Ondernemingenuitallerleisectorenbeginnenhettotopzekerehoogtetegebruikten.Figuur18toont
de determinanten gerangschikt volgens hun gewicht die bepalen of een MA-systeem succesvol
ingevoerdkanwordenineenonderneming.Hierdienthetbestuurdusrekeningmeetehouden.
Figuur18:Factorenvoorsuccesvolleimplementatievanmarketingautomatisatie
Daarnaast zijn er tweemoderatoren die bovenstaande determinanten positief of negatief kunnen
beïnvloeden.Zo iserenerzijdsdesectorwaareenondernemingzich inbevindt,bijvoorbeeldofde
ondernemingactiefisindeB2B-ofB2C-sector.Anderzijdsiseenjongemanagermeertoegelegdop
resultatendieMAkangenerenintegenstellingtotouderemanagers.
73
6.2EvaluatieVolgensonderzoekwordenbetrouwbaarheidenvaliditeitgebruiktomeenkwalitatiefonderzoek te
evalueren. Met betrouwbaarheid wordt bedoeld in welke mate de procedures of maatregelen
dezelfde resultaten behalen. Validiteit wordt omschreven als in hoeverre de conclusies van het
onderzoekeengoedeomschrijvinggevenvanwaterpreciesisgebeurd(Eriksson&Kovalainen,2008).
De geïnterviewde ondernemingen zijn geselecteerd op basis van toeval, omdat er geen officiële
gegevensoflijstenbestaanvanondernemingendieMAgebruikenalsonderdeelvanhunmarketing.
Aanhetonderzoeknamenverschillendeondernemingendeel.Hierdoor kangesteldwordendatde
gevonden antwoorden voldoende variatie bevatten. Anderzijds kwam er na negen interviews,
observatiesgeennieuweinformatiebij.Ertradinhoudelijkeverzadigingoftewelsaturatieop,duskan
worden aangenomen dat er geen verdere variatie in de antwoorden zou plaatsvinden. Op deze
manierkanhetonderzoekalsbetrouwbaarwordenbeschouwd.
Het doel van deze studiewas om inzicht te krijgen in de determinanten van adoptie vanMA. Het
onderzoek is uitgevoerd uit het oogpunt van een onderneming. De studie was in staat om solide
antwoordentegeven,endeconclusieverschaftpraktischehulpmiddelenvoorondernemingenomin
twee fasen te benutten: bij het aanwerven van een MA-systeem, en wanneer het systeem al in
gebruikgenomenis.
6.3AanbevelingenOm een gedetailleerd inzicht te verwerven in de adoptie van marketing automatisatie, is een
kwantitatiefvervolgonderzoekvereist.Indehuidigestudieisenkelgebruikgemaaktvankwalitatieve
methoden.Ditbetekentdatdeantwoordenafkomstigzijnuiteenbeperktesteekproef.
DebasisvanMAligt inklantgegevens.Wanneerdezegegevenswordenmisbruikt,kandegebruiker
hetgevoelhebbendatzijnprivacygeschondenis.Ondernemingenhebbenhunzorgengeuitoverhet
ontbrekenvanspontaniteitencontroleoverdedata, inrelatiemetKI.Daaromzoueenstudienaar
privacy vanuit het klantenperspectief een meerwaarde betekenen voor een marketingmanager of
CMOdiedecontentcreëerten/ofdeautomatiseringstuurt.
Indeacademische literatuur isdeadoptievanMAeenonbekendonderwerp,voornamelijkdoordat
hetnogniettoegepastwordtinalleondernemingen,zoalsCRM.BovendienkentMAeenstijgingvan
het aantal aanbieders. Daarom is het belangrijk om dit onderwerp verder te onderzoeken en het
kaderinfiguur17verderteontwikkelen.
74
Literatuurlijst/Bibliografie
AberdeenGroup.(2014).ResearchReport|StateofMarketingAutomation2014:ProcessesthatProduce.
Adams,D.A.,Nelson,R.R.,&Todd,P.A.(1992).PerceivedUsefulness,EaseofUse,andUsageofInformationTechnology :AReplication.MISQuarterly,16(2),227–247.https://doi.org/10.2307/249577
Agarwal,R.,&Prasad,J.(1997).TheRoleofInnovationCharacteristicsandPerceivedVoluntarinessintheAcceptanceofInformationTechnologies.DecisionSciences,28(3),557–582.https://doi.org/10.1111/j.1540-5915.1997.tb01322.x
Aguilar-Savén,R.S.(2004).Businessprocessmodelling:Reviewandframework.InternationalJournalofProductionEconomics,90(2),129–149.https://doi.org/10.1016/S0925-5273(03)00102-6
Ajzen,I.(1975).Belief,Attitude,Intention,Behavior :AnIntroductiontoTheoryandResearch.Addison-WesleyPub.Co.
Ajzen,I.(1985).Fromintentionstoactions:Atheoryofplannedbehavior.Actioncontrol:Fromcognitiontobehavior,11–39.https://doi.org/10.1007/978-3-642-69746-3_2
Ajzen,I.(1991).Thetheoryofplannedbehavior.OrgnizationalBehaviorandHumanDecisionProcesses,50(2),179–211.https://doi.org/10.1016/0749-5978(91)90020-T
Ajzen,I.,&Fishbein,M.(1980).Understandingattitudesandpredictingsocialbehavior.EnglewoodCliffsNYPrenticeHall,278,278.https://doi.org/Z
Ajzen,I.,&Fishbein,M.(2000).AttitudesandtheAttitude-BehaviorRelation:ReasonedandAutomaticProcesses.EuropeanReviewofSocialPsychology,11(1),1–33.https://doi.org/10.1080/14792779943000116
Andreasen,A.R.(1994).SocialMarketing:Itsdefinitionanddomain.JournalofPublicPolicy&Marketing,13(1),108–114.https://doi.org/10.2307/30000176
Ansari,A.,&Mela,C.F.(2003).E-Customization.JournalofMarketingResearch,40(2),131–145.https://doi.org/10.1509/jmkr.40.2.131.19224
Aquino,J.(2013).Growingprofitswithmarketingautomation.CRMMagazine,17(5),32–35.
Armitage,C.J.,&Conner,M.(2001).EfficacyoftheTheoryofPlannedBehaviour:ameta-analyticreview.TheBritishjournalofsocialpsychology/theBritishPsychologicalSociety,40(Pt4),471–499.https://doi.org/10.1348/014466601164939
Ascend2Research.(2015).MarketingAutomationStrategiesforSustainingSuccess.
Ash,T.(2012).Landingpageoptimization:Thedefinitiveguidetotestingandtuningforconversions.WileyPublishing,Inc.,1–27.https://doi.org/10.1145/358438.349303
Atwong,C.T.,&Hugstad,P.S.(1997).InternetTechnologyandtheFutureofMarketingEducation.JournalofMarketingEducation,19(3),44–55.https://doi.org/10.1177/027347539701900305
Bajaj,A.,&Nidumolu,S.R.(1998).Afeedbackmodeltounderstandinformationsystemusage.Information&Management,33(4),213–224.https://doi.org/10.1016/S0378-7206(98)00026-3
Bakan,D.(1966).Thedualityofhumanexistence:Isolatio1.BakanD.Thedualityofhumanexistence:IsolationandcommunioninWesternman.BeaconPress(MA);1966.nandcommunioninWesternman.BeaconPress.
75
BakerMiller,J.(1986).TowardaNewPsychologyofWomen.BeaconPress.
Balasubraman,S.,Peterson,R.A.,&Jarvenpaa,S.L.(2002).ExploringtheImplicationsofM-CommerceforMarketsandMarketing.JournaloftheAcademyofMarketingScience,30(4),348–361.https://doi.org/10.1177/009207002236910
Bandura,A.(1977).Towardaunifyingtheoryofbehavioralchange.PsychologicalReview,84(2),191–215.https://doi.org/10.1037/0033-295X.84.2.191
Baran,R.J.,Galka,R.J.,&Strunk,D.P.(2008).PrinciplesofCustomerRelationshipManagement.MasonOH[etc.]:Thomson/South-Western.
Barki,H.,&Hartwick,J.(1994).ExplainingtheroleofuserparticipationininformationsystemuseParticipationvs.InvolvementTheoryofReasonedAction(TRA).ManagementScience,40(4),440–465.
Bellman,R.(1978).AnIntroductiontoArtificialIntelligence:CanComputersThink?Boyd&FraserPub.Co.
Boeije,H.(2009).AnalysisinQualitativeResearch.SAGE.
Bondarouk,T.V.,terHorst,V.,&Engbers,S.(2009).Exploringperceptionsabouttheuseofe-HRMtoolsinmediumsizedorganizations.InHandbookofresearchone-transformationandhumanresourcesmanagementtechnologies:organizationaloutcomesandchallenges(pp.304–323).IGIGlobal.https://doi.org/10.4018/978-1-60566-304-3.ch018
Bostrom,N.(2003).EthicalIssuesinAdvancedArtificialIntelligence.Cognitive,EmotiveandEthicalAspectsofDecisionMakinginHumansandinArtificialIntelligence,2,12–17.
Brinker,S.(2016).HackingMarketing:AgilePracticestoMakeMarketingSmarter,Faster,andMoreInnovative.
Brinker,S.,&McLellan,L.(2014).Theriseofthechiefmarketingtechnologist.HarvardBusinessReview.
Bucklin,R.E.,Lattin,J.M.,Ansari,A.,Gupta,S.,Bell,D.,Coupey,E.,…Steckel,J.(2002).ChoiceandtheInternet:FromClickstreamtoResearchStream.MarketingLetters,13(3),245–258.https://doi.org/10.1023/A:1020231107662
Bucklin,R.E.,Lattin,J.M.,Ansari,A.,Gupta,S.,Bell,D.,Little,J.D.C.,…Steckel,J.(2002).FromClickstreamChoiceandtheInternet :toStream.MarketingLetters,13,245–258.
Bucklin,R.E.,Lehmann,D.R.,Warren,G.E.,&Little,J.D.C.(1998).FromDecisionSupporttoDecisionAutomation:A2020Vision.MarketingLetters,93(3),235–246.https://doi.org/10.1023/A:1008047504898
Bysinger,B.(1996).InvestinginInformationTechnology:ADecision-MakingGuideforBusinssan.JohnWiley&Sons.
Carson,D.(2001).Qualitativemarketingresearch.SAGE.
Carter,L.,&Bélanger,F.(2005).Theutilizationofe-governmentservices:Citizentrust,innovationandacceptancefactors.InformationSystemsJournal,15(1),5–25.https://doi.org/10.1111/j.1365-2575.2005.00183.x
Chakrabarti,S.,Ester,M.,Fayyad,U.,&Gehrke,J.(2012).Dataminingcurriculum:aproposal,Version1.0(2006).www.Kdd.Org/Curriculum/.
76
Chan,K.Y.,Gong,M.,Xu,Y.,&Thong,J.Y.L.(2008).ExamininguseracceptanceofSMS:AnempiricalstudyinChinaandHongKong.InProceedingsof12thPacificAsiaConferenceinInformationSystem(p.294).
Choudhury,M.M.,&Harrigan,P.(2014).CRMtosocialCRM:theintegrationofnewtechnologiesintocustomerrelationshipmanagement.JournalofStrategicMarketing,22(2),149–176.https://doi.org/10.1080/0965254X.2013.876069
Compeau,D.R.,&Higgins,C.A.(1995a).Applicationofsocialcognitivetheorytotrainingforcomputerskills.Informationsystemsresearch,6(2),118–143.https://doi.org/10.1287/isre.6.2.118
Compeau,D.R.,&Higgins,C.A.(1995b).DevelopmentofaMeasureandInitialTest.MISQuarterly,19(2),189–211.https://doi.org/10.2307/249688
Coner,A.(2003).Personalizationandcustomizationinfinancialportals.JournalofAmericanAcademyofBusiness.
Cooper,R.(2007).AdoptieEnDiffusieVanInnovaties :EverettRogers,(3),12–13.
D’Haen,J.,&VandenPoel,D.(2013).Model-supportedbusiness-to-businessprospectpredictionbasedonaniterativecustomeracquisitionframework.IndustrialMarketingManagement,42(4),544–551.https://doi.org/10.1016/j.indmarman.2013.03.006
Darley,W.K.,&Smith,R.E.(1995).Genderdifferencesininformationprocessingstrategies:Anempiricaltestoftheselectivitymodelinadvertisingresponse.JournalofAdvertising,24(1),41–56.https://doi.org/10.1080/00913367.1995.10673467
Dasgupta,S.,Granger,M.,&McGarry,N.(2002).Useracceptanceofe-collaborationtechnology:Anextensionofthetechnologyacceptancemodel.InGroupDecisionandNegotiation(Vol.11,pp.87–100).KluwerAcademicPublishers.https://doi.org/10.1023/A:1015221710638
Davis,F.D.(1989).PerceivedUsefulness,PerceivedEaseofUse,andUserAcceptanceofInformationTechnology.MISQuarterly,13(3),319–340.https://doi.org/10.2307/249008
deRijcke,J.(2000).HandboekMarketing.Garant.
Deaux,K.,&Kite,M.E.(1987).ThinkingaboutGender.Analyzinggender:Ahandbookofsocialscienceresearch,92–117.https://doi.org/10.2307/3809877
Dervin,B.(2015).Informationseekingbehaviorandtechnologyadoption:Theoriesandtrends.InformationSeekingBehaviorandTechnologyAdoption:TheoriesandTrends.https://doi.org/10.4018/978-1-4666-8156-9
Dijkstra,A.(2008).ThePsychologyofTailoring-IngredientsinComputer-TailoredPersuasion.SocialandPersonalityPsychologyCompass2/2,2(2),765–784.https://doi.org/10.1111/j.1751-9004.2008.00081.x
Dishaw,M.T.,&Strong,D.M.(1999).ExtendingtheTechnologyAcceptanceModelwithTask-TechnologyFitConstructs.InformationManagement,36(1),9–21.https://doi.org/10.1016/S0378-7206(98)00101-3
Dubois,A.,&Gadde,L.E.(2002).Systematiccombining:Anabductiveapproachtocaseresearch.JournalofBusinessResearch,55(7),553–560.https://doi.org/10.1016/S0148-2963(00)00195-8
Durga,A.(2015).AGuidetoEmailMarketingandMarketingAutomationTools.EContent,38(6),30–31.
77
Eriksson,P.,&Kovalainen,A.(2008).Qualitativemethodsinbusinessresearch.SAGE.
Farris,P.W.,Bendle,N.T.,Pfeifer,P.E.,&Reibstein,D.J.(2010).MarketingMetrics:TheDefinitiveGuidetoMeasuringMarketingPerformance.SecondEdition.FTPress.
Fathema,N.,Ross,M.,&Witte,M.(2014).StudentAcceptanceofUniversityWebPortals:AQuantitativeStudy.InternationalJournalofWebPortals,6(2),42–58.https://doi.org/10.4018/ijwp.2014040104
Fjermestad,J.,&Nicholas,R.(2015).ElectronicCustomerRelationshipManagement,4(2),224.
Flick,U.(2002).Anintroductiontoqualitativeresearch.InformationSystemsJournal(Vol.9).Sage.https://doi.org/10.1109/TVCG.2007.70541
Ford,D.,&Saren,M.(2001).ManagingandMarketingTechnology(Vol.2001).
Gefen,D.,Karahanna,E.,&Straub,D.W.(2003).TrustandTAMinOnlineShopping:AnIntegratedMode.MISQuarterly,27(1),51–90.https://doi.org/10.1017/CBO9781107415324.004
Ghazizadeh,M.,Lee,J.D.,&Boyle,L.N.(2012).ExtendingtheTechnologyAcceptanceModeltoassessautomation.Cognition,Technology&Work,14(1),39–49.https://doi.org/10.1007/s10111-011-0194-3
Goodfellow,I.,Bengio,Y.,&Courville,A.(2016).Deeplearning.MITPress.
Gummesson,E.(2008).RelationshipMarketingintheNewEconomy.JournalofRelationshipMarketing(Vol.1).Taylor&FrancisGroup.https://doi.org/10.1300/J366v01n01_04
Gurău,C.,Ranchhod,A.,&Hackney,R.(2003).Customer-CentricStrategicPlanning:IntegratingCRMinOnlineBusinessSystems.InformationTechnologyandManagement,4(2/3),199–214.https://doi.org/10.1023/A:1022902412594
Hajihosseini,M.,Faradmal,J.,&Sadighi-Pashaki,A.(2015).Survivalanalysisofbreastcancerpatientsaftersurgerywithanintermediateevent:Applicationofillness-deathmodel.IranianJournalofPublicHealth,44(12),1677–1684.https://doi.org/http://dx.doi.org/10.1108/17506200710779521
Hasher,L.,&Zacks,R.T.(1979).Automaticandeffortfulprocessesinmemory.JournalofExperimentalPsychology:General,108(3),356–388.https://doi.org/10.1037/0096-3445.108.3.356
Hauer,C.(2011).MarketingintheDigitalAge.Editors’Bulletin,7(3),77–79.https://doi.org/10.1080/17521742.2011.685643
Heijden,H.Vander.(2004).Useracceptanceofhedonicinformationsystems.MISQuarterly,28(4),695–704.https://doi.org/10.2307/25148660
Heimbach,I.,Kostyra,D.S.,&Hinz,O.(2015,april3).MarketingAutomation.BusinessandInformationSystemsEngineering.https://doi.org/10.1007/s12599-015-0370-8
Hernández,B.,Jiménez,J.,&Martín,M.J.(2008).ExtendingthetechnologyacceptancemodeltoincludetheITdecision-maker:Astudyofbusinessmanagementsoftware.Technovation,28(3),112–121.https://doi.org/10.1016/j.technovation.2007.11.002
Hilker,C.(2017).GrundlagendesContentMarketing.InContentMarketinginderPraxis(pp.1–69).Wiesbaden:SpringerFachmedienWiesbaden.https://doi.org/10.1007/978-3-658-13883-7_1
78
Holbrook,M.B.,&Hirschman,E.C.(1982).Theexperientialaspectsofconsumption:Consumerfantasies,feelings,andfun.JournalofConsumerResearch,9(2),132–140.https://doi.org/10.1086/208906
Holliman,G.,&Rowley,J.(2014).Businesstobusinessdigitalcontentmarketing:marketers’perceptionsofbestpractice.JournalofResearchinInteractiveMarketing,8(4),269–293.https://doi.org/10.1108/JRIM-02-2014-0013
Holliman,G.,Rowley,J.,&Smith,K.T.(2012).LongitudinalstudyofdigitalmarketingstrategiestargetingMillennials.JournalofConsumerMarketingIssJournalofResearchinInteractiveMarketingRezaKianiInternetResearchIssAmericanManagementAssociationJournalofConsumerMarketing,29(5),86–92.https://doi.org/10.1108/07363761211206339
Homayouni,A.,Azizi,A.,Javadi,M.,Mahdipour,S.,&Ejtahed,H.(2012).Factorsinfluencingprobioticsurvivalinicecream:Areview.InternationalJournalofDairyScience.https://doi.org/10.3923/ijds.2012.1.10
Hubspot.(2015).WhatisMarketingAutomation?Geraadpleegd7maart2017,vanhttps://www.hubspot.com/marketing-automation-information
Hung,L.P.(2005).Apersonalizedrecommendationsystembasedonproducttaxonomyforone-to-onemarketingonline.ExpertSystemswithApplications,29(2),383–392.https://doi.org/10.1016/j.eswa.2005.04.016
IcekAjzen.(2002).PerceivedBehavioralControl,Self-Efficacy,LocusofControl,andtheTheoryofPlannedBehavior.JournalofAppliedSocialPsychology,80(6),2918–2940.https://doi.org/10.1111/j.1559-1816.2002.tb00236.x
Järvinen,J.,&Taiminen,H.(2016).HarnessingmarketingautomationforB2Bcontentmarketing.IndustrialMarketingManagement,54,164–175.https://doi.org/10.1016/j.indmarman.2015.07.002
Jennings,J.M.,&Jacoby,L.L.(1993).Automaticversusintentionalusesofmemory:aging,attention,andcontrol.PsycholAging,8(2),283–293.https://doi.org/10.1037/0882-7974.8.2.283
Kantrowitz,A.(2014).TheCMO’sGuidetoMarketingAutomation|Digital-AdAge.Geraadpleegd7maart2017,vanhttp://adage.com/article/digital/cmo-s-guide-marketing-automation/294524/
Karahanna,E.,Agarwal,R.,&Angst,C.(2006).ReconceptualizingCompatibilityBeliefsinTechnologyAcceptanceResearch.MISQuarterly,30(4),781–804.https://doi.org/10.2307/25148754
Karahanna,E.,Straub,D.W.,&Chervany,N.L.(1999).InformationTechnologyAdoptionAcrossTime:ACross-SectionalComparisonofPre-AdoptionandPost-AdoptionBeliefs.MISQuarterly,23(2),183.https://doi.org/10.2307/249751
Karjaluoto,H.(2010).Digitaalinenmarkkinointiviestintä.Esimerkkejäparhaistakäytännöistäyritys-jakuluttajamarkkinointiin.Jyväskylä:Docendo.
Khanlari,A.(2015).Strategiccustomerrelationshipmanagementintheageofsocialmedia.(A.Khanlari,Red.).IGIGlobal.https://doi.org/10.4018/978-1-4666-8586-4
Kim,D.,&Benbasat,I.(2006).TheEffectsofTrust-AssuringArgumentsonConsumerTrustinInternetStores:ApplicationofToulmin’sModelofArgumentation.InformationSystemsResearch,17(3),286–300.https://doi.org/10.1287/isre.1060.0093
Klos,T.,Somefun,K.,&LaPoutré,H.(2011).Automatedinteractivesalesprocesses.IEEEIntelligentSystems,26(4),54–60.https://doi.org/10.1109/MIS.2010.34
79
Kohavi,R.(1998).GlossaryofTerms.MachineLearning,30,371–374.
Kralingen,R.M.van(RolandM..(2014).Frontrunners :de8eigenschappenvanmarktleiders.AdfoGroep|UitgeverijBusinessContact.
Lazaris,C.,Vrechopoulos,A.,Katerina,F.,&Doukidis,G.(2014).Exploringthe“Omnichannel”ShopperBehaviour.InAMASERVSIG,InternationalServiceResearchConference,13-15June(pp.1–5).https://doi.org/10.13140/2.1.1278.2089
Legris,P.,Ingham,J.,&Collerette,P.(2003).Whydopeopleuseinformationtechnology?Acriticalreviewofthetechnologyacceptancemodel.InformationandManagement,40(3),191–204.https://doi.org/10.1016/S0378-7206(01)00143-4
Leppaniemi,M.,&Karjaluoto,H.(2005).Factorsinfluencingconsumers’willingnesstoacceptmobileadvertising:aconceptualmodel.InternationalJournalofMobileCommunications,3(3),197.https://doi.org/10.1504/IJMC.2005.006580
Li,S.S.,&Karahanna,E.(2015).OnlineRecommendationSystemsinaB2CE-CommerceContext :AReviewandFutureDirectionsOnlineRecommendationSystemsinaB2CE-commerceContext :AReviewandFutureDirections.JournaloftheAssociationforInformationSystems,16(2),72–107.
Limayem,M.,Hirt,S.G.,&Cheung,C.M.K.(2007).HowHabitLimitsthePredictivePowerofIntention:TheCaseofInformationSystemsHowHabitLimitsthePredictivePowerofIntention:TheCaseofInformationSystemsContinuance1.Source:MISQuarterly,31(4),705–737.
Lin,C.O.Y.,&Yazdanifard,R.(2014).HowGoogle’sNewAlgorithm,Hummingbird,PromotesContentandInboundMarketing.AmericanJournalofIndustrialandBusinessManagement,4(1),51–57.https://doi.org/10.4236/ajibm.2014.41009
Little,J.D.C.(2001).Marketingautomationontheinternet.InUCBerkeleyFifthInvitationalChoiceSymposium.Monterey.
Lu,J.,Yu,C.,Liu,C.,&Yao,J.E.(2003).TechnologyacceptancemodelforwirelessInternet.InternetResearch,13(3),206–222.https://doi.org/10.1108/10662240310478222
Maes,P.(2016).Disruptiveselling :eennieuwekijkopsales,marketingencustomerservice.LannooCampus.
Malhotra,N.(2002).Integratingtechnologyinmarketingeducation:Perspectiveforthenewmillennium.MarketingEducationReview.
Martínez-López,F.J.,&Casillas,J.(2013).Artificialintelligence-basedsystemsappliedinindustrialmarketing:Anhistoricaloverview,currentandfutureinsights.IndustrialMarketingManagement,42(4),489–495.https://doi.org/10.1016/j.indmarman.2013.03.001
Mathieson,K.(1991).Predictinguserintentions:Comparingthetechnologyacceptancemodelwiththetheoryofplannedbehavior.InformationSystemsResearch,2(3),173–191.https://doi.org/10.1287/isre.2.3.173
Minton,H.L.,Schneider,F.W.,&Wrightsman,L.S.(1980).DifferentialPsychology.ProspectHeights,IL :Wave-land.https://doi.org/10.1163/_q3_SIM_00374
Mohr,L.B.(1969).DeterminantsofInnovationinOrganizations.TheAmericanPoliticalScienceReview,63(1),111–126.https://doi.org/10.2307/1954288
Montgomery,A.L.,&Smith,M.D.(2009).ProspectsforPersonalizationontheInternet.JournalofInteractiveMarketing,23(2),130–137.https://doi.org/10.1016/j.intmar.2009.02.001
80
Moore,G.C.,&Benbasat,I.(1991).Developmentofaninstrumenttomeasuretheperceptionsofadoptinganinformationtechnologyinnovation.InformationSystemsResearch,2(3),192–222.https://doi.org/10.1287/isre.2.3.192
Morris,M.G.,&Venkatesh,V.(2000).AgeDifferencesinTechnologyAdoptionDecisions:ImplicationsforAChanginWorkForce.PersonnelPsychology,53(2),375–403.https://doi.org/10.1111/j.1744-6570.2000.tb00206.x
Munoz,A.(2014).MachineLearningandOptimization.CourantInstituteofMathematicalSciences.
Newell,A.,&Rosenbloom,P.S.(1981).Mechanismsofskillacquisitionandthelawofpractice.CognitiveskillsandtheirAcquisition(Vol.6).
Newell,S.,Robertson,M.,&Swan,J.(2001).ManagementFadsandFashions.Organization,8(1),5–15.https://doi.org/10.1177/135050840181001
Nigg,C.R.,Lippke,S.,&Maddock,J.E.(2009).Factorialinvarianceofthetheoryofplannedbehaviorappliedtophysicalactivityacrossgender,age,andethnicgroups.PsychologyofSportandExercise,10(2),219–225.https://doi.org/10.1016/j.psychsport.2008.09.005
Nysveen,H.,Pedersen,P.E.,&Thorbjørnsen,H.(2005).IntentionstoUseMobileServices:AntecedentsandCross-ServiceComparisons.JournaloftheAcademyofMarketingScience,33(3),330–346.https://doi.org/10.1177/0092070305276149
Odden,L.(2015).WhatDoesDigitalMarketingMean?Definitionsfrom9CMO’s.Geraadpleegd6mei2017,vanhttp://www.toprankblog.com/2014/07/digital-marketing/
Packer,M.J.(2011).Thescienceofqualitativeresearch.CambridgeUniversityPress.
Pavlou,P.A.(2003).ConsumerAcceptanceofElectronicCommerce:IntegratingTrustandRiskwiththeTechnologyAcceptanceModel.InternationalJournalofElectronicCommerce/Spring,7(3),69–103.
Pavlou,P.A.,&Fygenson,M.(2006).UnderstandingandPredictingElectronicCommerceAdoption:AnExtensionofTheTheoryofPlannedBehavior.MISQuarterly,30(1),115–143.https://doi.org/10.2307/25148720
Peres,R.,Muller,E.,&Mahajan,V.(2010).Innovationdiffusionandnewproductgrowthmodels:Acriticalreviewandresearchdirections.InternationalJournalofResearchinMarketing,27(2),91–106.https://doi.org/10.1016/j.ijresmar.2009.12.012
Reinhold,M.,&Reinhold,S.(2014).Data-drivenIntelligenceforSMEE-Business:AMarketingandSalesPerspective.MarketingReviewSt.Gallen,31(4),52–59.https://doi.org/10.1365/s11621-014-0381-8
Richardson,N.,James,J.,&Kelley,N.(2015).Customer-CentricMarketing:SupportingSustainabilityintheDigitalAge.
Rigby,D.K.,Reichheld,F.F.,&Schefter,P.(2002).AvoidthefourperilsofCRM.HarvardBusinessReview.https://doi.org/10.1287/mnsc.1070.0767
Roberts,M.L.(2003).Internetmarketing :integratingonlineandofflinestrategies.McGraw-Hill/Irwin.
Roetzer,P.(2014).Themarketingperformanceblueprint :strategiesandtechnologiestobuildandmeasurebusinesssuccess.
Rogers,E.M.(1962).DiffusionofInnovations.FreePress.
81
Rowley,J.(2008).Understandingdigitalcontentmarketing.JournalofMarketingManagement,24(5–6),517–540.https://doi.org/10.1362/026725708X325977
S.J.Russell,&P.Norvig.(2003).ArtificialIntelligence.AModernApproach.PrenticeHall.
Sabnis,G.,Chatterjee,S.C.,Grewal,R.,&Lilien,G.L.(2013).TheSalesLeadBlackHole:OnSalesReps’Follow-UpofMarketingLeads.JournalofMarketing,77(1),52–67.https://doi.org/10.1509/jm.10.0047
Saldana,J.(2011).FundamentalsofQualitativeResearch:UnderstandingQualitativeResearch.OxfordUniversityPress.
Schalkoff,R.J.(1990).ArtificialIntelligence:AnEngineeringApproach.McGraw-Hill.
Sharma,S.,Goyal,D.P.,&Mittal,R.K.(2010).Imperativerelationshipbetweendataqualityandperformanceofdata-miningtoolsforCRM.InternationalJournalofBusinessCompetitionandGrowth,1(1),45–61.https://doi.org/10.1504/IJBCG.2010.032828
Sheth,J.,Parvatiyar,A.,&Sinha,M.(2015).TheConceptualFoundationsofRelationshipMarketing:ReviewandSynthesis.FacultyPublications.
Slama,M.,&Tashchian,A.(1985).Selectedsocioeconomicanddemographiccharacteristicsassociatedwithpurchasinginvolvement.Journalofmarketing,49(1),72–82.https://doi.org/10.2307/1251177
Srivastava,J.,Cooley,R.,Deshpande,M.,&Tan,P.N.(2000).WebUsageMining:DiscoveryandApplicationsofUsagePatternsfromWebData.SIGKDDExplorations,1(2),12–23.https://doi.org/10.1145/846183.846188
Šumak,B.,Heričko,M.,&Pušnik,M.(2011,november).Ameta-analysisofe-learningtechnologyacceptance:Theroleofusertypesande-learningtechnologytypes.ComputersinHumanBehavior.https://doi.org/10.1016/j.chb.2011.08.005
SusanA.;Venkatesh,V.(2005).ModelofAdoptionandTechnologyinHouseholds:ABaselineModelTestandExtensionIncorporatingHouseholdLifeCycle.MISOuarterly,29(3),399–436.https://doi.org/10.2307/25148690
Sweezey,M.(2014).Marketingautomationfordummies.Wiley.
Taylor,S.,&Todd,P.A.(1995).Understandinginformationtechnologyusage:Atestofcompetingmodels.InformationSystemsResearch,6(2),144–176.https://doi.org/10.1287/isre.6.2.144
Thehouseofmarketing.(2016).YearlyMarketingSurvey2016.
Thong,J.Y.L.,&Yap,C.S.(1995).CEOCharacteristics,OrganizationalCharacteristicsandInformationTechnologyAdoptioninSmallBusinesses.Omega,INternationalJournalManagement,23(4),429–442.https://doi.org/10.1016/0305-0483(95)00017-I
Torrisi-Steele,G.(2014).FactorsShapingAcademics’UseofTechnologyinTeaching:AProposedModel.InHandbookofResearchonEducationandTechnologyinaChangingSociety(pp.806–820).IGIGlobal.
Tunsakul,K.(2008).TheEvolutionofMobileMarketing.ExecutiveJournal,187–192.
Üstüner,T.,&Godes,D.(2006).Bettersalesnetworks.HarvardBusinessReview.
Venkatesh,V.(2000).DeterminantsofPerceivedEaseofUse:IntegratingControl,IntrinsicMotivation,andEmotionintotheTechnologyAcceptanceModel.InformationSystemsResearch,11(4),342–365.https://doi.org/10.1287/isre.11.4.342.11872
82
Venkatesh,V.,&Bala,H.(2008).Technologyacceptancemodel3andaresearchagendaoninterventions.DecisionSciences,39(2),273–315.https://doi.org/10.1111/j.1540-5915.2008.00192.x
Venkatesh,V.,&Davis,F.D.(2000).ATheoreticalExtensionoftheTechnologyAcceptanceModel:FourLongitudinalFieldStudies.ManagementScience,46(2),186–204.https://doi.org/10.1287/mnsc.46.2.186.11926
Venkatesh,V.,Morris,M.G.,&Ackerman,P.L.(2000).ALongitudinalFieldInvestigationofGenderDifferencesinIndividualTechnologyAdoptionDecision-MakingProcesses.OrganizationalBehaviorandHumanDecisionProcesses,83(1),33–60.https://doi.org/10.1006/obhd.2000.2896
Venkatesh,V.,Thong,J.,&Xu,X.(2012).ConsumerAcceptanceandUseofInformationTechnology:ExtendingTheUnifiedTheoryofAcceptanceandUseofTechnology.MISQuartrly,36(1),157–178.
Vesanen,J.(2007).Whatispersonalization?Aconceptualframework.EuropeanJournalofMarketing,41(5/6),409–418.https://doi.org/10.1108/03090560710737534
Visser,M.,&Berend,S.(2015).BasisboekOnlineMarketingvanstrategietotconversie.NoordhoffUitgevers.
ViswanathVenkatesh,MichaelG.Morris,GordonB.Davis,F.D..D.,Venkatesh,V.,Morris,M.G.,Davis,G.B.,&Davis,F.D.(2003).Useracceptanceofinformationtechnology:Towardaunifiedview.MISQuarterly,27(3),425–478.https://doi.org/10.2307/30036540
Webster,E.J.and,&Martocchio,J.J.(1992).Microcomputerplayfulness:developmentofameasurewithworkplaceimplications.MISQuarterly,6(2),201–226.https://doi.org/10.2307/249576
Wierenga,B.(2010).MarketingandArtificialIntelligence:GreatOpportunities,ReluctantPartners(pp.1–8).SpringerBerlinHeidelberg.https://doi.org/10.1007/978-3-642-15606-9_1
Wind,J.,&Rangaswamy,A.(2001).Customerization:Thenextrevolutioninmasscustomization.JournalofInteractiveMarketing,15(1),13–32.https://doi.org/10.1002/1520-6653(200124)15:1<13::AID-DIR1001>3.0.CO;2-#
Wood,C.(2015).Marketingautomation:Lessonslearntsofar….JournalofDirect,DataandDigitalMarketingPractice,16(4),251–254.https://doi.org/10.1057/dddmp.2015.31
Yi,M.Y.,Jackson,J.D.,Park,J.S.,&Probst,J.C.(2006,april).Understandinginformationtechnologyacceptancebyindividualprofessionals:Towardanintegrativeview.InformationandManagement.https://doi.org/10.1016/j.im.2005.08.006
Yilmaz,L.,&Tolk,A.(2008).IntelligentDecisionMaking:AnAI-BasedApproach.IntelligentDecisionMaking:AnAI-BasedApproach(Vol.97).https://doi.org/10.1007/978-3-540-76829-6
Yin,R.K.(2003).Casestudyresearch :designandmethods.
Zikmund,W.G.,McLeod,R.,&Gilbert,F.W.(2003).Customerrelationshipmanagement :integratingmarketingstrategyandinformationtechnology.Wiley.
83
Bijlage1
1. Metwelkesystemenwerktuwondernemingvoordeuitvoeringvandemarketing?
2. Hoelangmaaktuendeonderneminggebruikvanmarketingautomatisatie?
3. (Hoe)heefthetconceptvanmarketingautomatisatiegeholpenvooruitdagingenopte
lossen?
4. Hoemeetudewaardevandezeinvesteringenrapporteertaanhetmanagement?
5. Hoestaatutegenovermarketingautomatisatie?
6. Hoebentuvoorheteerstinaanrakinggekomenmethetbegrip?
7. Waarvoorgebruikjedesoftware?
a. Uitvoerenvanelementairecampagnes?
b. Implementerenvanomnichannelcampagnes?
c. Nurturevanleads?
d. Scoreleads?
e. Salesinschakelen?
f. Automatiserenmarketingprocessen?
g. Metenenanalyserenmarketingresultaten?
8. Watisdebesteeigenschapvooruvanhetsysteem?Watishetergste?
9. Ishetaangenaamomhetsystemtegebruiken?Kanjeerplezierinvinden?
10. Heeftdeimplementatieaanuwbehoeftenvoldaan?
11. (Hoe)heeftuwteamdeopleidingenkennisgekregendienodigisomsuccesvoltewerken
metdesoftware?
12. Hoezorgtdeondernemingvoorhetblijvenbestaanvanuwsuccesmetmarketing
automatisatie,doetuberoepopinternekennisofextern,enwaarom?
13. Wanneerteamledenproblemenervaren,watisuwaanpak?Hoewordthiermeeomgegaan?
14. Welkedepartementenmakengebruikvandesoftware?
15. Watwarendebelangrijksteredenenvooruwkeuze?
16. Hoezouuwevaluatiecriteriaveranderenalsjeopnieuweenleveranciermoestselecteren?
17. Hoezwaarweegtdekostprijsvanhetsysteemdoorinuwkeuzevanleverancier?
18. Inwelkematewordtersamengewerktmeteenmarketingbureau?Welkezakenworden
uitbesteedt?
19. Inwelkemateishetbelangrijkomdesoftwareuitteproberen,bekijktuvideo’s,blogs,
webinarsofmaaktueendemoaan?
20. Ziejeuzelfalsiemandmetveeltechnischekennisopvlakvandigitalemarketing?
21. Denktudatmarketingautomatisatiebelangrijkis?Zoja,waaromjuist?
84
22. Indienunietgebruikzoumakenvanmarketingautomatisatie,zouuhetgevoelhebbendatu
achterlooptopgebiedvanmarketing?
23. Kentuhetbegrip“ArtificialIntelligence”?Zoja,kanditeenbijdragezijninmarketing?
24. IndienmarketingautomatisatiezelfbeslissingenzoukunnenmakenmetbehulpvanAI,zou
dituwperceptieveranderentegenovermarketingautomatisatie?
25. Hoebelangrijkishetvooruomkunstmatigeintelligentietegebruikeninmarketing,met
namemarketingautomatisatie?
26. IndienbijvoorbeeldA/Btestenautomatischwordengeoptimaliseerddoorsoftwareinplaats
vanmanueel,zoudituwgedragveranderen?Watisuwmeninghierover?
Top Related