«Comment la participation aux communautés de marque en ligne influence les
intentions d’achats du consommateur » - Etude empirique d’application d’un modèle de modélisation en équations structurelles au
marché des opérateurs de téléphonie mobile français
Mémoire de fin d’études Auteur: Jean-François Truc Directeur de mémoire: M. Paul-Valentin Ngobo Programme: Master of
Science in marketing management
L’E dhec Business School n’exprime pas d’avis sur les propos tenus dans ce mémoire, qui sont placés sous la seule responsabilité responsabilité de leur auteur.
Table des Matières
1
2
3
4
Introduction ............................................ .................................................................. ............................................ ............................................. ................................ ......... 4 1.1
Identification des enjeux, formulation des questions de recherche ............................ ............................ 5
1.2
Méthodologie et delimitation ......................................... ............................................................... ............................................. ......................... 6
1.3
Structure du mémoire ....................... ............................................. ............................................ ............................................ ................................ .......... 8
Revue littéraire l ittéraire des concepts mis en jeu.......................................... ................................................................. ................................... ............ 8 2.1
Les communautés de marque en ligne .............................. .................................................... ........................................... ..................... 8
2.2
Composantes et effets théoriques de la participation aux communautés virtuelles ..... 9
2.3
Cadre conceptuel et choix d’un modèle ........................................... .................................................................. .......................... ... 10
2.3.1
Définition et intérêt de la modélisation en équations structurelles ..................... 10
2.3.2
Choix d’un modèle ......................................... ............................................................... ............................................ .............................. ........ 10
2.3.3
Adaptation du modèle à notre contexte ......................... ............................................... ..................................... ............... 15
Perspectives sur le marché français des opérateurs mobile ........................................... .............................................. ... 18 3.1
Présentation du marché choisi .......................................... ................................................................. ......................................... .................. 18
3.2
Description qualitative des communautés des opérateurs ......................................... ......................................... 21
Méthodologie.......................................... ................................................................ ............................................ ............................................. .............................. ....... 26 4.1
Approche de recherche choisie ......................................... ............................................................... ......................................... ................... 26
4.2
Conception du questionnaire ............................................ ................................................................... ......................................... .................. 27
4.2.1
Critères démographiques démographiques retenus ......................................... ............................................................... .............................. ........ 27
4.2.2
Choix de l’échelle de mesure des indicateurs observés . ..................................... ..................................... 28
4.3
Elaboration des items de mesure ............................................................ ............................................................................... ................... 29
Jean-François Truc – Mémoire – Mémoire de fin d’études
2
4.4 5
Exploitation des résultats de l’enquête ............................................ ................................................................... ................................. .......... 33
5.1
Choix et justification de la méthode PLS ..................... ........................................... ............................................ ...................... 33
5.1.1
Principes .......................................... ................................................................. ............................................. ............................................ ...................... 33
5.1.2
Avantages de la méthode PLS ............................ .................................................. ............................................. .......................... ... 34 34
5.2
Analyse préliminaire sous SPSS ............................ .................................................. ............................................. .............................. ....... 37
5.2.1
Caractéristiques de l’échantillon .......................................... ................................................................. .............................. .......37
5.2.2
Test de normalité ........................................................... ................................................................................. ..................................... ............... 40
5.3
6
Collecte des données ............................ .................................................. ............................................ ............................................ .......................... .... 32
Analyse par la méthode PLS .......................................... ................................................................. ............................................ ..................... 41
5.3.1
Validation du modèle de mesure ....................................... ............................................................. ................................. ........... 42
5.3.2
Estimation du modèle structurel ................................ ...................................................... ......................................... ................... 45
5.3.3
Résultat de nos hypothèses de recherche......................................... ............................................................ ................... 46
Conclusion .......................................... ................................................................. ............................................. ............................................. ................................. .......... 49 6.1
Interprétation des résultats et implications managériales .......................................... .......................................... 49
6.2
Limites de l’étude ........................................... ................................................................. ............................................ ..................................... ............... 52
6.3
Pistes d’approfondissement. .......................................... ................................................................. ............................................ .....................53
Bibliographie ........................................... ................................................................. ............................................ ............................................ ..................................... ............... 55 Table des figures .................................. ........................................................ ............................................ ............................................. ......................................... .................. 60 Annexes ........................................... ................................................................. ............................................ ............................................. ............................................. ...................... 61
Jean-François Truc – Mémoire – Mémoire de fin d’études
3
1
Introduction
Un des enjeux marketing majeur d’internet en tant que média est de faciliter la communication entre les entreprises et les consommateurs. Il permet aux entreprises commercialisant des biens ou des services de construire un lien li en réciproque avec leurs clients, une véritable relation durable avec l’usager ou le consommateur, dont le but premier est la fidélisation. La mise en place de communautés virtuelles axées autour de marques et de produits est un moyen plébiscité par les entreprises et les organisations pour arriver à cette fin. Ces communautés conduisent à la construction construction d’une relation privilégiée entre leurs architectes et leurs membres. Un lien de communication direct est ainsi créé, permettant de véhiculer des messages marketing personnalisés et non perçus comme purement publicitaires, puisque la démarche d’adhésion du consommateur à la communauté est volontaire. Leur efficacité est alors
démultipliée.
C’est pourquoi on assiste à
un bourgeonnement de ces communautés participatives en ligne, à
l’heure où la publicité et le référencement classique s’essoufflent, et ne suffisent plus aux
marques pour se démarquer efficacement et atteindre les clients. Les internautes sont bombardés par la publicité en permanence et sont de plus en plus apathiques, voire, comme le montre l’essor des bloqueurs de publicité, carrément hostiles au x vecteurs traditionnels du marketing. Les annonceurs cherchent donc à tout prix à rétablir des relations de proximité et de confiance avec eux.
Jean-François Truc – Mémoire – Mémoire de fin d’études
4
A l’inverse, les communautés virtuelles réussissent mieux à motiver les
consommateurs, consommateurs, et à
les impliquer dans des débats ou des échanges autour de produits ou services d’une marque.
On réalise donc tout l’intérêt de comprendre les effets de la participation des consommateurs à de telles communautés, communautés, et plus particulièrement ses retombées sur sur la fidélité et les intentions d’achats futures.
1.1
Identification des enjeux, formulation des questions de recherche
Il existe une pléthore d’articles de littérature scientifique sur les
notions de communautés
virtuelles de marques et sur la fidélité des clients à une marque. Il est par exemple établi que les consommateurs membres de la communauté en ligne d’une entreprise dépensent plus après l’avoir rejointe qu’auparavant, et également plus que les
consommateurs non-membres non-membres (Machanda, Packard et al 2012). Cependant, les travaux travaux qui relient directement participation à ces communautés communautés et retombées en termes de fidélisation sont plus rares, et leurs conclusions ne font pas consensus. Lors de mes recherches, j’ai par exemple découvert des études sur cette cette relation portant sur
les communautés de trois grands e-tailers chinois (Pei-Yu & Tsai, 2011), sur des communautés indépendantes indépendantes axées sur le tourisme et le voyage (Casaló, Flavián et al. 2010), ou encore sur d es communautés d’utilisateurs de software open-source comme Linux (Casaló et al. 2007). Dans ces deux derniers exemples, les communautés étudiées n’étaient de plus pas directement administrées par des entités commerciales.
Jean-François Truc – Mémoire – Mémoire de fin d’études
5
J’y ai donc vu l’opportunité de contribuer modestement à élargir ce champ particulier en
choisissant comme cadre de ce mémoire l’étude des communautés en ligne des opérateurs mobiles français en 2013
Mon but est donc de savoir si l ’on peut appliquer un modèle structurel déjà établi décrivant le lien entre la participation d’un consommateur à à une communauté en ligne de marque et sa fidélité à cette marque dans d ans ce contexte précis, c’est à dire arriver empiriquement aux mêmes conclusions par une méthode de recherche quantitative.
Le questionnement questionnement suivi a été le suivant :
La participation d’un abonné à la communauté en ligne d’un opérateur a-t-elle des répercussions sur sa fidélité et ses intentions d’achats ?
Quels sont les déterminants de cette participation ?
Quels sont les ressorts et les mécanismes intermédiaires de ce lien ?
Quel modèle de recherche serait le plus pertinent pour représenter cet effet, comment le transposer à notre contexte d’étude et le tester empiriquement ?
1.2
Méthodologie et delimitation
Pour répondre à ces interrogations, nous suivrons dans ce mémoire une approche classique.
Jean-François Truc – Mémoire – Mémoire de fin d’études
6
Dans un premier temps nous mènerons une revue littéraire l ittéraire afin de dresser un inventaire des théories, des cadres conceptuels et des modèles se rattachant aux concepts de fidélité à une marque et aux communautés en lignes. Nous verrons comment décomposer décomposer les effets de la participation à une communauté communauté virtuelle en trois effets distincts sur : 1. la confiance envers la firme organisant la communauté 2. l’identification de l’utilisateur à la communauté 3. le degré de satisfaction générale de l’utilisateur envers les produits et services promus par la communauté. communauté.
L’analyse d’études préexistantes
nous amènera amènera à considérer de manière critique les concepts
liés à la participation aux communautés en ligne, ainsi que les facteurs qui influencent l’investissement de l’utilisateur.
Nous choisirons ensuite en connaissance connaissance de de cause un modèle modèle de modélisation modélisation par équation structurelle (MES) déjà validé dans un autre contexte.
Nous aurons alors recours à une méthode d’analyse quantitative – une une enquête en ligne- pour
étudier le comportement des utilisateurs des plates-formes communautaires des opérateurs de téléphonie mobile français français et nous mènerons une analyse analyse de confirmation du modèle, pour pour en valider ou infirmer les l es hypothèses de recherche, et pouvoir interpréter leurs implications pour ce marché. Cela nous permettra de tirer des conclusions et d’émettre des remarques sur les politiques de management communautaire communautaire des opérateurs mobile franciliens.
Jean-François Truc – Mémoire – Mémoire de fin d’études
7
1.3
Structure du mémoire
Revue littéraire Introduction
Méthodologie utilisée
et adoption d'un modèle conceptuel
Analyse des résultats
Conclusion
Figure 1-1Structure du mémoire
2 2.1
Revue littéraire des concepts mis en jeu Les communautés de marque en ligne
Dès 1993 et les balbutiements des premiers réseaux r éseaux électroniques, H. Rheingold, dans son livre « The Virtual Community : Homesteading on the electronical frontier » définissait les communautés virtuelles virtuelles comme des « regroupements socioculturels socioculturels qui émergent émergent du réseau lorsqu’un nombre suffisant d’individus participent à ces discussions publiques pendant assez de temps en y mettant suffisamment de cœur pour que des ré seaux de relations humaines se
tissent au sein du cyberespace » Selon lui la formation de ces communautés était même une conséquence conséquence inéluctable des facilités de communication communication induites par le nouveau nouveau média : « Dès lors que l es technologies de communication par l’intermédiaire d’ordinateurs leur deviennent accessibles accessibles partout, les gens s’en servent invariablement pour former des communautés» (Rheingold, 1993). d’hui les communautés virtuelles en ligne se sont Le temps lui a donné raison, et aujour d’hui multipliées, qu’il s’agisse de communautés d’intérêts (groupes composés d'individus d 'individus qui
Jean-François Truc – Mémoire – Mémoire de fin d’études
8
partagent soit une une identité, soit des expériences et des des préoccupations) préoccupations) ou de communautés communautés de marque. Ce concept de communauté virtuelle a évolué, avec l’émer gence des communautés de
marque. A. Abdeljamid et L. Stitz (2007) nous donnent une définition plus moderne du concept de communauté de marque : « un groupe électif pérenne d’acteurs partageant un système de valeurs, de normes et de représentations (c'est-à-dire une culture) et se reconnaissant des liens d’appartenance de chacun avec chacun et de chacun avec le tout communautaire sur la base d’un attachement c ommun à une marque particulière »
Celles-ci peuvent peuvent être de plusieurs types (cf. section 3.2 pour pour des exemples relevant relevant de notre cas d’étude).
On distingue notamment les communautés créées à l’iti niative des marques elles-mêmes,
de
celles, indépendantes, créées par des regroupements de consommateurs soucieux d’être mieux représentés ou de communiquer entre eux.
2.2
Composantes et effets théoriques de la participation aux communautés virtuelles
Des études précédentes ont conduit à établir, dans le cadre de com munautés d’utilisateurs du système d’exploitation Linux, des déterminants cognitifs , affectifs et sociaux du lien entre la
participation à une communauté de marque et la fidélisation du du client (Bagozzi et Dholakia, Dholakia, 2006). Ces déterminants ont été agglomérés par une autre étude en deux mécanismes psychologiques psychologiques (la confiance et le degré de satisfaction générale) complétés par un mécanisme social d’identification à la communauté virtuelle, dans le contexte qualitativement différent des
Jean-François Truc – Mémoire – Mémoire de fin d’études
9
communautés de clients de grands e-tailers (type Amazon) en Chine (P.Pai et H.T. Tsai 2011). Nous allons nous nous inspirer de ces ces études pour pour envisager un triple effet effet de la participation aux communautés virtuelles sur ces 3 construits ‘intermédiaires’, qui eux -même seront à leur tour
censés influer sur la fidélité fidélit é du consommateur.
2.3
Cadre conceptuel et choix d’un modèle
2.3.1 Définition et intérêt de la modélisation en équations structurelles
La modélisation en équations structurelles (MES) « met en oeuvre des méthodes statistiques qui nous permettent de quantifier des relations de cause à eff et et décrites par un modèle théorique, d’ établir des liens l iens entre deux ou plusieurs concepts latents, chacun étant mesuré à partir d’indicateurs observables. L’idée de base est que la complexité interne d’un système
peut être évaluée évaluée en prenant en en compte la totalité des des relations de cause cause à e ff et et entre les concepts latents appelée s variables latentes, chacune étant mesurée par l’observation de nombreux indicateurs observables observables appelés variables manifestes » (Vinzi, Trinchera et al. 2010).
2.3.2 Choix d’un modèle
Le modèle developpé par Pai et Tsai dans leur étude articulée autour des cinq concepts latents précédemment précédemment évoqués était le suivant: suivant:
Jean-François Truc – Mémoire – Mémoire de fin d’études
10
Figure 2-1 Modèle conceptuel conçu par Pei-Yu et Tsai et retenu pour le cadre de notre étude
Il est centré autour des trois déterminants de confiance, de satisfaction et d’identification à la
communauté, ce dernier construit occupant une place centrale.
Les hypothèses de recherche de ces chercheurs sont visibles sur le modèle et ont toutes été vérifiées par une analyse LISREL des résultats d’une étude quantitative (une enquête menée
auprès de 537 membres membres de communauté en ligne des trois plus grands revendeurs revendeurs généralistes chinois en ligne).
Je vais les rappeler ici, dans leur formulation originelle, en évoquant la justification théorique donnée par les auteurs de l’étude :
Jean-François Truc – Mémoire – Mémoire de fin d’études
11
H1: Virtual community participation positively positively influences consumers’ trust in e-tailers e -tailers.
La confiance est est définie comme la perception de la crédibilité et de la bienveillance des des revendeurs. Elle aide les consommateurs à surmonter leurs appréhensions et l’insécurité,
ce qui les conduit à partager leurs informations personnelles avec les revendeurs et à effectuer des achats (McKnight et al, 2002). La participation à la communauté virtuelle permet aux consommateurs d’être mieux renseignés sur les offres du revendeur et de bénéficier de retour d’information depuis les revendeurs, comme par exemple sur la
sécurité des transactions. Le contexte de la communauté virtuelle crée l’opportunité d’intéractions répétées et efficaces entre le revendeur et les l es membres, ce qui
permet de
susciter la confiance (Harris et Goode, 2004).
H2: Virtual community participation positively influences community identi fication.
L’identification à la communauté correspond au degré auquel les membres d’ une
communauté se perçoivent comme partageant les même caractéristiques. Cette identification a plus de chance de se produire lorsque les consommateurs participent fréquemment à des activités de groupe et interagissent entre eux (Bhattacharya et Sen, 2003).
Jean-François Truc – Mémoire – Mémoire de fin d’études
12
H3: Virtual community participation positively positively influences satisfaction.
Dans la mesure où la participation à une communauté virtuelle encourage les consommateurs consommateurs à partager leurs expériences et leurs attentes, ceux-ci peuvent alors mieux les prendre en compte. Du point de vue du client, les demandes de renseignements renseignements sont plus directes et et plus rapides, ce qui améliore leur satisfaction satisfaction générale et justifie l’hypothèse (Dholakia et al, 2004).
H4: Trust positively influences loyalty intentions.
Susciter la confiance du client est reconnu comme un objectif essentiel pour les revendeurs en ligne. Un haut niveau de confiance du client est essentiel au développement et au maintien d’une relation durable . Cela facilite
les échanges futurs et encourage le
client à prendre plus de risques dans cette relation (Harris et Goode, 2004).
H5: Trust positively in fluences community identification.
Le jugement d’un consommateur sur la fiabilité et la bienveillance d’un revendeur peut le
conduire à reproduire cette confiance en adoptant lui-même un comportement coopératif et dicté par un sentiment d’appartenance
communautaire, par un principe de réciprocité
(Ahearne et al. 2005).
Jean-François Truc – Mémoire – Mémoire de fin d’études
13
H6: Satisfaction positively influences loyalty intentions
Le degré de satisfaction générale générale du client peut être défini comme un état affectif positif résultant de l’évaluation globale de la performance du revendeur et
basé sur les achats
effectués et sur les expériences d’utilisation du produit ou service (Anderson et al. 1994). Une étude précédente dans des contextes reliés à internet a de plus supposé et validé l’existence d’un lien entre satisfaction générale et intentions de fidélité (Harris and Goode, 2004).
H7: Satisfaction positively influences community identification
La satisfaction envers un service ou un produit encourage les consommateurs à interagir avec des individus partageant ce même enthousiasme (Algesheimer et al., 2005)
H8: Community identification positively positively influences loyalty intentions.
Une fois que le consommateur s’identifie et s’implique s’i mplique émotionellement dans une
communauté virtuelle associée à un contexte de consommation particulier, comme par exemple acheter les produits d’une marque en particulier, ou encore acheter dans un
magasin particulier, ils deviennent enclins à supporter ces communautés par des actions positives, comme du marketing par par bouche-à-oreille, ou une une plus grande tolérance aux failles de qualité (Bhattacharya and Sen, 2003). Ce qui conduit à la formulation de cette hypothèse.
Jean-François Truc – Mémoire – Mémoire de fin d’études
14
2.3.3 Adaptation du modèle à notre contexte
Nous allons maintenant maintenant interpréter et transposer transposer la signification des construits latents du modèle de Pei- Yu et Tsai à notre contexte des communautés d’opérateurs de téléphonie mobile.
1) La Participation à la communauté virtuelle
Les applications de ce construit sont sensiblement identiques entre le co ntexte de l’étude source et le nôtre, à la différence que la souscription à la communauté des revendeurs en ligne était obligatoire pour effectuer leurs achats sur le site, alors que dans notre cas on ne va étudier que la participation de membres impliqués , ayant fait la démarche de s’enregistrer (que ce soit directement sur la communauté, ou par l’intermédiaire de Facebook). Néanmoins nous gardons l’exigence de l’existence d’une relation Prestatai re/Client puisque notre étude s’intéressera uniquement à la participation des membres membres abonnés abonnés à un opérateur. opérateur.
2) La Confiance
On peut transposer sans trop de difficulté diffi culté la notion de confiance envers un revendeur en ligne à celle de confiance envers un opérateur : les composantes de fiabilité et de bienveillance s’appliquant très bien au business model de model de ce type d’entreprise.
3) La Satisfaction
Ici encore on va transposer tr ansposer la satisfaction générale envers le revendeur à ligne à celle ressentie envers la prestation d’un opérateur de téléphonie : les critères vont différer
: la couverture
réseau, la qualité des communication, la compétitivité des prix, le débit de données proposé
Jean-François Truc – Mémoire – Mémoire de fin d’études
15
vont remplacer la capacité du revendeur à livrer les produits commandés à temps, t emps, en bon état, et sans tromperie sur la marchandise. La fiabilité de service est particulièrement critique. En effet les usagers se plaignent énormément de problèmes d’accès au réseau, de réseau DATA anormalement lent. Le problème de facturation joue également un rôle très important (horsforfait, frais cachés,..)
4) L’identification à la communauté
dont un membre d’une communauté en Pour notre exemple, elle sera assimilée à la manière dont ligne d’un opérateur se reconnaît dans les contributions des autres utilisateurs,
au degré
d’affinité qu’il ressent envers eux et à la similarité de ses préoccupations avec celles de la
communauté. 5) La Fidélité
La souscription à un forfait auprès d’un opérateur constitue l e service classique dans notre
contexte. Celui-ci est généralement assorti d’une période d’engagement, le plus souvent de 12 ou 24 mois, période pendant laquelle le client se retrouve lié à l’opérateur sans pouvoi r
rompre le contrat, sous peine de sanctions financières. Les intentions d’achats et la fidélité en général vont donc être articulées autour de la propension de l ’abonné à souscrire à nouveau auprès de son opérateur actuel en fin d’engagement, ou à conserver son forfait actuel s’il n’est
plus engagé. engagé.
Maintenant que nous avons transposé les construits du modèle choisi à notre cadre, nous pouvons passer passer à la reformulation des des hypothèses hypothèses de recherche, recherche, toujours dans ce contexte des opérateurs de téléphonie mobile français.
Jean-François Truc – Mémoire – Mémoire de fin d’études
16
H1 : « La participation à la communauté communauté en ligne d’un opérateur mobile influence
positivement la confiance envers cet opérateur » »
H2 : « La participation à la communauté en ligne li gne d’un opérateur mobile influence mobile influence
positivement le sentiment d’a ppartenance à la communauté communauté de cet opérateur »
H3 : « La participation à la communauté en ligne d’un opérateur mobile influence mobile influence
positivement la satisfaction satisfaction générale de l’abonné envers l’abonné envers cet opérateur ».
H4 : « La confiance envers l’opérateur mobile mobile influence positivement la fidélité de l’ abonné abonné
envers cet opérateur ».
H5 : « La confiance envers l’opérateur mobile mobile influence positivement le sentiment
d’ap partenance à la communauté communauté de cet opérateur »
H6 : « La satisfaction générale satisfaction générale de l’abonné envers l’abonné envers son opérateur mobile influence
positivement sa fidélité envers ce même opérateur »
H7 : « La « La satisfaction générale de l’abonné envers l’abonné envers son opérateur mobile influence
positivement le sentiment d’ap partenance à la communauté communauté de cet opérateur »
H8 : « Le sentiment d ’appartenance ’appartenance à la communauté d’un opérateur mobile influence
positivement la fidélité de l’abonné envers cet opérateur »
Jean-François Truc – Mémoire – Mémoire de fin d’études
17
3 3.1
Perspectives sur le marché français des opérateurs mobile Présentation du marché choisi
Le marché des opérateurs de téléphonie mobile en 2013 reste porteur ; en effet le nombre de France n’a jamais été aussi haut, avec 75.4 millions de cartes cartes SIM en circulation en France
SIM en circulation au 30 Septembre 2013 1, en croissance annuelle de 6%. Le taux de pénétration a atteint atteint quant à lui pour la première première fois 115.2% à la même période, ce ce qui correspond à 1,152 carte SIM par habitant en moyenne.
2
Figure 3-1 Evolution du nombre de cartes SIM en circulation en France
1
Source : Autorité de Régulation des Communications Electroniques et des Postes Source : Arcep
2
Jean-François Truc – Mémoire – Mémoire de fin d’études
18
Figure 3-2 Extrait du rapport trimestriel de l’ARCEP présentant la croissance et le taux de pénétration total des cartes SIM en comparaison à la population au 1 er Janvier de l’année précédente (source Insee)
Ces cartes SIM correspondent pour 70.4% à des forfaits, le parc prépayé représentant quant à lui 21% (la différence correspond au cartes dites ‘Machine to Machine’ à usage
professionnel). On distingue parmi les acteurs principaux les opérateurs de réseau mobile, aussi appelés MNO, de l’anglais mobile network operators, qui exploitent
et entretiennent leur propre
réseau, et les opérateurs de réseau mobile virtuel, ou MVNO (mobile network virtual operators), opérateurs qui souscrivent un droit d’utilisation de réseau à un MNO et
commercialisent des forfaits sous leur marque propre. En terme de tendance les MVNO sont en léger déclin, avec une part de marché s ’établissant à 10.8%, toujours au 30 septembre 2013. Il existe depuis l’arrivée de Free sur le marché du mobil e en 2012 quatre principaux MNO ,
Orange, Bouygues Bouygues Telecom, SFR étant les acteurs acteurs historiques. Ils se partagent l’essentiel des parts de marché. marché. Pour notre étude il est important de noter que ces acteurs commercialisent également chacun un ou plusieurs MVNO utilisant util isant leur propre réseau, avec souvent une nette démarcation en terme de branding et de community management, et donc avec des plates-formes et des communautés distinctes.
Jean-François Truc – Mémoire – Mémoire de fin d’études
19
Evolutions récentes
Le marché a fortement évolué depuis l’entrée en lice de Free en janvier 2012, et la naissance d’une offre “tout illimité” à 20€ seulement, complétée par une offre à 2€ offrant 1h de
communication et et quelques SMS. En partant de de rien, Free a réus réus si la prouesse de s’octroyer 10.3% de part de marché en à peine 15 mois, dans un marché pourtant jugé très mature. Cela a conduit à une redistribution des cartes et à des ‘clashs’ de communicants qui ont créé de nombreuses polémiques. Xavier Niel, vice- président d’Illiad, n’a par exemple pas hésité à qualifier les abonnés des opérateurs historiques de ‘pigeons’ lors de la conférence inaugurale présentant les offres Free mobile.
Figure 3-3 Evolution des parts de marché des opérateurs de téléphonie mobile entre Juin 2012 et Juin 3 2013
3
Source: Zdnet.fr
Jean-François Truc – Mémoire – Mémoire de fin d’études
20
Les grands acteurs ont depuis chacun lancé leur propres MVNO en sous-main pour tenter de contrer Free sur le terrain du low-cost, avec les marques SOSH pour Orange, B&YOU pour Bouygues, et RED pour SFR. Comme le montre la figure, Free a principalement grignoté les parts de marché d’Orange, de SFR et des MVNO. Il s’agit donc d’un marché à très haute intensité concurrentie lle, avec une pression sur les
coûts considérable. considérable.
3.2
Description qualitative des communautés des opérateurs
Lors de mes recherches en amont, puis lors de mes sollicitations des différentes communautés en vue de la distribution de l’enquête, j’ai pu const ater des des divergences dans les stratégies de
community management.
Les plates-formes de Bouygues télécom et de sa sous- marque ‘B&YOU’ étaient très orientées assistance technique, et s’articulaient comme des ‘boîtes à questions’ digitales.
Chaque membre inscrit peut ainsi consulter la base de questions, les réponses des autres membres ou du staff offi ciel, et la ‘meilleure réponse’, sélectionnée par le posteur, mise en avant. Pour poser une nouvelle question le système force l’internaute à effectuer d’abord une recherche pour voir si une question similaire n’existe pas déjà, et il faut effectuer pas moins
de 7 clics et remplir 4 champs pour parvenir (enfin) à publier sa question, procédé plutôt fastidieux comme vous on peut le voir dans la capture d’écran ci-dessous :
Jean-François Truc – Mémoire – Mémoire de fin d’études
21
Figure 3-4 Les étapes pour poser une question sur la communauté Bouygues Telecom
Le but visé est donc la clarté de présentation (éviter des soumissions doublons) et l’efficacité de la résolution des problèmes des usag ers, mais au détriment de l’interaction directe entre membres et d’aspects communautaires (pas de forums de discussion libre où
les membres
peuvent faire connaissance connaissance et et parler de sujets divers). divers).
Un bouton ‘aider la communauté’ est
situé sous le bouton ‘poser une question’. Il renvoie aux
questions publiées en attente de réponse. Un classement des meilleurs contributeurs permet de gagner en statut dans la communauté. Il est également possible de noter une réponse (« Cette réponse vous a-t-elle aidé ? » avec des boutons Oui et Non, à la manière des pouce verts et rouge de Youtube).
Jean-François Truc – Mémoire – Mémoire de fin d’études
22
Dans l’ensemble ces deux plates-formes m’ont paru plus fermées que les autres, ou du moins
très contrôlées, les questions devant impérativement concerner les produits ou les services de de l’opérateur pour pour ne pas
être supprimées par les modérateurs.
Free va mêm e plus loin, puisque l’accès à l a partie communautaire sur son site est tout simplement refusée aux non-abonnés, sans possibilité de créer un compte ‘visiteur’ comme c’est le cas chez la plupart des concurrents.
L’abonné potentiel est donc obligé d’aller
glaner sur des communautés non-officielles
(comme forumfreemobile.fr) des informations sur la fiabilité de Free mobile provenant d’autres consommateurs.
A l’opposé, SFR et Orange déve loppent beaucoup plus l’aspect communautaire de leur site, et un nombre important d’utilisateurs y discutent régulièrement, et semblent
avoir développé un véritable esprit communautaire.
SFR a instauré un système s ystème d’encouragement de l’entraide entre ses membres : un compteur de ‘Merci’ qui apparaît en dessous du compteur de posts, jou e le rôle d’e-reputation, avec un
classement des meilleurs placé bien en vue sur le volet droit de l’interface. Il est également possible de cliquer sur un bouton ‘moi aussi’ aussi’ sous une contribution, pour indiquer indiquer que le sujet
nous intéresse ou nous concerne également.
Jean-François Truc – Mémoire – Mémoire de fin d’études
23
Figure 3-5Aperçu des boutons communautaires du forum SFR
En ce qui concerne les comptes Facebook des opérateurs, je n’ai pas constaté de grandes divergences divergences dans leur animation et leur gestion.
Dans tous les cas la majorité des posts officiels concernent la promotion p romotion de téléphones ou d’offres spéciales, avec une profusion de visuels high-tech. h igh-tech.
Les community managers ne répondent qu’à une infime partie des très nombreuses complaintes des usagers, noyées dans la masse (en moyenne trois messages d’utilisateurs mécontents par heure sur la page Orange !) et très peu visibles comparé aux posts des Community Managers (CM).
Dans certains cas la possibilité de poster un nouveau message
est même complètement désactivée, ce qui force les consommateurs consommateurs à se plaindre dans les commentaires des posts des CM. La capture d’écran suivante illustre bien ce phénomène.
Jean-François Truc – Mémoire – Mémoire de fin d’études
24
Figure 3-6 Exemple de Page Facebook d'opérateur4
4
Source : https://www.facebook.com/bouyguestelecom (accédé le 29/11/2013).
Jean-François Truc – Mémoire – Mémoire de fin d’études
25
Dans un souci d’élargir le nombre de personnes touchées par mon enquête, j’ai choisi également de prendre en compte pour mon étude quatre autres plates-formes, non directement hébergées par un opérateur mais tout de même exclusivement centrées autour de l’un d’entre eux, et avec lesquelles les opérateurs coopèrent fortement (intervention directe de CMs et de techniciens sur les forums), à savoir les communautés suivantes :
http://www.forum-bouygues.com http://www.forum-orange.com http://forumfreemobile.fr http://www.freemobileasso.com
4
Méthodologie
Dans cette partie nous détaillerons l’approche de recherche choisie afin de répondre aux
questions et objectifs du mémoire évoqués en introduction.
4.1
Approche de recherche choisie
Une étude statistique sur la pertinence et la validité de ce modèle ne pouv ait se faire qu’au moyen d’une enquête quantitative , me permettant d’obtenir des informations exploitables s ur
un échantillon de consommateurs impliqués dans au moins une communauté en ligne li gne d’opérateur de de téléphonie mobile.
Jean-François Truc – Mémoire – Mémoire de fin d’études
26
Le but recherché était de disp oser d’informations fiables me permettant d’évaluer les cinqs construits sous-jacents du modèle de Pei-Yu et Tsai:
1 ) la Participation à la Communauté Virtuelle (PCV) 2) le degré de C onfiance envers l’opérateur (C) (C) 3) le degré d’Identification à la Communauté (IC) 4) la Satisfaction générale envers son offre mobile (S) 5) les intentions de Fidélité (F)
Au vue de la nature des communautés étudiées, une distribution en ligne semblait particulièrement adaptée. adaptée.
4.2
Conception du questionnaire
4.2.1 Critères démographiques retenus
Les premières questions de l’enquête devaient me permettre de mieux connaître le répondant. Cependant, pour ne pas surcharger le questionnaire, j’ai réduit à
quatre les questions portant
sur des variables qualitatives nominales. Après un court texte introductif, le sondé était donc invité à renseigner son sexe, sa tranche d’âge, son opérateur mobile ainsi que ses habitudes de surf sur internet (heures quotidiennes)
parmi plusieurs propositions. propositions.
Jean-François Truc – Mémoire – Mémoire de fin d’études
27
4.2.2 Choix de l’échelle de mesure des indicateurs observés
Pour les quatre questions préliminaires visant à obtenir des informations démographiques sur l’échantillon de répondants, j’ai utilisé des QCMs classiques.
Pour mesurer les indicateurs des construits, j’ai opté pour des échelles de Likert à 5 points. J’ai fait le choix d’adopter des échelles de Likert en 5 points plutôt qu’en 7 comme dans l’étude source dans un souci d’ergonomie, sur le conseils de qualtrics.com, afin que les questions puissent s’afficher corr ectement ectement sur les écrans des tablettes et
smartphones, moins
larges que ceux des ordinateurs.
Figure 4-1 Exemple d'échelle de Likert utilisée dans l'étude 5
Afin de mesurer les attitudes atti tudes et les comportements d'une personne, l'échelle de Likert est un des moyens les plus populaires et les plus fiables disponibles au statisticien. Cette échelle évalue les attitudes et comportements en proposant des choix de réponses allant d'un extrême à l'autre, et permet de dégager différents degrés d’opinion. Cela peut se révéler
5
Le questionnaire complet tel qu’il était proposé aux répondants se trouve en annexe
Jean-François Truc – Mémoire – Mémoire de fin d’études
28
particulièrement utile pour pour les sujets sensibles sensibles ou épineux épineux et pour quantifier des des sentiments ou des impressions de consommateurs. Cependant leur exploitation statistique est plus délicate car ce sont des variables ordinales, en conséquence conséquence elles ne suivent pas une distribution normée. Par ailleurs, lorsque le nombre d’observations est suffisant , on peut considérer sous certaines conditions que les échelles de Likert constituent une appro ximation d’une mesure par intervalle.
4.3
Elaboration des items de mesure
Afin de mesurer le plus précisément possible les 5 construits sous-jacents du modèle, je me suis basé sur les items de mesure établis par Pai Pei-Yu et Hsien-Tsung Tsai dans leur étude d’e-tailers chinois, dont le modèle a été de 2011 menée sur trois grandes communautés communautés d’e-tailers
détaillé en section 2. Ces items de mesure ayant eux-mêmes été validés dans des travaux préexistants, je m ’en suis servi comme base pour élaborer mes items. Comme ils référaient aux feedback d’utilisateur s de communautés de magasins en ligne généralistes, il m’a fallu les adapter au contexte des opérateurs de téléphonie mobile. J’ai d’abord fait le choix d’en éliminer certains: d’après un pré-test auprès d’une douzaine d’amis et de proches, j’ai constaté qu’ un questionnaire trop long risquerait de voir son taux de
complétion chuter drastiquement. Je n’ai donc finalement gardé que les items qui m’ont semblé être les plus évocateurs pour les membres des communautés des plates-formes des opérateurs mobiles.
Jean-François Truc – Mémoire – Mémoire de fin d’études
29
Figure 4-2 Items de mesure conceptuels retenus par Pei-Yu & Tsai (2011)
Figure 4-3 Tableau récapitulatif des items de mesure retenus pour notre étude
Variable latente
Nombre de questions
Participation à la communauté Virtuelle
Confiance
Identification à la Communauté Satisfaction
Fidélité
3
Label
PCV1PCV3
3
C1-C3
3
IC1-IC3
2
S1-S2
3
F1-F3
Après traduction et adaptat ion j’ai abouti à la liste d’items suivante
Jean-François Truc – Mémoire – Mémoire de fin d’études
30
Figure 4-4Détail des Items retenus pour mesurer les variables latentes
Variables latentes Participation à la communauté Virtuelle
Label
PCV1
Source initiale
J’interagis fréquemment avec d’autres membres de la
Sélection de 3 critères parmi ceux recommandés recommandés par Algesheimer et al. (2005) et Dholakia et al. (2004)
communauté PCV2
J’ai déjà aidé d’autres membres à
résoudre leurs problèmes
PCV3
J’échange avec d’autres membres
C1
Je considère que mon opérateur est digne de confiance
C2
Mon opérateur tient ses promesses
C3
Mon opérateur est à mon écoute
Confiance
Identification à la communauté
Intitulé de l’indicateur de mesure
IC1 IC2
Je me retrouve dans les préoccupations des autres membres de la communauté Je me considère comme un membre à part entière de cette communauté
IC3
Je suis attaché à cette communauté
S1
Dans l’ensemble, je suis plutôt
Sélection de 3 critères parmi ceux recommandés recommandés par Bart et al. (2005)
Algesheimer et al. (2005).
Satisfaction
S2 Intentions de fidélité
F1
satisfait de mon offre mobile Dans l’ensemble, je ne regrette pas
Szymanski Szymanski and Hise (2000), Harris and Goode (2004)
d’avoir choisi cet opérateur mobile
Je compte me réengager ou souscrire à une autre offre de mon opérateur à l’avenir
F2
F3
Mon
opérateur
est
l’un
des
meilleurs choix du marché
Burnham et al. (2003)
Je me considère comme un client fidèle de mon opérateur
Jean-François Truc – Mémoire – Mémoire de fin d’études
31
4.4
Collecte des données
J’ai opté pour le
service Qualtrics.com pour concevoir et distribuer mon enquête en ligne. li gne. Les
nombreux outils de suivi m’ont convaincu (téléchargements de résultats partiels sous différents formats, monitoring des résultats en temps réel).
J’ai sollicité pendant 15 jours les retours retours d’internautes exclusivement exclusivement impliqués dans
au
moins une communauté opérateur, au moyen de ‘ posts’ exposant ma démarche de recherche. En contrepartie je me suis efforcé de participer au maximum aux débats et échanges sur les plates-formes pour pour gagner en visibilité visibilité (un lien sur mes signatures renvoyant vers l’enquête).
J’ai ciblé 9 plates-formes communautaires centrées autour d’ opérateurs, ainsi que 13 comptes
Facebook officiels de MNO et MVNO pour particuliers 6. Il ne fut pas aisé, au vu de ma condition de qualification, de recruter suffisamment de personnes. La La conversion du nombre de vue vue sur mes sujets en redirections vers l’enquête était très faible. Je suis tout de même parvenu à récolter r écolter 101 réponses en deux semaines, parmi lesquelles 80 remplies à 100%. J’ai pu constater en consultant les réactions des membres que les utilisateurs les plus actifs
avaient le plus tendance à répondre. Cela peut avoir influencé sur les résultats, notamment en haussant artificiellement les indicateurs de participation et d’identification à la communauté.
6
Liste complète des communautés consultées consultées en annexe
Jean-François Truc – Mémoire – Mémoire de fin d’études
32
Quelques débats houleux furent suscités, notamment par des modérateurs plutôt hostiles à une enquête de satisfaction menée par des tiers sur leur plate-forme (chez Orange notamment). Au contraire, certaines communautés comme SFR ont réservé un bon accueil au questionnaire et m’ont encouragé dans mes recherches.
5 5.1
Exploitation des résultats de l’enquête Choix et justification de la méthode PLS
5.1.1 Principes Le terme de « méthode PLS » désigne l ’application des techniques et algorithmes de Squares) à l’estimation de modèles régression en moindres carrés partiels ( Partial Least Squares) d’équations structurelles.
A.Lacroux donne un bon résumé des éléments essentiels de cette méthode dans son article modèles de relations structurelles par la methode pls : une approche « L’analyse des modèles émergente dans la recherche quantitative en GRH (2009) » :
« La technique générale générale de la régression PLS a été mise au point par S. Wold et ses collègues en 1985, dans le but de décrire les relations entre des groupes de variables indépendantes et dépendantes, dépendantes, dans des systèmes de type entrée-sortie comprenant de nombreuses variables. Initialement mise au point pour des applications dans dans le domaine de la chimie, la régression PLS est aujourd ’hui couramment appliquée dans les sciences humaines et sociales, tout particulièrement dans dans le domaine de l’économétrie. Une fois la spécification théorique du modèle est terminée, l’estimation PLS est réalisée
itérativement : dans le modèle m odèle de mesure, les variables latentes sont estimées par des combinaisons linéaires de leurs indicateurs pondérés. pondérés. La pondération des indicateurs est est
Jean-François Truc – Mémoire – Mémoire de fin d’études
33
réalisée de manière à ce que la variance expliquée de la variable latente soit maximisée (autrement dit que le pouvoir explicatif des indicateurs pondérés et combinés soit maximal). Dans le modèle structurel, les liens entre variables latentes (coefficients de régression linéaire) sont estimés par des régressions régressions multiples entre les variables variables sélectionnées. L’objectif est la maximisation de la variance expliquée des variables dépendantes
par les
variables indépendantes, indépendantes, donc la maximisation de la covariance covariance entre variable explicative et et variable expliquée (Sosik & al, 2009) »
5.1.2 Avantages de la méthode PLS
Les principaux avantages de la méthode PLS sont précisés avec clarté par p ar Tennenhaus (1998, p.233): « Par contraste avec la méthode du maximum de vraisemblance (Lisrel), la méthode PLS est d’une grande simplicité. Il y a peu d’hypothèses probabiliste s. On modélise directement les données à l’aide d’une succession de régressions simples ou multiples. Il n’y a aucun
problème d’identification »
Les arguments principaux évoqués par Tennenhaus sont:
la simplicité de la méthode, accessible accessible même aux personnes peu formées à l’analyse statistique
Jean-François Truc – Mémoire – Mémoire de fin d’études
34
le peu d’hypothèses probabiliste s requises: La methode PLS ne requiert r equiert pas la multinormalité des variables, un facteur obligatoire et contraignant pour l’analyse Covariance-based SEM (CBSEM), (CBSEM), ou LISREL. De plus, on peut appliquer la PLS à des jeux de données de variables nominales d’inter valle valle ou continues.
Donc dans notre cas, on peut l’appliquer à nos observations de variables qualitatives ordinales issues d’échelles de Likert.
Autre argument: de moi ndres contraintes d’échantillon. Par opposition aux méthodes CBSEM, qui exigent un minimum de 200 observations comme prérequis à toute étude (Roussel & al – 2002, 2002, p.48), les estimations PLS peuvent s’appliquer à des échantillons plus petits: le nomb re d’observations doit être supérieur ou égal à 10 fois le nombre d’indicateurs de la variable formative la plus complexe, et /ou 10 fois le nombre de relations structurelles émanant du construit central du modèle structurel, selon Chinn (1998).
Comme notre modèle ne comporte aucune variable formative (nos cinq construits latents étant tous réflexifs), le seuil d’acceptabilité est donc pour notre cas de dix fois le nombre de relations émanant de notre construit central, PCV. Il est relié à trois autres construits du modèle, donc la méthode PLS se révèlerait viable à partir de 30 observations. En disposant de 76 questionnaires complets à 100%, nous rentrons donc dans un cadre d’application acceptable de la méthode.
Jean-François Truc – Mémoire – Mémoire de fin d’études
35
Le tableau suivant, tiré de l’article d’A.Lacroux, donne un récapitulatif de la comparaison de la méthode PLS par rapport à la méthode LISREL:
Figure 5-1Comparaison PLS / Lisrel (Lacroux, 2009)
Il nous permet de conforter ce choix de la méthode PLS.
La méthode PLS est aujourd’hui disponible dans plusieurs logiciels gratuits disponibles en ligne. J’ai pour ma part utilisé WarpPLS7, qui était simple d’utilisation, efficace et disponible avec
une licence d’essai gratuite de trois mois sans aucun enregistrement nécessaire.
7
WarpPLS, ScriptWarp systems systems (http://www.scriptwarp.com/warppls/)
Jean-François Truc – Mémoire – Mémoire de fin d’études
36
5.2
Analyse préliminaire sous SPSS
5.2.1 Caractéristiques de l’échantillon
L’enquête a été conduit e sur une période de dix jours, du 10 au 24 Novembre 2013.
Elle ciblait différentes communautés d’opérateurs mobile (forums de discussion ou d’assistance ou pages Facebook officielles), et
a généré 101 réponses.
Sur le panneau qualtrics.com, le paramètre ‘afficher un message d’avertissement lorsqu’une ou plusieurs réponses ne sont pas remplies’ lors d u passage du sondé à la page suivante avait
été coché. Cela a le désavantage d’avoir conduit à certai ns questionnaires incomplets (80 sur les 101 étant remplis à 100%) mais aussi l’avantage d’avoir permis de collecter plus de réponses au total : en rendant toutes les réponses obligatoires pour procéder, on court le risque de voir l’internaute renoncer plus facilement.
Une fois l’enquête close, les données ont été téléchargées pour exploitation au format
SPSS
sav . sav. J’ai ensuite éliminé 4 observations jugées suspectes (réponses ‘tout à fait d’accord’ ou ‘pas du tout d’accord’ à tous les items).
A l’aide d’un rapport de
statistiques descriptives généré par SPSS sur les quatre premières
questions du questionnaire, conçues comme des variables démographiques pour obtenir des informations précises sur les répondants, nous pouvons nous faire une idée de l’échantillon de notre étude, présenté dans le tableau suivant :
Jean-François Truc – Mémoire – Mémoire de fin d’études
37
Figure 5-2 Caractéristiques de l'échantillon interrogé (N=76)
Caractéristique
Fréquences
Pourcentage des réponses valides
Sexe
Homme
52
68.4%
Femme
24
31.6%
Moins de 20 ans
2
2.6%
Entre 20 et 29 ans
20
26.3%
Entre 30 et 39 ans
9
11.8%
Plus de 40 ans
45
59.2%
9
11.8%
Entre 1H30 et 3 heures
33
43.4%
Plus de 3 heures
34
44.7%
Orange
24
31.6%
Bouygues Telecom
9
11.8%
SFR
22
28.9%
Free mobile
10
13.2%
Sosh
4
5.3%
B&YOU
2
2.6%
RED by SFR
2
2.6%
Autre MVNO
3
3.9%
Tranche d’âge
Temps passé sur internet par jour
Moins d’1h30
Opérateur mobile
On constate que l’échantillon est
masculin à plus des deux-tiers.
Cela n’est en soi pas surprenant, puisque la participation à une communauté en ligne présuppose une certaine affinité avec l’outil informatique et un intérêt pour la technologie mobile que l’on retrouve plus souvent chez les hommes. De plus, un des motifs principaux de
première visite, et et donc de découverte découverte de ces communautés communautés opérateurs, opérateurs, est souvent souvent le besoin
Jean-François Truc – Mémoire – Mémoire de fin d’études
38
d’obtenir des informations en vue de résoudre une panne technique, responsabilité qui
incombe souvent au père de famille dans les foyers.
En ce qui concerne la répartition des tranches d’âge, on dénote 59.2% de personnes âgées de plus de 40 ans. ans. Je pense que cela est est peut- être à relier à la part importante d’abonnés d’Orange et de SFR parmi les sondés, opérateurs à l’ima ge plus ‘traditionnelle’ et associés à une
clientèle moins jeune. Cela peut également être imputé à une plus grande prédisposition à l’entraide chez les adultes matures, plus disposés à prendre de leur temps pour répondre au questionnaire d’un étudiant les sollicitant directement. La quatrième variable démographique nous permet d’avoir un premier aperçu de la validité de
notre échantillon en comparant les parts de marchés données en section 3.1 avec les chiffres de l’échantillon. En regroupant chaque MNO a vec son MVNO low-cost , on pouvait comparer la composition de l’échantillon avec les chiffres du marché national observé s
précédemment
(voir section 3.1)
Figure 5-3 comparaison de la distribution des opérateurs dans l'échantillon avec les parts de marché nationales
Opérateur
Pourcentage des réponses
Part de marché
valides à l’enquête
Juin 2013
Orange + SOSH
36,9%
36%
SFR +RED
31.5%
28%
Bouygues Telecom + B&YOU
14.4%
15%
Free mobile
13.2%
10.3%
Autres MVNOs
3.9%
11%
Jean-François Truc – Mémoire – Mémoire de fin d’études
39
L’échantillon des sondés semble donc plutôt bien représenter la population, hormis la sous -
représentation des MVNO, qui peut sans doute s’expliquer par le fait qu’une grande partie d’entre eux ne disposent pas d’autre médium communautaire qu’une simple page Facebook . Cependant ces dernières semblaient moins efficaces pour générer des retours sur l’enquête. Il
était donc plus difficile d’atteindre les abonnés des MVNO dans le sondage.
5.2.2 Test de normalité
Effectués à l’aide de SPSS, les Tests de Sha piro-Wilk et Kolmogorov-Smirnov étaient tous
deux significatifs (p<0.05) (p<0.05) pour chacun des items mesuré par par une échelle de Likert, donc les données ne suivaient pas une répartition normale. L’analyse des diagrammes Quantile-Quantile et des histogrammes m’a aussi permis d’observer l’asymétrie ( skewness skewness) et le
coefficient applatissement (kurtosis) de mes variables,
avec des asymétries comprises comprises entre -1,126 (Item S1) et -0,581 (Item C3), et des applatissements ( kurtosis) compris entre -0,650 (pour PCV2) et et 1,200 (S1).
Figure 5-4 Exemple d’Histogramme de répartition obtenu (Item C3)
Jean-François Truc – Mémoire – Mémoire de fin d’études
40
Ces asymétries négatives correspondaient correspondaient avec un biais associé au choix des échelles de Likert : le répondant a naturellement tendance tendance à être en accord avec avec une proposition formulée positivement (Friedman (Friedman et al, 1993). Cela Cela augmente le poids des réponses ‘plutôt d’accord’ et ‘tout à fait d’accord’ correspondant aux valeurs 4 et 5 dans les échelles. Dans tous les cas nous ne pouvons pas procéder à une méthode d’analyse basée s ur la co -
variance en ne satisfaisant pas à l’exigence de normalité, c’est pourquoi nous avons choisi la méthode PLS.
5.3
Analyse par la méthode PLS
Nous suivrons les étapes d’analyse par la méthode PLS recommandé recommandées par A.Lecroux dans l’article déjà mentionné précédemment.
Celle-ci s’articulera en deux parties :
a) Dans un premier temps on s’assurera de la validité du modèle de mesure. Pour cela, on s’attachera à évaluer la qualité de la mesure des construits sous-jacents par les indicateurs de l’enquête, au moyen de procédures adaptées
au type des variables du modèle.
Dans notre cas, tous nos cinq construits sous-jacents sont réflexifs, donc la fiabilité et la validité sont des critères appropriés pour l’évaluation du système de mesure. (Hair, Ringle et al. 2011)
b) Une fois ce modèle extérieur vérifié, on testera le modèle structurel lui-même ( inner model ) et l’on mettra à l’épreuve l’ épreuve les hypothèses formulées en section 2.3.3 et 3.3
Jean-François Truc – Mémoire – Mémoire de fin d’études
41
Les construits seront décrits par leur label affecté dans le logiciel PLS (qui ne pouvait dépasser 8 caractères).
PCV : participation à la communauté virtuelle C : Confiance S : Satisfaction IC : Identification à la communauté F : Fidélité 5.3.1 Validation du modèle de mesure
On s’intéresse ici à la validation de nos 5
construits, c’est à dire à évaluer la capacité de nos
indicateurs observés à mesurer les construits latent s, ainsi qu’à vérifier la validité convergente et la validité discriminante des construits.
Etude de fiabilité et de validité convergente
En traitant les données issues de rapports produits par WarpPLS, j’ai pu obtenir le tableau suivant:
Figure 5-5 Caractéristiques de cohérence interne des construits du modèle
PCV
C
S
IC
F
Variance Moyenne Extraite (VME) Fiabilité composite (CR)
0,851 0,945
0,858 0,948
0,868 0,929
0,687 0,867
0,71 0,88
Alpha de Cronbach
0,912
0,917
0,848
0,767
0,794
Jean-François Truc – Mémoire – Mémoire de fin d’études
42
Le coefficient alpha de Cronbach, indicateur traditionnel de cohérence en statistique, est ici supérieur à 0.767 pour tous les l es construits. Des valeurs inférieures à 0.6 auraient été synonymes de faible fiabilité (Lacroux 2009). La fiabilité composite 8 doit être supérieure à 0.7 pour signifier une bonne cohérence interne (Hair, Ringle & al, 2011). Toutes nos valeurs sont ici supérieures à 0.867. Le critère est donc rempli. Enfn, on voit que les VME 9 sont toutes comprises entre 0.687 et 0.868, ce qui signifient que nos construits expriment tous en moyenne plus de 69% de la variance de leurs indicateurs. Il est obligatoire pour valider le système de mesure que cette valeur soit au moins supérieure à 0.5, seuil en-dessous duquel duquel il faut réarticuler r éarticuler le construit ou en trouver un plus pertinent (Hair, Ringle & al 2011).
Validité discriminante
Les tableaux de contributions croisées permettent d’évaluer la validité discriminante des construits, en vérifiant que les items rattachés rattachés à un construit ne contribuent contribuent pas trop fortement sur les construits voisins. Sosik & al. (2009) conseillent conseillent également également de vérifier la validité discriminante discriminante en s’assurant que la variance partagée entre les
construits latents
(mesurée par par les corrélations entre construits) construits) est inférieure à la variance partagée par par un construit avec ses indicateurs (mesurée par la racine carré carré de la variance moyenne moyenne extraite)
Les tableaux suivants résument les résultats des différentes procédures de validation des construits du modèle de mesure : 8
Voir formules en annexe
9
Jean-François Truc – Mémoire – Mémoire de fin d’études
43
Figure 5-6 Tableau des contributions croisées (cross-loadings) standardisées PCV
C
S
IC
F
Valeur de p Valeur
PCV1
(0.949)
-0.061
-0.044
0.081
0.097
<0,001
PCV2
(0.879)
-0.011
0.002
-0.124
0.001
<0,001
PCV3
(0.937)
0.072
0.043
0.034
-0.099
<0,001
C1
0.072
(0.931)
-0.015
-0.047
-0.151
<0,001
C2
0.011
(0.945)
0.010
0.061
-0.197
<0,001
C3
-0.086
(0.903)
0.005
-0.015
0.362
<0,001
S1
-0.011
0.208
(0.932)
-0.076
-0.220
<0,001
S2
0.011
-0.208
(0.932)
0.076
0.220
<0,001
IC1
-0.449
-0.088
-0.084
(0.712)
-0.014
<0,001
IC2
0.333
0.246
0.056
(0.860)
-0.165
<0,001
IC3
0.037
-0.165
0.012
(0.902)
0.169
<0,001
F1
0.066
-0.067
0.149
0.019
(0.899)
<0,001
F2
-0.009
0.427
0.448
-0.082
(0.817)
<0,001
F3
-0.065
-0.357
-0.619
0.061
(0.808)
<0,001
Comme on peut le voir dans le tableau ci- dessus, généré d’après un rapport WarpPLS , chaque indicateur contribue beaucoup plus au construit latent auquel il est censé se rapporter qu’à tous les autres. Figure 5-7 Corrélations entre construits (avec la VME de chaque construit sur la diagonale)
VCP
C
S
IC
VCP
(0.922)
C
0.156
(0.926)
S
0.106
0.588
(0.932)
IC
0.671
0.230
0.193
(0.829)
F
0.183
0.819
0.717
0.241
F
(0.842)
Note: la diagonale réprésente la racine carrée de l'AVE, l'AVE, et les valeurs sous cette diagonale sont les corrélations entre les construits.
On constate que pour chaque construit, la valeur de la diagonale est bien plus élevée (écart supérieur à 0.2 points) que tout autre cross-loading , le cas le plus proche étant celui de la Confiance qui partage 59% de sa variance avec la Satisfaction. Le critère de Fornell et Larcker (1981) est donc atteint.
Jean-François Truc – Mémoire – Mémoire de fin d’études
44
On peut donc conclure que la condition de validité discriminante du modèle de mesure est, au même titre que la validité convergente, remplie.
5.3.2 Estimation du modèle structurel Maintenant que la fiabilité du modèle extérieur a été établie, nous pouvons nous attacher à l’estimation du modèle interne.
L’estimation du modèle interne par le logiciel de PLS est résumée dans la figure
suivante: Figure 5-8 Résultat de l’estimation du modèle sur WarpPLS
Jean-François Truc – Mémoire – Mémoire de fin d’études
45
Le logiciel nous fournit également des indicateurs de Goodness of Fit du modèle : Average Path coefficient (APC)=0.310,P<0.001 (APC)=0.310,P<0.001 Average R-squared (ARS)=0.364, P<0.001 Average block VIF (AVIF)=1.466 (Bon si inférieur à 5)
5.3.3 Résultat de nos hypothèses de recherche
Nous tirons de cette cette estimation les conclusions conclusions suivantes suivantes sur les hypothèses hypothèses que ce mémoire se proposait de vérifier :
Figure 5-9 Test de nos hypothèses de départ
Hypoth Hypothès ès e de recherche
Coefficient du chemin
Relation
Coefficient de
P
R e s ultat
détermination (R²)
H1
PCV
C
0,33
p <0 <0,01
Hypothè se se ac acce pt pté e
0,11
H2
PCV
IC
0,61
p <0 <0,01
Hypothè se se ac acce pt pté e
0,47
H3
PCV
S
0,21
p <0,01
Hypothè se acce pté e
H4
C
F
0,55
p <0 <0,01
Hypothè se se ac acce pt pté e
H5
C
IC
0,14
Hypothèse Hypot hèse rejeté e
H6
S
F
0,35
p <0 <0,01
hypothè se se ac acce pt pté e
H7
S
IC
0,21
p <0,01
Hypothè se acce pté e
0,087
H8
IC
F
0,06
Hypothèse Hypot hèse rejeté e
0,049
0,09
0,13
Jean-François Truc – Mémoire – Mémoire de fin d’études
0,046
0,463
0,028
0,283
46
Pour savoir si les hypothèses de départ sont vérifiées, nous nous basons sur la valeur de p. La relation doit être significative au moins à 5% , pour garantir avec une marge d’erreur raisonnable que l’effet observé n’est pas le fruit du hasard.
Sur le tableau ci-dessus les conditions non satisfaites sont surlignées en rouge.
Elles nous amènent à rejeter les hypothèses H5, et H8, et a accepter H1, H2, H3, H4, H6 et H7.
On notera que l’hypothèse H8 se situe
à la frontière du seuil d’acceptation (p=0.06)
Ce tableau nous renseigne également sur le pouvoir explicatif des relations décrites dans les hypothèses :
tout d’abord grâce au coefficient structurel β, qui, lorsqu’il est supér ieur ieur à 0.20,
permet de qualifi qualifier l’effet comme signigicatif pour les applications au marketing et au management management (Lacroux, 2009).
Ensuite, un coefficient de détermination R² supérieur ou égal à 0.1 (c’est à dire qui permet d’expliquer au moins 10% de la variance variance du construit latent endogène)
présente un intérêt significatif (Falk & Miller, 1992).
Les valeurs de β et de R² situées au-dessus de ces seuils ont été indiquées en gras sur le
tableau de la page précédente.
Jean-François Truc – Mémoire – Mémoire de fin d’études
47
Figure 5-10 Résultat du modèle
Effet significatif (p<0.01) Effet non significatif
Jean-François Truc – Mémoire – Mémoire de fin d’études
48
6
Conclusion
6.1
Interprétation des résultats et implications managériales
Parmis nos huit hypothèses de départ, nous avons été en mesure d’en valider 6 empiriquement par l’étude quantitative pour le marché des opérateurs de téléphonie mobile:
H1: La participation à la communauté en en ligne d’un opérateur opérateur influence positivement la confiance confiance des consommateurs consommateurs envers envers l’opérateur l’opérateur ( β = 0.33 , R²=0.11)
Nous
vérifions ici la motivation principale des opérateurs à créer et à animer des des
communautés autour de leur marque. Le coefficient est élevé ce qui justfie de l’importance pour les opérateurs d’arriver à promouvoir leurs leurs communautés en ligne,
et à y impliquer leurs abonnés, pour renforcer la confiance des consommateurs à leur endroit.
H 2: L a parti cipation àla communau té en li gne infl in fl uence posi posi tive ti veme ment nt ( β = 0.61, R²=0.47) l’identification communautaire chez l’abonné (
En participant aux débats et en échangeant avec d’autres membres en ligne, l’abonné
développe un sentiment d’appartenance envers celle-ci en très forte proportion avec son investissement. Avec un β de 0.61 et un R² de 0.47, cette relation est la plus signficative de notre modèle.
H 3 : La participation à la communauté en ligne d’un opérateur mobile influence positivement la satisfaction satisfaction générale de l’abonné envers envers cet opérateur opérateur
( β = 0.21, 0.21, R²=0.046)
Jean-François Truc – Mémoire – Mémoire de fin d’études
49
Avec un R² de 0.046 , cette relation a un très tr ès faible effet, en expliquant moins de 5% de la variance de la satisfaction. Néanmmoins, Néanmmoins, cet effet existe, ce qui renforce encore la pertinence de la participation partici pation de l’abonné à la communauté en ligne sur le plan
marketing.
es intentions de fidélité de l’abonné H 4: L a conf conf iance inf lu ence positi positi veme vement nt sur l es
β = 0.55, R²=0.463) R²=0.463) enver en verss son son opé op é r ateu at eurr (
Le lien entre les construits de confiance et de fidélité est, comme on pouvait s’y attendre, un des plus significatifs établi par le modèle puisque la confiance est considérée unanimement unanimement comme un moteur central du marketing.
H6: La satisfaction influence influence positivement positivement sur la fidélité de l’abonné l’abonné envers son
β = 0.35 , R=0.283) opé op é r ateur eu r (
Sans surprise également, puisque la satisfaction client est un impératif marketing de premier ordre dans dans la téléphonie mobile, mobile, comme le prouve prouve les nombreuses nombreuses publicités mettant en avant la qualité du service client (notamment celles de Bouygues Telecom Telecom qui axe sa différenciation sur ce facteur).
H7: La satisfaction générale générale de l’abonné l’abonné envers envers son opérateur mobile influence positivement le sentiment sentiment d’appartenance d’appartenance à la communauté communauté de cet cet opérateur ( β =
0.21, R²=0.087)
La relation est, comme pour H3, de faible importance, et ne nous permet pas de tirer des conclusions significatives.
Jean-François Truc – Mémoire – Mémoire de fin d’études
50
H8: L’identification à la communauté communauté influence positivement les intentions intentions d’achats/la fidélité ( β = 0.13, p = 0.06)
Même si cette hypothèse a été rejetée, elle se situait à la frontière basse de la significativité, on peut envisager qu’elle puisse tout de même avoir un effet
mineur si
l’on venait à changer certains paramètres de l’étude (cf section 6.3).
Rejet empirique de l’hypothèse H5 (p=0.14) et H8 (p=0.06)
Nous ne sommes sommes cependant cependant pas arrivés à relier le construit Confiance du consommateur dans l’opérateur au au construit social d’ Identification à la communauté en ligne de l’opérateur.
Cette observation montre donc que même si un abonné a confiance dans son opérateur, cela ne l’amènera pas pour autant à s’identifier à sa communauté en ligne, s’il n’y participe pas
lui-même.
Cela pourrait être interprété comme de la méfiance vis-à-vis de la sincérité et de la l a capacité de ces communautés en ligne à représenter fidélement fidél ement l’ensemble des abonnés de l’opérateur, ou encore comme une volonté pour l’abonné de ne pas prendre en compte l’expérience des autres
consommateurs dans la confiance qu’il éprouve vis -à-vis de son opérateur, son propre avis sera ainsi prépondérant pour déterminer sa fidélité future.
Cela est sans doute dû à la prépondérance de caractères techniques dans l’évaluation de l a
prestation de service service offerte par un opérateur opérateur mobile à son son abonné (qualité (qualité du réseau, de la couverture et surtout débits réels proposés) qui priment sur les aspects communautaires. communautaires.
Jean-François Truc – Mémoire – Mémoire de fin d’études
51
Cependant l’effet entre le sentiment d’appartenance à la communauté en ligne de l’opérateur
et les intentions de fidélité future existe, même s’il est faible, et l’on pourrait essayer de cett e relation pourrait être modifier certains paramètres de l’étude pour voir si l’importance de cette
améliorée.
6.2
Limites de l’étude
Tout d’abord, notre étude possède les limites intrinsèques à l’utilisation de de la
méthode PLS:
prise en compte de l’erreur de mesure des indi cateurs observés dans l’enquête étant la la non- prise
plus importante(Lacroux, importante(Lacroux, 2009).
Au niveau de la conception du questionnaire, je pense que le nomb re d’indicateurs observés pour chaque construit sous-jacent sous-jacent était trop faible : à trop vouloir vouloir gagner en ergonomie ergonomie et à réduire l’effort des répondants, j’ai perdu en qualité des réponses.
Enfin, cette étude est limitée par un «échantillonnage réduit dû à des difficultés de recrutement des sondés, qui devaient de plus répondre à une condition particulière pour être qualifiés (avoir au moins participé à une communauté en li gne axée autour d’un opérateur
mobile). Un plus grand nombre d’observation aurait peut -être permis d’obtenir des variables variables suivant une distribution normale et de pouvoir recourir à la méthode CB-SEM. , afin d’obtenir des résultats
à plus forte valeur scientifique. scientifique.
Jean-François Truc – Mémoire – Mémoire de fin d’études
52
Pistes d’approfondissement.
6.3
Si nous avons réussi à appliquer 6 de nos hypothèses de départ et à en tirer des conclusions sur la relation entre la participation des abonnés à une communauté en ligne de leur opérateur mobile, d’autres pistes peuvent nous permettre de la préciser encore davantage ou d’en
illustrer des conséquences conséquences importantes.
1)
Raffiner l’étude :
-
Prendre en compte la nature des communautés : étudier séparément les forums de type’ouverts’, des plates-formes type ‘boîtes à questions’ et des pages Facebook
opérateurs -
Ré-étudier le modèle en se limitant à un sous-échantillon, comme par exemple celui des personnes qui surfent quotidiennement plus de 3 heures par jour (possibilité que cela renforce la signification de H8) ou par exemple aux seuls abonnés des communautés où le dialogue et les échanges entre membres étaient plus poussés (Orange et SFR) , là aussi afin de voir si l’on arrive à obtenir un effet plus si gnificatif sur les hypothèses H3, H5, H7 et H8.
2)
Proposer une échelle de classement qualitative des communautés opérateurs selon les
observations qualitatives réalisées, réalisées, comme par exemple en les positionnant sur des axes représentant par exemple l’intensité des échanges entre les membres et la politique de modération de la communauté par l’opérateur, et voir si l’on peut relier ce positionnement
Jean-François Truc – Mémoire – Mémoire de fin d’études
53
avec les valeurs des indicateurs PCV et IC mesurés dans l’étude pour les répondants de chaque opérateur.
3)
Etudier l’impact de ces communautés dans un contexte de
crise de communication
comme en Janvier 2012 lors de l’annonce des offres de Free mobile qui ont révolutionné le marché, en comparant les prises de position des différents CM et leurs perceptions.
Jean-François Truc – Mémoire – Mémoire de fin d’études
54
Bibliographie
I.
Ouvrages
Chin W.W. (1998). The partial least squares squares approach to structural equation equation modeling. In Modern methods for business research,
G. A. Marcoulides (Ed.), 295-336.
FALK, R. Frank & MILLER, MILLER, Nancy B. B. (1992). A primer for soft modeling . Akron, OH, US : University of Akron Press. H. Rheingold (1993). The Virtual Community: Homesteading on the Electronic Frontier . Reading, Massachusetts: Addison-Wesley. Tenenhaus, Tenenhaus, M. (1998). La régression PLS: théorie et pratique. Editions Technip. Vinzi, V. E., Trinchera, L., & Amato, S. (2010). PLS path modeling: from foundations to recent developments and open issues for model assessment and improvement. In Handbook of Partial Least Squares, 47-82. Springer Berlin Heidelberg.
Wellman, B. & Gulia, M. (1999). Net- surfers don’t ride alone: virtual communities as communities. In: B. Wellman, ed. Networks in the global village. Boulder, CO:Westview Press , 331 – 366. 366.
II.
Articles
Abdelmajid , Amine & Sitz, S itz, Lionel (2007). Emergence et structuration des communautés de marque en ligne, Decisions Marketing , 46, Avril-Juin, 63-75.
Jean-François Truc – Mémoire – Mémoire de fin d’études
55
Ahearne, M., Bhattacharya, C., & Gruen, T. ( 2005). Antecedents and consequences consequences of customer-company customer-company identi fication: expanding the role of relationship marketing. Journal of Applied Psychology, 90 (3), 574 – 585. 585.
Anderson, E., Fornell, C., & Lehmann, D. (1994). Customer satisfaction, market share, and profitability: findings from Sweden . Journal of Marketing , 58 (3), 53 – 66. 66.
Algesheimer, R., Dholakia, U., & Herrmann, A. ( 2005). The social in fluence of brand community: evidence from European car clubs. Journal of Marketing, 69 (3), 19 – 34. 34.
Bhattacharya, C.B. & Sen, S. (2003). Consumer-company identi identi fication: a framework for understanding consumers’ relationships with companies. Journal companies. Journal of Marketing , 67 (2), 76 – 88 88
. Ba, S. & Pavlou, P. (2002). Evidence of the e ff ect ect of trust building technology in electronic markets: price premiums and buyer behavior . MIS Quarterly, 26 (3), 243 – 268. 268.
Bagozzi, R.P. & Dholakia, U.M. (2006). Open source software user communities: a study of participation in Linux Linux user groups. Management Science, 52 (7),1099 – 1115. 1115.
Bagozzi, R.P. & Dholakia, U.M. (2006). Antecedents and purchase consequences of customer participation in small group group brand communities. communities. International Journal of Research in Marketing , 23 (1), 45 – 61. 61.
Jean-François Truc – Mémoire – Mémoire de fin d’études
56
Burnham, T., Frels, J., & Mahajan, V. (2003). Consumer switching costs: a typology, antecedents, and consequences. Journal of the Academy of Marketing Science, 31 (2), 109 – 126. 126. CASALÓ, L.V., FLAVIÁN, C. & GUINALÍU, M (2010). Antecedents and Consequences of Consumer Participation in On-Line Communities: The Case of the Travel Sector. International Journal of Electronic Commerce, 15(2), 137-167.
Dholakia, U.M., Bagozzi, R.P.,& Pearo, L.R.K. (2004). A social influence model of consumer participation in networknetwork- and small-group-based small-group-based virtual communities. communities. International Journal of Research in Marketing Marketing , 21 (3), 241 – 263. 263.
Harris, L.C. & Goode, M.M.H. (2004). The four levels of loyalty and the pivotal role of trust: a study of online service dynamics . Journal of Retailin g, 80 (2), 139 – 158. 158.
Friedman, Herksowitz & Pollack (1993). The biasing effect of scale-checking styles on response to a Likert scale. Proceedings of the Joint Statistical Meeting
Lu Y, Zhao L & Wang B (2010) From virtual community members to C2C e-commerce buyers: trust in virtual communities and its effect on consumers’ purchase intentions. Electr.
Commer. Res. Appl. 9(4), 346 – 360 360 MANCHANDA, P., PACKARD, G. & PATTABHIRAMAIAH, A. ( 2012). A Big Payoff from Online Company Communities. strategy+business
Jean-François Truc – Mémoire – Mémoire de fin d’études
57
McKnight, D.H., Choudhury, Choudhury, V., & Kacmar, C. (2002). Developing Developing and validating trust measures for e-commerce: an integrative typology. Information Systems Research, 13 (3), 334 – 359. 359.
Pai, P. Y., & Tsai, H. T. (2011). How virtual community participation influences consumer loyalty intentions in online shopping contexts: an investigation of mediating factors. Behaviour & information technology technology , 30(5), 603-615.
Szymanski, D.M. & Hise, R. (2000). E-Satisfaction: an initial examination. Journal of Retailing , 76 (3),309 – 322. 322.
Thatcher, S. & Zhu, X. (2006). Changing identities in a changing workplace: ide ntification, identity enactment, self- verification, and telecommuting. Academy of Management Review, 31 (4), 1076 – 1088. 1088. Sosik, J., Kahai, S., & Piovoso, M. (2009). Silver Bullet or Voodoo Statistics? A Primer for Using the Partial Least Squares Data Analytic Technique T echnique in Group and Organization Research. Group & Organization Management , 34(1), 5-36. Roussel P., Durrieu F., Campoy E. & El Akremi A. (2002) (2002) : Méthodes d’équations
structurelles : recherche et applications en gestion – Paris, Paris, Economica coll. Gestion HAIR, J., SARSTEDT, M., RINGLE, C.& MENA, J. (2012). An assessment of the use of partial least squares squares structural equation equation modeling in marketing marketing research. Journal of the Academy of Marketing Science, 40(3), 414-433.
Jean-François Truc – Mémoire – Mémoire de fin d’études
58
Fornell C. & Larcker D.F. (1981). Evaluating structural equation models with unobservable variables and measurement error, J. Market. Res., 48, 39 – 50. 50.
III.
Ressources en ligne consultées
ARCEP (2013). Observatoires / Services mobiles 3 ème trimestre 2013. Accédé le 15 Novembre 2013 2013 depuis http://www.arcep.fr/index.php?id=35 http://www.arcep.fr/index.php?id=35 Lacroux, A. (2009). L’analyse des modèles de relations structurelles par la méthode pls : une approche émergente dans la recherche quantitative en GRH. Accédé le 18 Novembre 2013 depuis http://fr.scribd.com/doc/140 http://fr.scribd.com/doc/140778015/2009-L 778015/2009-Lac-Roux-073 ac-Roux-073 Paswan Audesh (2009) Confirmatory Factor Analysis and Structural Equations Modeling:An Introduction lecture. University of North Texas. Présentation téléchargée depuis www.cob.unt.edu/slides/paswan/BUSI6280/CFA-SEM%20-%20Intro May%2018%202009.ppt May%2018%202009.ppt le le 19/11/2013
ZDNet.fr (2013). Free fait le plein d’abonnés sur le mobile et le haut débit . Accédé le 17 Novembre 2013 2013 depuis http://www.zdnet.fr/actualites/free-fait-le-plein-d-abon http://www.zdnet.fr/actualites/free-fait-le-plein-d-abonnes-sur-lenes-sur-lemobile-et-le-haut-debit-39793574.htm IV.
Logiciels utilisés
WarpPLS ™ , ScriptWork Systems , téléchargé téléchargé le 15 Novembre Novembre 2013 depuis depuis http://www.scriptwarp.com/warppls SPSS Statistics 16, IBM.
Jean-François Truc – Mémoire – Mémoire de fin d’études
59
Table des figures Figure 1-1Structure du mémoire.......................................................................................................................... 8 Figure 2-1 Modèle conceptuel conçu par Pei-Yu et Tsai et retenu pour le cadre de notre étude ................ 11 Figure 3-1 Evolution du nombre de cartes SIM en circulation en France .................................................... 18 Figure 3-2 Extrait du rapport trimestriel de l’ARCEP présentant la croissance et le taux de pénétration total des cartes SIM en comparaison à la population au 1
er
Janvier de l’année précédente (source
Insee) ........................................................................................................................................................... 19 Figure 3-3 Evolution des parts de marché des opérateurs de téléphonie mobile entre Juin 2012 et Juin 2013 ............................................................................................................................................................. 20 Figure 3-4 Les étapes pour poser une question sur la communauté Bouygues Telecom Te lecom ............................... 22 Figure 3-5Aperçu des boutons communautaires du forum SFR ................................................................ ..... 24 Figure 3-6 Exemple de Page Facebook d'opérateur ......................................................................................... 25 Figure 4-1 Exemple d'échelle d'é chelle de Likert utilisée dans l'étude ........................................................... ................ 28 Figure 4-2 Items Ite ms de mesure conceptuels c onceptuels retenus retenu s par Pei-Yu & Tsai (2011) ................................................... 30 Figure 4-3 Tableau récapitulatif des items de mesure retenus pour notre étude .......................................... 30 Figure 4-4Détail des Items retenus pour mesurer mesurer les variables latentes ....................................................... 31 Figure 5-1Comparaison PLS / Lisrel (Lacroux, 2009) ..................................................................................... 36 Figure 5-2 Caractéristiques de l'échantillon interrogé (N=76) ........................................................................ 38 Figure 5-3 comparaison de la distribution des opérateurs dans l'échantillon avec les parts de marché nationales .................................................................................................................................................... 39 Figure 5-4 Exemple d’Histogramme de répartition obtenu (Item C3) ........................................................... 40 Figure 5-5 Caractéristiques de cohérence interne des construits du modèle ................................................. 42 Figure 5-6 Tableau des contributions croisées (cross-loadings) standardisées .............................................. 44 Figure 5-7 Corré lations entre construits (avec la VME de chaque construit sur la diagonale) .................... 44 Figure 5-8 Résultat de l’estimation du modèle sur WarpPLS ......................................................................... 45 Figure 5-9 Test de nos hypothèses de départ ............................................................... ...................................... 46 Figure 5-10 Résultat du modèle ............................................................... ........................................................... 48
Jean-François Truc – Mémoire – Mémoire de fin d’études
60
Annexes
1) Liste des communautés en ligne sollicitées lors de la distribution de l’enquête:
Plates-formes directement administrées par des opérateurs :
http://forum.orange.fr (section du site on l’on peut poser une questio n sur un sujet précis) http://communaute.orange.fr (forum de discussion plus classique) http://forum.bouyguestelecom.fr/questions https://assistance.b-and-you.fr/categories/576-forum-entraide http://forum.sfr.fr
Plateformes non-officielles mais étroitement liées à un opérateur (avec souvent des interactions avec des communicants ou des techniciens de l’opérateur intervenant sur les fils de discussions pour répondre à des questions)
http://forumfreemobile.fr http://www.freemobileasso.com http://www.forum-orange.com http://www.forum-bouygues.com
Pages Facebook Facebook sur lesquelles l esquelles était posté un lien ve rs l’enquête (en commentaire d’un message officiel)
Jean-François Truc – Mémoire – Mémoire de fin d’études
61
https://www.facebook.com/bouyguestelecom https://www.facebook.com/BAndYou https://www.facebook.com/SFR https://www.facebook.com/REDdeSFR https://www.facebook.com/Orange.France https://www.facebook.com/sosh https://www.facebook.com/pages/Free/350443398302522 https://www.facebook.com/JoeMobileFr https://www.facebook.com/m6mobile https://www.facebook.com/CoriolisTelecom https://www.facebook.com/pages/La-Poste-Mobile/214394731927184 https://www.facebook.com/NRJMobile https://www.facebook.com/prixtel
2) Présentation de l’enquête telle qu’elle était présentée sur qualtrics.com
Jean-François Truc – Mémoire – Mémoire de fin d’études
62
Jean-François Truc – Mémoire – Mémoire de fin d’études
63
Jean-François Truc – Mémoire – Mémoire de fin d’études
64
Jean-François Truc – Mémoire – Mémoire de fin d’études
65
3) Slides du cours du Pr. Audesh Audesh Pashwan (voir bibliographie) bibliographie) utilisées pour des rappels sur les notions de CR, de Loadings et d’AVE calculées dans la s ection 5.2
Jean-François Truc – Mémoire – Mémoire de fin d’études
66
Jean-François Truc – Mémoire – Mémoire de fin d’études
67