Hoe influencer marketing op Instagram millennials beïnvloedt

22 maart 2019 Consultancy.nl

Wat voor invloed heeft het type bron in advertenties op social media, op de aankoopbeslissing van consumenten? Om deze vraag te beantwoorden is een mouse tracking experiment opgezet om de uiteindelijke aankoopbeslissingen (directe invloed) en het onderliggende beslissingsproces (indirecte invloed) te onderzoeken op basis van computermuisbewegingen. Ook is onderzocht of het mogelijk is om te voorspellen of mensen het geadverteerde merk verkiezen boven andere merken. Lisa van der Pasch, consultant bij Quantics, deelt de belangrijkste uitkomenten.

In de tijden voor het internet tijdperk was celebrity endorsement vooral beperkt tot acteurs, atleten en entertainers, maar met de opkomst van social media, hebben ‘social influencers’ (die hun populariteit hebben vergaard via online media) nu ook een belangrijke invloed op de aankoopbeslissingen van consumenten. Er is reden om aan te nemen dat consumenten sceptischer zijn over de aanbeveling van producten door marketeers dan andere, onafhankelijke, internetgebruikers, maar er bestonden op het moment van het schrijven van dit onderzoek geen directe vergelijkingen tussen aanbevelingen van social influencers en beroemdheden.

Het Mouse Tracking Exeriment

94 studenten van de Universiteit van Tilburg (Nederland) namen deel aan een experiment waarin ze op een computer 30 Instagram posts te zien kregen, gevolgd door twee producten waaruit zij een voorkeur aan moesten geven. 

Participanten waren willekeurig toegekend aan een van de drie groepen, die Instagram posts van ofwel merken, beroemdheden of influencers te zien kregen. Deze posts verschilden tussen groepen deelnemers in de kop- en voettekst, die de naam en foto van een merk, beroemdheid of influencer toonden.

Influencer test

Het experiment bestond uit drie of vier blokken, afhankelijk van de conditie waar de deelnemers aan toegekend waren. Participanten waren in het eerste blok blootgesteld aan de 30 Instagram posts, waarbij werd gevraagd om de post goed te inspecteren. Vervolgens kregen zij op een nieuw scherm twee producten te zien, waar zij met een computermuis een voorkeur voor een van de producten moesten aangeven. Na het maken van een beslissing voor alle 30 Instagram posts werden participanten in het tweede blok gevraagd om aan te geven of zij bekend waren met alle 30 merken die getoond waren aan de hand van drie vragen op een schaal. 

Dit blok was herhaald om ook de bekendheid met de bron te achterhalen voor de beroemdheid en influencer conditie. Uiteindelijk werden alle participanten in het laatste blok gevraagd om een aantal demografische vragen in te vullen zoals leeftijd, geslacht en nationaliteit.

Resultaten

Binnen deze studie zijn twee aspecten van het beslissingsproces bestudeerd. Ten eerste is het uiteindelijke resultaat van het besluitvormingsproces onderzocht door te vergelijken hoe vaak participanten besloten om het geadverteerde merk te kiezen. Ten tweede is het onderliggende beslissingsproces onderzocht door computermuistrajecten te vergelijken die tot de uiteindelijke keuze leidde.

Effecten op de uiteindelijke aankoopbeslissing

De analyse van aankoopbeslissingen bracht geen verschillen aan het licht in de uiteindelijke keuze voor het afgebeelde merk tussen aanbevelingen van beroemdheden of social influencers. Uit de resultaten bleek echter wel dat advertenties van merken hebben geleid tot significant meer keuzes voor het afgebeelde merk dan aanbevelingen van beroemdheden en social influencers.

Effecten op het onderliggende beslissingsproces

Het onderliggende beslissingsproces is onderzocht door de bewegingen van de muis met zes verschillende meeteenheden te analyseren, die middels clustering zijn verkregen. Voor alle keuzes van de participanten zijn de muisbewegingen individueel uitgetekend. Omdat de gekozen afbeelding soms links en soms rechts in beeld stond, zijn de muisbewegingen allemaal gespiegeld naar rechts. Vanuit daar zijn gemiddelde muispaden berekend en is de verdere analyse gedaan. De figuur hieronder (rechter kant) laat de gemiddelde muispaden per conditie (merk, beroemdheid, influencer) zien.

Hoe influencer marketing op Instagram millennials beïnvloedt

De muisbewegingen zijn vastgelegd op basis van x- en y-coördinaten en tijdsduur. Om de muistrajecten te analyseren is een package van R gebruikt: ‘Mousetrap’. Participanten konden vanuit de start-button in het experiment zowel links- als rechtsboven in beeld een afbeelding selecteren. Daarom zijn de muistrajecten naar de keuzes voor de merken die links in beeld stonden gespiegeld naar rechts. Daarnaast heeft space- en time-normalization plaatsgevonden, vanuit waar vervolgens 19 meeteenheden van de muistrajecten zijn afgeleid met Mousetrap. Om hiervan zes meeteenheden voor verdere analyse te selecteren zijn een principale componenten analyse, hiërarchische clustering en multidimensional scaling uitgevoerd.

De drie analyses leverden de consistente resultaten op dat alle meeteenheden onder waren te verdelen in drie hoofdclusters. Een van de clusters omvatte de eenheden gerelateerd aan tijd, een ander cluster de eenheden omtrent de vorm van de muistrajecten en de laatste omvatte eenheden rondom de richting van de muisbewegingen. Verdere analyse is gedaan op twee variabelen binnen ieder cluster, dus in totaal op zes variabelen: totale bewegingstijd (response time), de tijd om te beginnen met het verplaatsen van de muis (idle time), de maximale absolute afwijking (MAD), het gebied onder de curve (AUC), xpos-omkeringen en xpos flips.

Hoewel er een trend is naar meer gebogen muistrajecten voor advertenties geplaatst door het merk zelf in vergelijking met aanbevelingen van beroemdheden en social influencers, zijn er geen significante effecten gevonden op de meeteenheden van de muistrajecten. Dit kan in verband staan met de relatief variabele aard van muistrajecten. 

Als laatste onderzocht de studie ook of het mogelijk is om te voorspellen of mensen het geadverteerde merk verkiezen boven andere merken op basis van computermuisbewegingen. Met behulp van een generalized liner mixed effects model is voor iedere trial voorspeld of de participant het geadverteerde merk zou kiezen op basis van een combinatie van variabelen. Deze voorspellingen zijn vervolgens vergeleken met de waarnemingen in het experiment. De voorspelling voor de verschillende condities werd als baseline gebruikt. Met deze voorspeller kon 75,9% van de aankoopbeslissingen nauwkeurig worden voorspeld. Naast de baseline zijn er tien combinaties van variabelen getest om te testen of het model daardoor beter scoort. Twee modellen hebben de baseline verslagen, waarbij de hoogste nauwkeurigheid uit kwam op 76,1%.

Conclusie en discussie

De uitkomsten van de huidige studie staan in contrast met eerdere suggesties dat aanbevelingen door social influencers effectiever zijn dan aanbevelingen door beroemdheden, maar in lijn met eerdere bevindingen die suggereren dat herhaalde blootstelling aan merken tot verhoogde aankoopbeslissingen voor dat merk leidt. Voor marketeers suggereren de resultaten dat het niet nodig is om extra te betalen voor het plaatsen van advertenties via beroemdheden of social influencers. In plaats daarvan kunnen ze eigen merkkanalen gebruiken voor advertenties, maar het is interessant om na te gaan welke soort andere samenwerkingen met beroemdheden of influencers kunnen worden gestart.


Profiel

Meer nieuws over

×
×
A.T. Kearney Accenture ACE Company Adaptif Adlasz Adviesgroep Novius AevesBenefit Anderson MacGyver Andersson Elffers Felix Annalise Arlande Arthur D. Little AT Osborne Atos Consulting B&A Bain & Company Baker Tilly BCG Platinion BDO BearingPoint Berenschot Best Value Group Bisnez BlinkLane Consulting BluPoint BMC Boer & Croon Management Bolster Bostec Boston Consulting Group Bright & Company | People Strategy Buitenhuis Advies buro C5 Bvolve Capgemini Invent Centric Cmotions COMATCH Conclusion Connective Payments Count & Cooper De Kleine Consultant Deloitte Delta Capita Digital Power Dimensys Ecorys Eden McCallum Energyprofs Enigma Consulting EY EY-Parthenon Finavista Finext First Consulting Flowant flowresulting FTE Groep FTE Improvery Galan Groep GalanNXT Grant Thornton Groenewout Gupta Strategists Gwynt Hamstra & Partners Hermes | Partners Hospitality Group Hot ITem House of Performance IG&H Improven InContext innergo INNOPAY Intermedius ITDS Business Consultants Itility JBR JBR Interim Executives Kirkman Company Korn Ferry KplusV KPMG KPN ICT Consulting Kruger Kurtosis KWINK groep Leeuwendaal M3 Consultancy Magnus Marktlink Mazars McKinsey & Company Mercer Merkle Methis Consulting METRI Mitopics MLC Mobilee Möbius Monitor Deloitte Morgens MSR Consulting Group Oliver Wyman OrangeX Ordina Organize Agile p2 PA Consulting Group Paul Postma Marketing Consultancy PBLQ People Change PNO Consultants Projective Protiviti Proven Partners PwC Qhuba Quantics Quint Wellington Redwood Quintop Raad van Toekomst ResidentieProfs RevelX RGP Rijnconsult Roland Berger Salvéos Schaekel & Partners Schuberg Philis SeederDeBoer Sia Partners Significant Simon-Kucher & Partners SiRM Solid Professionals SOLVE Consulting SparkOptimus Strategy Development Partners Strategy& Student Consultancy Group Summiteers Supply Value Symbol Synechron TEN HAVE Change Management The Next Organization Trevian Turner TWST TwynstraGudde UMS Group UniPartners UPD Van Oers Corporate Finance Vanberkel Professionals Varrlyn Vasco Consult Vintura VODW Voogt Pijl & Partners Wielinq Willis Towers Watson WIN Yellowtail YGroup YNNO Young Advisory Group YourConnector Zanders Zestgroup