informatie technologie
Mogelijkheden voor onlineondersteuning van consumenten
Consumenten kunnen worden geplaatst voor
nieuwe complexe keuzetaken wanneer de variatie
en het aantal producten in de markt groeit door een
toegenomen marktwerking. Dit artikel verkent de
mogelijkheden om met behulp van onlinetechnologie
consumenten te ondersteunen bij het nemen van
dergelijke complexe aankoopbeslissingen.
oor het openbreken van de traditionele economische structuren in
bijvoorbeeld de zorgsector en de
verzekeringssector worden consumenten voor de uitdaging gesteld om zelf
ingewikkelde vraagstukken aan te pakken
zoals de keuze van een geschikt pakket aan
gezondheidsvoorzieningen, en het opstellen
van een sluitende financiële planning voor de
oude dag. Elders in dit dossier betogen onder
andere Van Raaij en De Groot terecht dat maar
weinigen tegen dergelijke complexe taken zijn
opgewassen, als ze al de behoefte hebben om
zich met dergelijke dynamische optimaliseringproblemen bezig te houden.
Als consumenten echter niet economisch
kunnen of willen optimaliseren in dergelijke
markten waar aanzienlijke inspanningen nodig
zijn om rationele keuzes te maken, dan staat
de beoogde marktwerking in deze markten
onder druk. Door de toegenomen complexiteit
van het keuzeproces kunnen de dominante
bedrijven in de markt bijvoorbeeld gewoontegedrag van consumenten stimuleren of
aansturen op keuzeprocesvereenvoudiging,
om daarmee de rol van het merk als signaal
voor productkwaliteit te versterken (Swait en
Adamowicz, 2001). De toegenomen vrijheid in
de markt kan zo paradoxaal genoeg, door de
ermee samenhangende toegenomen complexiteit, de mogelijkheden van keuzevrijheid weer
teniet doen.
D
BENEDICT DELLAERT
Hoogleraar aan de
Erasmus Universiteit
Rotterdam
28
ESB
april 2007
Dit artikel verkent of een mogelijke oplossing
voor dit dilemma, tenminste deels, is gelegen
in het gebruik van informatie- en communicatietechnologie om consumenten te ondersteunen in hun kennis en vaardigheden. De afgelopen tien jaar zijn meer en meer mogelijkheden
voor online-ondersteuning beschikbaar gekomen voor consumenten. Tegelijkertijd roepen
dergelijke technologieën zelf echter ook weer
nieuwe uitdagingen op voor consumenten.
Hoe hier mogelijk mee kan worden omgegaan
wordt eveneens besproken.
Aanbevelingssystemen
Aanbevelingssystemen kunnen consumenten
assisteren bij het vinden van de best passende
producten in markten met veel aanbieders
en complexe producten (Xiao en Benbasat,
2007). Op basis van preferentieinformatie
van de consument kunnen producten worden
gerangschikt van meer naar minder passend en consumenten worden zo geholpen
bij hun aankoopbeslissingen. Het zoekproces
wordt op deze wijze efficiënter en effectiever.
Onderzoek in de afgelopen jaren laat zien dat
consumenten aantoonbaar betere productkeuzes maken dan zonder aanbevelingssystemen
(Häubl en Trifts, 2000; Hostler, Yoon en
Guimaraes, 2005). Bovendien weten consumenten deze verbetering veelal te realiseren
met een lagere zoekinspanning. Met andere
woorden, aanbevelingssystemen helpen
consumenten om met minder moeite, betere
producten aan te kopen.
De meest eenvoudige aanbevelingssystemen
zijn gebaseerd op een aanname van homogene
vraag en geven uniforme aanbevelingen aan
de consument. Een klassiek voorbeeld zijn de
productevaluaties van organisaties zoals de
consumentenbond die komen tot een ‘beste
koop’-aanbeveling gebaseerd op een gewogen
sommering van deelevaluaties van productkenmerken. Dergelijke aanbevelingen helpen
consumenten om de aankoop van inferieure
producten te voorkomen. Veelal worden de
systemen gecombineerd met inzichtelijke
productinformatie, zoals een selectie van
productkenmerken die belangrijk zijn voor de
prestaties van het product, en uitgebreide
productvergelijkingstabellen.
Naarmate markten complexer worden en er
meer en meer productvarianten beschikbaar
komen, zijn dergelijke productvergelijkingstabellen echter ook steeds lastiger te overzien
voor consumenten. Wie kan bijvoorbeeld nog
alle tariefvarianten overzien in de markt voor
mobiele telefonie, of de verschillen doorgronden tussen de aanvullende verzekeringspakketten die door verschillende verzekeraars
worden aangeboden. Dit effect wordt nog
versterkt wanneer de preferenties en omstandigheden van consumenten sterk uiteenlopen,
omdat verschillende consumenten dan vragen
om verschillende oplossingen en één uniforme
rangordening van producten niet kan volstaan
(Dellaert en Stremersch, 2005).
In de afgelopen jaren is er dan ook, vooral via
het internet, een groeiend aantal aanbevelingssystemen voor consumenten beschikbaar
gekomen dat is gebaseerd op de aansluiting
tussen producten en preferenties op individueel niveau. Deze systemen variëren in
de mate waarin zij van de consument een
actieve bijdrage vragen. De meest laagdrempelige systemen vereisen alleen passieve
instemming van de consument en geven op
basis van logische regels en modellen aanbevelingen die aansluiten bij het waargenomen
zoek- en/of koopgedrag van de consument,
bijvoorbeeld op basis van expertkennis over
passende combinaties van producten. Meer
arbeidsintensieve systemen vereisen dat
de consument zelf door middel van korte
vragenlijsten aangeeft welke aspecten voor
hem of haar belangrijk zijn bij het nemen van
aankoopbeslissingen.
Consumenten maken bij al deze systemen
eerst (passief of actief) hun preferenties
kenbaar en krijgen vervolgens een persoonlijke
lijst met aanbevelingen van geschikte producten. Dit proces kan worden gezien als een
impliciete uitruil tussen de consument en de producent of detaillist,
waarbij de consument informatie aanlevert en daarvoor in ruil aanbevelingen verkrijgt.
Vaak komt de informatie die de consument aanlevert niet alleen de
consument zelf ten goede komt, maar ook het bedrijf en andere consumenten. De meer complexe aanbevelingssystemen combineren namelijk
meestal gegevens van zeer veel consumenten tegelijkertijd. Dit maakt
het mogelijk om modellen van gedragspatronen te ontwikkelen, waarmee de informatie van de ene consument gebruikt kan worden om aanbevelingen aan andere consumenten te geven. Op deze manier is het
mogelijk voor consumenten om bijvoorbeeld muziek of boeken te leren
kennen, waarmee ze tot dan toe onbekend waren, maar die wel goed
aansluiten bij hun eigen smaak. Wanneer ze dit soort systemen gebruiken, stemmen consumenten dus niet alleen toe in het gebruik van hun
preferentiegegevens voor aanbevelingen voor eigen gebruik, maar ook
als basis voor het geven van aanbevelingen aan andere consumenten.
Co-creatie
Naast de eerdergenoemde aanbevelingssystemen is ook een andere
manier om consumenten te ondersteunen bij toenemende keuzecomplexiteit in opkomst. In toenemende mate bieden producenten namelijk
consumenten de mogelijkheid om zelf hun producten samen te stellen door opties uit deelmodules te kiezen die goed aansluiten bij hun
eigen smaak (mass-customization, Gilmore en Pine, 1997). Dankzij de
flexibiliteit van moderne IT en fabricageprocessen is het nu mogelijk
dat consumenten producten, zoals computers en verzekeringspakketten, online samenstellen uit vooraf door de producent geformuleerde
deelcomponenten. De meerkosten voor de consument zijn relatief
gering, terwijl de mogelijke productvarianten, waaruit ze kunnen kiezen
fors zijn toegenomen. Dit proces leidt veelal tot een hogere productwaardering bij de consument (Franke en Piller, 2004), met maar een
relatief geringe stijging in de ervaren keuzecomplexiteit (Dellaert en
Stremersch, 2005).
Dergelijk gebruik van de inbreng van consumenten bij het definiëren
van producten levert net als bij het aanbevelingsproces potentieel waardevolle informatie op voor producenten en andere consumenten. Op
basis van deze inbreng kunnen bijvoorbeeld populaire productvarianten
als basismodel worden aangeboden in het maatwerkproces, van waaruit
consumenten vervolgens hun eigen productvariant kunnen samenstellen. Op deze wijze worden de voordelen van een aanbevelingssysteem
deels gecombineerd met die van maatwerk voor elke consument.
Een verdergaande vorm van het gebruik van actieve consumenteninbreng vindt plaats wanneer consumenten worden betrokken bij het
ontwikkelen en vormgeven van producten, die vervolgens ook door
anderen kunnen worden gekocht (Ogawa en Piller, 2006). Dergelijke
consumentgedreven productinnovaties kunnen bijvoorbeeld worden
gestimuleerd door gebruik te maken van zorgvuldig ontworpen ontwerptechnologieën die toegankelijk zijn voor consumenten, maar die
tegelijkertijd direct kunnen worden gekoppeld aan het productieproces
(Von Hippel en Katz, 2002).
ESB
april 2007
29
Tot slot kunnen consumenten ook actief worden ingezet bij de evaluatie
en verbetering van bestaande producten en diensten. In toenemende
mate kunnen consumenten bijvoorbeeld hun voordeel doen met de
collectieve kennis van gebruikersgroepen wanneer ze op zoek gaan naar
nuttige informatie over een specifiek product (Wiertz en de Ruyter,
2007). Deze mogelijkheid draagt verder bij aan de ondersteuning van
de consument bij een toenemende marktcomplexiteit en aan de potentiële kwaliteit van de individuele aankoopbeslissingen.
Uitdagingen voor de consument
Er is vooral door de opkomst van het internet een groot aantal nieuwe
ondersteuningsmogelijkheden voor consumenten beschikbaar gekomen
dat kan helpen bij het omgaan met de mogelijke gevolgen van een
grotere marktwerking. Toch stellen deze technologische mogelijkheden
de consument ook weer voor nieuwe uitdagingen.
Een eerste uitdaging waarvoor de consument wordt gesteld, is de
beslissing om de hierboven beschreven nieuwe technologieën al dan
niet te benutten bij het aankoopproces. Bij deze beslissing blijkt het
verwachte resultaat (een beter product) en de verwachte complexiteit
van het proces een belangrijke rol te spelen (Dellaert en Stremersch
2005; Xiao en Benbasat, 2007). Het blijkt voor consumenten soms
lastig om de kwaliteit van hun beslissingen te beoordelen, en het is niet
altijd vanzelfsprekend dat een meer rationele aankoopbeslissing ook als
zodanig wordt herkend. De complexiteit van de informatietechnologie is
ook een mogelijke barrière voor sommige consumenten. Wanneer deze
complexiteit ertoe leidt dat niet-internetgebruikers minder producten
overwegen of producten minder goed kunnen vergelijken dan internetgebruikers, dan kan mogelijk de maatschappelijke en economische
achterstand van niet-internetgebruikers ten opzichte van hen die wel
toegang hebben tot internet groter worden. Tot slot is ook de onzekerheid van de consument ten aanzien van de technologie en de producent
van belang. Deze komt bijvoorbeeld tot uiting in het vertrouwen dat
de consument heeft in een gegeven aanbeveling of de mate waarin
consumenten bezorgd zijn over de bescherming van hun privacy (Wang
en Benbasat, 2005). Een laatste mogelijk knelpunt bij de beslissing
van consumenten om al dan niet gebruik te maken van nieuwe online
technologie is dat het veelal moeilijk is om de inbreng van consumenten adequaat te waarderen en belonen bijvoorbeeld met financiële
prikkels. Dit terwijl deze inbreng tegelijkertijd soms zeer waardevol is
voor producenten en andere consumenten, bijvoorbeeld om nieuwe
producten te evalueren of ontwikkelen (Thomke en Von Hippel, 2002).
Wanneer er geen goed beloningsmechanisme bestaat, waarom zouden
consumenten dan hun informatie en ideeën aanleveren ten behoeve van
andere marktpartijen?
Een tweede uitdaging voor consumenten is gelegen in het productief
gebruiken van de beschikbare onlinetechnologie in hun beslisproces.
Veel aanbevelingssystemen maken gebruik van lijsten van producten
die gerangordend zijn in de mate waarin ze geschikt zijn voor de consument. Het blijkt echter dat ook in deze context van gerangordende
aanbevelingen consumenten lang niet altijd normatief optimale aan-
30
ESB
april 2007
koopbeslissingen maken, en bijvoorbeeld
meer producten overwegen dan nodig is (Diehl
en Zauberman, 2005). Daarnaast blijkt dat
consumenten wanneer ze eenmaal gewend zijn
aan de structuur van een website het moeilijk vinden om over te stappen naar andere
websites, waardoor ze belangrijke informatie
op deze andere website minder gemakkelijk
gebruiken (Murray en Häubl, 2007). Tot slot
blijken de keuzes van consumenten gevoelig
voor de kenmerken die in aanbevelingssystemen worden benadrukt. Een effect dat zelfs
doorwerkt in productvergelijkingen die ze op
een later tijdstip en buiten het aanbevelingssysteem om maken (Häubl en Murray, 2003).
Hoewel onderzoek laat zien dat aankoopbeslissingen er uiteindelijk wel beter op worden
(Häubl en Trifts, 2000; Hostler, Yoon en
Guimaraes, 2005), zijn ook met de nieuwe
ondersteunende systemen dus lang niet alle
beslisproblemen verdwenen.
Nieuwe wegen
Gezien deze uitdagingen, zou een mogelijke
wijze om consumenten verder te ondersteunen
bij hun aankoopbeslissingen kunnen zijn om
het gebruik van de beschikbare informatietechnologie nog laagdrempeliger te maken.
Dit kan bijvoorbeeld gerealiseerd worden door
de complexiteit van de systemen verder te
verlagen bijvoorbeeld door gebruiksvriendelijke
webinterfaces, en door consumenten meer
bewust te maken van de gerealiseerde verbetering in besliskwaliteit, bijvoorbeeld door hun
keuze te ijken aan een basisoptie in de markt.
Wanneer na enkele gebruikservaringen het vertrouwen van de consument in een systeem is
toegenomen, kan mogelijk een grotere inbreng
van de consument worden verwacht.
Dergelijke herhaalde interacties tussen consument en systeem kunnen ook worden gebruikt
om te komen tot een meer dynamische ondersteuning van de consument. In een dergelijk
systeem zouden bijvoorbeeld ook voor verschillende gebruikssituaties, zoals overgangen in
de gezinssituatie of veranderingen in inkomen,
verschillende productvarianten kunnen worden
aangeboden voor dezelfde consumenten. In
samenhang hiermee zou dan tevens de wijze
waarop consument en producent met elkaar
communiceren kunnen worden bijgesteld. Zo
kan bijvoorbeeld de afstemming van communicatie via internet, mobiele communicatie, en
persoonlijke communicatie worden geoptimaliseerd (Wendel en Dellaert, 2005). Wanneer
de hieruit voortvloeiende consumenteninformatie ook integraal in de voortbrengingsketen
kan worden afgestemd tussen de verschillende
toeleveranciers, dan zal dit de mogelijkheden
voor consumenten om meer consistent en
doelgericht informatie uit te kunnen uitwisselen met producenten aanzienlijk versterken.
Tot slot zou de consument kunnen worden
geholpen wanneer de marktwerking op deelcomponenten van complexe producten zou
kunnen worden gestimuleerd. Het is waarschijnlijk gemakkelijker voor consumenten om
per deelcomponent keuzes te maken tussen
concurrerende leveranciers dan om het niveau
van gehele producten te vergelijken. In bedrijfsketens is het gebruik van standaarden
waarbinnen verschillende deelcomponenten
kunnen worden gekoppeld zeer succesvol gebleken om de productie-efficiëntie te verhogen
(Sanchez, 1999). Bijvoorbeeld autofabrikanten maken gebruik van een productieplatform
om modelvarianten van meerdere merken mee
op te bouwen. Wanneer ook de consument
in toenemende mate in de voortbrengingsketen wordt geïntegreerd (bijvoorbeeld bij het
vaststellen van productspecificaties), dan is
het te verwachten dat grotere concurrentie op
het niveau van door de consument te kiezen
deelcomponenten eveneens kan leiden tot
groter marktefficiëntie.
een ondersteunende informatietechnologie omgeving niet per definitie
gemakkelijk, toch zal deze keuze vaak beter uitpakken dan een keuze
zonder ondersteuning.
LITERATUUR
Algesheimer, R., U.M. Dholakia en A. Herrmann (2005)
The social influence of brand community: evidence from
European car clubs. Journal of Marketing, 69(3), 19–34.
Dellaert, B.G.C. en S. Stremersch (2005) Marketing
mass customized products: striking the balance
between utility and complexity. Journal of Marketing
Research, 42(2), 219–227.
Diehl, K. en G. Zauberman (2005) Searching ordered
sets: evaluations from sequences under search. Journal
of Consumer Research, 31(4), 824–832.
Franke, N. en F. Piller (2004) Value creation by toolkits
for user innovation and design: the case of the watch
market. Journal of Product Innovation Management, 21(6),
401–415.
Gilmore, J. H. en B. J.Pine II (1997) The four faces of mass
customization. Harvard Business Review, 75(1), 91–101.
Häubl, G en K.B. Murray (2003) Preference construction
and persistence in digital marketplaces: the role of
electronic recommendation agents. Journal of Consumer
Psychology, 13(1), 75–91.
Häubl, G. en V. Trifts (2000) Consumer decision making
in online shopping environments: the effects of
interactive decision aids. Marketing Science, 19(1), 4–21.
Hostler, R.E., V.Y. Yoon en T. Guimaraes (2005) Assessing
the impact of Internet agent on end users’ performance.
Decision Support Systems, 41(1), 313–325.
Murray, K.B. en G. Häubl (2007) Explaining cognitive
lock-in: the role of skill-based habits of use in consumer
choice. Journal of Consumer Research, 34(1), forthcoming.
Ogawa S. en F.T. Piller (2006) Collective customer
commitment: reducing the risks of new product development. MIT Sloan Management Review, 47(2), 65–72.
Sanchez, R. (1999) Modular architecture in the marketing process. Journal of Marketing, 63(Special Issue), 92–11.
Swait, J.D., en V. Adamowicz (2001) The influence
of task complexity on consumer choice: A latent
class model of decision strategy switching. Journal of
Consumer Research, 28(1), 135–148.
Conclusie
Samenvattend kan worden gesteld dat aanbevelingssystemen en co-creatie technologieën
consumenten succesvol kunnen ondersteunen
bij het nemen van aankoopbeslissingen in
complexe markten. Toch blijven er ook met
de beschikbaarheid van de nieuwe informatietechnologie aanzienlijke knelpunten bestaan
voor consumenten. Hierbij valt te denken aan
de moeilijkheid voor de consument om te
bepalen of de vereiste uitgebreidere communicatie met het bedrijf over het aan te schaffen
product voldoende meerwaarde zal opleveren.
Maar ook al is de keuze van een product in
Thomke, S. en E. von Hippel (2002) Customers as
innovators: A new way to create value. Harvard Business
Review, 80(4), 74–81.
Von Hippel, E. en R. Katz (2002) Shifting innovation to
users via toolkits. Management Science, 48(7), 821–833.
Wang, W. en I. Benbasat (2005) Trust in and adoption of
online recommendation agents. Journal of the AIS, 6(3),
72–100.
Wendel, S. en B.G.C. Dellaert (2005) Situation variation
in consumers’ media channel consideration. Journal of
the Academy of Marketing Science, 33(4), 575–584.
Wiertz, C. en K. De Ruyter (2007) Beyond the call of
duty: why customers participate in firm-hosted online
communities. Organization Studies, 28(3), 349–378.
Xiao, B. en I. Benbasat (2007) E-commerce product
recommendation agents: use, characteristics, and
impact. MIS Quarterly, 31(1), 137–209.
ESB
april 2007
31