Embed Size (px)
Citation preview
1
Mémoire de Recherche
Marketing Mobile : les Techniques
Mobile-in-Store
Joanna Stroz
N° Etudiant: 34012330
Université Paris Ouest Nanterre La Défense
Département Gestion
Master 2 Marketing Opérationnel International Classique
Année Universitaire 2014/2015
2
REMERCIEMENTS
La réalisation de ce mémoire a été possible grâce à l’aide de plusieurs personnes à qui je
voudrais témoigner toute ma reconnaissance.
Je remercie Madame DE PECHPEYROU et Monsieur BENAVENT, Professeurs au sein de
l’Université Paris Ouest Nanterre La Défense, pour leur disponibilité, leur encadrement, ainsi
que leurs précieux conseils tout au long de l’élaboration de mon mémoire.
Un grand merci à ma tutrice de stage, Madame CARREL BILLIARD, pour son aide et sa
compréhension.
Je tiens également à remercier Monsieur POTY, responsable du Pôle Veille Technologique et
Juridique à l’Agence Wallonne des Télécommunications, pour son aide dans la diffusion de
mon questionnaire.
De plus, je voudrais exprimer ma gratitude envers tous les sondés qui m’ont permis de
comprendre le comportement des consommateurs en magasin.
Je tiens également à remercier mes proches pour leur soutien dans la rédaction de ce mémoire
de recherche.
3
SOMMAIRE
1. INTRODUCTION…………………………………………………………….………5
1.1. Définition de la problématique………………………………………….…….….5
1.2. Les objectifs….…………………………………………………………….…….7
1.3. L’annonce du plan ……………………..…………………………..………….....7
2. LES TECHNIQUES MOBILE-IN STORE………………………….…..…..….…..8
2.1. Définition et exemples des techniques mobile-in-store……………………….…8
2.2. Les avantages de techniques mobile-in-store…………………………………...12
2.3. Les limites de techniques mobile-in-store…………………………………..…..13
3. CADRE D’ANALYSE…………………………………………………………….…14
3.1. L’innovativité…...................................................................................................14
3.2. L’expérience dans l’utilisation des nouvelles technologies………………....….17
3.3. La préoccupation vis-à-vis de la vie privée………………………………….….18
3.4. L’implication vis-à-vis d’une catégorie de produits..………………….…….....23
3.5. Les orientations d’achat……………………………………………………...….23
4. HYPOTHESES………………………………………………………………….…....31
4.1. Hypothèse 1 : Le degré d’innovativité influence positivement l’intention
d’utiliser les techniques mobile-in-store……………………………………..….31
4.2. Hypothèse 2 : L’expérience dans l’utilisation des nouvelles technologies a une
influence positive sur l’intention d’utiliser les techniques mobile-in-store. ..…..31
4.3. Hypothèse 3 : Le risque perçu influence négativement l’intention d’utiliser les
techniques mobile-in-store. ………………………..…………………….......….31
4.4. Hypothèse 4 : L’implication envers la catégorie de produits a un impact positif
sur l’intention d’utiliser les techniques mobile-in-store…………..……….…....32
4.5. Hypothèse 5 : En fonction des orientations d’achat des consommateurs,
l’intention d’utiliser les techniques mobile-in-store diffère…………….....……32
4
5. METHODE…………………………………………………………………….….…34
5.1. Définition du type de recherche………………………………………….…….34
5.2. Plan d'échantillonnage et méthode de recueil…………………………….……35
5.3. Définition des variables………………………………………………………..36
5.4. Traitement des données………………………………………………….……..41
6. RESULTATS……………………………………………………………………...…42
6.1. Caractéristiques de l’échantillon……………………………………………….42
6.2. Scores moyens des scénarios et analyse factorielle……………………..……..51
6.3. Test des hypothèses……………………………………………………………57
7. DISCUSSION DES RESULTATS……………………………………...…………..74
8. LIMITES ET VOIES DE RECHERCHE……………………………….…………81
9. IMPLICATIONS OPERATIONNELLES…………………………………………82
10. CONCLUSION………………………………………………………………..….…84
11. BIBLIOGRAPHIE…………………………………………………………………..86
12. WEBOGRAPHIE………………………………………………………….…..…….89
13. ANNEXES……………………………………………………………………..……..91
14. TABLE DES ILLUSTRATIONS…………………………………………...……...113
5
1. INTRODUCTION
1.1. Définition de la problématique
Depuis quelques années, la démocratisation de l’utilisation des smartphones offre de
nouvelles opportunités aux marketeurs pour atteindre les consommateurs connectés. Selon
Philippe Dumont, Rapporteur de la Mobile Marketing Association France (MMA), « 2015 se
révèle être une année à la fois de prise de pouvoir et de renouveau pour le mobile : montée en
puissance de tous les indicateurs de ventes, de pénétration et de monétisation, renouveau car
de nouveaux supports (wearables…) et de nouveaux usages (Commerce Mobile) viennent créer
de toutes nouvelles opportunités pour les marques ». 1
Le contexte actuel favorise ce phénomène. En France, environ 56,8% de la population
possède un smartphone (31,1 millions de mobinautes en juin 2015). Or, au premier trimestre
2014, ce chiffre s’élevait à 50,7% (27,7 millions de mobinautes).2 Une telle augmentation a
également été constatée chez les utilisateurs de l’Internet mobile. Le Baromètre Trimestriel du
Marketing Mobile en France indique qu’au premier trimestre 2015, 66,1% des personnes
résidant en France ont déclaré avoir utilisé l’Internet mobile, contre 41,2% au troisième
trimestre 2011. Selon une étude réalisée par la Fédération Française des Télécoms (FFT), «le
trafic mobile augmentera 3 fois plus vite que le trafic internet fixe, et sera multiplié par 8 entre
2014 et 2019 ».3 De plus, le temps que les mobinautes Français passent sur leur mobile ne cesse
pas d’augmenter. Selon la FFT, en 2015, cette durée a été estimée à 99 minutes par jour. Les
prévisions montrent que ce chiffre devrait atteindre 130 minutes par jour d’ici 2017.4
Il est intéressant de souligner que pendant longtemps, Internet était perçu comme une
menace pour les points de vente. La montée en puissance du e-commerce a diminué la
1 « Communiqué de Presse : Le Baromètre du Marketing Mobile Confirme la Puissance du Mobile », 12 mars 2015, GFK, www.gfk.com/fr/news-and-events/press-room/press-releases/pages/barometre-du-marketing-mobile-.aspx 2 « Le Baromètre Trimestriel du Marketing Mobile en France, Juin 2015, 10ème édition », Mobile Marketing Association France, 3 « Usages : le trafic internet français multiplié par 2,4 à l’horizon 2019 », Fédération Française des Télécoms, www.fftelecoms.org/articles/usages-le-trafic-internet-francais-multiplie-par-24-l-horizon-2019 4 « Evolution des Usages Mobiles, Prévisions 2015, Kerensen Conculting, www.kerensen.com/sites/default/files/evolution_des_usages_mobile_2015.pdf
6
fréquentation des magasins physiques. Pour autant, la question de savoir si le web peut menacer
l’existence de points de vente physiques est aujourd’hui dépassée. L’expérience d’achat en
magasin physique reste plus riche grâce aux nombreux atouts de ce canal de distribution : le
conseil, l’accompagnement du client, l’information ou encore la possibilité de regarder, toucher
et essayer les produits avant de les acheter. Les enseignes doivent capitaliser sur ces avantages
concurrentiels incontestables pour développer le magasin technophile de demain, un lieu
d’expérience et de découverte en intégrant le meilleur d’Internet et des nouvelles technologies
dans le point de vente, et tout laisse à croire que le smartphone sera l’une des clés de cette
transformation, peut-être la plus importante.
Le mobile devient un outil de plus en plus indispensable à l’achat en magasin, dont les
usages se multiplient. Selon une étude effectuée par le Groupe GFK, publiée en février 2015,
les mobinautes français utilisent leur portable en magasin pour comparer les prix (24% de
français interrogés), contacter un ami ou la famille pour un conseil (32%), prendre une photo
du descriptif d’un produit (26%), scanner les QR-codes (17%), acheter les produits via une
application (10%) ou acheter sur un site web (9%). Le Baromètre Trimestriel du Marketing
Mobile en France, mentionne aussi des actions telles qu’envoyer un SMS ou appeler un proche
(16,5%), envoyer une photo du produit à un proche (18,1%) ou géolocaliser un magasin (6,7%).
Ainsi, l’essor du mobile apporte un élément qui révolutionne la manière de communiquer
avec les prospects et les clients. Ce phénomène permet aux enseignes d’établir une interaction
avec les consommateurs qui se trouvent à l’intérieur même du magasin. Le but de cette pratique
est de développer une synergie entre le web et le point de vente physique pour offrir une
nouvelle expérience d’achat, plus enrichie. Le smartphone semble donc aujourd’hui un outil clé
d’innovation et de différentiation concurrentielle.
Devant la diversité des usages mobiles en magasin et la richesse des contextes, il nous
paraît important de nous demander à travers notre étude si les consommateurs sont prêts à
accepter les techniques de marketing mobile utilisées dans les points de vente physiques
(techniques mobile-in-store) et quels sont les facteurs de cette acceptation.
Nous allons traiter ce problème de gestion en nous intéressant plus particulièrement à un
domaine spécifique : le secteur de la parfumerie.
Afin de répondre à notre problématique, nous allons analyser l’acceptation des
techniques mobile-in-store au moyen d’une étude quantitative.
7
1.2. Les objectifs
Le but de ce mémoire de recherche est de comprendre l’attitude des consommateurs face
aux techniques de marketing mobile utilisées en magasins physiques. Ce travail poursuit donc
un double objectif. Il s’agit de développer un cadre conceptuel d’analyse des techniques mobile-
in-store, en identifiant les facteurs qui poussent les individus à utiliser ou refuser ces techniques,
et de créer pour chaque type de consommateur, un profil privilégie de techniques digitales
adaptées.
1.3. L’annonce du plan
La première partie de ce travail de recherche permettra de définir les techniques mobile-
in-store, ainsi que de présenter leurs avantages et limites. Puis, la deuxième partie exposera le
cadre théorique dans lequel s’inscrit cette étude. Pour cela, nous nous intéresserons aux facteurs
explicatifs de l’acceptation des techniques mobile-in-store, en nous concentrant sur les variables
individuelles et contextuelles. Cette revue de littérature nous permettra d’aborder dans un
premier temps la notion d’innovativité et d’expérience dans l’utilisation des nouvelles
technologies. Puis, nous nous focaliserons sur la question de la protection des données
personnelles et plus particulièrement du risque perçu. Ensuite, nous nous pencherons sur la
question d’implication vis-à-vis d’une catégorie de produits. Enfin, nous évoquerons le concept
des orientations d’achat.
Une fois cela réalisé, nous passerons à la partie empirique en formulant les hypothèses
de recherche. Puis, nous évoquerons la méthodologie utilisée pour mener notre enquête, suivie
de la présentation des résultats et de leur signification.
Enfin, nous tenterons d’identifier les limites de notre étude, de proposer des perspectives
de recherches futures, ainsi que des recommandations opérationnelles, qui pourraient aider les
entreprises à optimiser leur opérations de marketing mobile en magasin.
8
2. TECHNIQUES MOBILE-IN-STORE
2.1. Définition et exemples des techniques mobile-in-store
Les techniques mobile-in-store sont des outils du marketing mobile, qui se définit comme
« l’ensemble des techniques marketing basées sur l’utilisation des terminaux mobiles dont
notamment le smartphone. Dans une acceptation plus large, le marketing mobile peut
également être défini comme l’ensemble des actions marketing entreprises à destination
d’individus en situation de mobilité. »5. On peut également les considérer comme faisant partie
des Nouvelles Aides à la Vente (NAV) ou encore des ICDA (« Interactive Consumer Decision
Aids ») définis comme : « outils qui ont le potentiel d’assister le consommateur dans sa prise
de décision en améliorant la qualité des choix et en réduisant simultanément l’effort requis
pour prendre cette décision » (Murray et Häubl, 2008). Il s’agit donc des technologies et outils
plus ou moins dématérialisés, interactifs ou purement techniques, qui apportent une expérience
et une information contextualisée et adaptée à l’utilisateur. (Beck et Crié, 2013).
On peut distinguer trois contextes d’utilisation des Nouvelles Aides à la Vente: contexte
fixe (en point de vente physique), contexte privé (sur internet chez soi) et contexte public mobile
(à l’aéroport par exemple). Il faut également prendre en compte le support permettant d’utiliser
les NAV. Parmi les plus répondus il y a le smartphone, la tablette, l’ordinateur, la borne
interactive, ou encore le miroir interactif. Dans le cadre de cette recherche, nous allons nous
focaliser sur l’utilisation des NAV sur smartphone dans le cadre des achats en magasins
physiques.
Comme l’ont montré Beck et Crié (2013), les Nouvelles Aides à la Vente peuvent être
divisées en deux catégories : les aides à l’achat, c'est-à-dire « les outils à complexité modérée,
mis à disposition du client ayant pour objectif de l’inspirer dans ses choix, de manière
autonome et rapide » et les aides à la vente, mises à disposition des vendeurs. Nous allons donc
nous concentrer sur la première catégorie, à savoir les Nouvelles Aides à l’Achat (NAA).
5 Définition Marketing mobile : www.definitions-marketing.com/Definition-Marketing-mobile
9
Le développement rapide des outils mobiles ces dernières années est justifié par la
volonté de vivre une expérience d’achat en magasin de plus en plus intense, ainsi que par le
développement des nouvelles technologies et du e-commerce. Cette digitalisation est expliquée
par la soif d’innovation des consommateurs et le désir des enseignes de se différencier.
Grâce à un taux d’équipement en smartphone en France de 56,8%, les enseignes peuvent
toucher les prospects et les consommateurs, où qu’ils soient. Cela signifie les accompagner tout
au long de leurs parcours d’achat, répondre à leurs besoins basiques et pratiques, que ce soit en
termes d’information produit, information prix, confort ou gain de temps, et cela, à l’intérieur
même du magasin. Ainsi, le consommateur peut retrouver en espace de vente physique la
sensation de choix illimité que lui offre le web, assurant une fluidité entre le « online » et le
« offline » (le « Phygital »).
De surcroît, il est important de souligner que de plus en plus de consommateurs préfèrent
être autonomes en magasin. Selon l’agence Extreme Sensio, « 83% des consommateurs
préfèrent réaliser leurs achats sans l‘aide d’un vendeur. »6. Cela renforce encore plus le
potentiel des smartphones qui offrent une véritable palette de possibilités pour le client en
constituant un atout majeur pour les points de vente.
Parmi les principales techniques mobile-in-store on peut distinguer :
- Les coupons mobiles (m-coupons)
Les coupons mobiles sont des coupons de réduction proposant un avantage
immédiatement accessible en magasin ou une offre de remboursement (ODR) à avantage différé
(remboursement partiel, total ou un autre avantage). Les « m-coupons » sont diffusés sur les
smartphones. Ils peuvent être envoyés directement aux clients par l’enseigne (notification push,
e-mailing, in app, SMS) (« méthode push ») ou être disponibles sur le site web du diffuseur,
une plateforme ou une application spécialisée dans les « bons plans », telle que Plyce, Le Pass,
Shopmium, Prixing, Fidall, C-wallet etc. (« méthode pull »). La réduction peut être obtenue
grâce à un code promotion ou un code barre présent sur le coupon virtuel, scanné lors du passage
en caisse.
6 « Magasin connecté : Les Français sont prêts… mais exigeants!», Extreme Sensio, www.extreme-sensio.com/etude-barometre-digital-store/
10
Les m-coupons peuvent aussi être diffusés grâce à des capacités de ciblage reposant sur
la géolocalisation des destinataires se trouvent à proximité ou à l’intérieur même du magasin.
Il est également possible de personnaliser les coupons grâce à des données consommateurs
préalablement recueillies.
Le m-couponning est pratiqué par des marques telles que Camaïeu, Etam, Yves Rocher
et les distributeurs tels que Marionnaud, Sephora, Darty, Decathlon, Carrefour ou Auchan.
- La géolocalisation in store
La géolocalisation est un procédé permettant de déterminer la localisation précise d’un
objet (une personne, un magasin, un produit…) à l’aide de ses coordonnées géographiques.
Cette technologie crée de nombreuses opportunités pour les entreprises et les consommateurs.
Elle permet tout d’abord de créer du trafic dans les points de vente (« mobile-to-store »,
« digital-to-store ») en diffusant des offres aux personnes se trouvant à proximité du point de
vente, ou en localisant facilement un magasin (« store locator »). Néanmoins, la géolocalisation
peut également être utilisée à l’intérieur même du magasin. C’est ce qu’on appelle la
géolocalisation-in-store. Elle permet de recueillir des informations pertinentes plus facilement,
se repérer en magasin, localiser un produit recherché, préparer une visite dans le magasin ou
recevoir des notifications push avec des services adaptés à l'endroit et à la situation du
consommateur (messages de bienvenue personnalisés, informations relatives aux produits,
promotions spécifiques au rayon, bons de réduction, conseils, alertes de rappel de l’opération
organisée en point de vente etc.).
La technologie de géolocalisation de plus en plus utilisée par les enseignes est celle des
beacons. Il s’agit des transmetteurs utilisant la norme Bluetooth 4.0 (Bluetooth Low Energy)
qui permettent d’envoyer des notifications push à des applications dédiées installées sur les
smartphones Il est possible d’utiliser ces balises de géolocalisation à l’intérieur des immeubles
grâce à leur précision (« micro-localisation »). « En 2015, 32 % des magasins sont équipés de
beacons aux Etats-Unis, et devraient être 85 %, en 2016 »7, précise Didier Robert, directeur
général adjoint du groupe GEOCONCEPT, spécialisé dans la conception et l’édition de
technologies d’optimisation géographique pour les professionnels.
7 Floriane Salgues , « Géolocalisation : la "nouvelle" boussole du marketing », E-marketing, www.e-marketing.fr/Thematique/digital-data-1004/Breves/Geolocalisation-nouvelle-boussole-marketing-256131.htm
11
Parmi les applications qui offrent des services basés sur la géolocalisation on peut citer
celle de Galerie Lafayette ou d'Ikea.
- QR Codes
QR code est l’acronyme de « Quick Response Code », c’est-à-dire un code barre en deux
dimensions (2D). Il a de nombreux usages marketing et publicitaires. En scannant un QR code
à partir d’un smartphone, il est possible d’accéder à une page web, ou à un autre contenu
(informations complémentaires, vidéos, jeux concours, etc.). Les QR codes sont souvent
présents sur les emballages des produits ou dans les rayons des magasins (exemple : Comptoir
des Cotonniers).
- Paiement par NFC (Near Field Communication)
Le paiement par NFC offre la possibilité de régler ses achats en magasin avec son
smartphone via une application de paiement « sans contact » qui utilise une technologie dite de
communication par ondes courtes. Le paiement mobile est possible grâce aux applications telles
que Apple Pay, Google Wallet ou Samsung Pay (disponible à partir de 2016).
Selon l’Association Française du Sans Contact Mobile, en mars 2015 il y avait « 7
millions de possesseurs de mobiles NFC compatibles et 79 263 points de vente équipés en
terminaux de paiement sans contact»8.
- Les cartes de fidélité dématérialisées
Une carte de fidélité d’une enseigne est un support d’identification d’un client faisant
partie d’un programme de fidélité. La dématérialisation des cartes apporte des nouvelles
opportunités à ce support. Leur coté virtuel très pratique et le taux élevé d’équipement en
smartphone, permettent des échanges plus fréquents avec les consommateurs (messages de
bienvenue personnalisés, bons de réduction, conseils personnalisés en fonction de l’historique
d’achat, points de fidélité etc.).
8 « Les Chiffres-clés du NFC et du Sans Contact en France », mars 2015, Association Française du Sans Contact Mobile, www.afscm.org/le-nfc-en-chiffres/
12
Il est également important de s’interroger sur les caractéristiques des nouvelles aides à la
vente et à l’achat. L’étude de Beck et Crié (2013) montre que l’importance de ces services pour
les consommateurs dépend de leur interactivité, rapidité d’affichage, facilité d’utilisation,
ergonomie, fiabilité, ubiquité, ainsi que de leur côté intuitif et collaboratif. Ce sont donc les
caractéristiques sur lesquelles il faut capitaliser pour rendre les techniques mobile-in-store plus
attractives pour les consommateurs.
2.2. Les avantages de techniques mobile-in-store
Comme nous avons pu le voir, il est possible de créer de vraies synergies entre les services
mobiles et la surface de vente physique. Interrogeons-nous maintenant sur les avantages que
ces techniques peuvent apporter aux consommateurs ainsi qu’aux magasins.
L’utilisation des techniques mobile-in-store permet de satisfaire les besoins basiques et
pratiques du consommateur, que ce soit en termes d’information prix et produits,
recommandation d’articles, gain de temps et d’efficacité, ou encore en termes de choix grâce
aux commandes en ligne en boutique ou à la personnalisation sur place. Ces nouveaux services
mobiles facilitent les achats et réassurent le consommateur. En plus du côté utilitaire, les
techniques mobile-in-store procurent des bénéfices hédoniques. Elles rendent les courses
beaucoup plus agréables, en apportant un côté ludique. Le smartphone permet donc de vivre
une véritable expérience de consommation.
Les avantages que les techniques mobile-in-store apportent aux magasins sont également
nombreux. Tout d’abord, ils permettent aux enseignes de séduire de nouveaux prospects et
clients, suscitent l’envie d’acheter en agissant sur les circuits de décision jusqu’à l’acte d’achat.
Il a été prouvé que les NAVA ont une influence positive sur l’intention et l’impulsion d’achat.
(Beck et Crié, 2013). Ces services contribuent donc à l’augmentation des flux en magasin, de
la fidélisation des consommateurs, ainsi que de la valeur du panier moyen. Les services mobiles
permettent grâce aux données consommateurs, d’analyser le parcours client en magasin et
améliorer la productivité du merchandising. De plus, au niveau stratégique, la mise en place des
NAVA par les entreprises peut avoir un impact positif sur leur image. En effet, les enseignes
qui utilisent ce type d’outils sont perçues comme dynamiques et innovantes.
13
Tout cela montre que les techniques mobile-in-store offrent des services de qualité qui
rendent le parcours client plus enrichie, plus fluide et plus agréable, tout en permettant aux
enseignes de développer leur commerce. Les techniques mobile-in-store disposent donc d’un
important potentiel à exploiter. « Toute entreprise qui se situe dans une relation au
consommateur final forte devra être capable de répondre à cette évolution mobile. Aujourd’hui
c’est un critère de différenciation, demain ça sera une nécessité », prévient Pascal Poty,
responsable du Pôle Veille Technologique et Juridique à l’Agence Wallonne des
Télécommunications.
2.3. Les limites de techniques mobile-in-store
Les techniques mobile-in-store présentent néanmoins quelques limites. Tout d’abord, il
y a la question d’accès à internet en magasin. La configuration de certains centres commerciaux
et grandes surfaces ne facilitent pas la propagation des signaux 3G et 4G, ce qui rend impossible
l’utilisation de certaines techniques mobile-in-store. Afin de surmonter cette limite, les
magasins devraient systématiquement offrir un accès WiFi à leurs consommateurs.
Deuxièmement, les enseignes doivent solliciter l’autorisation préalable du mobinaute
pour pouvoir lui adresser des messages ou collecter des informations à son sujet (profil, mode
de paiement, nature des achats etc.) (opt-in). Or, une partie importante des consommateurs
expriment des inquiétudes concernant la collecte de leurs données personnelles et la protection
de leur vie privée, ce qui les rend réticents à l’utilisation des techniques mobile-in-store.
Il faut également prendre en compte la méfiance des consommateurs au sujet des services
perçus comme intrusifs. Pour certains, l’utilisation des techniques mobile-in-store peut être
source des réactions négatives telles que le scepticisme ou l’agacement. Les enseignes doivent
donc bien préparer leur stratégie de communication pour ne pas être perçues comme trop
intrusives.
Toutes ces raisons font que l’acceptation des techniques mobile-in-store n’est pas
automatique chez les consommateurs. Nous tenterons d’expliquer dans les prochains chapitres
les raisons qui poussent les consommateurs à accepter ou refuser ces techniques de marketing
mobile.
14
3. CADRE D’ANALYSE
3.1. L’innovativité
Comme le rappellent Roehrich, Valette-Florence et Ferrandi (2002), les études montrent
que l’innovativité a été perçue de deux manières différentes: tout d’abord comme une tendance
comportementale (Roger, 1960), puis, comme un trait individuel (Midgley et Dowling, 1978).
Nous allons donc analyser ce concept plus en détail.
Innovativité innée
Midgley et Dowling (1978) définissent le concept d’innovativité comme « le degré selon
lequel un individu prend des décisions innovatrices indépendamment de l’expérience
communiquée par les autres ». Selon les auteurs, l’innovativité est une convergence de deux
traits individuels : «l’Innovativité Innéé » (II) et « l’Intérêt pour la Catégorie de Produits »
(ICP). Il s’agit donc d’une sensibilité générale à l’égard de la nouveauté. Dans cette logique,
les individus qui se caractérisent par un niveau élevé d’innovativité innée possèdent un grand
nombre de produits nouveaux de catégories différentes.
Selon Midgley et Dowling, l’innovativité innée peut influencer « l’innovativité réalisée »
(l’achat effectif de produits nouveaux) à trois niveaux :
- « Innovativité réalisée générale », c’est-à-dire une tendance à acheter de nouveaux
produits dans des catégories disparates. Ce comportement constitue l’expression directe
de l’innovativité innée orientée vers la nouveauté.
- « Innovativité réalisée spécifique à une catégorie de produits » (ICP), qui correspond à
l’achat de nouveaux produits de la même catégorie. Ce comportement est une
convergence de l’II et de l’ICP.
- « Innovativité réalisé pour un simple produit », c’est-à-dire l’achat précoce d’un
nouveau produit. Ce comportement résulte de plusieurs facteurs, à savoir : l’II, l’ICP,
l’expérience des autres, ainsi que la situation d’achat.
De plus, Midgley et Dowling ont été les premiers à avoir proposé une version intégrée et
hiérarchisée des causes de l’innovativité, en faisant une synthèse des variables identifiées par
15
d’autres chercheurs (Gatignon et Robertson, 1985), à savoir : les traits psychologiques et
sociologiques. La figure ci-dessous représente le nouveau modèle d’innovativité de ces deux
chercheurs. 9
Figure 1: Modèle d'innovativité Gatignon et Robertson, 1985
De même, Hirschman, (1980) a présenté l’innovativité comme « la recherche inhérente
de nouveauté », c'est-à-dire la volonté d’introduire de la nouveauté dans sa vie de manière
générale.
Innovativité spécifique au domaine
Dans la même logique, Goldsmith et Hofacker (1991) ont défini une autre catégorie
d’innovativité, à savoir « l’Innovativité Spécifique au Domaine » (ISD) qui correspond à une
« tendance à s’informer sur et à adopter les innovations (nouveaux produits) au sein d’un
domaine spécifique d’intérêt », possible de mesurer par une échelle psychométrique. Il s’agit
9 Roehrich G., (2001) « Causes de l’Achat d’un Nouveau Produit : Variables Individuelles ou Caractéristiques Perçues », Revue Française du Marketing - N° 182, p.85
16
donc d’une convergence entre l’II et les comportements innovatifs spécifiques. La figure ci-
dessous représente le modèle d’innovativité de Goldsmoth et Hofacker.
Figure 2: La hiérarchie des innovativités de Goldsmith et Hofacker
Par ailleurs, Roehrich a démontré dans son étude (1994) que les définitions du concept de
l’innovativité telles qu’elles ont été données par ses prédécesseurs n’étaient pas exhaustives,
car elles n’expliquaient pas les raisons de l’attirance de consommateurs vers les nouveaux
produits. Selon lui, les individus seraient motivés par la nouveauté, récence, novation et
différence de nouveaux produits. Roehrich a mis un accent important sur les causes de cette
sensibilité à la nouveauté. En se basant sur les études antérieures (Venkatesan, 1973 ;
Hirschman, 1980, Fromkin, 1975 ; Synder et Fromkin, 1980) il a déduit que l’innovativité
comporte deux dimensions : une dimension hédoniste (besoin de stimulation) et une dimension
sociale (besoin d’unicité). Dans cette logique, les individus avec une innovativité hédoniste
auraient tendance à acheter les produits nouveaux pour le plaisir ou par la curiosité. Par contre,
ceux qui se caractérisent par une innovativité sociale seraient tentés par l’achat des nouveaux
produits pour répondre aux évolutions de la société et se différencier des autres.
En résumant, l’innovativité est une attitude générale de l’individu qui le rend sensible à
la nouveauté et qui se renforce dans certaines circonstances. Ce concept est un facteur important
à prendre en considération pour étudier et comprendre le comportement innovateur du
consommateur. L’innovativité explique également la volonté d’utiliser les nouvelles
technologies. On pourrait déduire que les individus au degré élevé d’innovatvité auraient
tendance à acheter des produits nouveaux et utiliser des services innovateurs, tels que les
techniques mobile-in-store.
17
3.2. Expérience dans l’utilisation des nouvelles technologies
Plusieurs chercheurs ont démontré que l’expérience du consommateur dans l’utilisation
des nouvelles technologies influence son comportement et son acceptation des services
innovateurs.
Ainsi, le fait d’effectuer des achats en ligne prouve la flexibilité de l’individu au
dévoilement de ses données personnelles. Cela veut dire que plus le consommateur aura
d’expérience dans l’usage d’Internet, moins réticent il sera devant le risque que peuvent causer
les transactions commerciales en ligne (Balabanis et Vassileiou, 1999).
Dans la même logique, il a été prouvé que l’expérience récente d’achat à distance a un
effet négatif sur la préoccupation des consommateurs concernant la collecte et l’usage de leurs
données personnelles par les entreprises (J.Phelps, G. Nowak et E. Ferrell, 2000).
Comme le rappellent Goncalves, De Pechpeyrou et Bénavent (2014), « les
consommateurs ayant une expérience préalable avec les applications mobiles devraient
davantage apprécier les bénéfices que peuvent leur apporter les services basés sur la
géolocalisation » (Xu et al, 2009). On pourrait présumer qu’il est de même pour les bénéfices
que peuvent apporter aux consommateurs les techniques mobile-in-store.
Ainsi, on peut supposer qu’un consommateur doté d’expérience en matière digitale,
se montrera moins réticent devant le risque que peuvent engendrer les techniques de marketing
mobile en magasin, qu’un individu qui n’a jamais utilisé les nouvelles technologies de
l’information et de la communication (NTIC). Nous pouvons donc supposer que le degré
d’expérience d’un individu dans l’utilisation des nouvelles technologies a un impact positif sur
l’intention d’utiliser les techniques mobile-in-store.
18
3.3. Préoccupation vis-à-vis de la vie privée
- Le concept de la vie privée
La question de la vie privée et de l’intimité de l’individu a été soulevée avant même le
développement des nouvelles technologies d’information qui ont accru les capacités de collecte
des données personnelles, c’est-à-dire des informations qui permettent une identification de
l’individu. Depuis, plusieurs définitions de la vie privée ont été données.
Warren et Brandeis (1890) ont élargi le concept de la vie privée perçu avant comme « le
droit de vivre » en le définissant comme « le droit d’être seul » (juge T. M. Cooley), de profiter
de la vie et d’être libre. En jugeant cette définition comme trop large et vague, Westin (1967) a
défini la vie privée comme « la revendication des individus, des groupes ou des institutions, de
déterminer par eux même, quand, comment et dans quelle mesure les informations les
concernant sont communiquées aux autres ». Il s’agit donc du droit de contrôler ses
informations personnelles. On peut distinguer deux dimensions de contrôle des données
personnelles : la dissémination et l’utilisation (Goodwin 1991). Puis, Foxman et Kilcoyne
(1993), ont proposé d’élargir cette définition en intégrant la connaissance de la collecte
d’informations.
De Pechpeyrou et al. (2010) ont complété le concept de la vie privée du consommateur en
le définissant comme « la possibilité pour tout consommateur de connaître et de décider en
connaissance de cause de la diffusion et de l’utilisation des informations préalablement à leur
collecte, qu’elles soient collectées durant la relation ou qu’elles résultent des transactions
commerciales qu’il a engagées. Il concerne également le contrôle de l’utilisation non souhaité
de sollicitations commerciales quel qu’en soit le support (mailing, e-mailing, téléphone, contact
personnel,...).»
- Le modèle IUIPC
La réflexion sur la privacy a été complétée par le modèle IUIPC (« Internet Users’
Information Privacy Concerns ») de Malhora, Kim et Agarwal (2004), selon lequel, la
préoccupation vis-à-vis de la vie privée est le résultat de trois facteurs : la collecte des données
19
personnelles, le contrôle et la notification des pratiques de confidentialité. En ce qui concerne
la collecte des informations, les consommateurs veulent connaître la quantité de données
spécifiques détenues par les tiers, comparé à la valeur des services perçus. Cet échange
d’informations entre les entreprises et les consommateurs devrait être équitable. Par ailleurs,
les consommateurs sont moins inquiets quand ils ont la possibilité d’accepter ou refuser le
partage de leurs données avec les entreprises (opt in / opt out), ce qui leur donne un sentiment
de contrôle. En ce qui concerne la notification des pratiques de confidentialité, les
consommateurs devraient être informés sur la façon dont les entreprises utilisent leurs données.
Ainsi, comme le rappellent Malhora, Kim et Agarwal, selon Hofman et al. (1999) la majorité
des internautes refuse de partager leurs données personnelles sur des sites Internet, s’ils ne sont
pas certains de la façon dont ces informations seront utilisées.
Les auteurs ont également pris en compte les facteurs contextuels qui influencent les
préoccupations vis-à-vis de la vie privée chez les consommateurs. Le modèle IUIPC distingue
deux facteurs spécifiques au contexte : la confiance (« Trusting Beliefs ») et le risque perçu
(« Risk Beliefs »).
Figure 3: modèle IUIPC (« Internet Users’ Information Privacy Concerns ») de Malhora, Kim et Agarwal (2004)
20
Ainsi, selon les auteurs, la préoccupation des internautes vis-à-vis de la vie privée
influence négativement la confiance, qui dépend de la fiabilité des entreprises en termes de
protection des données personnelles des consommateurs. Cette inquiétude a un effet positif sur
le risque perçu lié à la diffusion des données personnelles. De plus, il a été prouvé que la
confiance a une influence négative sur le risque perçu par le consommateur. Cela dit, plus le
consommateur fait confiance à un site internet, mois il percevra de risque lié à la diffusion de
ses données personnelles.
Phelps et al. (2000) ont également démontré l’importance de covariables telles que les
caractéristiques sociodémographiques et l’expérience. Ainsi, il a été prouvé que l’éducation
influençait négativement la confiance et l’expertise qui, quant à elle, réduisait le risque perçu.
Xu et al. (2011) dans leur étude sur la géolocalisation et la vie privée, ont démontré que
la personnalisation est positivement corrélée avec le risque perçu lié à la divulgation
d‘informations. De plus, le risque perçu a une influence négative sur la valeur perçue. Dans la
même logique, le risque perçu lié à la divulgation des données personnelles dans le cadre de
services basés sur la géolocalisation a une influence négative sur l’intention de dévoiler ces
informations (Xu et al. 2009).
Une autre étude a montré que la préoccupation des consommateurs par la façon dont les
entreprises utilisent leurs informations personnelles est déterminée par quatre principaux
facteurs : le type d’information demandée (données démographiques, style de vie, centres
d’intérêt, informations personnelles données financières), le degré de contrôle sur les données
(aucun contrôle, un certain contrôle, contrôle total), les conséquences et les avantages potentiels
offerts en échange (l’économie du temps et des efforts, sélection de produits plus vaste), et les
caractéristiques démographiques du consommateur (Nowak, Ferrell, 2000).
21
Figure 4: Modèle de Privacy Concern (Nowak, Ferrell, 2000).
Il a été prouvé que ce sont surtout les informations personnelles telles que le nom,
l’adresse, le numéro de téléphone, le numéro de sécurité sociale, les coordonnées bancaires, le
salaire ou encore les préférences d'achat et l’historique d’achat qui suscitent le plus de
préoccupations parmi les consommateurs. Par contre, les consommateurs sont plus disposés à
partager les caractéristiques démographiques et le style de vie (hobbies, loisirs, magazines
préférés…). (Nowak, E. Ferrell, 2000, Nowak et Phelps, 1995, Culnan 1995).
- Privacy Paradox
La quatrième édition du Baromètre de la Confiance des Français dans le numérique
montre que « malgré une forte réticence à communiquer des informations personnelles (+ 16
points depuis 2009), les Français utilisent massivement Internet et sont intéressés par les
nouveaux usages de l’économie collaborative et des Objets Connectés ». Aujourd’hui,
seulement 43% des internautes ont confiance dans le commerce en ligne (contre 56% en 2011),
ce qui fait qu’ils sont de plus en plus réticents à communiquer leurs données personnelles en
22
ligne (21% des internautes en 2015, contre 5% en 2009). Les principaux freins à l’utilisation de
l’e-commerce sont : le piratage des données bancaires (86%), la consultation des données
personnelles par un tiers (47%) et l’utilisation des données personnelles à des fins publicitaires
(38%). Néanmoins, les chiffres montrent que 89% des internautes pratiquent le e-commerce
(contre 85% en 2009). On voit donc un grand écart entre l’usage et la confiance des internautes.
La littérature montre que cette contradiction entre les attitudes (préoccupation des
individus sur le sujet de la vie privée) et les comportements (divulgation d’informations
personnelles) qualifié de privacy paradox peut s’expliquer par « les bénéfices que peuvent
apporter les nouvelles technologies, venant compenser le frein lié à la crainte de voir récoltées
et utilisées des données privées au-delà de ce que l’individu aurait accepté ». (Hérault S.,
Belvaux B., 2014). Cette logique coûts-bénéfices, nous permettra de mieux comprendre le
paradoxe de la vie privée, qui constitue aujourd’hui une question importante (Phelps, Novak et
Ferrell, 2000).
Les gens sont donc plus enclins à accepter la perte de la vie privée lié à la divulgation des
données personnelles, pour profiter des avantages (utilité, plaisir, commodité, prix plus bas,
informations…) si le niveau de risque est acceptable. Ce calcul de coûts-bénéfices a été défini
comme « privacy calculus » (Culnan, 1995). Ainsi, De Pechpeyrou et Nicholson (2012)
rappellent que les internautes seraient moins réticents à fournir leurs données personnelles
lorsque leur jugement (i.e. leur « privacy calculus ») leur indique qu’ils sont susceptibles
d’obtenir des bénéfices en partageant leurs informations avec les enseignes, sans avoir à subir
des conséquences négatives.
Le paradoxe de la vie privée est encore plus flagrant quand il s’agit de l’utilisation de
smartphone. Les préoccupations se sont renforcées depuis les études qui ont montré que les
applications mobiles sont capables de suivre secrètement les informations des utilisateurs
(Angwin et Valentino-De Vries, 2011, Hutchinson, 2011). De plus, on entend souvent parler de
fuites ou de l’exploitation des données clients dans les médias, ce qui ne fait que renforcer les
préoccupations.
Comme nous avons pu le voir, le concept de vie privée est un concept complexe, difficile
à définir et qui entraine des nombreuses polémiques, en particulier aujourd’hui, avec le
développement des NTIC. Nous pouvons donc en déduire que les techniques mobile-in-store
23
peuvent également en subir les conséquences si les enseignes ne respectent pas l’intimité des
consommateurs.
3.4. L’implication vis-à-vis d’une catégorie de produits
Comme le rappelle Strazzieri, (1994), l’implication du consommateur vis-à-vis d’une
classe de produit, a été définie comme « pertinence personnelle pour une personne d’un objet,
fondée sur ses besoins, valeurs et intérêts inhérents » (Zaichowsky, 1984). Selon l’auteur,
l’implication durable du consommateur vis-à-vis d’une classe de produit est un trait individuel
stable et durable qui entraine des comportements associés réguliers. C’est une variable
potentielle de segmentation qui influence la décision d’achat. L’implication traduit donc
l’intérêt et l’attirance du consommateur vis-à-vis d’une classe de produit.
L’auteur a prouvé dans son article que l’implication durable et le risque perçu ont des
conséquences différentes sur le comportement du consommateur et la façon dont il perçoit les
programmes marketing. Ainsi, ils n’ont en commun que la gravité perçue d’un mauvais choix.
3.5. Les orientations d’achat
De nombreuses études ont été effectuées sur le concept d’orientations d’achat.
Commençons par les définir. Selon Meyer-Waarden et Bénavent (2006), « l’orientation d’achat
est la manière cohérente que le consommateur emploie pour faire ses courses en poursuivant
un but ou une motivation particulière : économiser du temps, faire des économies monétaires,
découvrir des nouveautés, se faire plaisir, rencontrer du monde.» Ainsi, le consommateur
développe des stratégies différenciées dans la manière de faire ses courses en fonction de ses
besoins (recherche d’information, évaluation des alternatives, choix du produit…).
La théorie des orientations d’achat, ainsi que les résultats empiriques suggèrent que
l’orientation d’achat est déterminée pas les caractéristiques durables du consommateur. Comme
le rappelle Laaksonen (1993), les variables telles que le style de vie, l’expérience d’achat, le
24
système de valeurs personnelles, la classe sociale, ainsi que le cycle de vie de la famille ont un
impact important sur l’orientation d’achat du consommateur.
Néanmoins, l’orientation d’achat n’est pas une caractéristique inhérente de l’individu.
Elle est également déterminée par les caractéristiques de la structure du commerce de détail.
L’orientation d’achat est ainsi élaborée sur la base d'une relation de longue date entre un client
et son environnement de détail. Il est également important de prendre en considération l’effet
du type de produits achetés. On peut supposer qu’il existe de différents modèles de
comportement d’achat en fonction de la nature des produits achetés (Laaksonen 1993).
Figure 5: Modèle d'orientations d'achat de Laaksonen, 1993
Le modèle ci-dessus représente le principe d’orientation d’achat comme un élément
d’interaction qui contrôle la tendance comportementale du consommateur (ici le choix du
magasin). Dans le cadre de notre étude, on pourrait remplacer la variable « Store choice » par
« Mobile-in-store techniques choice », pour montrer l’influence des orientations d’achat sur
l’acceptation des techniques de marketing mobile en magasin.
Plusieurs chercheurs ont étudié le principe d’orientations d’achat pour décrire les
différents types de consommateurs. Le pionnier de la réflexion sur les orientations d’achat est
25
Stone (1954). Dans le cadre de son étude initiale, l’auteur a interviewé 150 femmes de Chicago
pour déterminer leurs orientations d’achat dans de petits magasins locaux et de grandes chaînes
de distribution. En se basant sur les résultats obtenus, il a identifié quatre dimensions : éthique,
sociale, économique et apathique. La première, économique, est orientée sur le prix, la qualité
et le merchandising. Les consommateurs faisant partie de cette catégorie chercheraient le
meilleur rapport qualité prix, ainsi qu’une large sélection de produits. Ils auraient plutôt
tendance à faire leurs courses dans des grandes chaînes de distribution à cause des prix plus
bas. Les individus de l’orientation d’achat sociale, viseraient une relation privilégiée avec le
magasin ou la marque. Ils auraient tendance à effectuer leurs achats dans des magasins locaux
qui leur permettraient de profiter de services de bonne qualité, plutôt que dans de grands
magasins, qu’ils considèrent comme impersonnels. Parmi les consommateurs faisant partie de
cette catégorie, les critères économiques seraient perçus comme moins importants. Les
consommateurs d’orientation d’achat éthique, ressentiraient le besoin de faire les courses dans
les magasins locaux, plutôt que dans les grandes chaînes de distribution, de façon à donner aux
plus petits commerces une chance de succès. Les consommateurs apathiques, ne seraient pas
intéressés par les achats et chercheraient à diminuer les efforts et le temps qu’ils y consacrent.
Pour eux, le choix du magasin dépendrait en grande partie de sa localisation.
Depuis la théorie de Stone (1954), d’autres chercheurs ont étudié le concept
d’orientations d’achat. Le tableau ci-dessous résume les groupes de consommateurs qui ont été
identifiés avec certaines divergences.
26
Figure 6: Principales typologies d'acheteurs pour les achats alimentaires et/ou de produits courants 10
Les principales catégories de consommateurs sont :
- Les consommateurs économiques
Bellenger et Korgaonkar (1980) se sont concentrés sur un système de classification à
deux facteurs, d’un côté les acheteurs récréationnels pour qui l’expérience de l’achat est une
source de satisfaction et de plaisir au-delà de l’achat de produits ou services en lui-même; et de
l’autre côté les acheteurs économiques qui cherchent de la commodité et des prix plus bas, qui
sont neutres ou désintéressés de l’action de faire des courses. Le consommateur économique de
Bellenger et Korgaonkar peut être comparé au consommateur apathique de Stone. Dans la
même logique, Lumpkin (1985) a étudié l’orientation d’achat économique, en concentrant sa
10 I. Barth, B. Anteblian, (2006), « Souffrance vécue, contenue ou dépassée dans les achats courants : les courses comme un travail - proposition de typologie », 11èmes Journées de Recherche en Marketing de Bourgogne
27
réflexion sur les consommateurs âgés. Selon lui, les consommateurs économiques sont soucieux
de la qualité et du prix, tout en étant peu actifs et peu impliqués. Puis, comme le rappellent
Meyer-Waarden et Bénavent (2006), l’orientation d’achat économique d’un consommateur
aurait un effet négatif sur la fidélité au magasin, car le consommateur aurait tendance à
comparer les alternatives dans plusieurs magasins.
- Les consommateurs relationnels
Darden et Raynolds (1971) ont effectué des recherches sur l’orientation d’achat
relationnelle en se basant sur les théories existantes. Ils ont défini les consommateurs
d’orientation d’achat sociale comme ceux pour qui la personnalisation dans un magasin local
est très importante à la différence des critères économiques. Ainsi, un client relationnel aurait
plutôt tendance à effectuer ses achats dans un magasin spécifique, car cela faciliterait
l’établissement et le maintien de sa relation avec le personnel du magasin (Laaksonen, 1993 ;
Mägi, 1999).
- Les consommateurs éthiques
Lumpkin et al. (1986) ont identifié trois segments distincts : « active outshoppers », ceux
qui faisaient leurs courses en dehors de leur ville ou ceux qui utilisaient d’autres méthodes
d’achat comme le magasinage par catalogue, « thrifty innovators » les consommateurs
cherchant à optimiser leur budget, ainsi que les « inactive inshoppers » avec une fidélité et des
attitudes favorables envers les commerces locaux. C’est donc cette dernière catégorie qui
ressemble à la définition du consommateur éthique de Stone.
- Les consommateurs apathiques
Gutman et Mills (1982) ont identifié quatre types d’acheteurs qui correspondent au
concept de consommateur apathique de Stone, à savoir : les consommateurs neutres, non-
impliqués, négatifs et réticents, c'est-à-dire ceux, qui n’aiment pas faire les courses. Lumpkin
(1985) a examiné l’orientation d’achat apathique parmi les consommateurs âgés. Ils ont été
décrits comme les consommateurs non impliqués, qui font moins de courses que les autres
shoppers (i.e. économiques et actifs).
28
- Les consommateurs fonctionnels
La motivation principale des consommateurs fonctionnels est d’économiser le temps et
les efforts consacrés pour faire les courses. Ainsi, ils concentreraient leurs achats sur un magasin
spécifique afin de réduire au maximum l’énergie consacrée aux courses (Williams et al. 1978).
- Les consommateurs récréationnels
Par ailleurs, Tauber (1972) a investigué les raison pour lesquelles les individus font les
courses. Selon lui, les consommateurs peuvent éprouver la satisfaction de l'activité d'achat elle-
même. Il a identifié les motivations du consommateur en les classant comme étant soit
personnelles (jeu de rôle, divertissement, auto-gratification, apprentissage de nouvelles
tendances, activité physique ou stimulation sensorielle), soit sociales (expérience sociale en
dehors de la maison, communication avec d’autres individus ayant des intérêts similaires, statut
et autorité ou plaisir de négociation).
Bellenger et Korgaonkar (1980) ont complété le travail de Stone, en ajoutant la dimension
récréationnelle, qui selon eux, se base sur l’assortiment et l’atmosphère du magasin. Les
consommateurs de cette orientation d’achat considèrent les courses comme une activité de
loisir. Comme mentionné auparavant, les acheteurs récréationnels de Bellenger et Korgaonkar
chercheraient une expérience d’achat, qui serait source de satisfaction et de plaisir au-delà du
celui éprouvé du fait de l’achat de produits ou de services. Ainsi, ils considèrent la visite des
points de vente comme une occasion de promenade, découverte, vie sociale et détente. Ils
passent plus de temps à faire les courses, ils ne savent pas à l’avance ce qu’ils vont acheter et
ils continuent d’explorer les rayons même après avoir effectué l’achat.
Conformément à la conception expérientielle d’Holbrook et Hirschman (1982), la
fréquentation du magasin physique peut être vécue comme une expérience gratifiante pour le
consommateur cherchant les stimulations sensorielles, émotionnelles ou cognitives lors de ses
expériences d’achat en point de vente physique et éprouvant du plaisir à faire ses courses. Cette
théorie souligne donc le côté symbolique, hédonique et esthétique de la consommation.
Dans la même logique, Jarboe et McDaniel (1987) ont confirmé que les orientations
d’achat de consommateurs se réfèrent à l’approche générale de l’acquisition de biens et services
et non uniquement à l’achat final. Cela veut dire que le consommateur peut éprouver de la
29
satisfaction provenant de la recherche d’informations pour les achats futurs, du lèche-vitrines,
de la comparaison des prix, ou des conseils donnés sur les produits, et non uniquement de l’acte
de l’achat lui-même.
Comme mentionné auparavant, les orientations d’achat peuvent varier selon les
catégories de produits. Certains auteurs ont donc appliqué l’étude d’orientations d’achat sur des
secteurs spécifiques comme le secteur automobile (Furse, Punj et Stewart, 1982), vestimentaire
(Gutman et Mills, 1982 ; Shim et Kotsiopulos, 1992 ; Moye et Kincade, 2003) ou autres. Par
exemple, Williams et al, (1978) ont effectué une typologie des clients d’épicerie, en les divisant
en quatre groupes de consommateurs: impliqués, apathiques, sensibles au prix et commodes.
D’autres ont étudié le concept des orientations d’achat dans le domaine des achats
effectués en ligne (Swaminathan, Lepkowska-White and Rao, 1999 ; Li, H., Kuo, C. and Russel,
M.G., 1999 ; Brown, M., Pope, N. and Voges, K., 2001).
- Les bénéfices
Les études portant sur les orientations d’achat sont utiles dans le but de décrire et de
comprendre les consommateurs, qui diffèrent selon les bénéfices qu’ils recherchent. Dans le
contexte commercial, on peut diviser les bénéfices recherchés par les consommateurs en cinq
catégories: économiques (optimisation du budget), fonctionnelles-informationnelles
(commodité, réduction du temps d’achat, simplification de l’activité de consommation),
hédonistes (expérience de consommation, émotions associées, plaisir) ou relationnels (lien
privilégié avec le magasin, appartenance à un groupe) (Meyer-Waarden et Bénavent, 2006).
Figure 7: Modèle d'orientations d'achat de Williams et al, (1978)
30
- Motivation intrinsèque et extrinsèque
Comme le rappellent Meyer-Waarden et Bénavent (2006), les divergences de
comportement entre les consommateurs viennent en partie du fait qu’ils ne sont pas motivés par
les mêmes bénéfices. La littérature défini la motivation comme « une source d’énergie, une
direction ou encore la persévérance que les individus éprouvent dans leurs actions ainsi que
dans leurs intentions » (Ryan et Deci, 2000). La théorie de l’autodétemination (TAD) de Deci
(1971) suggère que la motivation est une convergence entre le contexte et les récompenses. La
nature de cette récompense détermine si la motivation est extrinsèque ou intrinsèque. La
motivation extrinsèque « survient lorsque l’individu tente d’obtenir quelque chose en échange
de la pratique de l’activité » (Deci, 1975). La gratification que cherche l’individu se trouve
donc en dehors de l’activité même (cadeau, argent, prix…). La motivation intrinsèque
« implique que l’individu pratique une activité parce qu’il en retire du plaisir et une certaine
satisfaction » (Deci, 1975). L’activité est donc pratiquée en vertu de l’intérêt, la curiosité et le
plaisir qu’elle apporte, et non pas en vertu de récompense extrinsèque.
Comme nous avons pu le voir, les orientations d’achat et les orientations motivationnelles
ont un impact très important sur le comportement du consommateur. Il est donc vital pour les
magasins de les connaitre et d’essayer de les utiliser pour adapter leurs stratégies de marketing
mobile aux besoins qui diffèrent selon les consommateurs.
31
4. HYPOTHESES
Le cadre d’analyse et les théories mobilisées nous ont permis de formuler un certain
nombre d’hypothèses que nous essayerons de vérifier à travers l’étude empirique.
H1 : Le degré d’innovativité influence positivement l’intention d’utiliser les techniques
mobile-in-store.
Comme cela a été prouvé par Roehrich (1994), un individu se caractérisant par un degré
élevé d’innovativité serait plus sensible à la nouveauté. Les techniques mobile-in-store étant un
concept nouveau et différent, nous souhaiterions vérifier si le degré d’innovativité du
consommateur a un impact positif sur l’intention d’utiliser les techniques mobile-in-store.
H2 : L’expérience dans l’utilisation des nouvelles technologies a une influence positive sur
l’intention d’utiliser les techniques mobile-in-store.
Comme nous avons pu voir, il a été prouvé que le degré d’expérience dans l’utilisation
des nouvelles technologies avait une influence positive sur l’acceptation des services digitaux
y compris les services impliquant le dévoilement des données personnelles. Nous tenterons
donc de tester si le fait que les individus soient expérimentés en ce qui concerne l’utilisation
des nouvelles technologies influence positivement l’intention d’utiliser les techniques mobile-
in-store.
H3 : Le risque perçu influence négativement l’intention d’utiliser les techniques mobile-
in-store.
Malhora, Kim et Agarwal, (2004) ont démontré que la préoccupation vis-à-vis de la vie
privée influençait positivement le risque perçu lié à la divulgation des données personnelles, à
savoir, la gravité perçue d’un mauvais choix. Ainsi, l’intrusion dans la vie privée, conduit
naturellement l’individu à ne pas utiliser une technologie susceptible de récolter et de divulguer
32
des informations qu’il ne souhaite pas partager. Cela nous amène à se demander si le risque
perçu a un effet négatif sur l’intention d’utiliser les techniques mobile-in-store.
H4 : L’implication envers la catégorie de produits a un impact positif sur l’intention
d’utiliser les techniques mobile-in-store.
Comme l’a montré Strazzieri, il est important de prendre en compte l’implication des
consommateurs vis-à-vis de la catégorie de produits. D’autant plus que les stratégies de mobile-
in-store développées par des enseignes de parfumerie semblent attirer les consommateurs. On
pourrait donc supposer que l’intérêt qu’un consommateur porte à ce secteur influencerait
positivement son intention d’utiliser les techniques mobile-in-store.
H5 : En fonction des orientations d’achat des consommateurs, l’intention d’utiliser les
techniques mobile-in-store diffère.
Comme nous l’avons vu précédemment, les orientations d’achat peuvent influer les
effets motivants des bénéfices.
Par exemple, on peut imaginer que les consommateurs qui manifestent une orientation
d’achat économique, seraient intrinsèquement motivés à utiliser les techniques mobile-in-store
basées sur les réductions de prix et les promotions, plutôt que les autres. Pour ces
consommateurs, qui cherchent à optimiser leur budget, les motivations économiques et
informationnelles sur les promotions sont prioritaires et ces services seront perçus comme un
moyen d’économiser de l’argent. Dans ce cadre, l’orientation d’achat économique et la
motivation intrinsèque du client sont en parfaite cohérence. Un bénéfice économique devrait
ainsi influencer positivement l’intention d’utiliser cette techniques mobile-in-store. En
revanche, les bénéfices relationnelles, hédonistes et fonctionnelles, étant perçus comme
extrinsèques par l’individu, devraient avoir un effet nul.
33
Voici le modèle conceptuel que nous proposons :
Influence positive
Influence négative
Nous avons intégré les caractéristiques sociodémographiques dans notre modèle
conceptuel afin d’analyser les effets qu’elles pourraient avoir sur l’acceptation des techniques
mobile-in-store.
Figure 8: Modèle conceptuel d'acceptation des techniques mobile-in-store
34
5. METHODE
Dans cette partie, nous allons présenter la méthodologie utilisée dans le cadre de notre
étude : le type de recherche, la méthode de recueil, l’échantillon, les variables mesurées, et le
traitement des données.
5.1. Définition du type de recherche
En ce qui concerne le type de recherche adopté, nous avons effectué une étude
quantitative, afin de connaître le comportement des consommateurs envers les techniques
mobile-in-store, identifier des caractéristiques individuelles et contextuelles susceptibles
d’expliquer cette attitude et ainsi vérifier la validité de nos hypothèses. Pour cela, nous avons
établi un questionnaire, qui a été validé par deux experts en marketing : Mme. De Pechpeyrou
et M. Bénavent. Puis nous l’avons soumis à un échantillon de population. L’ensemble de la
population a été interrogée selon la même procédure. Nous nous sommes ainsi basés sur la
méthodologie de l’étude quantitative détaillée ci-dessous :
35
5.2. Plan d'échantillonnage et méthode de recueil
Compte tenu de notre sujet de recherche – l’utilisation des techniques mobile-in-store –
nous n’avons pas mis de limites quant à la population interrogée. En effet, toute personne
effectuant des courses en magasin physique pourrait être intéressée par ces services, à condition
qu’elle soit en possession d’un smartphone (ce qui a constitué notre question filtre).
Les nouvelles technologies de l’information et de la communication constituent un sujet
d’actualité qui suscite de plus en plus d’intérêt parmi les individus, tous sexes, âge, catégories
socioprofessionnelles et niveaux d’études confondus. Il est néanmoins évident que le degré
d’intérêt varie selon les individus de caractéristiques différentes. Ainsi, les nouvelles
technologies constituent un domaine qui intéresse davantage les jeunes.
Nous avons décidé d’utiliser Google Drive pour la réalisation du questionnaire et la
collecte des données, pour sa facilité de diffusion et sa compatibilité. L’enquête était disponible
en ligne aux mois de juillet et août 2015. Afin d’obtenir le plus grand nombre de réponses
possible, nous avons administré notre questionnaire par plusieurs moyens. Dans un premier
temps, nous l’avons diffusé sur les réseaux sociaux personnels (Facebook, Twitter) et
professionnels (LinkedIn) (de l’auteur, de M. Poty et de M. Bénavent). Dans un second temps,
nous avons envoyé le questionnaire par courrier électronique auprès de nos contacts personnels
et professionnels. Dans un troisième temps, nous avons essayé de relayer l’enquête sur les
forums. Grâce à ces démarches, nous avons réussi à obtenir 330 réponses.
Google Drive nous a permis d’établir plusieurs questions et d’identifier le type de réponse
souhaité (degré d’accord, fréquence d’usage etc.). En tout, le questionnaire comportait 40
questions, regroupées en 9 sections :
1. Votre utilisation du smartphone
2. Votre attitude à l’égard de l’utilisation du smartphone en parfumerie
3. L’utilisation du smartphone en magasin et données personnelles
4. Votre attitude à l’égard des produits nouveaux
5. Vos usages des nouvelles technologies
6. Vos habitudes d’achat
7. Votre intérêt envers les produits de parfumerie
8. Vos habitudes de fréquentation des parfumeries
9. Pour mieux vous connaître
36
5.3. Définition des variables
Le tableau ci-dessous décrit les variables qui ont été utilisées dans le cadre de cette
recherche :
Variable
Type d’échelle
Type de réponse
Article/ échelle utilisée
Utilisation des
techniques mobile-in-
store
Échelle de Likert en 7
points (ordinale)
Degré d’accord
Basé sur Meyer – Waarden,
Benavent (2006) + réflexion
intuitive
Risque perçu
Échelle de Likert en 7
points (ordinale)
Degré d’accord
Naresh K. Malhotra, Sung S.
Kim, James Agarwal (2004)
Innovativité
Échelle de Likert en 7
points (ordinale)
Degré d’accord
Roehrich (1994)
Expérience
Échelle de Likert en 7
points (ordinale)
Fréquence d’usage
Baromètre d'adoption des objets
connectés, De Pechpeyrou,
Bénavent et al. (2015)
Orientations d’achat
Échelle de Likert en 7
points (ordinale)
Degré d’accord
Meyer – Waarden, Benavent
(2006)
Implication vis-à-vis
d'une catégorie de
produits
Échelle de Likert en 7
points (ordinale)
Degré d’accord
Duparc-Cadrier (1993)
Tableau 1: Liste des variables utilisées
Nous avons décidé d’introduire une question de sélection au début de notre questionnaire
afin de filtrer les individus ne possédant pas de smartphone. Ils ont été ainsi redirigés vers la
dernière partie du questionnaire qui a permis d’identifier leurs profils.
La question suivante : « Avez-vous déjà utilisé votre smartphone pendant les courses (QR
code, coupon de réduction mobile, carte de fidélité dématérialisée, paiement mobile…) ? » nous
a permis de mesurer l’utilisation ou l’intention d’utiliser les techniques mobile-in-store par les
consommateurs.
37
La deuxième section du questionnaire a pour but d’exposer les sondés à des scénarios de
techniques mobile-in-store pour analyser leur propension à utiliser ces services. Les différents
scénarios reflètent également les bénéfices que ces services peuvent procurer au consommateur.
Nous avons décidé de nous concentrer sur un secteur précis (la parfumerie) pour rendre les
résultats de notre recherche plus fiables, étant donné que les pratiques marketing et l’intérêt que
les consommateurs portent à ces pratiques varient selon les secteurs. En outre, les enseignes de
parfumerie sont bien avancées dans la digitalisation et plus précisément dans les techniques
mobile-in-store. Prenant l’exemple de Sephora, qui s’est engagé à être le leader dans la beauté
numérique avec des services mobiles jouant un rôle clé (« Sephora’s mobile-first strategy »).
L’enseigne a mis en place des services tels que :
- Les alertes d’anniversaire envoyées aux clients pour leur rappeler de récupérer un
cadeau.
- Les notifications concernant les événements organisés en magasin.
- L’application mobile offrant un « mode magasin » qui permet un accès facile aux
services tels que : la possibilité de scanner les produits pour accéder à leurs avis, notes,
description et produits similaires, payement mobile (Apple Pay), cartes de fidélité et
cartes cadeau dématérialisées et personnalisées (photo, vidéo), historique d’achat,
« wish list », recommandations produits, promotions du moment, cadeaux virtuels,
nombre de points de fidélité cumulés qui peuvent donner droit à des échantillons, bons
ou réductions en caisse.
Une partie de ces services fonctionnent grâce aux beacons que Sephora a décidé
d’implémenter dans ses magasins. Le but de l’enseigne est d’offrir au consommateur des
services utiles et une expérience d’achat personnalisée.
Pour créer les scénarios, nous nous sommes en partie inspirés de :
- l’article de Meyer-Waarden et Bénavent (2006), dans lequel les auteurs ont utilisé une
échelle pour mesurer les différents systèmes de gratifications des programmes de
fidélisation,
- les pratiques utilisées par Sephora,
- les études et les baromètres qui mentionnaient les différentes techniques mobile-in-
store.
38
Sur cette base, nous avons effectué une réflexion intuitive sur les services susceptibles
d’intéresser les mobinautes. Cette démarche exploratoire a conduit à retenir 10 scénarios,
présentés dans le tableau ci-dessous :
Scénarios
- Vous voulez vous acheter un parfum. Seriez-vous intéressé(e) de recevoir des
conseils personnalisés sur votre smartphone en fonction de votre historique d’achat
? - Vous êtes inscrit(e) au programme de fidélité d’une parfumerie. Seriez-vous
intéressé(e) d’être parmi les premiers à être informé(e) des événements réalisés en
magasin via SMS/email?
- Vous allez dans une parfumerie pendant votre temps libre. Seriez-vous intéressé(e)
pour participer à un jeu concours sur votre smartphone?
- Vous êtes inscrit(e) au programme de fidélité qui vous permet de cumuler des
points. Seriez-vous intéressé(e) de recevoir sur votre smartphone une alerte quand
vous atteignez suffisamment de points pour les échanger contre un cadeau un
cadeau ou un bon d’achat?
- Vous voulez acheter un parfum précis à votre ami(e). Seriez-vous intéressé(e)
d’utiliser la géolocalisation sur votre smartphone pour vous repérer en magasin et
trouver rapidement le produit recherché ?
- Vous voulez payer vos achats. Seriez-vous intéressé(e) d’effectuer le paiement avec
votre smartphone et ainsi éviter de faire la queue pour passer à la caisse ?
- Vous faites parfois des achats dans une parfumerie. Seriez-vous intéressé(e) de
recevoir des coupons de réduction sur votre smartphone ?
- Vous voulez trouver un cadeau pour un(e) amie. Seriez-vous intéressé(e) de
recevoir dès l’entrée en magasin un SMS/une notification push avec la liste de
toutes les promotions du moment ?
- Vous avez besoin des informations sur un produit (conseils d’utilisation,
composants, origine…). Seriez-vous intéressé(e) par le fait de scanner un QR code
pour accéder à ces informations ?
- Vous avez l’habitude d’acheter certains produits dans une parfumerie. Seriez-vous
intéressé(e) de recevoir sur votre smartphone des « alertes d’achat » de produits ou
catégories de produits, pour lesquels vous êtes en risque de rupture de stock, chaque
fois que vous présentez votre carte de fidélité ?
Tableau 2: Liste des scénarios
39
Ensuite, nous avons choisi de nous intéresser aux variables explicatives individuelles
pour mieux comprendre le comportement des consommateurs face aux nouvelles aides à
l’achat, en commençant par le risque perçu. Ainsi, nous avons utilisé l’échelle de Naresh K.
Malhotra, Sung S. Kim, James Agarwal (2004) pour mesurer le degré de risque que les
consommateurs percevraient envers l’utilisation les techniques mobile-in-store. Pour cela, nous
avons utilisé les items suivants :
- Je pense que, de manière générale le smartphone pourrait récolter trop d’informations
sur moi et cela me préoccupe.
- Je suis préoccupé(e) par les risques d’atteinte à ma vie privée qui pourraient être
engendrés par l’utilisation du smartphone en magasin.
- Mes données personnelles collectées par le smartphone pourraient être utilisées à des
fins commerciales et cela me gêne.
Puis, nous avons mis en place des questions portantes sur l’innovativité de Roehrich
(1994). Notre sujet étant novateur, cette variable peut influencer l’acceptation des techniques
mobile-in-store. Comme nous avons mentionné précédemment, l’auteur a distingué deux
catégories d’innovativité :
L’innovativité sociale :
- Je suis habituellement parmi les premier(e)s à essayer de nouveaux produits.
- J’entends parler des nouveautés plus rapidement que la plupart des gens que je
connais.
Ainsi que l’innovativité hédoniste :
- J’aime acheter des produits nouveaux et différents.
- J’aime me renseigner sur les changements que le progrès technologique va apporter à
notre vie de tous les jours.
Nous nous sommes intéressés ensuite à l’expérience dans l’utilisation des nouvelles
technologies pour vérifier si l’expertise en matière digitale a une influence positive sur
l’utilisation des techniques mobile-in-store. Pour cela, nous avons utilisé l’échelle développée
par M. Bénavent et Mme. De Pechpeyrou (2015) pour le baromètre d'adoption des objets
connectés :
- J’achète des livres ou des vêtements par Internet.
40
- Je lis l’actualité sur mon smartphone.
- J’accède et je partage mes activités entre plusieurs écrans (smartphone, tablette,
ordinateur fixe).
La partie suivante a été consacrée aux orientations d’achat, car selon nos réflexions, elles ont
un impact sur le comportement du consommateur. Nous supposons donc que selon ces
stratégies comportementales l’utilisation des techniques mobile-in-store diffèrent. Pour mesurer
cette variable nous avons posé les questions suivantes :
- J’achète souvent en promotion et en solde.
- Je suis toujours à la recherche des bonnes affaires.
- Il y a des marques que j’aime beaucoup et que je recherche en priorité.
- Je viens toujours dans le(s) même(s) magasin(s).
- J’aime fouiner, explorer les rayons, essayer.
- C’est toujours un plaisir, l’occasion de découvrir les nouveautés.
- Je cherche le contact personnel avec les vendeur(se)s et j’apprécie leur conseil.
- J’apprécie d’être reconnu(e) comme client particulier (habituel) et privilégié.
- C’est une corvée à laquelle je consacre le moins de temps possible.
- Je sais parfaitement et à l’avance ce que je veux acheter comme produits.
Afin de rendre nos résultats plus fiables, nous avons utilisés des variables de contrôle
dans le but d’éviter un biais dans l’estimation du paramètre d’intérêt. La première mesure
l’implication du consommateur vis-à-vis d’une classe de produit. Dans ce cadre nous avons
utilisé l’échelle de Duparc-Cadrier (1993) sur l’implication Automobile/Jean/Parfum, citée par
Strazzieri (1994).
- J’accorde une importance particulière aux produits de parfumerie (parfums, soins du
visage, soins des cheveux…).
- On peut dire que les produits de parfumerie m’intéressent.
- Le seul fait de me renseigner pour acheter des produits de parfumerie est un plaisir.
La variable qui suit « Parmi les 4 parfumeries ci-dessous, quelle est celle que vous
fréquentez le plus souvent ? » mesure le type de parfumeries fréquentées par les répondants.
Cela nous permet de mieux comprendre le contexte susceptible d’influencer le comportement
du consommateur.
41
Pour terminer, nous avons posé des questions sur les critères sociodémographiques pour
mieux connaitre le profil des sondés.
5.4. Le traitement des données
Une fois la collecte de réponses terminée, les données ont été codées (voir annexe 2) dans
un fichier Excel, afin de pouvoir les traiter sur le logiciel R, SPSS et Smart PLS. L’utilisation
de ces outils nous a permis tout d’abord d’analyser les réponses de manière descriptive pour
observer les tendances principales (scores moyens des items). Puis, dans un second temps, nous
avons effectué des analyses statistiques pour confirmer ou infirmer les hypothèses proposées.
Pour cela, nous avons d’abord procédé à une Analyse en Composantes Principales (ACP) sous
SPSS, afin de synthétiser tous les scénarios (10), en un plus petit nombre de facteurs. Ce type
d’analyse permet d’expliquer la portion la plus grande de la variance totale. Pour le faire, nous
avons choisi une optique exploratoire. Le but de notre ACP est donc d’expliquer un maximum
de variance avec un minimum de composantes.
Puis, nous avons procédé à des régressions linéaires sous R, qui permettent d’analyser
les liens entre une variable quantitative dépendante et une ou plusieurs variables quantitatives
indépendantes. Cela nous a permis de tester nos hypothèses.
Ensuite, nous avons retesté notre modèle sous Smart PLS par le biais des équations
structurelles. C’est une méthode statistique qui permet d’analyser les relations complexes entre
des variables observées et des variables latentes.
L’étape suivante consistait à faire une analyse de variance, aussi appelée ANOVA, afin
de tester si les scores moyens sont différents entre des groupes de consommateurs.
Enfin, nous avons effectué une classification hiérarchique pour créer les différents profils
des consommateurs exposés aux techniques mobile-in-store.
42
6. RESULTATS
Dans le but de définir notre échantillon de répondants, nous allons effectuer une
analyse rapide des statistiques sociodémographiques.
6.1. Caractéristiques de l’échantillon
- Echantillon global
Graphique 1: Répartition de l'échantillon selon le sexe
Notre échantillon total comptant 330 répondants est composé de 56% des femmes (184
individus) et 44% des hommes (146 individus). Il est donc plutôt équilibré en ce qui concerne
le sexe des répondants.
Graphique 2: Répartition de l'échantillon selon l'âge
44%56%
0%
20%
40%
60%
80%
100%
Homme Femme
SEXE
0%
20%
40%
60%
80%
100%
Moins de 18ans
Entre 18 et29 ans
Entre 30 et39 ans
Entre 40 et49 ans
Plus de 50ans
4%
72%
9% 8% 6%
Age
43
Concernant l’âge, nous observons une surreprésentation des répondants ayant entre 18 et
29 ans (72% soit 239 individus). Ce pourcentage peut s’expliquer par le mode de diffusion du
questionnaire, ainsi que par l’âge de l’administrateur de celui-ci et donc de son entourage. On
peut conclure que notre échantillon n’est pas représentatif de la population française.
Graphique 3: Répartition de l'échantillon selon le niveau d'études
Concernant le niveau d’études, l’échantillon est majoritairement composé d’individus de
bac + 5 et plus (51% soit 167 individus) et de bac + 3 à bac + 4 (26% soit 85 individus). Cette
répartition peut également se justifier par notre entourage.
Graphique 4: Répartition de l'échantillon selon la CSP
0%
20%
40%
60%
80%
100%
Sans diplôme CAP, BEP Bac Bac + 1 à Bac+2
Bac +3 à Bac+ 4
Bac + 5 etplus
5% 2%6% 11%
26%
51%
Niveau d'études
0%10%20%30%40%50%60%70%80%90%
100%
0% 1% 1%
19%
4% 2% 3%14%
48%
1% 1% 1% 5% 0%
CSP
44
En ce qui concerne la catégorie socioprofessionnelle des répondants, nous observons que
les étudiants et les lycéens (48% soit 160 individus), les cadres et les professions intellectuelles
supérieures (19% soit 63 individus), ainsi que les employés (14% soit 45 individus) constituent
81% de l’échantillon. Cette inégalité dans la répartition peut s’expliquer par le fait que ces
catégories socioprofessionnelles utilisent davantage Internet, notamment les réseaux sociaux et
le courrier électronique que nous avons utilisés pour diffuser le questionnaire.
- Possession de smartphone
Graphique 5: Taux de possesseurs de smartphone
Les résultats montrent que 83% des répondants (soit 274 individus) possèdent un
smartphone depuis longtemps, 8% (soit 27 individus) depuis peu, 4% (soit 14 individus)
envisagent d’en acquérir et 5% (soit 15 individus) ne sont pas intéressés par l’achat d’un
smartphone. Même si notre échantillon n’est pas tout à fait représentatif de la population
française globale, nous pouvons constater que le taux de pénétration de smartphones en France
est élevé.
0%10%20%30%40%50%60%70%80%90%
100%
Oui, depuislongtemps
Oui, depuis peu Non, mais j’envisage d’en
acquérir
Non, et cela ne m’intéresse pas
83%
8% 4% 5%
Possession de smartphone
45
Graphique 6 : Taux de possesseurs de smartphone selon le sexe
Parmi les répondants féminins, 91% (soit 168 femmes) possèdent un smartphone, 3%
d’entre elles ont l’intention d’en acquérir (soit 5 individus) et 6% (soit 11 individus) n’ont pas
l’intention d’en acquérir. Parmi les répondants masculins, 91% (soit 133 individus) ont déjà un
smartphone, 6% ont l’intention d’en acquérir (soit 9 individus) et 3% (soit 4 individus) ne
semblent pas intéressés par une éventuelle acquisition. Il est intéressant de souligner que parmi
les personnes interrogées le pourcentage de possesseurs de smartphone chez les femmes et chez
les hommes est le même. En prenant en compte le taux d’intention et le taux de refus, même
si les écarts ne sont pas importants, nous pouvons constater que les hommes ont une attitude
un peu plus favorable envers la possession de smartphone que les femmes.
Graphique 7 : Taux de possesseurs de smartphone selon l'âge
0%
20%
40%
60%
80%
100%
Femme Homme
91% 91%
3% 6%6% 3%
Sexe
Possession
Intention
Refus
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Moins de 18ans
Entre 18 et 29ans
Entre 30 et 39ans
Entre 40 et 49ans
Plus de 50 ans
79%
95% 97%
78%
60%
21%
2% 0%
22%
5%0% 3% 3% 0%
35%
Age
Possession
Intention
Refus
46
Les résultats obtenus indiquent que dans toutes les tranches d’âge le taux de possesseurs
de smartphone est supérieur à celui de non possesseurs. Dans les tranches d’âge entre 18 et 29
ans et entre 30 et 39 ce taux s’élève respectivement à 95% et 97%. La proportion des
mobinautes diminue dans les autres tranches d’âge, tout en restant élevée (environ 72%). Il faut
souligner que même si une partie des répondants de moins de 18 ans et de ceux ayant entre 40
et 49 ans, ne possèdent pas de smartphone, ils ont l’intention d’en acquérir. La tranche d’âge
qui est la plus réticente est celle de plus de 50 ans. Il faut néanmoins souligner, que la
pénétration de smartphones parmi les personnes plus âgées est en augmentation.
Graphique 8: Taux de possesseurs de smartphone selon le niveau d'études
Nous observons que le taux d'équipement en smartphone est particulièrement élevé chez
les individus qui ont effectué des études supérieures. Nous pouvons donc constater que les
études supérieures influencent positivement la possession de smartphone.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Sans diplôme CAP, BEP Bac Bac + 1 à Bac+2
Bac +3 à Bac+ 4
Bac + 5 etplus
71%
20%
62%
97% 95% 96%
24% 20% 19%
3% 4% 1%6%
60%
19%
0% 1% 4%
Niveau d'études
Possession
Intention
Refus
47
Graphique 9: Taux de possesseurs de smartphone selon la CSP
En ce qui concerne la catégorie socioprofessionnelle des mobinautes, nous pouvons
confirmer la tendance évoquée précédemment, qui stipule que les individus ayant effectué des
études supérieures et dans ce cas les cadres ou professions intellectuelles supérieures, les chefs
d’entreprise et les étudiants, se caractérisent par le taux de pénétration de smartphone le plus
élevé (respectivement 21%, 13% et 50%).
- Utilisation des techniques mobile-in-store
Graphique 10: Taux d'utilisation des techniques mobile-in-store
0%10%20%30%40%50%60%70%80%90%
100%
0% 0% 1%
21%
3% 2% 2%
14%
50%
1% 1% 1% 4%0%
7% 7%0%
13%
7% 7%0%
33%
0% 0%
20%
7%
CSP
Possession
Intention
Refus
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Utilisation Intention Refus
38%33% 29%
Utilisation des techniques mobile-in-store
Utilisation
Intention
Refus
48
Les résultats obtenus indiquent que 38% des répondants (soit 114 individus) ont déjà eu
recours aux techniques mobile-in-store, 33% d’entre eux (soit 99 individus) ont l’intention de
le faire et 29% (soit 88 individus) ne sont pas intéressés par ce type de services. Cela montre
que la majorité des personnes faisant partie de notre échantillon (71%) sont prêtes à utiliser les
techniques mobile-in-store, ce qui semble tout à fait prometteur. Nous allons donc nous
intéresser aux facteurs qui expliquent l‘acceptation ou le refus des techniques mobile-in-store.
Graphique 11: Taux d'utilisation des techniques mobile-in-store selon le sexe
Nous pouvons observer qu’il y a certaines différences entre la proportion des hommes et
des femmes en ce qui concerne l’utilisation des techniques mobile-in-store. Premièrement, le
taux d’utilisation de ces techniques est plus élevé chez les répondants masculins (43%) que
chez les répondants féminins (34%). Par contre, les femmes présentent un taux d’intention
d’utilisation plus élevé que les hommes (36% vs. 29%). Il est intéressant de souligner que le
taux de refus de techniques mobile-in-store est quasiment égal dans les deux catégories. On
pourrait donc conclure que les hommes paraissent un peu plus enthousiastes envers les
techniques mobile-in-store que les femmes.
0%
20%
40%
60%
80%
100%
Femme Homme
34%43%
36%29%30% 29%
Sexe
Utilisation
Intention
Refus
49
Graphique 12: Taux d'utilisation des techniques mobile-in-store selon l'âge
En ce qui concerne l’âge, les individus faisant partie de la tranche d’âge entre 30-39 ans
représentent un taux d’utilisation des techniques mobile-in-store le plus élevé. Ils sont suivis
par ceux de 40-49ans (43%) et 18-29ans (37%). Nous pourrions néanmoins s’attendre à ce que
la tranche d’âge de 18 à 29ans (37%) ait un taux d’utilisation des techniques mobile-in-store
plus élevé que celle de 40-49ans (43%). Il faut rappeler que notre échantillon n’est pas équilibré
au niveau de l’âge de répondants, ce qui peut expliquer ces résultats. On peut toutefois conclure
que l’acceptation des techniques mobile-in-store est plus élevée chez les personnes ayant entre
18 et 49 ans et moins élevé chez les adolescents (moins de 18 ans) et les personnes plus âgées
(plus de 50 ans).
Graphique 13: Taux d'utilisation des techniques mobile-in-store selon le niveau d'études
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Moins de 18 ans Entre 18 et 29ans
Entre 30 et 39ans
Entre 40 et 49ans
Plus de 50 ans
27%
37%
52%43%
25%
45%
33%
21%
33%
50%
27% 30% 28% 24% 25%
Age
Utilisation
Intention
Refus
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Sans diplôme CAP, BEP Bac Bac + 1 à Bac+2
Bac +3 à Bac +4
Bac + 5 et plus
0%
100%
23%
44%37% 41%42%
0%
46%
21%26%
38%
58%
0%
31%35% 37%
22%
Niveau d'études
Utilisation
Intention
Refus
50
Concernant le niveau d’études des répondants nous pouvons observer que le taux
d’utilisation des techniques mobile-in-store est plus élevé chez ceux qui ont fait des études
supérieures (44% bac + 1 à bac + 2 ; 37% de bac + 3 à bac + 4 ; 41% de bac + 5 et plus).
Cependant, nous ne pouvons pas interpréter le taux d’individus ayant un « CAP, BEP », car
notre enquête compte qu’un seul répondant à ce niveau d’études, ce qui rend le résultat non
significatif. On pourrait donc émettre l’hypothèse que les études supérieures ont une influence
positive sur l’acceptation des techniques mobile-in-store.
Graphique 14: Taux d'utilisation des techniques mobile-in-store la CSP
Concernant les catégories socioprofessionnelles, nous devons prendre en compte le fait
que notre échantillon n’est pas assez varié. Ainsi, nous ne pouvons pas interpréter le taux des
catégories : « Artisan » (1 répondant), « Autre » (3 répondants), « Homme ou femme au foyer »
(2 répondants), « Ouvrier » (2 répondants) et « Profession intermédiaire » (2 répondants).
Néanmoins, nous pouvons observer que le taux d’utilisation des techniques mobile-in-store le
plus élevé est constaté chez les cadres, les professions intellectuelles supérieures et les
étudiants.
0%10%20%30%40%50%60%70%80%90%
100%100%
0%
48% 50%40%
29%
40%34%
0% 0%
100%
23%
0%
33% 32% 30%20%
57%
16%
36%
100% 100%
0%
31%
0%
67%
19% 20%
40%
14%
44%
29%
46%
CSP
Utilisation
Intention
Refus
51
Graphique 15: Taux de fréquentation des parfumeries
Comme nous pouvons observer, la parfumerie la plus fréquentée est Sephora (61,1%),
suivie par Marionnaud (14,3%), Nocibé (5,7%) et les autres parfumeries (19%).
6.2. Scores moyens des scénarios et analyse factorielle
Tableau 3: Propension générale à utiliser les techniques mobile-in-store
61,13%
14,29%
5,65%
18,94%
PARFUMERIES LES PLUS FRÉQUENTÉES
Sephora
Marionnaud
Nocibé
Autre
52
Nous avons commencé nos analyses par le calcul de la propension moyenne à utiliser les
techniques mobile-in-store décrits dans chaque scénario, que nous avons classé dans le tableau
ci-dessus. Selon les résultats obtenus, les répondants sont le plus intéressés à recevoir sur leur
smartphone une alerte quand ils atteignent suffisamment de points pour les échanger contre un
cadeau (m=5,63), ainsi qu’à recevoir des coupons de réduction (m=5,23). En revanche, ils sont
plus réticents pour ce qui est de recevoir les conseils personnalisés en fonction de leur historique
d’achat (3,45) ou encore les alertes d’achat de produits ou catégories de produits, pour lesquels
ils sont en risque de rupture de stock (m=3,39).
A première vue, nous pouvons constater que ce sont surtout les techniques dites
« économiques », qui permettent d’économiser de l’argent ou recevoir un cadeau qui intéressent
les consommateurs, plutôt que les techniques qu’on peut qualifier de « relationnelles » ou basés
sur la personnalisation.
Ensuite, nous avons effectué une matrice des corrélations (voir annexe 3) qui prouve que
les corrélations entre les différentes techniques mobile-in-store sont suffisantes pour les
regrouper en facteurs. Il y a beaucoup de corrélations modérées (autour de 0,5). Par contre, on
ne constate pas de corrélations très fortes. Comme nous pouvons le voir, la p. value est bien
inférieure à 5%, donc les résultats sont significatifs. Ensuite, l’indice de Kaiser-Meyer-Olkin
(KMO) (voir annexe 4) a montré qu’il est possible de mener une analyse factorielle, car l’indice
est supérieur à 0,5 (KMO=0,868 > 0,5). Enfin, le test de Bartlett nous permet de rejeter
l’hypothèse nulle (Sig=0,000), ce qui confirme que variables sont corrélées.
Puis, nous avons procédé à une analyse factorielle et plus précisément, une analyse en
composantes principales (ACP), en utilisant une rotation orthogonale (Varimax) avec
normalisation de Kaiser. Cela nous a permis d’extraire 5 facteurs qui expliquent 76% de la
variance.
53
Tableau 4: Propension à accepter les techniques mobile-in-store selon la catégorie (ACP)
La première catégorie, dite « hédonique », regroupe les techniques mobile-in-store qui
dépassent le cadre utilitaire pour prendre en compte les dimensions hédonistes. L’objectif de
l’utilisation de ces techniques est donc de se faire plaisir à travers les jeux concours, les
événements organisés en magasin, les alertes pour échanger les points de fidélité contre un
cadeau ou un bon d’achat ou encore les conseils personnalisés.
Le deuxième domaine, « économique », définit les techniques d’optimisation du budget
(coupons de réduction, liste de toutes les promotions du moment, alertes points de fidélité…).
La troisième catégorie comprend les différents types d’alertes que les consommateurs
peuvent recevoir (« alertes d’achat » de produits ou catégories de produits, pour lesquels les
consommateurs sont en risque de rupture de stock, alerte avec la liste de promotions du moment
etc.).
La quatrième dimension est purement « informationnelle ». Les scénarios faisant partie
de cette catégorie correspondent à toutes sortes de services susceptibles de fournir des
informations pour faciliter les courses. Il s’agit surtout des QR codes qui donnent accès à des
54
informations produits (conseils d’utilisation, composants, origine…) et de la géolocalisation
qui permet de se repérer en magasin et trouver rapidement le produit recherché.
La dernière composante est définie par un seul scénario impliquant le « paiement
mobile ». Sa singularité ne semble pas étonnante étant donné la question de sécurité que
l’utilisation de ce service pose.
Les orientations d’achat
Tableau 5: Scores moyens des orientations d'achat
Afin de vérifier l’hypothèse n°5 stipulant qu’en fonction des orientations d’achat des
consommateurs, l’intention d’utiliser les techniques mobile-in-store diffère, nous avons
effectué une ACP. Nous avons commencé par observer rapidement les scores moyens de
différentes variables. Ainsi, nous avons remarqué que les premières places occupent les items
55
liés à la fidélité et à l’aspect économique de l’acte d’achat. Par ailleurs, les questions traduisant
le côté relationnel ont la moyenne la moins élevée. Les consommateurs seraient donc intéressés
en priorité par la fidélité et les avantages pécuniers.
Ensuite, nous avons effectué une matrice des corrélations qui montre que les différentes
orientations d’achats sont suffisamment corrélées pour les regrouper en facteurs (voir annexe
7). Par contre, nous constatons qu’il n’y a pas beaucoup de corrélations fortes.
Comme nous pouvons le voir, l’indice de Kaiser-Meyer-Olkin (KMO) indique qu’il est
possible de mener une analyse factorielle, car il est supérieur à 0,5 (KMO=0,701 > 0,5) (voir
annexe 8). Enfin, le test de Bartlett nous permet de rejeter l’hypothèse nulle (Sig=0,000), ce qui
confirme que variables sont corrélées.
Puis, nous avons procédé à l’ACP, en utilisant une rotation orthogonale (Varimax) avec
normalisation de Kaiser. Cela nous a permis d’extraire 5 groupes qui expliquent 78% de la
variance totale (voir annexe 9).
56
Tableau 6: Répartition des orientations d'achat en catégories (ACP)
Le tableau ci-dessus montre que nous avons retrouvé suite à notre analyse les cinq
orientations d’achat identifiées par Meyer et Bénavent (2013), à savoir :
1. « l’orientation économique »
2. « l’orientation hédonique »
3. « l’orientation relationnelle »
4. « l’orientation routinière-fidèle »
5. « l’orientation fonctionnelle.
57
6.3. Test des hypothèses
Nous allons procéder maintenant à l’analyse de l’impact de l’expérience dans l’utilisation
des nouvelles technologies, l’implication dans la catégorie de produits, l’innovativité et le
risque perçu sur l’utilisation des techniques mobile-in-store.
Figure 9: Impact des variables dépendantes sur la tendance générale à utiliser les techniques mobile-in-store
Le tableau ci-dessus nous donne une idée générale de l’impact des variables explicatives
sur l’utilisation des techniques mobile-in-store. Comme nous pouvons le voir, les résultats
prouvent qu’il existe un lien entre l’innovativité et l’acceptation des techniques mobile-in-store
par les consommateurs (p.value = 0,000 < 0,05). Cela veut dire que plus la personne est
novatrice, plus elle aurait tendance à utiliser les techniques mobile-in-store. Cela confirme notre
hypothèse n°1.
58
La variable « expérience en matière digitale » n’a aucun impact sur l’utilisation des
techniques mobile-in-store, car le coefficient de régression n’est pas significatif, dépassant le
seuil de 5% (p. value= 0,848 > 0,5). On infirme donc l’hypothèse n°2.
Nous pouvons constater que le risque perçu a une influence négative sur l’utilisation des
techniques mobile-in-store. Cette variable présente une significativité bien inférieure à 5%
(p.value = 2,32e-05***< 0,05). Nous pouvons donc affirmer l’hypothèse n°3.
Nous observons qu’il y a un lien fort entre l’implication envers une catégorie de produits
et l’utilisation des techniques mobile-in-store, la p.value étant de 6,05e-07, donc inférieure à
0,05. Ainsi, nous confirmons l’hypothèse n°4.
La régression linéaire que nous avons effectuée indique que seule l’orientation d’achat
routinière-fidèle (p.value = 0,01<0,05) aurait un effet significatif sur l’utilisation des techniques
digitales en question. On peut néanmoins remarquer que l’orientation hédonique présente un
effet marginalement significatif (0,06>0,05). On constate à première vue que certaines
orientations d’achat ont une influence sur l’utilisation des techniques mobile-in-store, ce qui
nous amène à confirmer partiellement l’hypothèse n°5, que nous allons tester en détail par la
suite.
59
Maintenant, nous allons affiner notre analyse, en observant l’impact des variables
explicatives sur chaque catégorie des techniques mobile-in-store que nous avons identifié.
Figure 10: Impact des variables dépendantes sur la tendance générale à utiliser les techniques hédoniques
Ainsi, nous pouvons constater qu’il y a trois variables explicatives qui influencent
l’utilisation des techniques hédoniques, deux positivement (innovativité : p.value=0,01<0,05,
implication p.value=0,002<0,05) et une négativement (risque perçu : p.value=0,009<0,05).
Les autres variables présentant une significativité supérieure à 5%, semblent ne pas avoir
d’impact sur l’utilisation des techniques mobile-in-store de nature hédonique.
Il faut remarquer que toutes les orientations d’achat présentent une significativité
supérieure à 5% (résultats non significatifs).
60
Figure 11: Impact des variables dépendantes sur la tendance générale à utiliser les techniques économiques
En ce qui concerne les techniques procurant des bénéfices économiques, l’expérience en
matière digitale semble avoir un effet positif marginalement significatif sur l’utilisation des
outils mobile-in-store (p.value=0,06<0,1). De plus, nous pouvons observer que l’implication a
un impact significatif sur l’utilisation des techniques mobile-in-store (p.value= 0,001**<0,05).
Néanmoins, à la différence des techniques procurant des bénéfices hédoniques, l’utilisation de
ceux qui procurent un bénéfice économique ne semble être influencé par l’innovativité (p.
value=0,605>0,05) et le risque perçu (p. value = 0,721>0,05). Par contre, nous pouvons
constater que les orientations d’achat économique (p. value = 0,000>0,05), hédoniste (p.value
= 1,44e-06***< 0,05) et routinière-fidèle (p.value = 2,99e-05***< 0,05) ont une influence
positive sur l’utilisation des techniques mobile-in-store procurant des bénéfices économiques.
Les autres orientations d’achat présentent des résultats non significatifs.
61
Figure 12: Impact des variables dépendantes sur la tendance générale à utiliser les alertes
Nous pouvons constater que l’utilisation des alertes est impactée par l’implication envers
la catégorie de produits (p.value = 0.004<0,05), ainsi que par le risque perçu (p.value =
0,004<0,05). L’influence négative du risque perçu semble tout à fait logique étant donné la
nature de ces techniques. Les alertes que les consommateurs reçoivent sont souvent jugées
comme intrusives. Les individus considérant les alertes comme une menace pour leur vie
privée, ne les accepteront pas. Cependant, l’utilisation de ces techniques ne semble être
influencée ni par l’expérience en matière digitale (p.value = 0.682>0,05) ni par l’innovativité
(p.value = 0.649>0,05).
Nous pouvons voir également que l’orientation d’achat relationnelle influence
positivement l’utilisation des alertes (p.value=0,005<0,05). Par contre, les autres orientations
d’achat semblent ne pas avoir d’influence sur l’acceptation des alertes, car leurs coefficients de
régression ne sont pas significatifs.
62
Figure 13: Impact des variables dépendantes sur la tendance générale à utiliser les techniques informationnelles
Comme nous pouvons remarquer, l’innovativité a un impact sur l’utilisation des
techniques mobile-in-store susceptibles de procurer des bénéfices informationnels, les autres
variables étant non significatives. Concernant les orientations d’achat, seule l’orientation
hédoniste présente un effet (influence négative) sur l’acceptation de ces techniques, la
significativité étant de 0,021. Les autres variables explicatives dépassent le seuil de 5%.
63
Figure 14: Impact des variables dépendantes sur la tendance générale à utiliser le paiement mobile
En ce qui concerne le paiement mobile, l’expérience dans l’utilisation des nouvelles
technologies n’a pas d’influence sur son utilisation (p. value = 0,361>0,05). Par contre, la
régression linéaire révèle que l’implication envers les produits de parfumerie (p.value =
0,027<0,05), ainsi que l’innovativité (p.value = 7,84e-05***<0,05) influencent positivement
l’utilisation du paiement mobile. L’impact de degré d’innovativité semble tout à fait logique,
étant donnée l’aspect innovateur de ce type de paiement. De plus, le risque perçu présente
également un coefficient de régression significatif (p.value = 0,002<0,05), ce qui veut dire qu’il
a une influence négative sur l’utilisation du paiement mobile en magasin. Cela n’est pas du tout
étonnant étant donné que ce type de paiement entraine des risques potentiels considérables pour
les consommateurs qui fournissent leurs données bancaires à l’enseigne.
Enfin, nous pouvons constater qu’aucune orientation d’achat n’influence l’utilisation du
paiement mobile, car aucun coefficient de régression n’est significatif parmi les individus de
notre échantillon.
64
Figure 15: Modèle PLS des techniques mobile-in-store
65
Afin de comparer nos résultats des régressions linéaires, nous avons testé notre modèle
via Smart PLS. Une procédure de Bootstrap indique les statistiques T pour chacun des
coefficients, ainsi que les indices de validité du modèle (voir annexe 11, 12).
Nous tenons à préciser que nous n’avons pas inclus l’orientation fonctionnelle dans notre
modèle PLS, car l'un des items représentait mal cette orientation, ce qui pourrait fausser les
résultats.
Ainsi, nous pouvons voir que les équations structurelles indiquent que l’innovativité a un
effet marginalement significatif sur l’utilisation des techniques informationnelles (QR codes,
géolocalisation) (p. value = 0,10, T=1,610). Il est intéressant de souligner que malgré le fait que
l’effet n’est pas significatif, l’innovativité pourrait avoir une influence positive sur le paiement
mobile (p.value = 0,17, T= 1,369).
En ce qui concerne l’expérience en matière digitale, les équations structurelles confirment
qu’elle n’a quasiment pas d’effet sur l’acceptation des techniques mobile-in-store. Nous
pouvons néanmoins noter qu’elle a une influence positive marginalement significative sur
l’utilisation du paiement mobile (p.value = 0,085, T=1,727).
En ce qui concerne l’implication vis-à-vis ses produits de parfumerie, nous pouvons
observer qu’elle a une influence positive sur les techniques hédoniques (p. value = 0,04, T=
2,046), économiques (p.value = 0,07, T=1,796 – significativité marginale), ainsi que sur les
alertes (p.value = 0,03, T=2,179).
Concernant le risque perçu, nous observons qu’il a un effet encore plus important que
celui démontré par les régressions linéaires. Ainsi, nous pouvons conclure que le risque perçu
a une influence négative sur toutes les catégories des techniques : « techniques hédoniques »
(p. value = 0,006, T= 2,741), « économiques » (p.value = 0,005, T=2,844), « informationnelles »
(p.value = 0,06, T=1,837 - significativité marginale), « alertes » (p. value = 0,06, T= 1,859), et
« paiement mobile » (p.value = 0,03, T=2,105).
Par contre, les résultats du modèle PLS montrent que seule l’orientation d’achat
hédonique a une influence positive significative sur les techniques informationnelles (p.value
= 0,03, T=2,145). Les autres relations entre les orientations d’achat et les techniques mobile-
in-store ne sont pas significatives au sein de notre échantillon. Cela est probablement dû au fait
66
que les orientations d'achat sont imparfaitement mesurées par le biais de quelques items censés
les mesurer.
Nous pouvons néanmoins souligner que certains effets, bien que non-significatifs,
tendent vers notre hypothèse stipulant que l’utilisation des techniques mobile-in-store diffère
selon les orientations d’achat :
- Orientation Routinière-Fidèle Tech Alertes (p.value = 0,17, T=1,369).
- Orientation Hédoniste Tech Economiques (p.value = 0,17, T=1,368).
- Orientation Economique Tech Economiques (p.value = 0,18, T=1,322).
- Orientation Hédoniste Tech Hédoniques (p.value = 0,23, T=1,199).
- Orientation Hédoniste Tech Alertes (p.value = 0,26, T=1,128).
Dans cette logique, un consommateur d’une orientation d’achat hédoniste serait
intrinsèquement motivé à utiliser les techniques mobile-in-store procurant des bénéfices
hédoniques.
En plus de tous les effets mentionnés ci-dessus, nous pouvons constater que les variables
explicatives sont également corrélées entre elles. Ainsi, les résultats des équations structurelles
montrent que l’innovativité a une influence positive sur l’expérience dans l’utilisation des
nouvelles technologies, ce qui semble tout à fait logique (p.value = 0,00, T=9,494).
Caractéristiques sociodémographiques
Tableau 7: Impact des catégories sociodémographiques sur la propension à utiliser les techniques mobile-in-store
67
En se basant sur une analyse linéaire univariée nous pouvons conclure que les
caractéristiques sociodémographiques n’ont pas d’impact sur la propension à utiliser les
techniques mobile-in-store par les consommateurs faisant partie de notre échantillon.
Tableau 8: Impact des catégories sociodémographiques sur la propension à utiliser les techniques mobile-in-store
selon différentes catégories
Pour affiner nos résultats, nous avons procédé à un test des effets intersujets qui a
confirmé le manque d’impact d’âge, de niveau d’études et de CSP sur l’utilisation des
techniques mobile-in-store, peu importe leur catégorie (hédonique, économique, alertes,
informationnelle, paiement mobile). Cela est très vraisemblablement dû à la nature de notre
échantillon qui n’est pas bien équilibré. La seule variable sociodémographique qui a un impact
sur l’acceptation des techniques mobile-in-store est le sexe, qui influence positivement
l’utilisation des techniques économiques et du paiement mobile. Nous allons donc observer ce
phénomène plus en détail.
68
Tableau 9: Propension à utiliser les
techniques économiques selon le
sexe
Graphique 16: Propension à utiliser les techniques économiques selon le sexe
En ce qui concerne les techniques économiques, les statistiques descriptives et le tracé de
profil ci-dessus montrent que ce sont les femmes qui ont plus tendance à utiliser les techniques
mobile-in-store qui offrent des bénéfices économiques que les hommes. Ainsi, elles semblent
plus sensibles à la question du budget que les hommes.
Tableau 10: Propension à utiliser le paiement
mobile selon le sexe
Graphique 17: Propension à utiliser le paiement mobile selon le sexe
69
Concernant le paiement mobile, les résultats montrent que ce sont plutôt les hommes qui
ont recours à ce type de règlement. Nous avons essayé de comprendre la cause de cet écart en
commençant par l’analyse de la privacy concern. Toutefois, le modèle linéaire indique que le
degré du risque perçu est exactement le même chez les hommes et les femmes de notre
échantillon.
Cet écart dans l’utilisation du paiement mobile peut donc s’expliquer en partie par la
différence de degré d’innovativité entre les hommes et les femmes, même si elle n’est pas très
grande (femmes : 4/7, hommes : 4,6/7) comme nous pouvons voir sur le graphique ci-dessous :
Graphique 18: Le degré de risque perçu selon le sexe
Graphique 19: Le degré d'innovativité selon le sexe
Tableau 11: Le degré d'innovativité selon le sexe
70
Typologie des consommateurs
Nous avons procédé à une classification hiérarchique, afin de regrouper les individus
selon leur attitude envers les techniques mobile-in-store et ainsi créer les différents profils des
consommateurs. Après avoir analysé le dendrogramme (voir annexe 13) et effectué des
analyses, nous avons décidé de garder quatre groupes constitués de 74, 95, 68 et 64 individus.
L’analyse K-means nous a permis d’analyser les différents profils des consommateurs,
dont la synthèse se trouve ci-dessous :
Groupes
1 (74 individus) 2 (95 individus) 3 (68 individus) 4 (64 individus)
Alertes stock 1,918 4,863 3,558 2,75
Alertes points de fidélité 3,891 6,631 5,514 6,296
Conseils personnalisés 1,702 5,263 2,764 3,515
Coupons réduction 3,378 6,463 5,073 5,75
Evénements magasins 1,918 6,01 2,426 5,265
Géolocalisation 2,783 6,389 5,823 3,312
Jeux concours 1,743 4,705 3,588 4,765
Liste des promotions 2,567 6,063 4,558 3,906
Paiement mobile 3,351 5,842 5,088 4,718
QR code 3,635 5,884 5,411 4,265
Les réticents Les enthousiastes Les utilitaristes Les hédonistes
Tableau 12: Typologie des consommateurs
Graphique 20: Typologie des consommateurs
2,6886
4,3803 4,4542
5,8113
0
1
2
3
4
5
6
7
Les réticents Les utilitaristes Les hédonistes Les enthousiastes
Profils des consommateurs
71
Ensuite, nous avons préparé un tableau comprenant les statistiques descriptives des
variables explicatives et sociodémographiques dans chaque groupe des consommateurs (voir
annexe 14).
1. Les réticents
Le premier profil des consommateurs que nous avons pu identifier est composé des
individus qui expriment une réticence envers les techniques mobile-in-store. Comme nous
pouvons le voir, ils sont particulièrement réticents envers les conseils personnalisés (1,70/7),
les jeux concours (1,74/7), les « alertes stock » (1,91/7) et les événements organisés en magasin
(1,91/7).
Les consommateurs faisant partie de cette catégorie se caractérisent par le fait qu'ils ont
moins d’expérience dans l’utilisation des nouvelles technologies que les autres consommateurs
et qu’ils ne sont pas intéressés par les produits de parfumerie. De plus, nous pouvons observer
que leur degré d’innovativité n’est pas élevé (3,4/7) et qu’ils expriment une préoccupation pour
le respect de la vie privée.
Nous pouvons également observer que les « réticents » ne font pas partie des orientations
d’achat que nous avons identifié auparavant. Ils expriment même une certaine réticence envers
l’aspect hédonique et relationnelle de la consommation. Nous pouvons présumer qu’ils
n’aiment pas faire les courses. C’est sans doute la raison pour laquelle entre toutes les
orientations d’achat, la seule qui présente un coefficient positif est l’orientation fonctionnelle.
Cela semble logique, car les individus faisant partie de cette catégorie cherchent à rendre leurs
courses plus faciles et le plus rapides possible.
En observant les caractéristiques sociodémographiques, nous pouvons constater que le
pourcentage des hommes et des femmes dans cette catégorie des consommateurs est assez
équilibré. Les hommes semblent être un peu plus réticents que les femmes (26% vs. 23%). Il
s’agit surtout des personnes plus âgés (plus de 50 ans : 50%) sans diplôme (33%) ou après le
bac (46%), plutôt de CSP-.
72
2. Les utilitaristes
Le deuxième type des consommateurs, à savoir « les utilitaristes » sont le plus intéressés
par les techniques informationnelles (QR codes : 5,41/7 ; géolocalisation : 5,82/7), les alertes
pour échanger les points de fidélité contre un bon d’achat ou un cadeau (5,51/7) ou encore le
paiement mobile (5,08/7), ce qui est tout à fait logique, car ces services leur permettent de
gagner du temps et de faciliter leur expérience d’achat. De plus, ils ne sont pas du tout intéressés
pas les événements organisés en magasin (2,42/7) ou les conseils personnalisés (2,76/7).
Les utilitaristes se caractérisent par un niveau assez élevé d’expertise digitale (5,14/7).
Par contre, ils expriment une certaine préoccupation envers la protection des données
personnelles (5,2/7). Concernent les orientations d’achat, on voit qu’ils s’opposent à
l’orientation d’achat hédonique (-0,26 : coefficient négatif le plus élevé parmi les 5 catégories).
Parmi ces consommateurs nous observons une légère majorité des hommes (24,8% vs.
20,8%). Cela peut s’expliquer par le fait que les hommes aiment moins faire les courses que les
femmes et préfèrent les faire rapidement et efficacement, surtout quand il s’agit des secteurs
plutôt féminins, comme celui de la parfumerie. D’après les résultats de notre enquête, il s’agit
plutôt des personnes entre 40 et 49 ans, entre bac +1 et bac + 4.
3. Les hédonistes
La troisième catégorie des consommateurs est celle des hédonistes, qui semblent
particulièrement intéressés par « les alertes points de fidélité » qui permettent de recevoir un
cadeau ou un bon d’achat (6,29/7), les techniques hédoniques telles que les événements
organisés en magasin (5,26/7) ou les jeux concours (4,76/7) et les coupons de réduction (5,75/7)
qui permettent d’économiser de l’argent.
Les résultats montrent que les hédonistes ont de l’expérience dans l’utilisation des
nouvelles technologies (5,15/7) et un certain degré d’innovativité (4,36/7). De plus, ils sont
intéressés par les produits de parfumerie, ce qui nous semble logique. Ils ressentent du plaisir
en effectuant les courses dans les parfumeries. Sans surprise, ils sont de l’orientation d’achat
hédonique.
En comparant les deux profils, nous observons que les consommateurs utilitaristes sont
moins intéressés par les bénéfices économiques que les consommateurs hédonistes. Nous
73
pouvons renforcer cette idée en précisant que ce sont plutôt les hommes qui font partie des
utilitaristes et les femmes qui font partie des hédonistes. L’écart de pourcentage entre les
femmes et les hommes faisant partie du même profil est le plus prononcé dans cette catégorie
(24% des femmes vs. 17% des hommes). De surcroît, il s’agit plutôt des jeunes de moins de 18
ans (27%) et entre 18 et 29 ans (20%), de bac à bac + 4, demandeurs d’emploi ou des
lycéens/étudiants, donc des consommateurs qui ont plus de temps libre.
4. Les enthousiastes
Nous pouvons observer que les personnes exprimant un enthousiasme pour l’utilisation
des techniques mobile-in-store sont intéressés par quasiment toutes les catégories des
techniques : les techniques hédoniques (événements magasins : 6,01/7), informationnelles
(géolocalisation : 6,38/7, QR Codes : 5,88/7), économiques (coupons de réduction : 6,46/7, liste
des promotions : 6/7) et les alertes (alertes points de fidélité 6,63/7). Par contre, ils sont le moins
intéressés par le paiement mobile.
« Les enthousiastes » ont l’habitude d’utiliser les NTIC (5,78/7). Ils se caractérisent
également par un degré assez élevé d’innovativité (5,1/7). Nous pouvons donc les qualifier
comme étant « technophiles ». De plus, ils expriment un certain intérêt envers les produits de
parfumerie (4,39/7). Il est également important de souligner que parmi les 4 profils des
consommateurs que nous avons identifié, les enthousiastes ont un degré du risque perçu le
moins élevé (4,41/7), ce qui semble tout à fait logique, vu que comme nous l’avons prouvé, la
privacy concern influence négativement l’intention d’utiliser les techniques mobile-in-store. La
plupart des consommateurs de cette catégorie sont de l’orientation d’achat relationnelle.
En ce qui concerne les caractéristiques sociodémographiques, le nombre de femmes et
d’hommes est parfaitement équilibré. Le sexe n’influe donc pas sur ce type des consommateurs.
Parmi les enthousiastes on observe surtout les individus entre 18 et 29 ans (32,5%) et entre 30
et 39 ans (34,5%). Par conséquence, nous pouvons émettre l’hypothèse que ce sont surtout les
jeunes qui sont intéressés par les outils digitaux en question. Concernant le niveau d’études de
ces consommateurs, la plupart d’entre eux (37,5%) possèdent un bac+5. Les personnes
éduquées auraient donc plus tendance à accepter les techniques mobile-in-store, ce qui semble
tout à fait logique. Pour renforcer cette hypothèse on note que la majorité de ces individus sont
des cadres ou de profession intellectuelle supérieure.
74
7. DISCUSSION DES RESULTATS
Comme nous avons pu le voir, l’utilisation des techniques mobile-in-store peut être
influencée par plusieurs facteurs. Nous avons proposé au sein de notre étude de regrouper ces
techniques en cinq groupes : « hédonique », « économique », « alertes», « informationnelle »
et « paiement mobile ». L’étude quantitative nous a permis te tester nos hypothèses de
recherche, dont la synthèse se trouve ci-dessous.
Techniques mobile-in-store
Hédoniqu
es
Economiqu
es
Alertes Informatio
nnelles
Paiement
mobile
Innovativité + NS NS + +
Expérience NS (+) NS NS NS
Implication + + + NS -
Risque perçu - NS - NS -
Ori
enta
tion
d’a
chat
Economique NS + NS NS NS
Fonctionnelle
NS NS NS NS NS
Hédoniste
NS + NS - NS
Relationnelle
NS NS + NS NS
Routinière-Fidèle
NS + NS NS NS
Tableau 13 : Tableau récapitulatif des effets des variables explicatives sur l’utilisation des techniques mobile-in-
store basé sur les régressions linéaires
+ = effet positif significatif (+) = effet positif marginalement significatif
- = effet négatif significatif NS – non significatif
75
Techniques mobile-in-store
Hédoniqu
es
Economiqu
es
Alertes Informatio
nnelles
Paiement
mobile
Innovativité NS NS NS (+) ((+))
Expérience NS NS NS NS (+)
Implication + (+) + NS NS
Risque perçu - - (-) (-) -
Ori
enta
tion
d’a
chat Economique NS ((+)) NS NS NS
Hédoniste
((+)) ((+)) ((+)) -
NS
Relationnelle
NS NS NS NS NS
Routinière-Fidèle
NS NS ((+)) NS NS
Tableau 14: Tableau récapitulatif des effets des variables explicatives sur l’utilisation des techniques mobile-in-
store basé le modèle PLS
+ = effet positif significatif
(+) = effet positif marginalement significatif
((+)) = effet non significatif, mais allant dans le sens de nos hypothèses
- = effet négatif significatif
(-) = effet négatif marginalement significatif
((-)) = effet non significatif, mais allant dans le sens de nos hypothèses
NS – non significatif
76
Nous tenons à préciser qu’afin de commenter les résultats de notre enquête, nous allons
nous concentrer sur le tableau récapitulatif fait à partir des régressions linéaires.
1. La notion d’innovativité et les techniques mobile-in-store
Selon notre étude, l’innovativité semble avoir un effet significatif sur l’intention d’utiliser
les techniques mobile-in-store. Cela veut dire que les consommateurs avec un degré
d’innovativité élevé, acceptent davantage ces services qu’ils perçoivent comme nouveaux,
stimulants et rares.
En regardant plus en détail, nous pouvons observer que l’innovativité a une influence
positive sur l’acceptation des techniques hédoniques, informationnelles et le paiement mobile.
Cela nous semble tout à fait logique, étant donné que les QR codes, la géolocalisation en
magasin ou encore le paiement mobile sont des outils très novateurs.
Il faut néanmoins souligner que l’innovativité semble ne pas influencer l’intention
d’utiliser les techniques économique et les alertes. Cela peut être dû au fait qu’il s’agit des
services qui sont moins novateurs (liste des promotions, bons de réduction…), qui existent
depuis longtemps.
2. L’expérience dans l’utilisation des nouvelles technologies et les techniques
mobile-in-store
Les résultats de notre étude montrent que l’expérience dans l’utilisation des nouvelles
technologies n’a aucun impact sur l’intention d’utiliser les techniques de marketing mobile en
magasin. Le seul effet positif marginalement significatif caractérise l’utilisation des techniques
qui procurent des bénéfices économiques.
Cela contredit notre hypothèse qui stipulait que l’expertise a une influence positive sur
l’utilisation du mobile-in-store.
3. L’implication envers une catégorie de produits et les techniques mobile-in-store
La régression linéaire montre que l’implication envers une catégorie des produits a un
effet sur l’intention d’utiliser les techniques mobile-in-store. Cela veut dire que plus les
77
consommateurs sont intéressés par les produits de parfumerie, plus ils ont recours aux outils
digitaux qu’elle offre.
En revanche, il est important de noter que l’implication peut avoir un effet différent en
fonction du type de techniques mobile-in-store.
Ainsi, l’implication exerce un effet positif sur trois catégories des techniques :
hédoniques, économiques et alertes. Cela nous semble tout à fait logique, car les
consommateurs perçoivent le plaisir en effectuant les courses, car ils sont intéressés par cette
catégorie de produits. Cet intérêt se traduit par la volonté d’acheter ces produits et de recevoir
des offres et des alertes d’achat.
Toutefois, l’implication a un effet nul sur les techniques informationnelle (QR codes,
géolocalisation), qui permettent de rendre les courses plus faciles. Cette variable a même un
effet négatif sur l’utilisation du paiement mobile qui permet de gagner du temps. Il semblerait
donc que les consommateurs effectuant des courses en parfumerie ne sont pas pressés et
perçoivent le plaisir à chaque étape de leur parcours d’achat.
4. Le risque perçu et les techniques mobile-in-store
Comme nous avons supposé, la question de la privacy a une influence importante sur
l’intention d’utiliser les techniques mobile-in-store. Ainsi, plus le degré de risque perçu est
élevé chez les consommateurs, moins ils acceptent d’utiliser les services mobiles en magasin,
à cause des préoccupations que cela crée.
La régression linéaire montre que le risque perçu a un effet négatif sur les techniques
hédoniques. Les consommateurs ne pourraient pas ressentir du plaisir en utilisant ces techniques
si elles présenteraient un risque envers la vie privée. Le même effet négatif est constaté en ce
qui concerne les alertes. Cela semble logique, car afin de recevoir des alertes on doit
communiquer les données personnelles, ce qui peut créer des préoccupations. De plus, nous
pouvons observer que l’effet négatif du risque perçu le plus significatif touche le paiement
mobile. Ce résultat ne nous semble pas étonnant en prenant en compte le fait qu’il s’agit des
données bancaires du consommateur.
Cependant, nous pouvons noter que le risque perçu semble ne pas avoir d’effet sur les
techniques économiques et informationnelles. Cela signifie que certains consommateurs
78
privilégieraient les bénéfices pécuniers et le gain du temps, en négligeant le risque potentiel que
ces services pourraient entraîner.
5. Orientations d’achat et les techniques mobile-in-store
Nous avons essayé de démontrer à travers notre étude le lien entre les orientations d’achat
et l’intention d'utiliser les différentes catégories des techniques mobile-in-store. Ainsi, nous
avons constaté quelques relations.
Comme nous avons prédit, un consommateur d’orientation d’achat économique serait
intrinsèquement motivé à utiliser des techniques qui pourraient lui permettre d’optimiser son
budget.
Les résultats de l’enquête montrent que l’orientation d’achat fonctionnelle n’exerce
aucune influence sur l’acceptation du mobile-in-store.
En ce qui concerne l’orientation d’achat hédoniste, elle présente un effet positif sur
l’utilisation des techniques à bénéfice économique. Cela semble logique, car le fait de pouvoir
effectuer des économies est source du plaisir. Néanmoins, cette variable influence négativement
l’utilisation des techniques informationnelles.
Les consommateurs caractérisés par l’orientation d’achat relationnelle seraient motivés
à utiliser les alertes. Cela semble logique, car afin d’avoir une relation avec l’enseigne, ils
acceptent de recevoir des « alertes d’achat » des produits ou catégories des produits, pour
lesquels ils sont en risque de rupture de stock, chaque fois qu’ils présentent leur carte de fidélité,
des listes des promotions ou encore des coupons de réduction à utiliser dans le magasin
privilégié, ce qui renforce la relation en question.
Enfin, nous pouvons voir que la variable « orientation routinière-fidèle » a une influence
positive sur l’intention d’utiliser les techniques procurant des bénéfices économiques. Etant
donné que les coupons sont souvent personnalisés sur la base de l’historique d’achat du
consommateur, ce service permet d’acheter à un prix inférieur des produits que le
consommateur a l’habitude d’acheter.
79
6. Typologie des consommateurs
Comme nous avons pu le voir, les techniques mobile-in-store peuvent attirer les
consommateurs par de nombreux bénéfices. Il faut néanmoins souligner que les motivations et
les comportements diffèrent donc selon les individus. Cela nous a permis de créer une typologie
des consommateurs : « réticents », « utilitaristes », « hédonistes » et « enthousiastes » afin de
dresser des profils types d’utilisateurs des techniques mobile-in-store.
4.
Les enthousiastes
m=5,81
« technophiles »
Enthousiastes envers
toutes les techniques
mobile-in-store
+ expertise digitale
+ innovativité
+ implication envers les
parfumeries
- Homme/ Femme
- 18-39 ans
- Bac + 3/ +5 et plus
- Cadre ou profession
intellectuelle/ Etudiant
3.
Les hédonistes
m=4,45
Alertes points de
fidélité, événements en
magasin, jeux concours,
coupons de réduction
+ expertise digitale
+ orientation hédoniste
- Femme
- Entre 18 et 29 ans
- Bac – Bac + 5
2.
Les utilitaristes
m=4,38
QR codes,
géolocalisation,
paiement mobile
+ expertise digitale
+ risque perçu
- Homme
- Entre 40 et 49 ans
- Bac + 1 / + 4
1.
Les réticents
m= 2,68
Réticents envers le
mobile-in-store
+ risque perçu
- Homme
- Plus de 50 ans
- Bac
Figure 16: Profils des consommateurs
8. LIMITES ET VOIES DE RECHERCHE
Figure 16: Profils des consommateurs
Nous avons préparé une synthèse de différents profils des consommateurs exposés aux
techniques mobile-in-store sous forme d’un podium qui inclue leur comportement,
caractéristiques et variables sociodémographiques.
80
Nous pourrions aller plus loin dans notre analyse en comparant les profils des
consommateurs que nous venons d’identifier avec les profils des innovateurs, étant donné que
les techniques mobile-in-store constituent des services novateurs. On retrouve donc nos groupes
de façon plus théorique dans le modèle de la diffusion de l'innovation de Rogers (1995).
L’auteur traite l’adoption d’une innovation par un individu comme un processus décisionnel en
cinq étapes. Ainsi, il associe les différents profils des consommateurs correspondant aux
différentes phases du processus d’adoption.
Figure 17: Modèle de la diffusion de l'innovation de Rogers (1995)
Dans cette logique, nous pouvons comparer nos consommateurs « réticents » aux
« trainards », c’est-à-dire ceux qui sont sceptiques par rapport à l’innovation ; « les utilitaristes »
à la « majorité précoce, pragmatiques» focalisés sur l’action, l’efficacité et la pratique, « les
hédonistes » aux « usagers précoces, visionnaires » et « les enthousiastes » aux « innovateurs
et technophiles ».
81
8. LIMITES ET VOIES DE RECHERCHE
Notre étude a donc permis de mieux comprendre le comportement des consommateurs
envers les techniques mobile-in-store. Celle-ci présente néanmoins quelques limites qui
peuvent être considérées comme des pistes de recherches futures sur le sujet.
La première limite de ce travail de recherche concerne l’échantillon utilisé qui n’est pas
représentatif de la population française. Il est essentiellement constitué des individus au niveau
d’éducation relativement élevé et dont les tranches d’âge et les catégories socioprofessionnelles
ne sont pas suffisamment variées. En conséquence, il peut y avoir une sous-représentativité de
certains types des consommateurs. Ainsi, malgré le soin apporté à toucher des publics variés de
répondants, notre échantillon reste un échantillon de convenance. Il faut donc considérer les
résultats comme des hypothèses à confirmer par de futures recherches sur le sujet, d’autant plus
que certains items se projettent sur plusieurs dimensions.
La deuxième limite porte sur le questionnaire. Tout d’abord, il serait préférable de créer
plus de scénarios pour pouvoir plus facilement les repartir dans des groupes homogènes. De
plus, on devrait poser plus de questions sur les variables explicatives telles que les orientations
d’achat (par exemple, l’orientation d’achat fonctionnelle n’est pas bien représentée par ses
items), afin de rendre les résultats plus fiables. Néanmoins, nous n’avons pas pu le faire, car le
questionnaire aurait été perçu comme étant trop long aux yeux des répondants
Cela nous amène à des pistes de recherches futures. La première consisterait à mener
cette étude auprès d’un échantillon plus représentatif, afin de développer une vision globale de
l’acceptation des techniques mobile-in-store en fonction de toutes les tranches d’âge, niveaux
d’études et catégories socioprofessionnelles.
En outre, il conviendrait de compléter les scénarios par d’autres techniques mobile-in-
store pour rendre l’étude plus complète et d’utiliser plus d’items pour mesurer les variables
explicatives. On pourrait également ajouter un facteur qui mesurerait l’impact de l’utilisation
des techniques mobile-in-store sur les achats ou la fidélité envers le magasin.
82
9. IMPLICATIONS OPERATIONNELLES
Notre étude a prouvé qu’il est essentiel pour les enseignes d‘analyser le comportement
des consommateurs à l’égard des techniques mobile-in-store pour bien répondre à leurs besoins
et attentes.
Tout d’abord, il a été démontré qu’il faut prendre en considération les caractéristiques
des nouvelles aides à la vente et à l’achat. L’étude de Beck et Crié (2013) montre que
l’importance de ces service pour les consommateurs dépend de leur interactivité, rapidité
d’affichage, facilité d’utilisation, ergonomie, fiabilité, ubiquité, ainsi que de leur côté intuitif et
collaboratif. Ce sont donc les caractéristiques sur lesquels il faut capitaliser pour rendre les
techniques mobile-in-store plus attractives pour les consommateurs.
Comme nous avons pu le voir précédemment, les consommateurs se divisent en quatre
groupes : « les enthousiastes », « les hédonistes », « les utilitaristes » et « les réticents ». Afin
de satisfaire leurs besoins, les enseignes doivent adapter les services à leurs profils. Ainsi,
comme la plupart du temps les techniques mobiles in-store sont portées par une application
mobile, nous pourrions imaginer que cette application nous permette de reconnaître les
différents groupes de consommateurs en leur posant deux questions sur leur sexe et leur âge,
voire l’affinité avec la catégorie de produit ou le nombre d’achat (voir annexe 15). Cela
permettrait de cibler par la suite les propositions et d’avoir une approche éditoriale différente
selon la cible :
- Un socle de base pour les utilitaristes et les réticents avec une approche « soft » (ligne
éditoriale épurée): informations, top des ventes, géolocalisation, rappel des derniers produits
recherchés, etc.
- Une approche très « nouveauté », « promotion », « fidélisation » avec une impression
de personnalisation de la relation pour les enthousiastes et les hédonistes.
Néanmoins, si les possibilités de marketing mobile sont variées et intéressantes (meilleur
ciblage des consommateurs, efficience des actions de communication etc.), les données
personnelles des consommateurs collectées grâce aux technologies de l’information, utilisées
et diffusées par les entreprises peuvent créer certaines préoccupations chez les utilisateurs
83
potentiels. Ils peuvent avoir l’impression de ne pas totalement contrôler leurs données privées
et en conséquence préférer ne pas utiliser ces services mobiles. Pour l’éviter, les enseignes
devraient donner aux consommateurs la possibilité de contrôler leurs données personnelles, leur
collecte et la façon dont elles sont utilisées, ainsi que la possibilité d’influencer le type et le
volume des sollicitations. En plus, ils devraient avoir le droit de demander la suppression de
leurs données personnelles. Cette transparence réduirait le risque perçu par les consommateurs
et renforcerait l’acceptation des techniques mobile-in-store.
Ainsi, les entreprises disposent de deux leviers d’action : proposer davantage de services
ergonomiques, utiles, simples, et surtout, adaptés au profil du consommateur, tout en respectant
sa vie privée et son intimité.
84
10. CONCLUSION
Notre étude prouve que l’Internet mobile n’est pas un concurrent pour les points de vente
physiques. Au contraire, c’est un accélérateur de modernisation qui offre des nouvelles
opportunités. Dans ce contexte de transformation digitale et une montée en puissance du
marketing mobile, les entreprises qui vont évoluer positivement sont celles qui feront le
« mobile mind shift».
Cela souligne le caractère incontournable des magasins physiques technophiles de
demain, qui donnent aux consommateurs la possibilité de profiter des avantages que leur offre
l’Internet, à l’intérieur même du magasin pour vivre une expérience d’achat encore plus fluide.
Les techniques mobile-in-store ont pour but de répondre aux besoins basiques et pratiques, que
ce soit en termes d’information produits et prix, de choix ou encore d’efficacité et de gain de
temps apporté au consommateur dans son parcours d’achat in situ.
Néanmoins, nous avons vu à travers notre étude que le mobile-in-store est un phénomène
complexe. L’utilisation des techniques mobile-in-store semble être influencée par le risque
perçu (Privacy Concern), l’innovativité, l’implication vis-à-vis de la catégorie de produits et
pour certaines catégories des techniques, par des orientations d’achat. Cependant, contrairement
à ce nous pensions, l’expérience en matière digitale n’a pas d’influence sur l’acceptation de ces
nouvelles aides à l’achat.
Comme l’ont précisé Katz, Blumler et Gurevitch (1974), l’adoption d’une nouvelle
technologie dépend des poids respectifs des freins et des motivations à son utilisation. Afin de
réussir, les enseignes devraient donc adapter leurs services aux différents profils des
consommateurs («enthousiastes », « hédonistes », « utilitaristes » et «réticents ») tout en
respectant leur vie privée.
85
Bien que conscients de l’avenir prometteur que peut leur réserver le smartphone, les
enseignes françaises ne sont pas nombreuses à en tirer profit. Ainsi, le marketing mobile en
magasin reste beaucoup plus développé dans des pays comme les États Unis ou le Royaume
Uni.
Nous pouvons conclure que les techniques mobile-in-store disposent d’un important
potentiel à exploiter. Le smartphone est devenu une source potentielle forte de la conquête des
prospects et clients et de leur fidélisation, à condition que la stratégie mobile soit adaptée aux
besoins et attentes des consommateurs.
86
11. BIBLIOGRAPHIE
Barth, I. B. Anteblian, (2006), « Souffrance vécue, contenue ou dépassée dans les achats
courants : les courses comme un travail - proposition de typologie », 11èmes Journées de
Recherche en Marketing de Bourgogne
Beck M. et Crié D. (2013), « Apports du développement des Nouvelles Aides à La Vente au
cœur de la relation client-entreprises : une approche exploratoire », éditions EMS management
et société
Beck M. et Crié D. (2013), « Bienvenue dans la nouvelle ère du e-commerce ! Typologie des
nouvelles aides à la vente : des outils générateurs d’émotions et accélérateurs de vente et
d’achat », 12ème journée de recherche sur le e-marketing
Bellenger D. N., Korgaonkar P. K. (1980), « Profiling the Recreational Shopper», Journal of
Retailing, Volume 56, Number 3
Culnan M. J. (1995), « Consumer A-wareness of Name Removal Procedures: Implications for
Direct Marketing », Journal of Direct Marketing, Vol.9, N°2
De Pechpeyrou P. et Odou P. (2012), « Scepticisme du consommateur et efficacité
promotionnelle», Recherche et Applications en Marketing, Vol.27, N°2, p.45-69
Dowling R., Staelin R. (1994), « A Model of Perceived Risk and Intended Risk-handling
Activity », Journal of Consumer Research, Vol. 21
Hairong Li1, Cheng Kuo2, et Maratha G. Rusell, (1999), « The Impact of Perceived Channel
Utilities, Shopping Orientations, and Demographics on the Consumer's Online Buying
Behavior», Journal of Computer-Mediated Communication, Volume 5, Issue 2
Hérault S., Belvaux B. (2012), « Communication mobile : rôles de l’intrusion et du contrôle de
la vie privée », Actes de la 6ème Journée sur la communication marketing, 29 mars, Université
de Nancy 2
Hérault S., Belvaux B. (2014), « Privacy paradox et adoption de technologies intrusives : le cas
de la géolocalisation mobile », Décisions Marketing, n° 74, p. 67-82
Holbrook M. et Hirschman E. (1982), « The experiential Aspects of Consumption: Consumer
Fantasies, Feelings, and Fun», Journal of Consumer Research, Vol.9, p.132-140
87
Jarboe G. R., McDaniel C. D. (1987), “A Profile of Browsers in Regional Shopping Malls”,
Journal of the Academy of Marketing Science Spring, 1987, Vol. 15, No. 1, p.46-53
Laaksonen M. (1993), « Retail Patronage Dynamics: Learning About Daily Shopping of
Changing Retail Structures Behavior in Contexts», Journal of Business Research, Vol. 28 (1/2),
p. 3-174
Lumpkin J. R, (1985), « Shopping Orientation Segmentation of the Elderly Consumer», Journal
of the Academy of Marketing Science, Vol. 13, No. 2, p.271-289
Malhotra, Kim et Agarwal, (2004), « Internet Users’ Information Privacy Conserns (IUIPC):
The Construct, the Scale, and a Casual Model », Information System Research, Vol. 15, N°4,
p. 336-355
Meyer-Waarden L, Benavent, C., Castéran H. (2013), « The Effects of Purchase Orientations
on perceived loyalty programmes’ benefits and loyalty», International Journal of Retail and
Distribution Management, Vol. 41, N°3
Meyer-Waarden L.et Benavent, C., (2006), « La théorie de la motivation extrinsèque et
intrinsèque appliquée à la problématique des gratifications des programmes de fidélisation »,
Actes du XXIIème Congrès AFM
Midgley. D. et Dowling. R. (1978), « Innovativeness: The Concept and its Measurement»,
Journal of Consumer Research, Vol.4, p.229-242
Moye L. et Kincade D., (2003), « Shopping Orientation Segments: Exploring Differences in
Store Patronage and Attitudes toward Retail Store Environments among Female Apparel
Consumers», International Journal of Consumer Studies, Vol. 27, N°1, p.58-71
Nowak G., ,J. Phelps, (1995), « Direct Marketing and the Use of Individual-Level Consumer
Information: Determining how and When “Privacy” Matters», Journal of Direct Marketing,
Vol. 9, N° 3
Phelps J., Nowak G. et Ferrell E. (2000), « Privacy concerns and consumer willingness to
provide personal information», Journal of Public Policy and Marketing, Vol. 19, n° 1, p. 27-
41.
Pötzsch, (2009), « Privacy Awareness: A Means to Solve the Privacy Paradox? », The Future
of Identity in the Information Society, IFIP Advances in Information and Communication
Technology, Vol. 298, p 226-236
88
Prosser, William L. (1960), « Privacy”, California Law Review, Vol. 48, Issue 3, p383-423
Rodrigues Goncalves L., De Pechpeyrou P., Bénavent Ch., (2014), « Jusqu’où les
Consommateurs acceptent-ils d’être géolocalisés ? », Revue Française du Marketing, N° 248 -
3/5. p.27-42
Roehrich G. (1994), « Innovativités hédoniste et sociale : proposition d’une échelle de mesure »,
Recherche et Applications en Marketing, Vol.9, Issue 2, p. 19-42.
Roehrich G., (2001), « Causes de l’Achat d’un Nouveau Produit : Variables Individuelles ou
Caractéristiques Perçues », Revue Française du Marketing - N° 182, p.83-98
Roehrich, G., Valette-Florence, P., Ferrandi, J.M., (2002), « Comparaison de la validité
prédictive de deux conceptualisations de l’innovativité », Actes du 18ème congrès international
de l’AFM, p. 295-310
Schadler T., Bernoff J., Ask J., (2014), “The Mobile Mind Shift”, Forrester Research
Stone G.P. (1954), « City Shoppers and Urban Identification: Observations on the Social
Psychology of City Life», American Journal of Sociology, 60, N°1, p.36-45
Strazzieri A. (1994), « Mesurer l’implication durable vis-à-vis d’un produit indépendamment
du risque perçu », Recherche et Applications en Marketing, Vol. 1, p.75-91
Sutano J., Palme E., Tan Ch., Phang Ch., (2013), « Addressing the Personalization–Privacy
Paradox: an Empirical Assessment from a Field Experiment on Smartphone Users», MIS
Quarterly Vol. 37 No. 4, p.1141-1164
Tauber E.M. (1972), « Why do People Shop? », Journal of Marketing, Vol. 36 Issue 4, p46-49
Warren et Brandeis, (1890), « The Right to Privacy», Harvard Law Review, Vol. IV, No. 5
Williams R.H., Painter J.J. et Nicholas H.R. (1978), « A policy oriented typology of grocery
shoppers», Journal of Retailing, 54 (1), p.27-43
Xu H., Luo X., Carroll J.M. et Rosson M.B. (2011), « The personalization privacy paradox : an
exploratory study of decision making process for location-aware marketing », Decision Support
Systems, Vol. 51, N° 1, p. 42-52
Xu H., Teo H-K., Tan B.C. et Agarwal R. (2009), « The role of push-pull technology in privacy
calculus : the case of location-based services », Journal of Management Information Systems,
vol. 26, n° 3, p. 135-173
89
12. WEBOGRAPHIE
« Les Actes de l’ARCEP, République Française, 9 juillet 2015, Observatoire des marchés des
communications électroniques en France, 1er trimestre 2015 », l’Autorité de Régulation des
Communications Electroniques et des Postes, www.arcep.fr/fileadmin/reprise/observatoire/1-
2015/obs-marches-t1_2015.pdf (Page consultée le 26 juillet 2015)
« Le Baromètre Trimestriel du Marketing Mobile en France, Juin 2015, 10ème édition », Mobile
Marketing Association France,
www.mmaf.fr/sites/default/files/private/Barom%C3%A8tre%20Mobile%20Marketing%20As
sociation%20France%20-%201er%20Trimestre%202015.pdf (Page consultée le 25 juillet
2015)
« Usages : le trafic internet français multiplié par 2,4 à l’horizon 2019 », Fédération Française
des Télécoms, www.fftelecoms.org/articles/usages-le-trafic-internet-francais-multiplie-par-24-
l-horizon-2019, (Page consultée le 20 juillet 2015)
« Les Chiffres-clés du NFC et du Sans Contact en France », mars 2015, Association Française
du Sans Contact Mobile, www.afscm.org/le-nfc-en-chiffres/ (Page consultée le 29 juillet 2015)
« Communiqué de Presse Shoppers et mobile : la compétition online fait rage jusque dans les
magasins », 23 février 2015, GFK, www.gfk.com/fr/news-and-events/press-room/press-
releases/Documents/20150223-CP-GfK-shoppers-et-mobile-la-competition-online-fait-rage-
jusque-dans-les-magasins.pdf, (Page consultée le 15 juillet 2015)
« Communiqué de Presse : Le Baromètre du Marketing Mobile Confirme la Puissance du
Mobile », 12 mars 2015, GFK, www.gfk.com/fr/news-and-events/press-room/press-
releases/pages/barometre-du-marketing-mobile-.aspx (Page consultée le 25 juillet 2015)
« Evolution des Usages Mobiles, Prévisions 2015, Kerensen Conculting,
www.kerensen.com/sites/default/files/evolution_des_usages_mobile_2015.pdf, (Page
consultée le 19 juillet 2015)
« L’Observatoire Cetelem 2014, Magasins et Internet : l’Interdépendance Imposée par les
Consommateurs », Cetelem, www.observatoirecetelem.com/publications/2014/observatoire-
cetelem-consommation-2014.pdf, (Page consultée le 12 juillet 2015)
« Rapport Annuel 2014 », Fédération Française des Télécoms, www.fftelecoms.org/rapport-
annuel-2014#, (Page consultée le 16 juillet 2015)
90
Floriane Salgues , « Géolocalisation : la "nouvelle" boussole du marketing », E-marketing,
www.e-marketing.fr/Thematique/digital-data-1004/Breves/Geolocalisation-nouvelle-
boussole-marketing-256131.htm (Page consultée le 18 juillet 2015)
IDATE, 2015, « Baromètre 2015 ACSEL-CDC, la Confiance des Français dans le numérique »,
ACSEL,www.acsel.asso.fr/resultats-du-barometre-2015-acsel-cdc-de-la-confiance-des-
francais-dans-le-numerique/, (Page consultée le 20 août 2015)
«Magasin connecté : Les Français sont prêts… mais exigeants ! », Extreme
Sensio, www.extreme-sensio.com/etude-barometre-digital-store/ (Page consultée le 29 juillet
2015)
91
13. ANNEXES
Annexe 1: Questionnaire
92
93
94
95
96
97
98
99
100
Annexe 2: Codage des items
Variable Libellé Modalité Codage
Possession de
smartphone
Possédez-vous un
smartphone ?
-Oui, depuis longtemps
-Oui, depuis peu,
-Non, mais j’envisage d’en acquérir
-Non, et cela ne m’intéresse pas
1
2
3
4
Utilisation des
techniques
mobile-in-store
Avez-vous déjà utilisé
votre smartphone
pendant les courses (QR
code, coupon de
réduction mobile, carte
de fidélité
dématérialisée,
paiement mobile…) ?
-Oui
-Non, mais j’aimerais le faire
-Non, et cela ne m’intéresse pas
1
2
3
Question Modalité Nouvel intitulé
Possédez-vous un
smartphone ?
Oui, depuis longtemps
Possession Oui, depuis peu
Non, mais j’envisage
d’en acquérir
Intention
Non, et cela ne
m’intéresse pas
Refus
Avez-vous déjà
utilisé votre
smartphone
pendant les
courses (QR code,
coupon de
réduction mobile,
carte de fidélité
dématérialisée,
paiement
mobile…) ?
Oui
Utilisation
Non, mais j’aimerais le
faire
Intention
Non, et cela ne
m’intéresse pas
Refus
Echelle
de Likert
Pas du
tout
d’accord
Ni
d’accord
ni pas
d’accord
Tout à
fait
d’accord
Codage 1 2 3 4 5 6 7
101
Question
Vous avez l’habitude d’acheter certains produits
dans une parfumerie. Seriez-vous intéressé(e) de
recevoir sur votre smartphone des « alertes
d’achat » de produits ou catégories de produits,
pour lesquels vous êtes en risque de rupture de
stock, chaque fois que vous présentez votre carte
de fidélité ?
Tech_« Alertes Stocks »
Vous êtes inscrit(e) au programme de fidélité qui
vous permet de cumuler des points. Seriez-vous
intéressé(e) de recevoir sur votre smartphone une
alerte quand vous atteignez suffisamment de
points pour les échanger contre un cadeau ou un
bon d’achat?
Tech_Alertes points de fidélité
Vous voulez vous acheter un parfum. Seriez-vous
intéressé(e) de recevoir des conseils
personnalisés sur votre smartphone en fonction
de votre historique d’achat ?
Tech_Conseils personnalisés
Vous faites parfois des achats dans une
parfumerie. Seriez-vous intéressé(e) de recevoir
des coupons de réduction sur votre smartphone ?
Tech_Coupons réduction
Vous êtes inscrit(e) au programme de fidélité
d’une parfumerie. Seriez-vous intéressé(e) d’être
parmi les premiers à être informé(e) des
événements réalisés en magasin via SMS/email?
Tech_Evénements magasin
Vous voulez acheter un parfum précis à votre
ami(e). Seriez-vous intéressé(e) d’utiliser la
géolocalisation sur votre smartphone pour vous
repérer en magasin et trouver rapidement le
produit recherché ?
Tech_Géolocalisation en magasin
Vous allez dans une parfumerie pendant votre
temps libre. Seriez-vous intéressé(e) pour
participer à un jeu concours sur votre
smartphone?
Tech_Jeux concours
Vous voulez trouver un cadeau pour un(e) amie.
Seriez-vous intéressé(e) de recevoir dès l’entrée
en magasin un SMS/une notification push avec
la liste de toutes les promotions du moment ?
Tech_Liste des promotions
Vous voulez payer vos achats. Seriez-vous
intéressé(e) d’effectuer le paiement avec votre
smartphone et ainsi éviter de faire la queue pour
passer à la caisse ?
Tech_Paiement mobile
Vous avez besoin des informations sur un produit
(conseils d’utilisation, composants, origine…).
Seriez-vous intéressé(e) par le fait de scanner un
QR code pour accéder à ces informations ?
Tech_QR code
102
Annexe 3: Matrice des corrélations - techniques mobile-in-store
103
Annexe 4: Indice KMO et test de Bartlett - techniques mobile-in-store
Annexe 5: Variance totale expliquée - ACP techniques mobile-in-store
104
Annexe 6: Le diagramme des valeurs propres - ACP techniques mobile-in-store
105
Annexe 7: Matrice des corrélations - Orientations d’achat
106
Annexe 8: Indice KMO et test de Bartlett - Orientations d'achat
Annexe 9: Variance totale expliquée - ACP Orientations d'achat
107
Annexe 10: Le diagramme des valeurs propres - ACP Orientations d'achat
108
Annexe 11: Modèle PLS Path Coefficients – Bootstrap
109
Annexe 13:Classification hiérarchique – Dendrogramme
Annexe 12: PLS Path Coefficients PLS Algorithm
110
Annexe 14: Statistiques descriptives des variables explicatives et sociodémographiques
des groupes des consommateurs
Groupes
1 - réticents 2 - enthousiastes 3 - utilitaristes 4 - hédonistes
Exp_MOYENNE 4,824 5,754 5,142 5,151
Impli_MOYENNE 2,635 4,396 3,245 3,921
Innov_MOYENNE 3,486 5,121 4,088 4,367
RisquePercu_MOYENNE 5,391 4,414 5,225 4,984
Orientation_ECONOMIQUE -0,25 0,143 -0,081 0,162
Orientation_FONCTIONNELLE 0,055 0,183 -0,231 -0,091
Orientation_HEDONISTE -0,382 0,161 -0,264 0,483
Orientation_RELATIONNELLE -0,363 0,252 -0,042 0,09
Orientation_ROUTINIERE_FIDELE -0,229 0,178 0,008 -0,008
Tech_ALERTES -0,523 0,626 0,165 -0,5
Tech_ECONOMIQUES -0,796 0,293 -0,17 0,667
Tech_HEDONIQUES -0,734 0,668 -0,567 0,458
Tech_INFORMATIONNELLES -0,513 0,515 0,5 -0,702
Tech_PAIEMENT_MOBILE -0,373 0,19 0,149 -0,01
Sexe
Femme 23,2 31,5 20,8 24,4
Homme 26,3 31,6 24,8 17,3
p-value = 0,4617
Age
Moins de 18 ans 27,3 27,3 18,2 27,3
Entre 18 et 29 ans 22,8 32,5 24,6 20,2
Entre 30 et 39 ans 27,6 34,5 6,9 31
Entre 40 et 49 ans 23,8 28,6 28,6 19
Plus de 50 ans 50 16,7 16,7 16,7
p-value = 0,5597
Niveau d'études
Sans diplôme 33,3 25 16,7 25
CAP, BEP 0 0 100 0
Bac 46,2 23,1 0 30,8
Bac + 1 à Bac +2 23,5 26,5 29,4 20,6
Bac +3 à Bac + 4 24,7 24,7 29,6 21
Bac + 5 et plus 22,5 37,5 19,4 20,6
p-value = 0,3012
111
CSP
Agriculteur NaN NaN NaN NaN
Artisan 0 0 0 100
Cadre ou profession intellectuelle supérieure 22,6 40,3 17,7 19,4
Chef d’entreprise 40 20 10 30
Commerçant 20 20 20 40
Demandeur d’emploi 0 28,6 28,6 42,9
Employé 34,9 30,2 16,3 18,6
Etudiant, lycéen 21,9 31,1 25,2 21,9
Autre 33,3 33,3 0 33,3
p-value = NA
Annexe 15: Questionnaire Sephora
112
14. TABLE DES ILLUSTRATIONS
Figures :
Figure 1: Modèle d'innovativité Gatignon et Robertson, 1985 ................................................ 15
Figure 2: La hiérarchie des innovativités de Goldsmith et Hofacker ....................................... 16
Figure 3: modèle IUIPC (« Internet Users’ Information Privacy Concerns ») de Malhora, Kim
et Agarwal (2004) ..................................................................................................................... 19
Figure 4: Modèle de Privacy Concern (Nowak, Ferrell, 2000). ............................................... 21
Figure 5: Modèle d'orientations d'achat de Laaksonen, 1993 .................................................. 24
Figure 6: Principales typologies d'acheteurs pour les achats alimentaires et/ou de produits
courants ................................................................................................................................... 26
Figure 7: Modèle d'orientations d'achat de Williams et al, (1978) .......................................... 29
Figure 8: Modèle conceptuel d'acceptation des techniques mobile-in-store ............................ 33
Figure 9: Impact des variables dépendantes sur la tendance générale à utiliser les techniques
mobile-in-store ......................................................................................................................... 57
Figure 10: Impact des variables dépendantes sur la tendance générale à utiliser les techniques
hédoniques ................................................................................................................................ 59
Figure 11: Impact des variables dépendantes sur la tendance générale à utiliser les techniques
économiques ............................................................................................................................. 60
Figure 12: Impact des variables dépendantes sur la tendance générale à utiliser les alertes ... 61
Figure 13: Impact des variables dépendantes sur la tendance générale à utiliser les techniques
informationnelles ...................................................................................................................... 62
Figure 14: Impact des variables dépendantes sur la tendance générale à utiliser le paiement
mobile ....................................................................................................................................... 63
Figure 15: Modèle PLS des techniques mobile-in-store .......................................................... 64
Figure 16: Profils des consommateurs ..................................................................................... 79
Figure 17: Modèle de la diffusion de l'innovation de Rogers (1995) ....................................... 80
113
Graphiques:
Graphique 1: Répartition de l'échantillon selon le sexe ........................................................... 42
Graphique 2: Répartition de l'échantillon selon l'âge .............................................................. 42
Graphique 3: Répartition de l'échantillon selon le niveau d'études ......................................... 43
Graphique 4: Répartition de l'échantillon selon la CSP ........................................................... 43
Graphique 5: Taux de possesseurs de smartphone ................................................................... 44
Graphique 6 : Taux de possesseurs de smartphone selon le sexe ............................................ 45
Graphique 7 : Taux de possesseurs de smartphone selon l'âge ................................................ 45
Graphique 8: Taux de possesseurs de smartphone selon le niveau d'études ............................ 46
Graphique 9: Taux de possesseurs de smartphone selon la CSP ............................................. 47
Graphique 10: Taux d'utilisation des techniques mobile-in-store ............................................ 47
Graphique 11: Taux d'utilisation des techniques mobile-in-store selon le sexe ...................... 48
Graphique 12: Taux d'utilisation des techniques mobile-in-store selon l'âge .......................... 49
Graphique 13: Taux d'utilisation des techniques mobile-in-store selon le niveau d'études ..... 49
Graphique 14: Taux d'utilisation des techniques mobile-in-store la CSP ................................ 50
Graphique 15: Taux de fréquentation des parfumeries ............................................................ 51
Graphique 16: Propension à utiliser les techniques économiques selon le sexe ...................... 68
Graphique 17: Propension à utiliser le paiement mobile selon le sexe .................................... 68
Graphique 18: Le degré de risque perçu selon le sexe ............................................................. 69
Graphique 19: Le degré d'innovativité selon le sexe ................................................................ 69
Graphique 20: Typologie des consommateurs ......................................................................... 70
Tableaux :
Tableau 1: Liste des variables utilisées .................................................................................... 36
Tableau 2: Liste des scénarios .................................................................................................. 38
Tableau 3: Propension générale à utiliser les techniques mobile-in-store .............................. 51
Tableau 4: Propension à accepter les techniques mobile-in-store selon la catégorie (ACP) ... 53
Tableau 5: Scores moyens des orientations d'achat ................................................................. 54
Tableau 6: Répartition des orientations d'achat en catégories (ACP) ...................................... 56
114
Tableau 7: Impact des catégories sociodémographiques sur la propension à utiliser les
techniques mobile-in-store ....................................................................................................... 66
Tableau 8: Impact des catégories sociodémographiques sur la propension à utiliser les
techniques mobile-in-store selon différentes catégories .......................................................... 67
Tableau 9: Propension à utiliser les techniques économiques selon le sexe 68
Tableau 10: Propension à utiliser le paiement mobile selon le sexe ........................................ 68
Tableau 11: Le degré d'innovativité selon le sexe .................................................................... 69
Tableau 12: Typologie des consommateurs ............................................................................. 70
Tableau 13 : Tableau récapitulatif des effets des variables explicatives sur l’utilisation des
techniques mobile-in-store basé sur les régressions linéaires .................................................. 74
Tableau 14: Tableau récapitulatif des effets des variables explicatives sur l’utilisation des
techniques mobile-in-store basé le modèle PLS ...................................................................... 75
Annexes :
Annexe 1: Questionnaire .......................................................................................................... 91
Annexe 2: Codage des items .................................................................................................. 100
Annexe 3: Matrice des corrélations - techniques mobile-in-store .......................................... 102
Annexe 4: Indice KMO et test de Bartlett - techniques mobile-in-store ................................ 103
Annexe 5: Variance totale expliquée - ACP techniques mobile-in-store ............................... 103
Annexe 6: Le diagramme des valeurs propres - ACP techniques mobile-in-store ................ 104
Annexe 7: Matrice des corrélations - Orientations d’achat .................................................... 105
Annexe 8: Indice KMO et test de Bartlett - Orientations d'achat ........................................... 106
Annexe 9: Variance totale expliquée - ACP Orientations d'achat ......................................... 106
Annexe 10: Le diagramme des valeurs propres - ACP Orientations d'achat ......................... 107
Annexe 11: Modèle PLS Path Coefficients – Bootstrap ....................................................... 108
Annexe 12: PLS Path Coefficients PLS Algorithm ............................................................... 109
Annexe 13:Classification hiérarchique – Dendrogramme ..................................................... 109
Annexe 14: Statistiques descriptives des variables explicatives et sociodémographiques des
groupes des consommateurs ................................................................................................... 110
Annexe 15: Questionnaire Sephora ........................................................................................ 111
