Magma topp logo Til forsiden Econa

Måling av merkeassosiasjoner

figur-author

Reaksjonstid som metode

Sammendrag

Et viktig mål i merkeledelse er å posisjonere merket med relevante og unike assosiasjoner i kundenes hukommelse. Styrken på merkeassosiasjonene – hvor nært en assosiasjon er koblet til merket i hukommelsen – er svært viktig i merkeledelse. Det er imidlertid en utfordring å finne gode metoder for å måle assosiasjonsstyrke. Forskning og eksisterende praksis i markedsanalyse tilbyr få forslag til hvordan man kan måle assosiasjonsstyrke på en korrekt praktisk og teoretisk måte. Denne artikkelen tilbyr en løsning på dette problemet og foreslår måling av reaksjonstid basert på en trestegs analyseprosedyre. Metoden er basert på faktisk kognitiv tilgjengelighet av assosiasjoner i kundenes hukommelse, og hvordan denne tilgjengeligheten slår ut på individuelle reaksjonstider. Konkret produserer denne metoden forskjeller i rapportert hastighet (i millisekunder) mellom assosiasjoner, der kortere reaksjonstider indikerer en sterkere merkeassosiasjon. To studier benyttes for å illustrere metoden. I den første studien testes selskapsassosiasjoner til en stor norsk merkevare som gjennom responstider får innsikt i hvilke assosiasjoner som er sterkest koblet til merket. I den andre studien illustreres metoden ved å teste en rekke ulike sjokolademerkers merkeposisjoner. Resultatene viser at Kvikk Lunsj har den sterkeste posisjonen blant de ulike sjokolademerkene målt i reaksjonstid. Sammenfattet gir disse to studiene gode eksempler på hvordan den foreslåtte metoden kan benyttes, analyseres og rapporteres i praksis.

Innledning

Merker er generelt ansett for å være viktig for bedrifter (Keller, 2012; Mühlbacher mfl., 2016; Samuelsen, Peretz, & Olsen, 2016). Det finnes en mengde modeller for å beskrive merker – både i akademisk og praktikerorientert litteratur. Populære modeller er for eksempel Young & Rubicams Brand Asset Valuator, David Aakers Brand Equity Model (Aaker, 1991; Christodoulides, Cadogan, & Veloutsou, 2015), Keller og Lehmanns Brand Value Chain (Keller & Lehmann, 2003), Kellers Brand Resonance Pyramid (Keller, 2012) og Kapferers Brand Identity Prism (Kapferer, 1997). Modellene speiler akademisk litteratur og fokuserer på psykologiske årsaksforklaringer på hvorfor investeringer i merker er lønnsomt (se Keller & Lehmann, 2003 for en oversikt over sammenheng mellom psykologi og forretningseffekter). Den kanskje mest innflytelsesrike modellen – utviklet av Kevin Lane Keller (1993; 2012) – argumenterer for at merkestyrke avhenger av to komponenter: 1) merkekjennskap, og 2) merkeimage (settet av merkeassosiasjoner koblet til merket i hukommelsen). En grunnleggende byggestein i merker er med andre ord merkeassosiasjoner (Camiciottoli, Ranfagni, & Guercini, 2014; Wang & Horng, 2016; Keller 1993; 2012; Samuelsen mfl., 2016).

I litteraturen og blant praktikere har det etablert seg metoder for hvordan merkeassosiasjoner skal avdekkes. Et eksempel er Magne Supphellens arbeider for snart tjue år siden (Supphellen, 2000), der han anbefalte en portefølje av kvalitative teknikker og dybdeintervjuer for å avdekke merkeassosiasjoner. Noen nyere eksempler på metoder for å måle merkeassosiasjoner er 1) Camiciottoli med kollegaer (2014), som kombinerer netnografi med text mining (se også Gensler mfl., 2016 for en tilsvarende metodikk) for å avdekke merkeassosiasjoner online, 2) Mann og Ghuman (2014), som foreslår en skala for måling av selskapsassosiasjoner (corporate brand associations), 3) Rahman og Areni (2016), som foreslår å kvantifisere kvalitativt avdekkete merkeassosiasjoner gjennom en prosedyre der assosiasjonene kodes for unikhet, der styrke avdekkes gjennom rekkefølge i rapportering, og der valens måles ved å spørre respondentene (evaluering fra negativ til positiv), og 4) Wang og Horng (2016), som kombinerer kvalitative data med nettverksanalyser for å avdekke «grønne» merkeassosiasjoner. Ingen av disse forslagene har så langt fått stor praktisk utbredelse. Derimot har en annen metode fått mer oppmerksomhet. Roedder-John og medforfattere (2006), senere utvidet av Schnittka, Sattler og Zenker (2012) og Böger og medforfattere (2017), har introdusert brand concept maps (BCM). BCM består av tre steg: 1) Elisitering – fasen der relevante merkeassosiasjoner identifiseres via dybdeintervjuer, 2) kartlegging – hvor respondentene tegner opp sammenhengene mellom de ulike assosiasjonene og merke og angir styrken på disse sammenhengene, og 3) aggregering – hvor en rekke individuelle kart blir kombinert til ett generelt kart basert på bestemte regler. Både den originale BCM-prosedyren (Roedder-John mfl., 2006) og senere utvidelser av prosedyren, som legger inn mål på evaluering av merkeassosiasjonene (Schnittka mfl., 2012) og forbedring av aggregeringsregler (Böger mfl., 2017), har som fellesnevner at de kombinerer en kvalitativ kartlegging av enkeltassosiasjoner med en kvantitativ vurdering av sammenhenger mellom assosiasjoner, assosiasjonsstyrke og regler for aggregering av individuelle assosiasjonskart. Spesielt interessant i denne artikkelen er hvordan BCM-prosedyren måler styrken på individuelle assosiasjoner. Roedder-John og medforfattere (2006) ber respondentene angi sammenhengen mellom assosiasjoner i kartet ved å tildele enten enkle, doble eller triple linjer, der respondentene blir forklart at disse linjene representerer hvor sterke de mener assosiasjonene er koblet til merket eller hverandre. Denne prosedyren for måling av assosiasjonsstyrke på individnivå (se French & Smith, 2013 for en prosedyre for å aggregere opp assosiasjonsstyrke ved hjelp av nettverksanalyser) er også videreført i senere revisjoner av BCM (Schnittka mfl. 2012; Böger mfl., 2017). Problemet er at denne fremgangsmåten – som baserer seg på selvrapportert oppfatning av styrke – ikke måler assosiasjonsstyrke på en teoretisk adekvat måte.

Assosiasjonsstyrke handler om hvor nært en merkeassosiasjon er koblet til merket i hukommelsen. I kognitiv psykologi er styrke empirisk observert som tilgjengelighet (accessibility) – det vil si hvor hurtig assosiasjonen aktiveres fra hukommelsen (French & Smith, 2013; Higgins, 1996). Når man øker hurtigheten på tilgang til, gjenkjennelse og verifisering av en merkeassosiasjon, betyr det at den spesifikke assosiasjonen styrkes i hukommelsen (Pullig, Simmons, & Netemeyer, 2006). Tilsvarende vil redusert hurtighet bety at assosiasjonen svekkes. Styrkedimensjonen til merkeassosiasjoner har tidligere på ulikt vis vært forsøkt målt i forskningslitteraturen. BCM-prosedyren med sin subjektive og selvrapporterte fremgangsmåte er alt omtalt. Andre har argumentert for at rekkefølgen (top-of-mind) merkeassosiasjonene nevnes i, eller frekvensen på rapportering av en spesifikk assosiasjon, uttrykker grad av styrke (Oakenfull & McCarthy, 2010; Teichert & Schöntag, 2010). Disse tilnærmingene er problematisk av flere årsaker. For det første vil det være forskjeller på respondentenes evne til å verbalisere merkeassosiasjoner (Supphellen, 2000). Frekvens som metode kan derfor lett lede til underrapportering av sterke merkeassosiasjoner. For det andre er det ikke utenkelig at relativt sterke merkeassosiasjoner kan rapporteres sent i et dybdeintervju, nettopp fordi respondenten kan ha hatt vansker med å sette ord på assosiasjonen. Dette fører til at rapporteringsrekkefølge også kan være svært villedende. Tabell 1 lister noen fordeler og ulemper ved ulike metoder for assosiasjonskartlegging og styrkemåling.

Tabell 1 Noen fordeler og ulemper ved ulike måter å måle merkeassosiasjoner på.
MetodeFordelerUlemper
Kvalitativ avdekking av assosiasjoner (dybdeintervjuer)• enkel metode å gjennomføre• gir rik innsikt i merkets assosiasjonsnettverk• ulike teknikker kan bidra til å avdekke «skjulte» assosiasjoner som respondentene ikke er bevisst på• krever ikke spesielle statistiske kunnskaper eller utstyr• ikke alle assosiasjoner er like lett å uttrykke muntlig• assosiasjonskartet genereres som regel på bakgrunn av responsene, men er et resultat av tolkning av data• som regel lite utvalg og vanskelig å generalisere funn• gir dårlig mål på assosiasjonsstyrke• kan være tidkrevende
Kombinasjoner av kvalitativ kartlegging og kvantifisering(f.eks. BCM)• mange av de samme fordelene som i de rene kvalitative metodene• strukturert prosedyre for å kartlegge assosiasjoner og deretter aggregere assosiasjonskart• metoden lar respondentene selv tegne opp sammenhenger mellom assosiasjoner i assosiasjonskartet• kvantifiseringen måler som regel en selvrapportert evaluering og assosiasjonsstyrke – og ikke den faktiske responstiden på assosiasjoner• kan være tidkrevende og dyr å gjennomføre
Nettverksanalyser(f.eks. Wang & Horng, 2016)• strukturert metode for å visualisere assosiasjonsnettverk• bygger på samme begreper og strukturer som teorier om hukommelsen – noder og linker• analysen bidrar til å identifisere spesielt viktige assosiasjoner basert plassering av assosiasjonen i forhold til andre assosiasjoner og hvor mange linker hver enkelt assosiasjon har i nettverket (centrality)• gir informasjon om rekkefølge og frekvensen av assosiasjoner, men i liten grad den faktiske styrken• må som regel kombineres med rene kvalitative metoder – noe som kan gjøre metoden dyr og tidkrevende
Reaksjonstid som mål på assosiasjonsstyrke• teoretisk riktig metode for å avdekke assosiasjonsstyrke i respondentenes hukommelse• effektiv datainnsamling• lite egnet til å avdekke assosiasjoner og assosiasjonskart, da metoden krever en predefinert liste over merkeassosiasjoner• krever kunnskaper om analysemetoder og egnet datautstyr for å hente inn data• gir begrenset innsikt utover styrke og må som regel kombineres med kvalitative teknikker

Til tross for viktigheten av gode mål på assosiasjonsstyrke er det med andre ord klare mangler i både litteraturen og blant praktikere når det gjelder hvordan dette skal gjøres. Hensikten med denne artikkelen er derfor å bidra til å fylle dette gapet og foreslå en testmetode som er basert på teori om kognitiv psykologisk tilgjengelighet, og som samtidig er praktisk gjennomførbar for merkeeiere.

Resten av denne artikkelen er organisert som følger: 1) Merkeassosiasjoner, assosiasjonsstyrke og tilgjengelighet forklares mer detaljert, 2) En målemetode basert på reaksjonstid presenteres, og en trestegs analyseprosedyre foreslås, 3) Målemetoden vises i praksis i to studier for å illustrere hvordan praktikere kan bruke metoden. 4) Til slutt oppsummeres artikkelen med hvilken nytteverdi den foreslåtte metoden kan ha for markedsførere, og hva vi trenger å forske mer på.

Merkeassosiasjoner, assosiasjonsstyrke og tilgjengelighet

Merkeassosiasjoner er det som gir merket «mening» for kundene (Samuelsen mfl., 2016). HAM-rammeverket i kognitiv psykologi (Anderson, 1983) foreslår at merkeassosiasjoner er lagret i det semantiske faktaminnet som et nettverk av kunnskapsnoder (informasjonsbiter) koblet sammen i assosiative nettverk gjennom linker, der linkene varierer i styrke. Kundene lærer, arkiverer og aktiverer merkeassosiasjoner hver gang merket gjøres relevant for kjøp eller konsum. Aktivering av merkeassosiasjoner gjør dem tilgjengelig for mange formål. For eksempel kan kundens assosiasjoner til et sjokolademerke inneholde oppfatninger om merkets attributter og fordeler og kundens følelser knyttet til å spise sjokoladen. Disse merkeassosiasjonene vil i neste omgang ha betydning for kjøpsbeslutninger, hvordan sjokoladen omtales til familie, venner eller på sosiale medier (word-of-mouth), eller hvordan kunden skal reagere på en skandale om at kakaobønnene i sjokoladen er plukket av barnearbeidere. Det er viktig å forstå at informasjonen i én enkelt node alltid må ses i sammenheng med alle de andre nodene som er koblet til denne noden (Smith & Queller, 2001). Et eksempel kan ses i figur 1. Om noden service er koblet til McDonald’s i hukommelsen, vil i neste omgang hurtig, forutsigbar og renslig bidra til å utdype og forklare den informasjonen som ligger i service (Roedder-John mfl., 2006). Generelt styrkes koblingene mellom assosiasjoner om de erfares eller tenkes på samtidig. Denne prosessen kalles spredning og aktivering (Collins & Loftus, 1975). Når kundene aktiverer et merke fra hukommelsen, vil også merkeassosiasjonene aktiveres, og denne prosessen sprer seg fra node til node automatisk og hurtig.

figur

Figur 1 Eksempel på McDonald’s hypotetiske assosiasjonsnettverk.

Det er forskjell på hvor raskt assosiasjoner aktiveres. En kunde kan gjerne ha en assosiasjon til merket i hukommelsen, men denne assosiasjonen vil ikke alltid aktiveres eller bidra til å påvirke holdningen til merket. Et viktig mål i merkeledelse er derfor å skape assosiasjoner som huskes raskt og er relevante i kjøpssituasjoner. En gitt assosiasjons styrke – eller grad av tilgjengelighet – er derfor avgjørende for at sprednings- og aktiveringsprosessen skal finne sted. Spørsmålet er derfor hva som påvirker assosiasjonsstyrke, Forskning har vist at assosiasjonsstyrke avhenger av fire forhold:

  • aktiveringsfrekvens (Fazio, 1990)
  • assosiasjonsunikhet
  • tidspunkt for forrige aktivering
  • grad av kognitiv prosessering (Greenwald & Leavitt, 1984)

Hovedpoenget med assosiasjonsstyrke er at sterke merkeassosiasjoner aktiveres raskere fra hukommelsen, og derfor er mer tilgjengelige enn svake merkeassosiasjoner i relevante valgsituasjoner (se Fazio mfl., 1982; French & Smith, 2013). På engelsk fagspråk kalles dette for accessibility – altså hvor raskt en merkeassosiasjon blir aktivert (Bohner & Wänke, 2002). Ideelt sett er sterke merkeassosiasjoner så raske at kunden kun basert på en vag oppfatning av merket automatisk aktiverer relevante merkeassosiasjoner fra hukommelsen.

Måling av assosiasjonsstyrke

Som nevnt har man tradisjonelt målt assosiasjonsstyrke enten gjennom rekkefølgen av merkeassosiasjoner som avdekkes, eller gjennom å telle antall ganger en spesifikk merkeassosiasjon nevnes (frekvens) (Miller & Peterson, 2004; Oakenfull & McCarthy, 2010; Rahman & Areni, 2016; Supphellen, 2000). Problemet er at disse målemetodene ikke egentlig måler begrepet assosiasjonsstyrke, og i verste fall til og med kan bidra til å villede markedsførere. En bedre måte å måle assosiasjonsstyrke på er isteden å måle faktisk hurtighet i aktivering av merkeassosiasjoner, og å benytte dette hurtighetsmålet som et direkte uttrykk for assosiasjonsstyrke. I praksis betyr det å måle merkeassosiasjonenes reaksjonstid.

Reaksjonstid er definert som den tiden det tar for en respondent å reagere på en stimulus. For eksempel den tiden (i millisekunder) det tar for en respondent å trykke på en knapp ved eksponering for en stimulus på en dataskjerm. Hvis stimulus A (f.eks. en merkeassosiasjon) utløser en raskere respons (lavere antall millisekunder) enn stimulus B, kan man påstå at stimulus A er sterkere koblet i hukommelsen enn stimulus B. Relativ reaksjonstid i millisekunder er altså det relevante konkrete måltallet på assosiasjonsstyrke. Konkret vil man måtte ta i bruk dataverktøy for å måle assosiasjonsstyrke. For eksempel kan respondenter svare med «enig» eller «uenig» ved å trykke på tildelte taster med disse to alternativene etter hvert som en serie merkeassosiasjoner dukker opp på skjermen. Hvis en merkeassosiasjon er sterkere (svakere) enn andre assosiasjoner, vil reaksjonstiden i millisekunder være signifikant raskere (langsommere) for denne merkeassosiasjonen sammenliknet med de andre.

Måling av reaksjonstider er – med egnet dataverktøy og billig tilgjengelig programvare – relativt uproblematisk. Utfordringene med denne metodikken er større når det gjelder å utføre statistiske analyser av forskjeller i reaksjonstider. For det første avviker reaksjonstider fra normalitetsantakelsen i et datamateriale. Dataene er som regel skjevt fordelt, med en lang høyrehale (Fazio, 1990; Ratcliff, 1993). For det andre vil man i analysen ofte møte på problemer med uteliggere (outliers). Det vil si ekstreme observasjoner der reaksjonstiden enten er veldig kort eller veldig lang – som oftest et resultat av manglende oppmerksomhet om instruksjoner, manglende grundighet i å lese de assosiasjonene som dukker opp på skjermen, eller andre grunner til «feil» respons. Disse problemene må derfor løses gjennom en trestegs analyseprosedyre (se også Fazio, 1990):

  • 1. Gjennomføre en uteliggeranalyse (outlier analysis). Dette kan gjøres på mange ulike måter, for eksempel ved å eliminere alle verdier høyere enn en bestemt grenseverdi, transformere hver verdi i henhold til en bestemt regel, trimme gjennomsnittsverdiene ved å eliminere den lengste reaksjonstiden for hver assosiasjon, kalkulere medianverdier istedenfor gjennomsnitt, eliminere alle reaksjonstider høyere enn to standardavvik over gjennomsnitt, med mer (se Ratcliff, 1993). Andre etablerte metoder som benytter reaksjonstider (f.eks. IAT – Implicit Association Test; Greenwald, McGhee, & Schwarz, 1998), foreslår som hovedregel at man eliminerer reaksjonstider som er kortere og lengre enn bestemte grenseverdier. I tråd med dette foreslås det at man starter prosedyren med å omkode alle verdier lavere enn 300 millisekunder og høyere enn 3 000 millisekunder til disse respektive minimums- og maksimumsverdiene. Med andre ord, hvis en respondent har en reaksjonstid på 210 millisekunder for en assosiasjon – så omkodes denne scoren til 300 millisekunder.
  • 2. Logaritmisk transformasjon. For å møte kravet om normalfordeling slik at man kan gjennomføre statistiske tester av forskjeller i assosiasjonsstyrke, bør hver individuelle reaksjonstid logaritmisk transformeres før videre analyser.
  • 3. Kontrollere for individuell varians i reaksjonstid. Noen mennesker er raske og andre er senere i sine reaksjoner. For å kunne avdekke relativ reaksjonstid for merkeassosiasjoner bør man derfor justere for disse individuelle forskjellene. En prosedyre for å gjøre dette er å la respondentene svare på en ikke-relatert oppgave der man måler reaksjonstid på svært enkle og åpenbare fakta, for eksempel reaksjonstiden på om man er enig eller uenig i at «Frankrike er et land i Europa», og at «London er hovedstaden i Storbritannia». Priester og medforfattere (2004) foreslår deretter at man tar logaritmen av den gjennomsnittlige responstiden for hver individuelle respondent og kaller dette for kronisk reaksjonstid. Eller med andre ord – den enkelte respondents individuelle reaksjonstid. Deretter trekker man denne kroniske verdien fra logaritmen av gjennomsnittet til hver målte merkeassosiasjon. Dette resulterer i det man kan kalle en justert reaksjonstid for hver assosiasjon. I praksis ender man altså med en slags indeks av gjennomsnittlig reaksjonstid for hver merkeassosiasjon per respondent. Positive (negative) verdier indikerer sterkere (svakere) merkeassosiasjon, siden positive (negative) verdier betyr at reaksjonstiden for den aktuelle merkeassosiasjonen er kortere (lengre) enn den kroniske reaksjonstiden.

For å oppsummere: Denne trestegs analyseprosedyren gir oss mulighet til ikke bare å rapportere gjennomsnittlige reaksjonstider for merkeassosiasjoner, men også muligheten til å utføre statistiske tester for å fastslå om en spesifikk merkeassosiasjon er sterkere eller svakere enn andre assosiasjoner.

To studier for å illustrere

For å vise hvordan metoden virker i praksis og kan gi nytte for markedsførere, skal vi se nærmere på to konkrete studier. Den første studien er hentet fra et større norsk selskap som var interessert i kunnskap om eierskap til visse selskapsassosiasjoner. Den andre studien illustrerer den trestegs analyseprosedyren for sjokolademerker i en test av styrken på reklamebudskap.

Større selskap – styrken i selskapsassosiasjoner

Selskapsassosiasjoner er de merkeassosiasjonene individer kobler til bedriften som leverer produkter og tjenester som er relevante for målgruppen. Bedrifter bruker ofte mye penger på å styrke disse assosiasjonene, da de ofte kan ha stor innflytelse på produktevalueringer, kjøpsintensjoner, kundelojalitet, vurdering av nye produkter og merkeutvidelser, med mer (Mann & Ghuman, 2014).

302 deltakere (49,3 prosent menn, 50,7 prosent kvinner, medianalder 31 år) ble rekruttert på gaten og gjennomførte undersøkelsen i et nærliggende testsenter. Ved ankomst ble de fortalt at hensikten med studien var å undersøke deres oppfatninger om et stort velkjent selskap. Hver respondent ble plassert foran en datamaskin lastet med MediaLab-programvare (v2008, Emprisoft). På skjermen kunne deltakerne lese en kort introduksjonstekst der de ble fortalt at det ville komme rekke påstander på skjermen én etter én (f.eks. «Moskva er et land», «København er hovedstaden i Danmark»). Deres oppgave var å trykke på én av to taster (sant versus usant) for å indikere om utsagnet var sant eller ikke. Deltakerne ble instruert i å jobbe så raskt som mulig, men samtidig så korrekt som mulig – med andre ord ta seg tilstrekkelig tid til å lese instruksjoner og påstander før man trykket på tastene. Totalt ble 18 påstander presentert på skjermen (ni sanne og ni usanne) i tilfeldig rekkefølge. Alle påstandene ble repetert – slik at hver respondent svarte på 36 påstander. Formålet med denne øvelsen var å måle hver respondents individuelle kroniske reaksjonstid.

Deretter ble selskapets assosiasjoner testet. Tilgjengelige kvalitative data (basert på dybdeintervjuer og fokusgrupper) hadde identifisert seks mulige selskapsassosiasjoner: nasjonalt opphav, kvalitet, naturlig, lokal, innovativ og gammeldags. Igjen ble deltakerne instruert i at det ville komme en rekke påstander (f.eks. «Selskap X er innovativ») på skjermen, og at deres oppgave var å trykke på taster – så raskt, men samtidig så korrekt som mulig – for å angi om man var enig eller uenig i påstandene. Totalt ble 23 påstander, blant disse de seks utvalgte selskapsassosiasjonene, presentert, og igjen ble alle påstandene repetert slik at hver respondent tok stilling til 46 påstander i tilfeldig rekkefølge. Til slutt svarte deltakerne på mer tradisjonelle markedsundersøkelsesspørsmål – for eksempel merkeholdning, forbruksmønster og demografiske bakgrunnsvariabler.

Den trestegs analyseprosedyren ble benyttet for å justere på dataene, og styrken på hver enkelt selskapsassosiasjon ble kalkulert. Figur 2 viser resultatene i millisekunder for de ulike selskapsassosiasjonene.

figur

Figur 2 Reaksjonstider i millisekunder (gjennomsnitt) for selskapsassosiasjoner.

Resultatene viser at nasjonalt opphav er den sterkeste assosiasjonen (M = 1 286 ms), og gammeldags har svakest assosiasjonsstyrke (M = 1 960 ms). Mer interessant er det at i en serie t-tester på de justerte reaksjonstidene finner man, med ett unntak, at alle reaksjonstidene er signifikant forskjellige fra hverandre (t (297) = verdier i intervallet –19,40 til –0,2.43, p < 0,05). Unntaket er lokal (M = 1 797 ms) og innovativ (M = 1 868 ms), som ikke er signifikant forskjellige fra hverandre (t (297) = –1,81, p = 0,071). Resultatene er gjengitt som et assosiasjonsnettverk i figur 3, der tykkelsen på strekene indikerer assosiasjonsstyrke.

figur

Figur 3 Større selskaps assosiasjonsnettverk.

Resultatene sier ikke i seg selv noe om hva selskapet burde gjøre, og for å gi relevant beslutningsinformasjon må mer analyse og datainnsamling med flere potensielle selskapsassosiasjoner og konkurrentenes styrke på disse assosiasjonene gjennomføres. Likevel, resultatene eksemplifiserer hvordan assosiasjonsstyrke kan måles, analyseres og rapporteres.

Sjokolade – reklamebudskap og assosiasjonsstyrke

Sjokolade blir ofte solgt i markedet med et reklameslogan eller kommersielt budskap, som så i neste omgang potensielt fester seg som merkeassosiasjoner i kundenes hukommelse. I denne undersøkelsen deltok 62 bachelorstudenter (46,2 prosent menn, 53,3 prosent kvinner, medianalder 22 år). Ved ankomst ble de fortalt at de skulle svare på en rekke spørsmål om hvor enig de var i ulike reklamebudskap for sjokolade. Hver deltaker ble plassert foran en datamaskin og gjennomførte den sammen testen av individuelle og kroniske reaksjonstider som forklart i den første studien. Deretter ble assosiasjonsstyrken på en serie sjokoladebudskap testet. Seks sjokolademerker (både norske og internasjonale) ble benyttet i undersøkelsen: Snickers, Kinder Surprise, Stratos, Freia, Kvikk Lunsj og M. Deltakerne ble instruert i at det ville komme en rekke påstander på skjermen, og at de så raskt, men samtidig så korrekt som mulig, skulle ta stilling til påstandene ved å trykke på taster på tastaturet (enig versus uenig). Hvert sjokolademerke ble presentert med en påstand – for eksempel «M er filmsjokoladen» og «Snickers inneholder peanøtter» – i tilfeldig rekkefølge. Til slutt ble alder og kjønn registrert, og deltakerne ble takket for sin deltakelse.

Også her ble trestegsprosedyren benyttet i analysen. De fleste respondentene var enig i at reklamebudskapene stemmer for de respektive merkene. Riktignok var kun 71 prosent enig i at M er filmsjokoladen, men for de andre merkene er resultatene som følger: Kvikk Lunsj 98,4 prosent, Freia 83,9 prosent, Stratos 82,3 prosent, Kinder Surprise 83,9 prosent, Snickers 88,7 prosent.

figur

Figur 4 Reaksjonstider i millisekunder – sjokoladebudskap.

Figur 4 viser gjennomsnittlig reaksjonstid per utsagn. En serie t-tester viser videre at M, Snickers og Stratos ikke er signifikant forskjellige fra hverandre i reaksjonstid (t (61) M vs. Snickers = –0,32, p = 0,75; t (61) M vs. Stratos = –0,26, p = 0,78; t (61) Snickers vs. Stratos = – 0,01, p = 0,99). Alle de andre forskjellene i reaksjonstid er signifikante (t-verdier = verdier i intervaller 3,08 til 7,54, p < 0,01). Resultatene viser tydelig at Kvikk Lunsj har sterkere merkeassosiasjon enn de andre merkene i testen. Kinder Surprise har svakere assosiasjonsstyrke enn de andre merkene.

figur-author

Figur 5 Justerte logaritmiske reaksjonstider vist som indeks relativt til kronisk reaksjonstid (0).

Disse resultatene kan også ses i figur 5, som viser indekserte justerte reaksjonstider for hvert merke. Positive verdier betyr at man reagerer raskere enn man generelt gjør, mens negative verdier betyr at man reagerer senere. I dette eksempelet er det altså kun Kvikk Lunsj sitt reklamebudskap man har en raskere reaksjonstid til enn den reaksjonstiden man generelt og kronisk har (i gjennomsnitt for alle respondenter). I praksis betyr dette, ikke overraskende, at Kvikk Lunsj har relativt sett sterke assosiasjoner som «tur-/utendørssjokoladen».

Akkurat som i den første studien med det større selskapet har disse resultatene i seg selv begrenset praktisk verdi for markedsførere av sjokolade. Merkene er kun testet for en utvalgt merkeassosiasjon, som selvsagt godt kan være en mindre relevant assosiasjon eller en assosiasjon merkeeier ikke oppfatter som strategisk viktig. Videre er selvsagt sammenlikning mellom merkene av mindre interesse, da de kun er testet for assosiasjonsstyrke på «sitt» reklamebudskap. Til tross for sine svakheter som strategisk analyse er også denne studiens hovedformål å vise hvordan reaksjonstider og trestegs analyseprosedyre kan benyttes for å undersøke assosiasjonsstyrke. I tillegg viser også denne siste studien hvordan indeksering av reaksjonstider der de individuelle kroniske reaksjonstidene trekkes fra reaksjonstidene på målassosiasjonene, kan styrke analysen.

Konklusjoner

Merkeassosiasjoner er en viktig del av merkeledelse, og dermed av vital viktighet for markedsførere. Keller (1993; 2012) fokuserer på flere dimensjoner av merkeassosiasjoner, herunder også assosiasjonsstyrke (se også Mühlbacher mfl., 2016 for nyere forskning på andre karakteristika ved merkeassosiasjoner). Forskning har vist at sterke merkeassosiasjoner er mer tilgjengelige i hukommelsen, raskere å aktivere i kjøps- og valgsituasjoner (Bohner & Wänke, 2002), mer varige over tid, mer motstandsdyktige mot konkurranse (Olsen, 2011) og bedre til å predikere atferd (Petty, Haugtvedt, & Smith, 1995). Det er likevel gjort få forsøk på å utvikle en metode for å måle assosiasjonsstyrke. Eksisterende metoder (Böger mfl. 2017; Camiciottoli mfl., 2014; Roedder-John mfl., 2006; Schnittka mfl., 2012; Supphellen, 2000; Wang & Horng, 2016) er verdifulle for å kartlegge assosiasjonsnettverk, men metodene er mindre egnet til å måle assosiasjonsstyrke. Riktignok har French og Smith (2013) foreslått en prosedyre for å måle «strukturell tetthet» av assosiasjonsnettverk på overordnet nivå. Men denne metoden fanger i liten grad opp styrken på individuelle merkeassosiasjoner. I denne artikkelen er det argumentert for å ta utgangspunkt i reaksjonstider og deretter, etter en trestegs analyseprosedyre, behandle disse dataene statistisk. Dette resulterer ikke bare i mål på assosiasjonsstyrke basert på reaksjonstid i millisekunder, men også relativ assosiasjonsstyrke, der resultatene uttrykkes som en indeks justert for individuelle generelle og kroniske reaksjonstider. To studier viser hvordan denne metoden kan gjennomføres, data analyseres og rapporteres. Målet er at denne metoden både skal være mer i tråd med teori om assosiasjonsstyrke, gi mer korrekt beslutningsinformasjon og samtidig også være praktisk håndterlig for markedsførere. I tillegg kan det argumenteres for at denne metoden også gir bedre innsikt i hvilke merkeassosiasjoner som kan påvirke atferd – for eksempel kjøp av merkevarer. Forskning har vist at sterke merkeassosiasjoner ofte er mer relevante for kundene og dermed predikerer atferd bedre (se Petty mfl., 1995). Et hovedpoeng med assosiasjonsstyrke er nettopp at sterke assosiasjoner er mer tilgjengelige i hukommelsen i kjøpssituasjoner. Dette kan også forklares gjennom flyt-teori. Mer tilgjengelige og sterke merke­assosiasjoner blir lettere husket, og prosessen med å huske på assosiasjonen flyter lettere. Denne følelsen påvirker evalueringen av den underliggende merkevaren positivt (Labroo & Lee, 2006), noe som igjen påvirker faktisk atferd. Et bidrag i denne artikkelen er dermed at den foreslåtte metoden med reaksjonstider kan hjelpe markedsførere med å identifisere merkeassosiasjoner som påvirket salget av merkevaren.

Denne artikkelen bidrar dermed med å introdusere reaksjonstider som metode i markedsføring og tilbyr markedssjefer en mer objektiv metode for å måle assosiasjonsstyrke. Metoden måler direkte hvor raskt den enkelte kunde kobler merket sammen med individuelle og spesifikke merkeassosiasjoner. Denne metoden er mer teoretisk valid enn mer tradisjonelle metoder, men samtidig også praktisk håndterbar og krever små investeringer. Mer forskning på dette temaet er viktig fremover. For det første fokuserer denne artikkelen på assosiasjonsstyrke, og ikke merkestyrke. Merkeassosiasjoner er åpenbart viktige for merker (Keller, 1993), men andre variabler er også viktige, for eksempel merkekjennskap og merkets evne til å bli fremkalt fra hukommelsen i kjøpssituasjoner. Fremtidig forskning må derfor ikke bare se på merkeassosiasjoner i isolasjon, men måle reaksjonstider og styrke på flere dimensjoner som sammen bidrar til merkeverdi (Mühlbacher mfl., 2016). For det andre er det også andre trekk enn assosiasjonsstyrke ved merkeassosiasjoner som er viktige. Schnittka og medforfattere (2012) kritiserer den originale BCM-modellen for å mangle mål på evaluering av merkeassosiasjoner – hvorvidt de er positive eller negative. I tillegg er dimensjoner som unikhet, relevans og type assosiasjoner (Keller, 1993; 2012) viktige. Mer forskning trengs derfor for å kombinere måling av assosiasjonsstyrke med andre karakteristika ved merkeassosiasjoner, og sammenlikne hvordan ulike karakteristika påvirker merkestyrke på kort og lang sikt. Og ikke minst må man utvikle målemetoder for hvordan alle disse faktorene ved merkeassosiasjoner kan måles simultant. For eksempel viser Dolnicar og Rossiter (2008) hvordan kortere/færre assosiasjonsmålinger, å inkludere «kjenner ikke dette merket», ta vekk introduksjoner som indikerer at det er ok å gjette, og i internasjonale studier bruke gode oversettelser, øker stabiliteten i rapporterte assosiasjoner over tid. For det tredje fokuserer denne artikkelen på individuelle merkeassosiasjoner, og ikke på totaliteten i assosiasjonsnettverket (French & Smith, 2013). Det er sannsynlig at styrken på individuelle merkeassosiasjoner påvirkes av strukturen i hele nettverket. For eksempel viser Olsen (2011) hvordan reaksjonstider for spesifikke merkeassosiasjoner avhenger av hvorvidt et merke har få versus mange assosiasjoner knyttet til seg. Til sist, selv om poengene i denne artikkelen illustreres gjennom to praktiske analyseeksempler, er de av begrenset praktisk verdi for de involverte merkene. Mer forskning og flere praktiske undersøkelser er nødvendig for å validere og forbedre hvordan assosiasjonsstyrke kan måles, og hvordan slike mål kan innarbeides i etablerte målemetoder for merker.

  • Aaker, D.A. (1991). Managing brand equity: Capitalizing on the value of a brand name. New York, NY: The Free Press.
  • Anderson, J.R. (1983). The architecture of cognition. Cambridge, MA: Harvard University Press.
  • Bohner, G., & Wänke, M. (2002). Attitudes and attitude change. Hove, UK: Psychology Press.
  • Böger, D., Kottemann, P., Meissner, M., & Decker, R. (2017). A mechanism for aggregating association network data: An application to brand concept maps. Journal of Business Research, 79, 90–106.
  • Camiciottoli, B.C., Ranfagni, S., & Guercini, S. (2014). Exploring brand associations: an innovative methodological approach. European Journal of Marketing, 48(5/6), 1092–1112.
  • Christodoulides, G., Cadogan, J.W., & Veloutsou, C. (2015). Consumer-based brand equity measurement: Lessons learned from an international study. International Marketing Review, 32(3/4), 307–328.
  • Collins, A.M., & Loftus, E.F. (1975). A spreading activation theory of semantic processing. Psychological Review, 82, 407–28.
  • Dolnicar, S., & Rossiter, J.R. (2008). The low stability of brand-attribute associations is partly due to market research methodology. International Journal of Research in Marketing, 25, 104–108.
  • Fazio, R.H. (1990). A practical guide to the use of response latency in social psychological research. I C. Hendrick & M.S. Clark (red.), Review of Personality and Social Psychology, 11, 74–97, Beverly Hills, CA: Sage.
  • Fazio, R.H. (1990). A practical guide to the use of response latency in social psychological research. I C. Hendrick & M.S. Clark (red.), Research methods in personality and social psychology. Review of personality and social psychology (s. 74–97). Volume 11. Newbury Park, CA: Sage.
  • Fazio, R.H., Chen, J-M., McDonel, E.C., & Sherman, S.J. (1982). Attitude accessibility, attitude-behavior consistency, and the strength of the object-evaluation association. Journal of Experimental Social Psychology, 18, 339–57.
  • French, A., & Smith, G. (2013). Measuring brand association strength: A consumer based brand equity approach. European Journal of Marketing, 47(8), 1356–1367.
  • Gensler, S., Völckner, F., Egger, M., Fischbach, K., & Schoder, D. (2016). Listen to your customers: Insights into brand image using online consumer-generated product reviews. International Journal of Electronic Commerce, 20(1), 112–141.
  • Greenwald, A.G., & Leavitt, C. (1984). Audience involvement in advertising, four levels. Journal of Consumer Research, 9, 132–140.
  • Greenwald, A.G., McGhee, D.E., & Schwarz, J.L.K. (1998). Measuring individual differences in implicit cognition: the implicit association test. Journal of Personality and Social Psychology, 74(6), 1464–1480.
  • Higgins, E.T. (1996). Knowledge activation: accessibility, applicability and salience. I E.T. Higgins & A.W. Kruglanski (red.), Social psychology: Handbook of basic principles (s. 133–168). New York, NY: Guilford Press.
  • Kapferer, J.N. (1997). Strategic brand management – creating and sustaining brand equity long term (2. utg.). London, UK: Kogan Page.
  • Keller, K.L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57(januar), 1–22.
  • Keller, K.L. (2012). Strategic brand management: Building, measuring, and managing brand equity (4. utg.). Upper Saddle River, NJ: Prentice Hall.
  • Keller, K.L., & Lehmann, D.R. (2003). How do brands create value? Marketing Management, 12(3), 26–31.
  • Labroo, A.A., & Lee, A.Y. (2006). Between two brands: A goal fluency account of brand evaluation. Journal of Marketing Research, 43(august), 374–385.
  • Mann, B.J.S., & Ghuman, M.K. (2014). Scale development and validation for measuring corporate brand associations. Journal of Brand Management, 21(1), 43–62.
  • Miller, J.M., & Peterson, D.A.M. (2004). Theoretical and empirical implications of attitude strength. The Journal of Politics, 66(3), 847–67.
  • Mühlbacher, H., Raies, K., Grohs, R., & Koll, O. (2016). Drivers of brand strength: Configural paths to strong cognitive brand equity. Journal of Business Research, 69, 2774–2780.
  • Oakenfull, G.K., & McCarthy, M.S. (2010). Examining the relationship between brand usage and brand knowledge structures. Journal of Brand Management, 17(4), 279–288.
  • Olsen, L.E. (2011). Broad vs. narrow brand strategies: The effects of association accessibility on brand performance. Series of Dissertations 1/2011. Oslo: BI Norwegian Business School.
  • Petty, R.E., Haugtvedt, C.P., & Smith, S.M. (1995). Elaboration as determinant of attitude strength: Creating attitudes that are persistent, resistant and predictive of behavior. I R.E. Petty & J.A. Krosnick (red.), Attitude strength: Antecedents and consequences (s. 93–131). Mahwah, NJ: Lawrence Erlbaum.
  • Priester, J.A., Nayakankuppam, D., Fleming, M.A., & Godek, J. (2004). The A2sc2 model: The influence of attitudes and attitude strength on considerations and choice. Journal of Consumer Research, 30(mars), 574–587.
  • Pullig, C., Simmons, C.J., & Netemeyer, R.G. (2006). Brand dilution: When do new brands hurt existing brands? Journal of Marketing, 70(april), 52–66.
  • Rahman, K., & Areni, C.S. (2016). The benefits of quantifying qualitative brand data: A mixed-method approach for converting free brand associations to a brand equity index. International Journal of Market Research, 58(3), 421–450.
  • Ratcliff, R. (1993). Methods for dealing with reaction time outliers. Psychological Bulletin, 114(3), 510–532.
  • Roedder-John, D., Loken, B., Kim, K., & Monga, A.B. (2006). Brand concept maps: A methodology for identifying brand association networks. Journal of Marketing Research, 43(november), 549–563.
  • Samuelsen, B.M., Peretz, A., & Olsen, L.E. (2016). Merkevareledelse. Oslo: Cappelen Damm.
  • Schnittka, O., Sattler, H., & Zenker, S. (2012). Advanced brand concept maps: A new approach for evaluating the favorability of brand association networks. International Journal of Research in Marketing, 29(3), 265–274.
  • Smith, E.R., & Queller, S. (2001). Mental representations. I A. Tesser & N. Schwarz (red.), Blackwell handbook of social psychology: Intraindividual processes (s. 111–133). Hoboken, NJ: Wiley-Blackwell.
  • Supphellen, M. (2000). Understanding core brand equity: Guidelines for in-depth elicitation of brand associations. International Journal of Market Research, 42(3), 319–338.
  • Teichert, T.A., & Schöntag, K. (2010). Exploring consumer knowledge structures using associative network analysis. Psychology & Marketing, 27(4), 369–98.
  • Wang, H-J., & Horng, S-C. (2016). Exploring green brand associations through a network analysis approach. Psychology & Marketing, 33(1), 20–35.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS