Le pouvoir de Facebook

Les facteurs qui influencent les intentions de visite des followers

DOI : 10.35562/balisages.499

Résumés

Objectif – L'objectif de ce travail est d'examiner le rôle joué par les fan pages de Facebook (FPF) dans la génération d’intentions de visite aux musées. L'étude a des objectifs multiples : d’abord, examiner les effets du contenu généré par les musées (CGM) sur la qualité perçue de l'information et du service aux visiteurs, et deuxièmement, tester le modèle avec deux échantillons afin de faire des comparaisons qui fournissent des informations utiles.

Conception/méthodologie/approche – Les données ont été recueillies par le biais d'un sondage en ligne qui a obtenu 308 réponses valables. Une analyse multi-groupes a été menée pour comparer les résultats issus des deux groupes : les utilisateurs des FPF du musée Frida Kahlo et ceux du musée Anahuacalli.

Résultats – Les résultats révèlent des différences significatives entre les deux échantillons concernant les effets directs de la qualité perçue des informations sur les intentions de visite et ceux du service au visiteur perçu sur l'intention de visite. Les auteurs ont également noté une légère différence entre les FPF des deux musées en ce qui concerne la relation entre le CGM et la qualité perçue de l'information.

Limites/implications de la recherche – Des recherches supplémentaires sont nécessaires pour examiner d'autres facteurs des FPF qui influencent l'intention de visite afin de préciser les résultats obtenus à partir des deux échantillons et d'analyser le modèle proposé dans d'autres contextes.

Cette recherche contribue à la littérature concernant l'impact des plateformes en ligne sur les intentions de visite.

Originalité/valeur – Les résultats fournissent des indications utiles aux gestionnaires des musées sur la manière d’augmenter l'intention de visite à leur établissement des membres de leurs fans page de Facebook.

Purpose – The purpose of this paper is to examine the role that Facebook Fan Pages (FFPs) play in the generation of visit intention. The study has three objectives: first, to examine the effects of museum-generated content (MGC) on perceived information quality and perceived customer service and perceived information quality and perceived customer service on visit intention and, second, to test the model with two samples to make comparisons that provide useful insights.

Design/methodology/approach – Data were collected through an online survey that achieved 308 valid responses. A multi-group analysis was conducted to compare the results from two groups: users of the Frida Kahlo museum and Anahuacalli museum FFPs.

Findings – The results reveal that there are significant differences between the two samples regarding the direct effects of perceived information quality on visit intention and perceived customer service on visit intention. The authors also noted a slight difference between the two museums’ FFPs in the relationship between MGC and perceived information quality.

Research limitations/implications – Further research is needed to examine other FFP factors that influence visit intention to clarify the results obtained from the two samples and to analyse the proposed model in other settings. This research contributes to the literature concerning the impact of online platforms on visit intention.

Originality/value – The findings provide useful insights for managers as to how to increase their FFP followers’ intention to visit their establishments.

Index

Mots-clés

Facebook, intention de visite, contenu généré par le musée, service client perçu, qualité de l’information perçue

Keywords

Facebook, Visit intention, Museum generated content, Perceived customer service, Perceived information quality

Plan

Texte

Introduction

Tant le contenu généré par les utilisateurs (CGU) que le contenu de marque – produit par les entreprises et institutions – se développent rapidement. Ils ont tous les deux une incidence significative sur le commerce électronique [Choi & Lee, 2016] et peuvent, aussi, influencer la perception que les utilisateurs ont des produits touristiques [Cox et al., 2009 ; Lim et al., 2012]. En ce qui concerne les musées, si certains professionnels estiment que l'adoption des innovations numériques pourrait contribuer à renforcer leurs relations avec leurs visiteurs et à en augmenter le nombre, d'autres redoutent que cette évolution n'entraîne une perte de visites réelles [Evrard & Krebs, 2017]. L'industrie du tourisme est l'une des plus touchées par les innovations numériques, car les voyageurs potentiels utilisent de plus en plus Internet pour se renseigner sur leur destination et en même temps qu’ils sont de plus en plus avertis, leurs besoins et attentes gagnent en précision [Cristobal-Fransi et al., 2017 ; Marty, 2008]. C’est ainsi que le contenu de marque (en l'occurrence, le contenu généré par les musées ou CGM) est devenu un outil de marketing indispensable pour interagir avec les touristes potentiels et, en conséquence, avec les visiteurs potentiels du musée.

Les entreprises du secteur touristique considèrent les plateformes de réseaux sociaux, en raison de la valeur communicationnelle du contenu de marque, comme des éléments essentiels dans le prise de décision marketing [Hofacker & Belanche, 2016 ; Martínez-Navarro & Bigné, 2017]. Ces sites facilitent l'établissement de liens directs avec les consommateurs potentiels, sensibilisent, établissent des relations avec le marché cible et améliorent les connaissances des consommateurs [Kang et al., 2014 ; Misopoulos et al., 2014 ; Pagani et al., 2013]. Ainsi, la publicité sur les réseaux sociaux, qu'elle soit implicite ou explicite, est devenue un outil de marketing incontournable [Kwon et al., 2014], car les réseaux sociaux ont transformé le comportement des consommateurs [Mutinga et al., 2011].

Facebook est considéré comme un canal permettant de résoudre les problèmes de service aux clients et comme un outil de marketing viral, car il stimule le bouche-à-oreille parmi ses followers [Hausmann, 2012 ; Jin, 2017 ; Padilla-Melendez & Del Aguila-Obra, 2013]. Facebook est le troisième site web en termes de trafic [Helmond, 2015] et ses FPF sont considérées comme les principales formes gratuites de publicité sur les réseaux sociaux en raison de leur grande portée [Martínez-Navarro & Bigné, 2017 ; Taylor et al., 2011], qui est une conséquence des informations complètes disponibles sur ces plateformes ; ces données aident les utilisateurs à évaluer objectivement une organisation et ses produits et services [Flavian & Guinaliu, 2006 ; Kang et al., 2014]. Elles constituent des outils ludo-éducatifs très précieux pour atteindre les objectifs d'un musée [Camarero et al., 2018 ; Lazzeretti et al., 2015].

Certaines études précédentes ont montré que les réseaux sociaux stimulent les intentions comportementales [Casalo et al., 2017a ; 2018 ; Chung & Buhalis, 2008 ; Cristobal-Fransi et al., 2017]. La plupart des recherches sur le tourisme menées en la matière portent sur l'influence du CGU sur les intentions de visite, et plus particulièrement sur l'influence des blogs [Chen et al., 2014 ; Hsiao et al., 2013], du e-WOM (le bouche-à-oreille électronique) [Jalilvand & Samiei, 2012 ; Wang 2015a, 2015b], des communautés virtuelles [Duhan & Singh, 2014] et du partage d'expériences de voyage sur les réseaux sociaux [Liu et al., 2018]. À noter que nous n'avons pas trouvé de recherche liée au tourisme qui se concentre sur l'impact du CGM sur les intentions de visite ni d’études autour de la relation entre la qualité perçue de l'information et l'intention de visite, ou du lien entre le service client perçu et l'intention de visite. Il semble donc qu’il y ait une lacune dans les connaissances sur la façon d’exploiter ces opportunités commerciales qu’offrent les réseaux sociaux [Chung et al., 2017 ; Öz, 2015], en particulier dans le contexte des musées [Padilla-Melendez & Del Aguila-Obra, 2013].

Comme le notent Camarero et al. [2018], il est nécessaire de réaliser des enquêtes sur les musées axées sur l'efficacité des réseaux sociaux. En outre, et c'est un débat qui se poursuit depuis plus de 20 ans, dans le contexte des nouvelles technologies, la question est de savoir si ces plateformes augmentent ou diminuent le nombre de visiteurs dans les musées « de brique et mortier » [Cunliffe et al., 2001 ; López et al., 2010]. Les recherches liées aux musées ont analysé l'effet de leurs pages web sur les intentions du public de visiter le musée [Marty, 2007, 2008 ; Padilla-Melendez & Del Aguila-Obra, 2013 ; Pallud & Straub, 2014], mais l'effet des réseaux sociaux sur l'intention de visite reste peu étudié.

Cette recherche cherche à déterminer les effets directs du CGM sur la qualité de l'information perçue et le service client perçu sur l'intention de visite. L’étude a été effectuée dans le cadre des FPF des musées Frida Kahlo et Diego Rivera Anahuacalli (également connu sous le nom d'Anahuacalli). Nous n'avons pas trouvé de travaux récents qui analysent les relations susmentionnées dans le contexte des FPF, ni l'impact du contenu généré par l’institution sur l'intention de visite ni qui, par ailleurs, utilisent la régression PLS2. À notre connaissance, Il n'existe pas non plus d'études comparatives sur l'influence du contenu généré par le musée sur l'intention de visite axées sur deux FPF de musée.

Cette étude compare, en utilisant la régression PLS, les FPF du musée Frida Kahlo et ceux du musée Diego Rivera Anahuacalli. À notre connaissance, il s'agit d'une des premières études sur le tourisme visant à comparer l'intention de visite de deux musées connus pour leurs relations avec deux artistes emblématiques et c’est donc une contribution théorique inédite que cet article apporte. En outre, non seulement ces musées sont représentatifs de deux artistes mexicains iconiques, mais ils partagent la même équipe de gestion et sont basés à Mexico City, bien que ne se trouvant pas sur les mêmes sites. Malgré ces similitudes, leurs stratégies sur Facebook sont différentes. La FPF du musée Frida Kahlo se concentre sur la création d'une communauté en ligne, tandis que le but de la FPF du musée Diego Rivera Anahuacalli est de fournir des informations pour attirer les visiteurs. Cette recherche étudie donc les effets du CGM à travers leurs FPF respectives. Cet éclairage est révélateur car les recherches sur les résultats comportementaux des visiteurs des musées sont limitées, et il y a un manque de conclusions empiriquement vérifiées.

Contexte théorique et hypothèses

L’influence du contenu généré par les musées sur la qualité perçue de l'information

Le développement des NTIC et de l'Internet a révolutionné de façon considérable la manière dont les visiteurs planifient, achètent et consomment les produits et services touristiques [Buhalis & Law, 2008 ; Yoo & Gretzel, 2017]. Dans ce contexte, la qualité de l'information, dans la mesure où elle répond aux attentes des consommateurs, est considérée comme un facteur déterminant de la prise de décision d'achat dans la sphère numérique [Kim et al., 2017]. Elle est également considérée comme un élément clé dans la construction d'une image corporative positive et dans l'établissement de relations à long terme avec les clients [Jeong & Lambert, 2001]. Dans le contexte des réseaux sociaux, les fans recherchent non seulement des informations spécifiques mais également une source de divertissement [Chen et al., 2014 ; Kim et al., 2017]. Les utilisateurs des réseaux sociaux évaluent la qualité perçue de l'information à partir de la pertinence de l'information, son actualisation régulière et son exclusivité ainsi qu’à partir de commentaires sur l'offre de produits ou services [Kim & Johnson, 2016].

Très fréquemment, les recherches sur la qualité de l'information considèrent l’utilité de l’information comme l'une de ses dimensions intrinsèques [Delone & McLean, 1992]. L’utilité est vue souvent comme allant de soi dans la qualité de l'information contextuelle, c'est-à-dire que la qualité de l'information doit être considérée dans le contexte de la tâche à accomplir [Lee et al., 2002]. Lorsqu'elle est appliquée à un environnement numérique, l'utilité de l'information est également considérée comme un élément clé de la qualité de l'information [Rieh, 2002], au même titre que la facilité d’utilisation, la pertinence, l'accessibilité et l'interaction [Yang et al., 2005]. En conséquence, si le CGM vise à apporter des informations sur les valeurs du musée, ses avantages, l'atmosphère positive, les émotions et les sentiments positifs, tel qu’on le mesure habituellement [Kim & Johnson, 2016], le contenu visant à fournir des informations utiles sur le musée devrait augmenter la qualité perçue de l'information. Kim & Johnson [2016] signalent l’influence notable du CGU sur la qualité perçue de l'information dans le schéma stimulus (S) - Organisation (O) - réponse (R) en partant du principe que le CGU lié à la marque, partagé via Facebook, contient des messages informationnels qui ont une influence positive sur le ressenti des consommateurs (par exemple, le plaisir) mais également sur des notions cognitives telles que la qualité perçue de l'information, ainsi qu’on l’a observé dans le cadre de la conception de sites web [Eroglu et al., 2003 ; Ha & Im, 2012]. En conséquence, une première hypothèse est proposée :

H1. Plus le CGM sur Facebook est bon, plus cela améliore la qualité perçue de l’information

L’influence du contenu généré par les musées sur le service client perçu

Les consommateurs potentiels utilisent de plus en plus les informations des sites de réseaux sociaux pour prendre des décisions en matière de tourisme, comme le prouvent plusieurs études : Ayeh et al., 2013 ; Cox et al., 2009 ; Plank, 2016. Les attentes des consommateurs sont susceptibles d’être infléchies de façon significative par les publications de la marque, qui peuvent influencer chaque étape du parcours client et sont considérées comme fiables [Mauri & Minazzi, 2013 ; Xiang et al., 2015]. Presque toutes les organisations utilisent les réseaux sociaux comme outils de service au client dans le but de répondre à ses besoins et envies, contribuant ainsi à transformer le panorama du service client qui fait l'objet dorénavant d'une attention supplémentaire pour améliorer la qualité du service, [He et al., 2013].

Le service client est défini comme l'ensemble des actions mises en place à destination des clients par une entreprise ou une institution visant à accroître la valeur perçue par les clients, laquelle peut être tangible ou intangible et peut répondre, directement ou indirectement, aux attentes des clients qui auront à terme un impact sur leur satisfaction et leurs intentions comportementales [Kursunluoglu, 2014]. Les publications sur les réseaux sociaux doivent inclure des informations précises qui répondent aux besoins et aux demandes des clients [Ye et al., 2011]. Les études concernant les blogs soulignent que le contenu de ces plateformes peut déclencher l'intention d'achat des clients [Chen et al., 2014 ; Escalas, 2004 ; Hsiao et al., 2013 ; Woodside et al., 2008]. En conséquence, puisque ces contenus ont un impact sur l'intention d'achat, il est essentiel de découvrir l'effet du CGM sur son service aux visiteurs. À cet égard, il a été constaté que les communications directes sont souvent représentatives d'un bon service client [Goh et al., 2013]. Wolfinbarger & Gilly [2003] ont défini le service client dans le contexte du commerce électronique comme la volonté et la promptitude à répondre aux besoins des clients, l'intérêt réel du site pour résoudre leurs problèmes et la réponse rapide aux demandes formulées. Daugherty et al. [2008] affirment que les motivations les plus importantes pour générer des CGU sont utilitaires (obtenir des compliments et éviter les sanctions), la connaissance (besoin d'obtenir des informations), l'expression des valeurs (exprimer ou mettre en relation le concept de soi avec ses valeurs) et l'autoprotection (protéger contre les insécurités internes ou les menaces externes). Le moyen le plus simple de remplir la fonction d'autoprotection est de publier des informations précises sur la façon dont le musée a fourni un service de bonne qualité. En conséquence, nous estimons que le CGU qui délivre des informations pertinentes sur les objectifs, les valeurs et bénéfices du musée comme défini par Kim & Johnson [2016] sera corrélé avec la perception d’une bonne qualité de service, car les clients verront dans ce CGU un indicateur de l'engagement des musées dans la qualité de service. C'est pourquoi il est proposé :

H2. Plus le CGU est bon sur Facebook, plus cela améliore le service client perçu.

L’influence de la qualité de l’information perçue sur l’intention de visite

La qualité de l'information est également considérée comme un facteur de motivation, car elle facilite la différenciation entre les entreprises en termes de précision, de cohérence, de mise à jour et d'exhaustivité nécessaires afin d'influencer les décisions d'achat des clients [Heinrichs et al., 2011 ; McKnight et al., 2017 ; Pearson et al., 2012]. En outre, il a été prouvé que les sites de réseaux sociaux fonctionnent comme d'énormes mécanismes de « bouche-à-oreille » qui catalysent et accélèrent la diffusion de l'information [Dellarocas, 2003 ; He et al., 2013]. En raison de la complexité des plateformes de réseaux sociaux, on observe aussi qu'il est important d'aider les followers à comprendre leur fonctionnement et leur mode d'emploi pour les inciter à continuer de les utiliser comme sources d'information ; ceci peut augmenter les intentions des consommateurs à partager les publications avec leurs amis [Heinrichs et al., 2011].

Dans le contexte Internet, il est très compliqué pour les professionnels des musées d'influencer les intentions comportementales des utilisateurs, notamment leurs intentions de visite. Néanmoins, ces professionnels espèrent que leurs ressources en ligne suscitent des résultats comportementaux positifs, dont avant tout, évidemment, la volonté de visiter le musée physique [Lazarinis, 2011 ; Lepkowska-White & Imboden, 2013 ; Lin & Cassidy, 2008 ; Marty, 2007, 2008 ; 2011 ; Pallud & Straub, 2014]. Mais bien que ces chercheurs aient étudié l'effet des ressources en ligne des musées sur les intentions des consommateurs de s’y rendre, nous n'avons trouvé aucune étude qui mesure la relation entre la qualité d'information perçue des publications de FPF et l'intention de visite dans le secteur muséal.

Néanmoins, on constate que la qualité de l'information des sites web influence les intentions comportementales des utilisateurs (telles que l'intention d'utiliser, de recommander et de choisir par rapport à d'autres sites web) [Chiu et al., 2005 ; Kim & Niehm, 2009]. En ce sens, la qualité est devenue plus déterminante, car il a été prouvé que la qualité des évaluations en ligne avait un impact positif sur les intentions comportementales des consommateurs [Lee & Shin, 2014 ; Park et al., 2007]. Plus concrètement, certains chercheurs ont montré que l'e-WOM a un impact notable sur l'attitude des touristes à l'égard des destinations à visiter [Doosti3 et al., 2016 ; Jalilvand & Samiei, 2012 ; Jalilvand et al., 2012 ; Jalilvand et al., 2013].

Une autre approche du raisonnement d'après laquelle la qualité de l'information pourrait influencer positivement les intentions de visite est fournie par Kim & Park [2013] qui considèrent que les acheteurs en ligne se fient aux informations fournies par les sites web, quand ils disposent de sources d'information limitées sur les produits ou les services. De la même façon, les consommateurs auront tendance à faire confiance aux sites web qui fournissent des informations précises et opportunes.

Par conséquent, il est raisonnable de supposer que l'intention d'un follower d’un FPF de visiter un musée physique sera influencée par la qualité perçue de l'information des publications de ladite FPF. On émet donc une hypothèse :

H3. La qualité d'information perçue des publications sur les FPF a une influence positive et significative sur l'intention de visite.

L’influence de la perception du service au client perçue sur l'intention de visite

Les clients utilisent les réseaux sociaux pour interagir avec des amis, regarder et partager des vidéos et des photos ainsi que pour se renseigner à propos des organisations et des marques. Les réseaux sociaux permettent à leurs followers, et même à d'autres utilisateurs, de vérifier et de suivre le fonctionnement des entreprises (y compris le traitement des plaintes ; [Gallaugher & Ransbotham, 2010]). Malgré cela, ils sont encore considérés par les entreprises comme un nouveau moyen de renforcer les relations avec les clients [Rapp et al., 2013]. Dès lors, il est essentiel que les entreprises utilisent activement ces réseaux sociaux comme outils du service client [He et al., 2013 ; Kietzman et al., 2011].

Des recherches précédentes ont conclu que le service client en ligne a un impact positif sur la satisfaction des consommateurs [Wolfinbarger & Gilly, 2003] et, par conséquent, sur leurs intentions comportementales [Zeng et al., 2009]. À cet égard, il a été montré que le service client est un facteur critique dans la gestion d'une entreprise, car une défaillance du service influence l'évaluation dudit service [Hsu et al., 2017 ; Wan et al., 2011]. Le consommateur moderne considère les commentaires en ligne comme un guide lors de l'achat de produits en ligne [Jiménez & Mendoza, 2013].

Au bout du compte, l'une des principales raisons de visiter une nouvelle fois un musée ou de racheter un produit ou un service est l'expérience antérieure qu'on en a faite [Kuo et al., 2009]. Toutefois, lorsque cette expérience antérieure n'a pas encore eu lieu, les visiteurs potentiels sont obligés de se tourner vers un indicateur fiable qui pourra les aider à anticiper la manière dont ils seront traités pendant la visite. Si les informations contenues dans les publications comportent des réponses aux besoins des visiteurs, montrent que les demandes sont traitées rapidement ou que le musée s’efforce de résoudre les problèmes des visiteurs, ces réponses du service client sont susceptibles de stimuler l'intention de visiter le musée, car elles constituent le meilleur indicateur des expériences passées et contribuent à augmenter la probabilité de visite.

Ainsi, les followers qui perçoivent positivement le service client des FPF seront susceptibles de vouloir visiter le musée physique. C'est donc une hypothèse :

H4. Les mentions au service client dans les publications des FPF ont une incidence positive et significative sur l'intention de visite.

Méthodologie

Modèle de mesure

Tous les éléments ont été adaptés à partir d'études déjà publiées et ils ont été mesurés sur une échelle de Likert à sept items. Les éléments de l'étude de Kim & Johnson [2016] sur le contenu de marque ont servi de base à l'échelle du CGM. L'échelle originale utilisait trois items pour évaluer le CGU informationnel lié à la marque et trois autres pour examiner le contenu émotionnel lié à la marque. Les éléments ont été adaptés au contexte du musée en remplaçant les termes « marque et produit présenté » et « fonctions de la marque et du produit présenté » par « musée », « visite du musée » et « objectifs du musée ». La qualité perçue de l'information a été mesurée par la méthode du comptage cumulatif des mots de Hsu et al. [2012] et Kim & Johnson [2016]. L'échelle développée par Wolfinbarger & Gilly [2003] a été utilisée pour mesurer la perception du service client. L'intention de visite a été mesurée à l'aide des échelles de Kim & Johnson [2016] et de Pallud & Straub [2014].

Processus de la collecte de données et échantillonnage des profils

Le modèle présenté dans la figure 1 a été testé avec les FPF des musées Frida Kahlo et Diego Rivera Anahuacalli. La FPF du musée Frida Kahlo compte plus d'un million de followers et la FPF du musée Diego Rivera Anahuacalli quelque 190 000. Les followers des deux FPF ont été invités à participer à cette étude. Nous avons choisi ces FPF pour notre étude parce que les deux musées sont des sites très populaires à Mexico City et qu’ils sont gérés par la même équipe. Le musée Frida Kahlo peut être qualifié de musée « superstar », parce qu’on le considère comme une icône de la culture mexicaine et une référence dans la lutte contre la discrimination et l'inégalité des sexes, tandis qu'Anahuacalli est un musée apprécié surtout par les habitants locaux, Diego de Rivera étant moins connu au niveau international.

De mai 2016 à février 2017, les followers des FPF des deux musées ont été invités à répondre à une enquête en ligne en espagnol, les deux FPF étant dans cette langue. Les participants ont été sélectionnés par une méthode d'échantillonnage non probabiliste de commodité [Malhotra & Birks, 2007]. Les deux questionnaires en ligne, un pour chaque FPF de musée, ont été élaborés à l'aide du générateur de formulaires de Google. Des liens vers les questionnaires en ligne ont été publiés sur les publications publiques des deux FPF. Les deux questionnaires comprenaient une section d'introduction expliquant le projet et, afin de garantir la qualité de l'étude, les participants ont reçu l'assurance que :

  • leurs réponses seraient anonymes ;
  • les données seraient utilisées uniquement à des fins de recherche ;
  • il n'y avait pas de bonnes ou mauvaises réponses ; on s'attendait donc à des réponses honnêtes [Podsakoff et al., 2005].

Au total, 325 questionnaires ont été reçus, 172 depuis la page du musée Frida Kahlo et 153 de l'Anahuacalli. Cependant, le nombre total de questionnaires utilisables reçus était de 308, 163 du Frida Kahlo et 145 de l'Anahuacalli. Le taux de réponse de 94 % pour les deux échantillons indique que le biais n’était pas un problème [Fowler, 1984 ; Yuksel et al., 2010]. On a utilisé G*Power 3 pour effectuer l'analyse de puissance [Faul et al., 2007]. La taille des deux échantillons garantissait la puissance pour l'écart R2 par rapport au zéro test car les résultats dans les deux cas dépassaient le seuil de 95 % pour le modèle proposé (figure 1) [Cohen, 1988]. La puissance statistique de 163 et 145 respectivement est une taille d'échantillon acceptable. Le tableau 1 décrit les caractéristiques sociodémographiques des profils des deux échantillons.

H1 (+) Qualité de l’information perçue H3 (+) CGM Intention de visite H2 (+) Service client perçu H4 (+)

Figure 1. Modèle théorique et hypothèses

Figure 1. Modèle théorique et hypothèses

Tableau 1. Profil des enquêtés

Fréquence Pourcentage
Caractéristiques Followers Musée Frida Kahlo FPF Followers Musée Anahuacalli FPF Followers Musée Frida Kahlo FPF Followers Musée Anahuacalli FPF
Genre
Féminin 113 87 69.3 60.0
Masculin 50 58 30.7 40.0
Âge
-17 3 3 1.8 2.1
18-25 22 17 13.5 11.7
26-35 49 46 30.1 31.7
36-45 35 45 21.5 31.0
46-55 37 24 22.7 16.6
56-65 13 9 8.0 6.2
>66 4 1 2.5 0.7
Niveau d’études
Primaire 2 1 1.2 0.7
Secondaire 7 6 4.3 4.1
Bac ou équivalent 105 90 64.4 62.1
Bac + 2 ou plus 49 48 30.1 33.1
Nationalité
Mexicaine 100 116 61.3 80.0
Autre 63 29 38.7 20.0
Pays de résidence
Mexique 101 118 62.0 81.4
Autre 62 27 38.0 18.6
Na de visites au Musée
1-5 cette année 57 52 35.0 35.9
>5 cette année 11 13 6.7 9.0
Pas de visite cette année 45 35 27.6 24.1
Jamais 50 45 30.7 31.0
Temps ce jour sur la FPF
0-5 minutes 29 37 17.8 25.5
6-10 minutes 55 50 33.7 34.5
11-15 minutes 30 31 18.4 21.4
>16 minutes 49 27 30.1 18.6

Le tableau 2 présente en détail le modèle de mesure et l'analyse descriptive. En bref, les valeurs moyennes indiquent que les adeptes de la FPF du musée Frida Kahlo et du musée Anahuacalli accordent une valeur similaire à toutes les dimensions du modèle proposé. La perception du service client semble être le facteur le moins valorisé dans l'échantillon des followers de la FPF du musée Anahuacalli.

Résultats

Évaluation du modèle avec une modélisation structurelle des moindres carrés partiels

On a utilisé SmartPLS (version 3.2.7 ; [Ringle et al., 2015]) pour effectuer la modélisation par équations structurelles des moindres carrés partiels (PLS-SEM) et l’analyse multi-groupes, car cette méthode non paramétrique est très appropriée pour ce type d’analyses [Hair et al., 2014 ; Henseler et al., 2016 ; Sarstedt et al., 2011]. En outre, le PLS-SEM impose un seuil minimal pour la taille de l'échantillon, puisqu’il est basé sur des régressions par la méthode des moindres carrés ordinaires et qu’il est moins rigoureux lorsqu'il s'agit d'analyser des données non normalisées [Hair et al., 2014].

Tableau 2. Analyse descriptive

Structure / items associés Moyenne Frida Kahlo Écart type Frida Kahlo Moyenne Anahulcalli Écart type Anahulcalli
Contenu généré par le musée (CGM)
1. Les publications qui figurent sur le FPF décrivent les objectifs du musée 5,276 1,655 5,359 1,475
2. Les publications décrivent les valeurs du musée 5,129 1,706 5,276 1,497
3. Les publications décrivent les bénéfices d'une visite du musée 5,485 1,583 5,400 1,431
4. Les publications produisent une atmosphère positive autour du musée 5,933 1,339 5,731 1,406
5. Les publications créent des émotions positives à propos du musée 5,816 1,483 5,579 1,484
6. Les publications suscitent des sentiments positifs à propos du musée 5,748 1,528 5,559 1,490
Qualité perçue de l’information (QPI)
1. L’information contenue dans les publications est à jour 5,724 1,441 5,676 1,490
2. L’information contenue dans les publications fournit tous les renseignements dont j’ai besoin 5,301 1,662 5,062 1,662
3. L’information contenue dans les publications est précise 5,638 1,477 5,462 1,438
4. L'information contenue dans les publications est de bonne qualité 5,552 1,495 5,283 1,561
Service au client perçu (SCP)
1. L’information contenue dans les publications répond aux besoins des visiteurs 5,515 1,467 4,938 1,523
2. L’information contenue dans les publications montre une réponse rapide aux demandes de renseignements 5,055 1,724 4,786 1,731
3. L’information contenue dans les publications montre que lorsqu’un visiteur a un problème, le musée manifeste une volonté sincère de le résoudre 5,006 1,781 4,910 1,685
Intentions de visite (IV)
1. J’envisage de visiter le musée à cause de sa FPF 5,411 1,733 5,359 1,721
2. La probabilité que je visite le musée est haute 5,644 1,553 5,538 1,549
3. Ma volonté de visiter le musée est haute 6,074 1,368 5,779 1,488

Le tableau 3 présente les résultats des tests de fiabilité et de validité convergente du modèle de mesure pour les deux échantillons. Les tests de performance de Hair et al. [2011] ont été suivis (tableau 3) : les loadings standardisés étaient supérieurs à 0,70, une fiabilité composite supérieure à 0,70 assurait la cohérence interne, la validité convergente était corroborée par une variance moyenne extraite (VME) supérieure à 0,50 et la validité discriminante était confirmée, car la VME de chaque structure est supérieure au carré de sa corrélation avec toute autre structure.

Tableau 3. Fiabilité et validité convergente du modèle de mesure

Followers FPF Musée Frida Kahlo Followers FPF Musée Anahuacalli
Facteur Indicateur Loading standardisée valeur t Student (bootstrap) CA rho_A FC Moyenne Loading standardisée valeur t Student (bootstrap) CA Rho_A FC Moyenne
CGM CGM1 0.881 41,586 0.948 0.949 0.958 0.793 0.877 38,776 0.942 0.942 0.954 0.776
CGM2 0.829 24,467 0.862 32,273
CGM3 0.898 45,837 0.852 31,087
CGM4 0.914 49,061 0.885 31,532
CGM5 0.914 58,346 0.906 44,583
CGM6 0.905 47,493 0.901 45,315
Qualité perçue de l’information QPI1 0.875 35,127 0.935 0.945 0.954 0.837 0.791 12,937 0.900 0.911 0.931 0.772
QPI2 0.916 58,065 0.876 25,760
QPI3 0.946 100,163 0.940 80,910
QPI4 0.922 65,086 0.900 45,426
Service client perçu SCP1 0.850 36,678 0.854 0.872 0.910 0.771 0.852 30,217 0.854 0.861 0.911 0.774
SCP2 0.900 29,891 0.924 60,709
SCP3 0.884 29,686 0.861 29,325
Intention de visite IVI1 0.888 50,760 0.850 0.868 0.908 0.768 0.878 31,793 0.867 0.883 0.918 0.789
IVI2 0.886 27,416 0.924 46,586
IVI3 0.855 25,026 0.861 20,298
Notes : tous les loadings sont signifiants à niveau p < 0.01. CA = Coeff Cronbach alpha ; FC = fiabilité composite

Évaluation du modèle structurel

Tableau 4. Mesure de la validité discriminante du modèle

Facteur 1 2 3 4
Followers FPF Musée Frida Kahlo
1 Service client perçu 0.878
2 Qualité information perçue 0.724 0.915
3 Contenu généré par le musée 0.744 0.876 0.891
4 Intention de visite 0.591 0.713 0.750 0.876
Followers FPF Musée Anahuacalli
1 Service client perçu 0.880
2 Qualité information perçue 0.716 0.878
3 Contenu généré par le musée 0.774 0.803 0.881
4 Intention de visite 0.686 0.571 0.729 0.888
Note = critère Fornell-Larcker.a
a. [NDT] Le nom est bien Larcker et non pas Lacker comme dans le texte original.

Source : © SAGE Publishing – Journal of Marketing Research, 1981, Vol. 18 No. 1, p. 39-50.

Le R2 a été évalué pour déterminer le pouvoir explicatif du modèle [Hair et al., 2014] ; les structures dépendantes des deux échantillons étaient supérieures à 0,10 [Falk & Miller, 1992], présentant des valeurs substantielles [Cohen, 1988]. Le coefficient Q2 de Stone-Geisser, positif, a été également calculé en appliquant des blindfolds [Henseler et al., 2009], ce qui indique un bon pouvoir prédictif puisque les valeurs sont supérieures à zéro (tableau 5).

Tableau 5. Évaluation des modèles estimés

Followers FPF Musée Frida Kahlo Followers FPF Musée Anahuacalli
Concept R2 Q2 R2 Q2
Service client perçu 0.554 0.384 0.599 0.433
Qualité information perçue 0.767 0.606 0.644 0.471
Intention de visite 0.52 0.359 0.483 0.354

Analyse multi-groupes

D'après Henseler et ses collaborateurs [2016], l'invariance des mesures doit être testée avant d'effectuer l'analyse multi-groupes. L'invariance de mesure des composites (IMC) évalue l'invariance des mesures afin de comparer et déterminer les différences spécifiques dans l'analyse multi-groupes des résultats du PLS-SEM [Henseler et al., 2016]. L'évaluation de l'IMC se fait en trois étapes :

  1. une évaluation de l'invariance de configuration ;
  2. l'établissement d'une évaluation de l'invariance compositionnelle ;
  3. et l'évaluation des moyennes et variances égales [Rasoolimanesh et al., 2017].

Pour comparer et interpréter les différences spécifiques de chaque groupe révélées par la méthode d’analyse multi-groupes, il convient de vérifier au moins partiellement l'invariance des mesures (étapes 1 et 2) [Henseler, Ringle & Sarstedt, 2016], ainsi que nous l'avons fait dans cette étude (tableau 6).

Tableau 6. Résultat de la mesure de l’invariance du test par permutation

Invariance compositionnelle (corrélation = 1) Évaluation des moyennes égales Évaluation des variances égales
Structures Invariance de configuration (mêmes algorithmes pour les deux groupes) C = 1 5 % quantile Invariance partielle établie Différences Intervalle de confiance Égale Différences Intervalle de confiance Égale Invariance complète de mesure établie
Service client perçu Oui 0.999 0.997 Oui -0.242 -0.216 0.221 Non 0.001 -0.325 0.314 Oui Non
Qualité information perçue Oui 1.000 0.999 Oui -0.136 -0.232 0.213 Oui -0.056 -0.366 0.388 Oui Oui
CGM Oui 1.000 1.000 Oui -0.066 -0.223 0.201 Oui -0.217 -0.374 0.389 Oui Oui
Intention de visite Oui 0.999 0.998 Oui -0.106 -0.206 0.200 Oui 0.062 -0.386 0.367 Oui Oui

Le tableau 7 montre que les résultats de la méthode multi-groupes ont été déterminés avec deux tests non paramétriques différents : l'analyse multi-groupes [Henseler et al., 2009] et le test de permutation [Chin & Dibbern, 2010]. La méthode multi-groupes compare les estimations bootstrap de groupe avec les bootstraps de chaque échantillon, où une valeur-p inférieure à 0,05 ou supérieure à 0,95 indique, à un seuil de 5 %, des différences significatives entre les coefficients de chemin spécifiques de deux groupes [Henseler et al., 2009 ; Sarstedt et al., 2011]. Le test de permutation reconnaît les différences au niveau de 5 % de signification si la valeur-p est inférieure à 0,05.

Tableau 7. Vérification des hypothèses

Coefficients de chemin Intervalle de confiance (95 %) Différence de la valeur p
Hypothèse Relation Followers de la FPF du musée Frida Khalo Followers de la FPF du musée Anahuacalli Followers de la FPF Frida Khalo Followers de la FPF Anahuacalli Différence de coefficient de chemin Unilatéral Bilatéral
H1 CGM perçu → qualité de l’information 0.876*** 0.803*** 0.8210.914 0.704 0.863 0.073 0.950* 0.110
H2 CGM perçu → service client 0.744*** 0.774*** 0.6250.829 0.689 0.833 0.029 0.338 0.772
H3 Qualité perçue de l’information→ intention de visite 0.600*** 0.164* 0.3730.803 −0.040 0.334 0.436 0.997*** 0.005***
H4 Service client perçu → intention de visite 0.156 0.568*** -0.0780.372 0.3850.705 0.413 0.002*** 0.012**
Notes : dans la méthode multi-groupe de Henseler, la valeur p inférieure à 0,05 ou supérieure à 0,95 indique, au seuil 5 %, des différences significatives entre les coefficients de chemin spécifiques d'un groupe à l'autre. ***p < 0,01; **p < 0,05; *p < 0,10

Les résultats montrent que le CGM a une influence positive et notable sur la qualité perçue de l'information (H1 ; followers de la FPF du Frida Kahlo ß = 0,876 p < 0,01 ; followers de la FPF de l’Anahuacalli ß = 0,803 p < 0,01) et sur le service client perçu (H2 ; followers de la FPF du Frida Kahlo ß = 0,744 p < 0,01 ; followers de la FPF de l’Anahuacalli ß = 0,774 p < 0,01). Les résultats montrent que la qualité perçue de l'information a une influence positive et significative sur l'intention de visite pour les deux échantillons (H3 ; followers de la FPF du Frida Kahlo ß = 0,600 p < 0,01 ; followers de la FPF de l’Anahuacalli ß = 0,164 p < 0,1). Enfin, les résultats montrent que le service client perçu a une influence positive et significative sur l'intention de visite des followers de la FPF de l’Anahuacalli (H4 ; ß = 0,568 p < 0,01), tandis que son influence sur les followers de la FPF du Frida Kahlo n'est pas significative (H4 ; ß = 0,156 ; p > 0,10).

La méthode de permutation montre que la qualité perçue de l'information a un effet plus élevé et plus significatif sur l'intention de visite au musée Frida Kahlo que sur celle au musée Anahuacalli (H3 ; valeur p = 0,005 p < 0,01) et le service client perçu sur l'intention de visite (H4 ; valeur p = 0,012 p < 0,05) est, cette fois-ci, plus élevé pour le musée Anahuacalli. En outre, l'analyse multi-groupes montre des différences dans les deux liens susmentionnés (H3 ; valeur p = 0,997 p < 0,01 ; H4 ; valeur p = 0,002 p < 0,01) et une petite différence entre les followers des FPF des musées dans la relation entre le CGM et la qualité perçue de l'information (H1 ; valeur p = 0,95 p < 0,10), le coefficient étant plus élevé pour le musée Frida Kahlo. L'analyse multi-groupes et la méthode de permutation valident de la même manière la signification et la non-signification des différences, ce qui établit une confirmation multi-méthodes des résultats.

Discussion et implications

Cette étude apporte une valeur ajoutée aux études antérieures sur le CGM en analysant les effets directs :

  • du CGM sur la qualité perçue de l'information ;
  • du CGM sur la perception du service au client ;
  • de la qualité perçue de l'information sur l'intention de visite ;
  • et du service client perçu sur l'intention de visite, pour deux échantillons, les followers des FPF des musées Frida Kahlo et Anahuacalli.

Cette recherche évalue ces différentes relations des deux échantillons de followers FPF des musées afin d'identifier des conclusions notables et utiles.

Comme attendu, les résultats montrent que le CGM a une influence significative et positive sur la qualité perçue de l'information (H1) et le service client perçu (H2) dans les deux échantillons. Comme l'indiquent certains chercheurs, les consommateurs potentiels se tournent vers les réseaux sociaux pour prendre leurs décisions d'achat en toute confiance [Goh et al., 2013]. Les organisations devraient générer des publications qui répondent aux besoins des clients [Ye et al., 2011]. Bien que les deux relations se soient avérées significatives (avec les mêmes effets de taille) dans les deux échantillons, l'analyse multi-groupes a montré une légère différence dans le lien entre le CGM et la qualité perçue de l'information dans les deux échantillons. Le coefficient de chemin du Frida Kahlo, s'est avéré légèrement plus élevé que celui de l'échantillon d'Anahuacalli. Cette différence pourrait s'expliquer par le fait que le musée Frida Kahlo accorde plus d’importance au contrôle de la qualité et à la transmission en temps utile des publications sur sa FPF (en raison de son objectif de créer une communauté en ligne) que le musée Anahuacalli, qui se préoccupe davantage de fournir des informations sur Diego de Rivera afin d'attirer les visiteurs.

Les résultats observés montrent que la qualité perçue de l'information a un effet significatif et positif sur l'intention de visite (H3), comme nous l'avions prévu. Ce résultat confirme les recherches antérieures à propos de l'effet de la qualité perçue de l'information sur les intentions comportementales [Chiu et al., 2005 ; Lee & Shin, 2014 ; Kim & Niehm, 2009 ; Park et al., 2007] et prouve, pour la première fois, cet effet positif dans les FPF et en relation avec l'intention de visite. De plus, on a comparé cette corrélation au sein des deux échantillons. Il est intéressant de noter que les résultats de la méthode multi-groupes et celle par permutation montrent des différences entre les followers des FPF de chaque musée. L'ampleur de l'effet de cette corrélation est plus importante dans le cas du musée Frida Kahlo que dans celui d'Anahuacalli. Cette différence pourrait s'expliquer par le fait que les followers de la FPF du musée Frida Kahlo considèrent que l’information sur la page cherche à être en permanence actualisée et précise dans le but de créer une communauté en ligne, alors que les followers de la FPF Anahuacalli pourraient percevoir les données comme étant plus axées sur Diego de Rivera, et ses dons de pièces d'art précolombien au musée, pour attirer les visiteurs.

Limites et futures lignes de recherche

Cette étude a ses limites. Premièrement, les échantillons sont des followers de deux musées mexicains ; cela peut conduire à des biais, car ils ne reflètent pas forcément le contexte général de tous les musées. Les échantillons sont en outre composés principalement de femmes. Par conséquent, nous encourageons les chercheurs à tester les échantillons dans des musées d'autres régions du monde et à utiliser la même proportion de répondants féminins et masculins. Deuxièmement, les échantillons sont principalement composés de ressortissants mexicains, et il serait donc très utile pour les chercheurs d'analyser le modèle proposé avec des échantillons comprenant un pourcentage plus élevé de followers internationaux. Troisièmement, la comparaison multi-groupes montre des différences entre les followers des FPF des deux musées et, de ce fait, il serait intéressant d’analyser le modèle proposé dans d'autres contextes. Par ailleurs, étant donné que le nombre d'utilisateurs d'Instagram augmente, on incite les chercheurs à étudier cette plateforme [Casalo et al., 2017b] ; par exemple, en analysant la consommation symbolique de ces expériences et l'utilisation d'Instagram [Luna-Cortes, 2017], en considérant le modèle de Casalo et al. [2017a] qui propose une chaîne perception-évaluation-intention qui pourrait également inclure l'intention de visite. Le rôle du leadership d'opinion sur les intentions comportementales des visiteurs pourrait également être examiné [Casalo et al., 2018]. Quatrièmement, on encourage les chercheurs à inclure une variable de contrôle tenant compte de la phase du parcours client dans laquelle se trouvent les personnes interrogées lorsqu'elles répondent au questionnaire, afin de mieux connaître les moteurs de l'intention de visite à chaque étape. D'autres facteurs pourraient être pris en compte pour analyser leur impact sur les intentions comportementales, tels que les éléments qui améliorent la conception des sites web (c'est-à-dire l'apparence, la navigation, le contenu et le processus d'achat) [Flavian et al., 2009a, 2009b]. Cinquièmement, bien que notre recherche se soit concentrée sur l'analyse de ces relations entre les FPF des musées Frida Kahlo et Anahuacalli, nous suggérons aux chercheurs de mener une comparaison multi-groupes qui examine les différences entre le CGM et les CGU afin de découvrir comment stimuler l'intention de visite chez les utilisateurs des FPF.

1 © Francisca Blasco-Lopez, Nuria Recuero Virto, Joaquin Aldas Manzano et Daniela Cruz Delgado. “Facebook’s power: factors influencing followers

Les auteurs veulent remercier les équipes des musées Frida Kahlo et Diego Rivera Anahuacalli pour leur soutien, notamment les directrices des deux

2 [NDE] Nous avons repris le sigle du texte original pour Partial Least Squares MGA, en français, la régression des moindres carrés partiels

3 [NDE] Cette référence est manquante dans la bibliographie à la fin de l’article.

Bibliographie

Ayeh, J. K., Au, N. & Law, R. (2013). “Do we believe in TripAdvisor?” examining credibility perceptions and online travellers’ attitude toward using user-generated content”. Journal of Travel Research. Vol. 52 No. 4, p. 437-452. < doi:10.1177/0047287512475217 >.

Buhalis, D. & Law, R. (2008). “Progress in information technology and tourism management: 20 years on and 10 years after the internet-the state of etourism research”. Tourism Management, Vol. 29 No. 4, p. 609-623, < doi: 10.1016/j.tourman.2008.01.005 >.

Camarero, C., Garrido, M. J. & San Jose, R. (2018). “What works in Facebook content versus relational communication: a study of their effectiveness in the context of museums”. International Journal of Human Computer Interaction. < doi: 10.1080/10447318.2017.1418475 >.

Casalo, L. V., Flavian, C. & Ibáñez-Sánchez, S. (2017a). “Antecedents of consumer intention to follow and recommend an instagram account”, Online Information Review, Vol. 41 No. 7, p. 1046-1063. < doi: 10.1108/OIR-09-2016-0253 >.

Casalo, L. V., Flavian, C. & Ibáñez-Sánchez, S. (2017b). “Understanding consumer interaction on Instagram: the role of satisfaction, hedonism, and content characteristics”. Cyberpsychology, Behavior, and Social Networking, Vol. 20 No. 6, p. 369-375. < doi: 10.1089/cyber.2016.0360 >.

Casalo, L. V., Flavian, C. & Ibáñez-Sánchez, S. (2018). “Influencers on instagram: antecedents and consequences of opinion leadership”. Journal of Business Research. < doi: 10.1016/j.jbusres.2018.07.005 >.

Chen, Y., Shang, R. & Li, M. (2014). “The effect of perceived relevance of travel blogs’ content on the behavioural intention to visit a tourist destination”. Computers in Human Behaviour, Vol. 30, p. 787-799. < doi: 10.1016/j.chb.2013.05.019 >.

Chin, W. W. & Dibbern, J. (2010). “A permutation based procedure for multi-group PLS analysis: results of tests of differences on simulated data and a cross-cultural analysis of the sourcing of information system services between Germany and the USA”, in E.V. Vinzi, W. W. Chin, J. Henseler & H. Wang (Eds), Handbook of Partial Least Squares: concepts, methods and Applications, p. 171-193, Heidelberg, Springer.

Chiu, H.-C., Hsieh, Y.-C. & Kao, C.-Y. (2005). “Website quality and customer’s behavioural intention: an exploratory study of the role of information asymmetry”. Total Quality Management, Vol. 16 No. 2, p. 185-197. < doi: 10.1080/14783360500054277 >.

Choi, B. R. & Lee, I. (2016). “Trust in open versus closed social media: the relative influence of userand marketer-generated content in social network services on customer trust”. Telematics and Informatics, Vol. 34 No. 5, p. 550-559. < doi: 10.1016/j.tele.2016.11.005 >.

Chung, A., Andreeva, P., Benyoucef, M., Duane, A. & O’Reilly, P. (2017). “Managing an organisation’s social media presence: an empirical stages of growth model”. International Journal of Information Management, Vol. 37 No. 1, p. 1405-1417. < doi: 10.1016/j.ijinfomgt.2016.10.003 >.

Chung, Y. & Buhalis, D. (2008). “Information needs in online social networks”. Information Technology & Tourism, Vol. 10 No. 4, p. 267-281. < doi: 10.3727/109830508788403123 >.

Cohen, J. (1988). Statistical Power Analysis for the Behavioural Sciences. Mahwah (NJ), Lawrence Erlbaum.

Cox, C., Burgess, C., Sellitto, J. & Buultjens, J. (2009), “The role of user-generated content in tourists’ travel planning behavior”. Journal of Hospitality Marketing and Management, Vol. 18 No. 8, p. 743-764.

Cristobal-Fransi, E., Daries, N., Marine-Roig, E. & Martïn-Fuentes, E. (2017). “Implementation of web 2.0 in the snow tourism industry: analysis of the online presence and e-commerce of ski resorts”. Spanish Journal of Marketing ESIC, Vol. 21 No. 2, p. 117-130. < doi: 10.1016/j.sjme.2017.06.002 >.

Cunliffe, D., Kritou, E. & Tudhope, D. (2001). “Usability evaluation for museum web sites”. Museum Management and Curatorship, Vol. 19 No. 3, p. 229-252. < doi: 10.1080/09647770100201903 >.

Daugherty, T., Matthew, S. E. & Bright, L. (2008). “Exploring Consumer Motivations for Creating Usergenerated Content”. Journal of Interactive Advertising, Vol. 8 No. 2, p. 16-25. < doi: 10.1080/15252019.2008.10722139 >.

Dellarocas, C. (2003). “The digitization of word of mouth: promise and challenges of online feedback mechanisms”. Management Science, Vol. 49 No. 10, p. 1407-1424. < doi: 10.1287/mnsc.49.10.1407.17308 >.

Delone, W. H. & McLean, E. R. (1992). “Information systems success: the quest for the dependent variable”. Information Systems Research, Vol. 3 No. 1, p. 60-95. < doi: 10.1287/isre.3.1.60 >.

Duhan, P. & Singh, A. (2014). “Virtual communities’ antecedents and marketing dynamism: an empirical study of tourists visit to Varanasi”. Journal of Direct, Data and Digital Marketing Practice, Vol. 16 No. 2, p. 115-127. < doi: 10.1057/dddmp.2014.4 >.

Eroglu, S. A., Machleit, K. A. & Davis, L. M. (2003). “Empirical testing of a model of online store atmospherics and shopper responses”. Psychology and Marketing, Vol. 20 No. 2, p. 139-150. < doi:10.1002/mar.10064 >.

Escalas, J. E. (2004). “Narrative processing: building consumer connections to brands”. Journal of Consumer Psychology, Vol. 14 Nos 1/2, p. 168-180. < doi: 10.1207/s15327663jcp1401 &2_19 >.

Evrard, Y. & Krebs, A. (2017). “The authenticity of the museum experience in the digital age: the case of the Louvre”. Journal of Cultural Economics, In Press. < doi: 10.1007/s10824-017-9309-x >.

Falk, R. F. & Miller, N. B. (1992), A Primer for Soft Modelling. Akron (OH), University of Akron Press.

Faul, F., Erdfelder, E., Lang, A. G. & Buchner, A. (2007). “G*Power 3: a flexible statistical power analysis program for the social, behavioural, and biomedical sciences”. Behaviour Research Methods, Vol. 39 No. 2, p. 175-191. < doi: 10.3758/BF03193146 >.

Flavian, C. & Guinaliu, M. (2006). “Consumer trust, perceived security and privacy policy: three basic elements of loyalty to a web site”. Industrial Management and Data Systems, Vol. 106 No. 5, p. 601-620. < doi: 10.1108/02635570610666403 >.

Flavian, C., Gurrea, R. & Orus, C. (2009a). “The effect of product presentation mode on the perceived content and continent quality of web sites”. Online Information Review, Vol. 33 No. 6, p. 1103-1128. < doi: 10.1108/14684520911011034 >.

Flavian, C., Gurrea, R. & Orus, C. (2009b). “Web design: a key factor for the website success”. Journal of Systems and Information Technology, Vol. 11 No. 2, p. 168-184. < doi: 10.1108/13287260910955129 >.

Fornell, C. & Larcker, D. (1981). “Structural equation models with unobservable variables and measurement error”. Journal of Marketing Research, Vol. 18 No. 1, p. 39-50.

Fowler, F. J. (1984). Survey Research Methods, Los Angeles (CA), Sage Publications.

Gallaugher, J. & Ransbotham, S. (2010). “Social media and customer dialog management at Starbucks”. MIS Quarterly Executive, Vol. 9 No. 4, p. 197-221.

Goh, K., Heng, C. & Lin, Z. (2013). “Social media Brand community and consumer behavior: quantifying the relative impact of user- and marketer- generated content”, Information Systems Research, Vol. 24 No. 1, p. 88-107. < doi: 10.1287/isre.1120.0469 >.

Ha, Y. & Im, H. (2012). “Role of web site design quality in satisfaction and word of mouth generation”. Journal of Service Management, Vol. 23 No. 1, p. 79-96. < doi: 10.1108/09564231211208989 >.

Hair, J. F., Hult, G. T. M., Ringle, C. & Sarstedt, M. (2014). A Primer on Partial Least Squares Structural Equation Modelling (PLS-SEM), Los Angeles (CA), Sage Publications.

Hair, J. F., Ringle, C. & Sarstedt, M. (2011). “PLS-SEM: indeed a silver bullet”. Journal of Marketing Theory and Practice, Vol. 19 No. 2, p. 139-152. < doi: 10.2753/MTP1069-6679190202 >.

Hair, J. F., Sarstedt, M., Matthews, L. & Ringle, C. M. (2016). “Identifying and treating unobserved heterogeneity with FIMIX-PLS: part I – method”. European Business Review, Vol. 28 No. 1, p. 63-76. < doi: 10.1108/EBR-09-2015-0094 >.

Hausmann, A. (2012). “The importance of word of mouth for museums: an analytical framework”. International Journal of Arts Management, Vol. 14 No. 3, p. 32-43.

He, W., Zha, S. & Li, L. (2013). “Social media competitive analysis and text mining: a case study in the pizza industry”. International Journal of Information Management, Vol. 33 No. 3, p. 464-472, < doi: 10.1016/j.ijinfomgt.2013.01.001 >.

Heinrichs, J. H., Lim, J.-S. & Lim, K.-S. (2011). “Influence of social networking site and user access method on social media evaluation”. Journal of Consumer Behaviour, Vol. 10 No. 6, p. 347-355. < doi: 10.1002/cb.377 >.

Helmond, A. (2015). “The top 500 sites on the web”, available at: < www.alexa.com/topsites >.

Henseler, J., Ringle, C. & Sarstedt, M. (2016). “Testing measurement invariance of composites using partial least squares”. International Marketing Review, Vol. 33 No. 3, p. 405-431. < doi: 10.1108/IMR-09-2014-0304 >.

Henseler, J., Ringle, C. M. & Sinkovics, R. R. (2009). “The use of partial least squares path modelling in international marketing”. Advances in International Marketing, Vol. 20, p. 277-320.

Hofacker, C. F. & Belanche, D. (2016). “Eight social media challenges for marketing managers”. Spanish Journal of Marketing - ESIC, Vol. 20 No. 2, p. 73-80. < doi: 10.1016/j.sjme.2016.07.003 >.

Hsiao, K., Lu, H. & Lan, W. (2013). “The influence of the components of storytelling blogs on readers’ travel intentions”. Internet Research, Vol. 23 No. 2, p. 160-182. < doi: 10.1108/10662241311313303 >.

Hsu, C. L., Chang, K. C. & Chen, M. C. (2012). “The impact of website quality on customer satisfaction and purchase intention: perceived playfulness and perceived flow as mediator”. Information Systems and e-Business Management, Vol. 10 No. 4, p. 549-570. < doi: 10.1007/s10257-011-0181-5 >.

Hsu, C.-L., Yu, L.-C. & Chang, K.-C. (2017). “Exploring the effects of online customer reviews, regulatory focus, and product type on purchase intention: perceived justice as a moderator”. Computers in Human Behavior, Vol. 69, p. 335-346. < doi: 10.1016/j.chb.2016.12.056 >.

Jalilvand, M. R., Ebrahimi, A. & Samiei, N. (2013). “Electronic word of mouth effects on tourists’ attitudes toward Islamic destinations and travel intention: an empirical study in Iran”, Procedia-Social and Behavioral Sciences, Vol. 81 No. 1, p. 484-489. < doi: 10.1108/IJTC-12-2015-0031 >.

Jalilvand, M. R. & Samiei, N. (2012). “The impact of electronic word of mouth on a tourism destination choice”. Internet Research, Vol. 22 No. 5, p. 591-612. < doi: 10.1108/10662241211271563 >.

Jalilvand, M. R., Samiei, N., Dini, B. & Yaghoubi Manzari, P. (2012). “Examining the structural relationships of electronic word of mouth, destination image, tourist attitude toward destination and travel intention: an integrated approach”. Journal of Destination Marketing and Management, Vol. 1, p. 134-143. < doi: 10.1016/j.jdmm.2012.10.001 >.

Jeong, M. & Lambert, C. U. (2001). “Adaptation of an information quality framework to measure customers’ behavioral intentions to use lodging web sites”. Hospitality Management, Vol. 20 No. 2, p. 129-146. < doi: 10.1016/S0278-4319(00)00041-4 >.

Jiménez, F. R. & Mendoza, N. A. (2013). “Too popular to ignore: the influence of online reviews on purchase intentions of search and experience products”. Journal of Interactive Marketing, Vol. 27 No. 3, p. 226-235. < doi: 10.1016/j.intmar.2013.04.004 >.

Jin, S. V. (2017). “Celebrity 2.0 and beyond! Effects of facebook profile sources on social networking advertising”. Computers in Human Behavior, Vol. 79, p. 154-168. < doi: 10.1016/j.chb.2017.10.033 >.

Kang, J., Tang, L. & Fiore, A. M. (2014). “Enhancing consumer-brand relationships on restaurant facebook fan pages: maximizing consumer benefits and increasing active participation”. International Journal of Hospitality Management, Vol. 36 No. 1, p. 145-155. < doi: 10.1016/j. ijhm.2013.08.015 >.

Kietzman, J. H., Hermkens, K., McCarthy, I. P. & Silvestre, B. S. (2011). “Social media? Get serious! Understanding the function- al building blocks of social media”. Business Horizons, Vol. 54 No. 3, p. 241-251. < doi: 10.1016/j.bushor.2011.01.005 >.

Kim, A. J. & Johnson, K. K. P. (2016). “Power of consumers using social media: examining the influences of Brand-related user-generated content on facebook”. Computers in Human Behavior, Vol. 58, p. 98-108. < doi: 10.1016/j.chb.2015.12.047 >.

Kim, S.-E., Lee, K. Y., Shin, S. I. & Yang, S.-B. (2017). “Effects of tourism information quality in social media on destination image formation: the case of sina weibo”. Information and Management, Vol. 54 No. 6, p. 687-702. < doi: 10.1016/j.im.2017.02.009 >.

Kim, H. & Niehm, S. L. (2009). “The impact of website quality on information quality, value, and loyalty intentions in apparel retailing”. Journal of Interactive Marketing, Vol. 23 No. 3, p. 221-233. < doi: 10.1016/j.intmar.2009.04.009 >.

Kim, S. & Park, H. (2013). “Effects of various characteristics of social commerce (s-commerce) on consumers’ trust and trust performance”. International Journal of Information Management, Vol. 33 No. 2, p. 318-332. < doi: 10.1016/j.ijinfomgt.2012.11.006 >.

Kuo, Y.-F., Wu, C.-M. & Deng, W.-J. (2009). “The relationships among service quality, perceived value, customer satisfaction, and post-purchase intention in mobile value-added services”. Computers in Human Behavior, Vol. 25 No. 4, p. 887-896. < doi: 10.1016/j.chb.2009.03.003 >.

Kursunluoglu, E. (2014). “Shopping Centre customer service: creating customer satisfaction and loyalty”. Marketing Intelligence and Planning, Vol. 32 No. 4, p. 528-548. < doi: 10.1108/MIP-11-2012-0134 >.

Kwon, E. S., Kim, E., Sung, Y. & Yoo, C. Y. (2014). “Brand followers: consumer motivation and attitude towards brand communications ”, On Twitter”. International Journal of Advertising, Vol. 33 No. 4, p. 657-680. < doi: 10.2501/IJA-33-4-657-680 >.

Lazarinis, F. (2011). “Exploring the effectiveness of information searching tools on Greek museum websites”. Museum Management and Curatorship, Vol. 26 No. 4, p. 391-408. < doi: 10.1080/09647775.2011.603935 >.

Lazzeretti, L., Sartori, A. & Innocenti, N. (2015). “Museums and social media: the case of the museum of natural history of Florence”. International Review on Public and Nonprofit Marketing, Vol. 12 No. 3, p. 267-283. < doi: 10.1007/s12208-015-0136-5 >.

Lee, E.-J. & Shin, S. Y. (2014). “When do consumers buy online product reviews? Effects of review quality, product type, and reviewer’s photo”. Computers in Human Behavior, Vol. 31 No. 1, p. 356-366. < doi: 10.1016/j.chb.2013.10.050 >.

Lee, Y. W., Strong, D., Kahn, B. K. & Yang, R. Y. (2002). “AIMQ: a methodology for information quality assessment”. Information and Management, Vol. 40, p. 133-146. < doi: 10.1016/S0378-7206(02)00043-5 >.

Lemon, K. N. & Verhoef, P. C. (2016). “Understanding customer experience throughout the customer journey”. Journal of Marketing, Vol. 80 No. 6, p. 69-96. < doi: 10.1509/jm.15.0420.I >.

Lepkowska-White, E. and Imboden, K. (2013). “Effective design for usability and interaction: the case of art museum websites”. Journal of Internet Commerce, Vol. 12 No. 3, p. 284-305. < doi: 10.1080/15332861.2013.859040 >.

Lim, Y., Chung, Y. & Weaver, P. A. (2012). “The impact of social media on destination branding consumer-generated videos versus destination marketer-generated videos”. Journal of Vacation Marketing, Vol. 18 No. 3, p. 197-206. < doi: 10.1177/1356766712449366 >.

Lin, F. S. & Cassidy, T. (2008). “Affective textile and costume museum website design”. International Journal of Fashion Design, Technology and Education, Vol. 1 No. 1, p. 23-33. < doi: 10.1080/17543260801950724 >.

Liu, H., Wu, L. & Li, X. (2018). “Social media envy: how experience sharing on social networking sites drives millennials’ aspirational tourism consumption”. Journal of Travel Research, in Press. < doi:10.1177/0047287518761615 >.

López, X., Margapoti, I., Maragliano, R. & Bove, G. (2010). “The presence of web 2.0 tools on museum websites: a comparative study between England, France, Spain, Italy, and the USA”. Museum Management and Curatorship, Vol. 25 No. 2, p. 235-249. < doi: 10.1080/09647771003737356 >.

Lukyanenko, R., Parsons, J. & Wiersma, Y. F. (2014). “The IQ of the crowd: understanding and improving information quality in structured user-generated content”. Information Systems Research, Vol. 25 No. 4, p. 669-689. < doi: 10.1287/isre.2014.0537 >.

Luna-Cortes, G. (2017). “The influence of symbolic consumption on experience value and the use of virtual social networks”. Spanish Journal of Marketing - ESIC, Vol. 21 No. 1, p. 39-51. < doi:10.1016/j.sjme.2016.12.005 >.

Malhotra, N. & Birks, D. (2007). Marketing Research. An Applied Approach, 3rd ed., London, Pearson.

Martínez-Navarro, J. & Bigné, E. (2017). “The value of marketer-generated content on social network sites: media antecedents and behavioral responses”. Journal of Electronic Commerce Research, Vol. 18 No. 1, p. 52-72.

Marty, P. F. (2007). “Museum websites and museum visitors: before and after the museum visit”. Museum Management and Curatorship, Vol. 22 No. 4, p. 337-360. < doi: 10.1080/09647770701865410 >.

Marty, P. F. (2008). “Museum websites and museum visitors: digital museum resources and their use”. Museum Management and Curatorship, Vol. 23 No. 1, p. 81-99. < doi: 10.1080/09647770701865410 >.

Marty, P. F. (2011). “My lost museum: user expectations and motivations for creating personal digital collections on museum websites”. Library and Information Science Research, Vol. 33, p. 211-219. < doi: 10.1016/j.lisr.2010.11.003 >.

Mauri, A. G. & Minazzi, R. (2013). “Web review influence on expectations and purchasing intentions of hotel potential customers”. International Journal of Hospitality Management, Vol. 34 No. 1, p. 99-107. < doi: 10.1016/j.ijhm.2013.02.012 >.

McKnight, D. H., Lankton, N. K., Nicolaou, A. & Price, J. (2017). “Distinguishing the effects of B2B information quality, system quality, and service outcome quality on trust and distrust”. Journal of Strategic Information Systems, Vol. 26 No. 2, p. 118-141. < doi: 10.1016/j.jsis.2017.01.001 >.

Misopoulos, F., Mitic, M., Kapoulas, A. & Karapiperis, C. (2014). “Uncovering customer service experiences with twitter: the case of airline industry”. Management Decision, Vol. 52 No. 4, p. 705-723. < doi: 10.1108/MD-03-2012-0235 >.

Mutinga, D. G., Moorman, M. & Smit, E. G. (2011). “Introducing COBRAs: exploring motivations for brand-related social media use”. International Journal of Advertising, Vol. 30 No. 1, p. 13-46. < doi:10.2501/IJA-30-1-013-046 >.

Öz, M. (2015). “Social media utilization of tourists for travel-related purposes”. International Journal of Contemporary HospitalityManagement, Vol. 27 No. 5, p. 1003-1023. < doi: 10.1108/IJCHM-01-2014-0034 >.

Padilla-Melendez, A. & Del Aguila-Obra, A. (2013). “Web and social media usage by museums: Online value creation”. International Journal of Information Management, Vol. 33, p. 892-898. < doi:10.1016/j.ijinfomgt.2013.07.004 >.

Pagani, M., Goldsmith, R. E. & Hofacker, C. F. (2013). “Extraversion as a stimulus for user-generated content”. Journal of Research in Interactive Marketing, Vol. 7 No. 4, p. 242-256. < doi: 10.1108/JRIM11-2012-0052 >.

Pallud, J. (2016). “Impact of interactive technologies on stimulating learning experiences in a museum”. Information and Management, Vol. 54 No. 4, p. 465-478. < doi: 10.1016/j.im.2016.10.004 >.

Pallud, J. & Straub, D. W. (2014). “Effective website design for experience-influenced environments: the case of high culture museums”. Information and Management, Vol. 51, p. 359-373, < doi:10.1016/j.im.2014.02.010 >.

Park, D.-H., Lee, J. & Han, I. (2007). “The effect of on-line consumer reviews on consumer purchasing intention: the moderating role of involvement”. International Journal of Electronic Commerce, Vol. 11 No. 4, p. 125-148. < doi: 10.2753/JEC1086-4415110405 >.

Pearson, A., Tadisina, S. & Griffin, C. (2012). “The role of e-service quality and information quality in creating perceived value: antecedents to web site loyalty”. Information Systems Management, Vol. 29 No. 3, p. 201-215. < doi: 10.1080/10580530.2012.687311 >.

Plank, A. (2016). “The hidden risk in user-generated content: an investigation of Ski Tourers’ revealed risk-taking behavior on an online outdoor sports platform”. Tourism Management, Vol. 55, p. 289-296. < doi: 10.1016/j.tourman.2016.02.013 >.

Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y. & Podsakoff, N. P. (2003). “Common method biases in behavioural research: a critical review of the literature and recommended remedies”. Journal of Applied Psychology, Vol. 88 No. 5, p. 879-903. < doi: 10.1037/0021-9010.88.5.879 >.

Rapp, A., Beitelspacher, L. S., Grewal, D. & Hughes, D. A. (2013). “Understanding social media effects across seller, retailer, and consumer interactions”. Journal of the Academy of Marketing Science, Vol. 41 No. 5, p. 547-566. < doi: 10.1007/s11747-013-0326-9 >.

Rasoolimanesh, S. M., Ringle, C., Jaafar, M. & Ramayah, T. (2017). “Urban vs. rural destinations: residents’ perceptions, community participation and support for tourism development”. TourismManagement, Vol. 60, p. 147-158. < doi: 10.1016/j.tourman.2016.11.019 >.

Rasoolimanesh, S. M., Roldán, J. L., Jaafar, M. & Ramayah, T. (2016). “Factors influencing residents’ perceptions toward tourism development: differences across rural and urban world heritage sites”. Journal of Travel Research, Vol. 56 No. 6, p. 760-775. < doi: 10.1177/0047287516662354 >.

Recuero, N., Blasco, M. F. & San-Martin, S. (2017). “How can European museums reach sustainability?”. Tourism Review, Vol. 72 No. 3, p. 303-318. < doi: 10.1108/TR-03-2017-0038 >.

Rieh, S. Y. (2002). “Judgment of information quality and cognitive authority in the web”. Journal of the American Society for Information Science and Technology, Vol. 53 No. 2, p. 145-161. < doi:10.1002/asi.10017 >.

Ringle, C., Wende, S. & Becker, J. (2015). SmartPLS 3 (Version 3.2.7), Boenningstedt, SmartPLS GmbH.

Sarstedt, M., Henseler, J. & Ringle, C. (2011). “Multigroup analysis in partial least squares (PLS) path modelling: alternative methods and empirical results”. Advances in International Marketing, Vol. 22 No. 1, p. 195-218.

Taylor, D. G., Lewin, J. E. & Strutton, D. (2011). “Friends, fans, and followers: do ads work on social networks? How gender and age shape receptivity”, Journal of Advertising Research, Vol. 51 No. 1, p. 258-275. < doi: 10.2501/jar-51-1-258-275 >.

Vassilakis, C., Antoniou, A., Lepouras, G., Poulopoulos, V., Wallace, M., Bampatzia, S. & Bourlako, I. (2017). “Stimulation of reflection and discussion in museum visits through the use of social media”. Social Network Analysis and Mining, Vol. 7 No. 40. < doi: 10.1007/s13278-017-0460-3 >.

Wan, L. C., Chan, E. K. Y. & Su, L. (2011). “When will customers care about service failures that happened to strangers? The role of personal similarity and regulatory focus and its implication on service evaluation”. International Journal of Hospitality Management, Vol. 30 No. 1, p. 213-220. < doi: 10.1016/j.ijhm.2010.07.004 >.

Wang, H.-Y. (2015a). “Predicting customers’ intentions to check in on facebook while patronizing hospitality firms”. Service Business, Vol. 10 No. 1, p. 201-222. < doi: 10.1007/s11628-014-0265-7 >.

Wang, P. (2015b). “Exploring the influence of electronic word-of-mouth on tourist’s visit intention”. Journal of Systems and Information Technology, Vol. 17 No. 4, p. 381-396. < doi: 10.1108/JSIT-04-2015-0027 >

Wolfinbarger, M. & Gilly, M. C. (2003). “eTailQ: dimensionalizing, measuring and predicting etail quality”. Journal of Retailing, Vol. 79 No. 3, p. 183-198. < doi: 10.1016/S0022-4359(03)00034-4 >.

Woodside, A. G., Sood, S. & Miller, K. E. (2008). “When consumers and brands talk: storytelling theory and research in psychology and marketing”. Psychology and Marketing, Vol. 25 No. 2, p. 97-145. < doi: 10.1002/mar.20203 >.

Xiang, Z., Magnini, V. P. & Fesenmaier, D. R. (2015). “Information technology and consumer behavior in travel and tourism: insights from travel planning using the internet”. Journal of Retailing and Consumer Services, Vol. 22, p. 244-249. < doi: 10.1016/j.jretconser.2014.08.005 >.

Yang, Z., Cai, S., Zhou, Z. & Zhou, N. (2005). “Development and validation of an instrument to measure user perceived service quality of information presenting web portals”. Information and Management, Vol. 42, p. 575-589. < doi: 10.1016/j.im.2004.03.001 >.

Ye, Q., Law, R., Gu, B. & Chen, W. (2011). “The influence of user-generated content on traveler behavior: an empirical investigation on the effects of e-word-of-mouth to hotel online bookings”. Computer in Human Behaviour, Vol. 27 No. 2, p. 634-639. < doi: 10.1016/j.chb.2010.04.014 >.

Yoo, K. H. & Gretzel, U. (2017). “The Role of Information and Communication Technologies (ICTs) in Marketing Tourism Experiences”. In The Handbook of Managing and Marketing Tourism Experiences, p. 409-428.

Yuksel, A., Yuksel, F. & Bilim, Y. (2010). “Destination attachment: effects on customer satisfaction and cognitive, affective and conative loyalty”. Tourism Management, Vol. 31 No. 2, p. 274-284. < doi: 10.1016/j.tourman.2009.03.007 >.

Zeng, F., Hu, Z., Chen, R. & Yang, Z. (2009). “Determinants of online service satisfaction and their impacts on behavioral intentions”. Total Quality Management and Business Excellence, Vol. 20 No. 8, p. 953-969. < doi: 10.1080/14783360903181719 >.

Notes

1 © Francisca Blasco-Lopez, Nuria Recuero Virto, Joaquin Aldas Manzano et Daniela Cruz Delgado. “Facebook’s power: factors influencing followers visit intentions”. Publié dans le Spanish Journal of Marketing – ESIC, Vol. 23 No. 1, 2019, p. 95-117. Publié par Emerald Publishing Limited. DOI 10.1108/SJME-06-2018-0032. Cet article est publié sous les termes de la licence publique Creative Commons Attribution (CC BY 4.0). Cet article peut être utilisé, reproduit, distribué, traduit et utilisé dans des travaux dérivés (à des fins commerciales et non commerciales) sans autre autorisation, à condition que l'œuvre soit attribuée comme indiqué aux auteurs et à l’éditeur originaux. Les termes de la licence peuvent être consultés à l’adresse : < http://creativecommons.org/licences/by/4.0/legalcode >.

Les auteurs veulent remercier les équipes des musées Frida Kahlo et Diego Rivera Anahuacalli pour leur soutien, notamment les directrices des deux musées Hilda Trujillo and Ximena Jordán. Cet article a été traduit de l’anglais (États-Unis) par Marta de Tena, pour la revue Balisages.

2 [NDE] Nous avons repris le sigle du texte original pour Partial Least Squares MGA, en français, la régression des moindres carrés partiels multi-groupes. La régression par les moindres carrés partiels (PLS) est une technique qui réduit les prédicteurs à un plus petit ensemble de composantes non corrélées et qui effectue la régression par les moindres carrés sur ces composantes, plutôt que sur les données initiales. Source : Support.minitab.com/fr-fr.

3 [NDE] Cette référence est manquante dans la bibliographie à la fin de l’article.

Illustrations

Figure 1. Modèle théorique et hypothèses

Figure 1. Modèle théorique et hypothèses

Citer cet article

Référence électronique

Francisca Blasco-Lopez, Nuria Recuero Virto, Joaquin Aldas Manzano et Daniela Cruz Delgado, « Le pouvoir de Facebook », Balisages [En ligne], 2 | 2021, mis en ligne le 12 mars 2021, consulté le 28 mars 2024. URL : https://publications-prairial.fr/balisages/index.php?id=499

Auteurs

Francisca Blasco-Lopez

Universidad Complutense de Madrid, Pozuelo de Alarcon, Madrid, Espagne

Nuria Recuero Virto

Universidad Complutense de Madrid, Pozuelo de Alarcon, Madrid, Espagne

Joaquin Aldas Manzano

Universitat de Valencia Facultat de Ciencies Socials, Valencia, Comunitat Valenciana, Espagne

Daniela Cruz Delgado

Universidad Politecnica de Victoria, Ciudad Victoria, Mexique

Droits d'auteur

CC BY SA 4.0