Antécédents de l’engagement envers la marque du consommateur et du capital de marque des applications — Modèle de mesure

1. Résumé / Abstract

Le modèle de mesure intitulé Antecedents of Consumer Brand Engagement and Brand Equity of Apps, élaboré par Trang P. Tran, Ilia Gugenishvili et Adrienne F. Muldrow (2024), constitue un instrument psychométrique et d’évaluation marketing de premier plan conçu pour explorer les mécanismes cognitifs, affectifs et comportementaux régissant l’expérience utilisateur dans l’écosystème du commerce mobile. Cet instrument quantifie précisément la manière dont les motivations utilitaires (sécurité perçue, utilité perçue, facilité d’utilisation) et les motivations hédoniques (utilité interpersonnelle, divertissement), combinées à l’adéquation tâche-service (task-service fit), dynamisent l’engagement du consommateur envers la marque (Consumer Brand Engagement – CBE) et favorisent, in fine, la constitution d’un capital-marque robuste (Brand Equity) au sein des applications mobiles de marque.

Composé initialement d’un inventaire de 44 items adaptés d’échelles de référence préexistantes (notamment Hollebeek et al., 2014 ; Stocchi et al., 2018 ; Yoo et al., 2000 ; Lin & Huang, 2008), le questionnaire fait appel à une échelle de réponse de type Likert à plusieurs points. Administrée auprès d’un échantillon représentatif d’utilisateurs américains d’applications pour smartphones, cette échelle a démontré des qualités métrologiques remarquables. La consistance interne est attestée par des coefficients d’alpha de Cronbach et de fiabilité composite supérieurs au seuil critique de 0,70 sur l’ensemble des dimensions. La validité convergente est étayée par des variances moyennes extraites (AVE) surpassant le seuil de 0,50, tandis que la validité discriminante a été corroborée via le critère strict du ratio Heterotrait-Monotrait (HTMT), confirmant la robustesse opérationnelle de cette structure multifactorielle.

2. Mots-clés / Keywords

Engagement envers la marque, Capital de marque, Applications mobiles de marque, Motivations hédoniques, Motivations utilitaires, Adéquation tâche-service, Psychométrie marketing, Comportement du consommateur, Modèle de mesure, Modélisation en équations structurelles.

3. Auteurs / Authors

L’échelle a été développée et validée par une équipe internationale de chercheurs en marketing et communication interactive :

• Trang P. Tran : Professeur agrégé de marketing, spécialiste du comportement du consommateur digital, du branding et du commerce mobile (ORCID: 0000-0001-9000-044X).
• Ilia Gugenishvili : Chercheur en marketing numérique et psychologie des médias interactifs, affilié à des laboratoires de recherche en gestion de l’expérience utilisateur (ORCID: 0000-0002-7657-9149).
• Adrienne F. Muldrow : Enseignante-chercheuse en communication intégrée et publicité numérique, spécialisée dans les interactions marque-consommateur au sein des plateformes mobiles (ORCID: 0000-0003-3519-3343).

4. Objectif / Purpose

L’objectif fondamental de cet instrument de mesure est de décomposer et d’analyser systématiquement le continuum reliant les antécédents motivationnels des utilisateurs d’interfaces mobiles aux réponses attitudinales et comportementales durables envers les marques propriétaires. Dans le contexte de la prolifération des plateformes connectées, les entreprises investissent des ressources considérables dans le développement d’applications mobiles dédiées (branded apps). Toutefois, les praticiens et les chercheurs se heurtaient à un manque de précision métrologique quant aux canaux psychologiques par lesquels la valeur perçue de l’application se transforme en valeur pour la marque mère.

Sur le plan théorique et empirique, l’outil a été conçu pour résoudre trois défis majeurs :

• Distinguer les voies motivationnelles duales : L’outil capture simultanément la valeur instrumentale ou fonctionnelle (utilité, facilité, sécurité des transactions) et la valeur expérientielle ou émotionnelle (divertissement, projection sociale et utilité interpersonnelle) perçues par l’usager lors de ses sessions mobiles.
• Modéliser le rôle médiateur de l’engagement : Il explicite comment ces motivations alimentent l’engagement multidimensionnel envers la marque (cognitif, affectif et comportemental/activationnel), conformément au cadre théorique formalisé par Hollebeek et al. (2014).
• Prédire la formation du capital-marque : L’instrument relie directement les interactions logicielles aux composantes du capital-marque basé sur le consommateur (Consumer-Based Brand Equity – CBBE), à savoir la qualité perçue, la notoriété-association et la fidélité déclarée.

En recherche fondamentale, ce modèle fournit une matrice standardisée pour tester des hypothèses dérivées des théories de l’acceptation des technologies, de la valeur perçue et de l’attachement à la marque. Dans les contextes appliqués et la recherche commerciale, il offre aux chefs de produit numérique, ergonomes et directeurs marketing un tableau de bord diagnostique précis permettant d’identifier les leviers ergonomiques ou émotionnels sous-performants qui limitent la rétention des clients et l’équité perçue de l’enseigne.

5. Construit psychologique / Construct

Le modèle de Tran et collaborateurs (2024) opérationnalise une structure conceptuelle plurielle articulée autour de cinq macro-construits interdépendants :

1. Motivations utilitaires (Utilitarian Motivations)

Ce macro-construit évalue l’orientation rationnelle, instrumentale et orientée vers la tâche de l’usager. Il est subdivisé en trois composantes fondamentales :

• Sécurité perçue (Security) : Degré auquel l’utilisateur est convaincu que l’application préserve la confidentialité de ses données personnelles et garantit l’intégrité de ses transactions financières. Exemple : La certitude absolue que les identifiants bancaires et les historiques d’achats ne feront l’objet d’aucune fuite malveillante.
• Utilité perçue (Usefulness) : Perception selon laquelle l’usage de l’application optimise l’efficacité personnelle, la gestion du temps ou la productivité quotidienne de l’utilisateur. Exemple : Accomplir un achat complexe ou régler un service en quelques secondes de manière optimale.
• Facilité d’utilisation perçue (Ease of Use) : Degré d’effort cognitif et procédural minime requis pour interagir avec le système, naviguer entre les écrans et maîtriser les fonctionnalités interactives.

2. Motivations hédoniques (Hedonic Motivations)

Ce pôle mesure les gratifications émotionnelles, sensorielles et relationnelles générées par l’outil mobile :

• Utilité interpersonnelle (Interpersonal Utility) : Besoins de socialisation, d’expression de soi, d’appartenance à une communauté d’intérêts et de soutien mutuel au sein de l’environnement applicatif. Exemple : Partager des avis valorisants ou manifester de l’empathie à d’autres membres du réseau.
• Divertissement (Entertainment) : Sensations d’amusement, d’évasion, de plaisir esthétique et de détente ressenties pendant l’exploration de l’application.

3. Adéquation tâche-service (Task-Service Fit)

Inspirée des travaux sur l’adéquation technologique, cette dimension mesure la concordance perçue entre les fonctionnalités logicielles fournies par l’application et les exigences objectives des tâches d’achat ou de recherche d’information poursuivies par le consommateur.

4. Engagement du consommateur envers la marque (Consumer Brand Engagement – CBE)

Défini comme l’état psychologique d’investissement positif de l’individu dans ses relations interactives avec la marque, il intègre trois facettes :

• Traitement cognitif (Cognitive Processing) : Niveau d’élaboration mentale, de réflexion active et d’intérêt intellectuel suscité par la marque à travers l’application.
• Facteur affectif (Affection) : Chaleur émotionnelle, fierté, bien-être et sentiments positifs éprouvés lors de l’interaction avec l’application de la marque.
• Activation (Activation) : Investissement comportemental, temps d’écran alloué et fréquence d’utilisation préférentielle par rapport aux interfaces concurrentes.

5. Capital de marque (Brand Equity)

Représentant l’impact différentiel des connaissances de la marque sur la réponse du client, ce construit mobilise :

• Qualité perçue (Perceived Quality) : Jugement global de supériorité, de fiabilité et d’excellence fonctionnelle attribué aux offres de l’enseigne.
• Fidélité et notoriété-association (Brand Loyalty & Awareness/Associations) : Reconnaissance immédiate du logotype, vivacité des représentations mnésiques et engagement préférentiel à long terme envers la marque.

6. Cadre théorique / Theoretical Framework

L’assise conceptuelle du modèle de Tran et al. (2024) puise dans une convergence féconde entre la psychologie cognitive, les sciences des systèmes d’information et les paradigmes relationnels du marketing contemporain.

La théorie des usages et gratifications (Uses and Gratifications Theory – U&G)

Développée initialement en sociologie des communications (Katz, Blumler, & Gurevitch, 1973), l’approche U&G postule que les individus sélectionnent activement des médias et des technologies spécifiques pour assouvir des besoins psychologiques distincts. Dans le domaine applicatif, les auteurs opérationnalisent cette polarité à travers la dichotomie entre motivations utilitaires (résolution rationnelle de problèmes, recherche d’efficience) et gratifications hédoniques (recherche de sensations agréables, appartenance sociale).

Le modèle d’acceptation de la technologie (TAM) et la théorie de l’adéquation tâche-technologie (TTF)

Les piliers de l’utilité et de la facilité d’utilisation s’ancrent directement dans le Technology Acceptance Model (Davis, 1989). Tran et ses collègues intègrent ces variables fonctionnelles au modèle d’adéquation tâche-technologie (Goodhue & Thompson, 1995 ; adapté au service par Lin & Huang, 2008), affirmant qu’une technologie n’exerce un impact persuasif que si ses caractéristiques répondent rigoureusement aux finalités transactionnelles du consommateur.

La théorie du capital-marque basé sur le consommateur et la théorie de l’engagement

Pour modéliser les répercussions symboliques de l’usage, l’échelle mobilise les fondements théoriques de David Aaker (1991) et Kevin Lane Keller (1993), complétés par les modélisations de Yoo, Donthu et Lee (2000). Le capital-marque est conceptualisé non comme une entité financière abstraite, mais comme un ensemble d’actifs psychologiques inscrits dans la mémoire du consommateur. Le pont reliant l’interaction logicielle à cette structure mnésique est fourni par la théorie du Consumer Brand Engagement (Hollebeek et al., 2014), qui démontre que l’immersion cognitive et l’attachement affectif agissent comme des catalyseurs indispensables à la pérennisation de la fidélité et de la valeur de marque.

7. Validité / Validity

Les procédures de validation psychométrique déployées par Tran et al. (2024) répondent aux canons méthodologiques les plus rigoureux recommandés pour la modélisation en équations structurelles basée sur les moindres carrés partiels (PLS-SEM) et l’analyse factorielle confirmatoire :

Validité de contenu et validité apparente

L’ensemble des indicateurs a été adapté à partir d’instruments déjà largement validés dans la littérature à comité de lecture (notamment Stocchi et al., 2018 ; Yoo et al., 2000 ; Hollebeek et al., 2014 ; Lin & Huang, 2008). Une phase préliminaire d’adaptation sémantique a permis de vérifier que chaque énoncé reflétait fidèlement les particularités de l’écosystème des téléphones intelligents et de la navigation applicative.

Validité convergente

La validité convergente évalue la cohérence avec laquelle les items censés mesurer un même construit partagent une variance commune élevée. Elle a été confirmée à deux niveaux :

• Saturations factorielles (Outer Loadings) : Les saturations standardisées de l’ensemble des indicateurs retenus dans le modèle de mesure ont dépassé le seuil conventionnel de 0,708 (p < 0,001).
• Variance moyenne extraite (AVE – Average Variance Extracted) : Tous les construits réflexifs ont affiché des valeurs AVE supérieures au seuil de tolérance standard de 0,50 (Hair et al., 2017), attestant que plus de 50 % de la variance de chaque ensemble d’indicateurs est capturée par le construit latent sous-jacent plutôt que par l’erreur de mesure.

Validité discriminante

L’indépendance statistique entre les dimensions du modèle a été établie au moyen du ratio hétérotrait-monotrait des corrélations (ratio HTMT), reconnu comme plus sensible et fiable que le critère historique de Fornell-Larcker. Les ratios HTMT se sont tous révélés inférieurs au seuil conservateur de 0,85 (et largement en deçà de 0,90), à l’exception logique de la relation entre l’utilité interpersonnelle et les gratifications hédoniques globales. Cette proximité statistique résulte du statut théorique des indicateurs d’utilité interpersonnelle, répétés comme sous-dimensions constitutives de l’ordre supérieur hédonique (Hair et al., 2017).

8. Fidélité / Reliability

L’évaluation de la cohérence interne du modèle a fait appel à une double vérification métrologique afin de prémunir l’analyse contre les biais de sous-estimation ou de surestimation de la fidélité :

• Alpha de Cronbach (α) : Pour chaque dimension individuelle (sécurité, utilité, facilité, utilité interpersonnelle, traitement cognitif, affection, activation, adéquation tâche-service, qualité perçue, fidélité/notoriété), les coefficients d’alpha de Cronbach ont largement franchi le seuil d’admissibilité de 0,70, atteignant fréquemment des valeurs situées entre 0,82 et 0,94.
• Fiabilité composite (Composite Reliability – CR / rho_C) : Mesure de cohérence interne privilégiée en modélisation structurelle qui ne présuppose pas l’égalité des saturations factorielles (contrairement à l’alpha de Cronbach). L’ensemble des coefficients CR s’est établi bien au-delà de 0,75, confirmant un niveau de précision et de reproductibilité exceptionnel des scores composites.
• Stabilité et variance résiduelle : Les analyses résiduelles ont confirmé l’absence de colinéarité excessive entre indicateurs (Facteurs d’Inflation de la Variance – VIF tous inférieurs au plafond critique de 3,3), écartant ainsi les risques de redondance tautologique entre énoncés.

9. Analyse factorielle / Factor Analysis

L’architecture factorielle a été soumise à une démarche d’analyse factorielle confirmatoire (AFC) intégrée dans une procédure PLS-SEM :

• Architecture hiérarchique et saturations : Les données collectées auprès des usagers mobiles ont corroboré une structure multidimensionnelle conforme au modèle théorique a priori. Les indicateurs s’agrègent de manière univoque sur leurs facteurs de premier ordre respectifs. Par exemple, les items mesurant l’affection au sein de l’engagement (ex. fierté, bonheur à l’usage) s’associent étroitement au facteur affectif avec des saturations supérieures à 0,80, sans saturation croisée parasite sur la dimension cognitive ou activationnelle.
• Modélisation de second ordre : Les motivations utilitaires et hédoniques ont été validées avec succès en tant que construits de second ordre selon l’approche des indicateurs répétés (repeated indicators approach). Cette spécification permet de regrouper la variance spécifique de la facilité, de l’utilité et de la sécurité d’une part, et celle du divertissement et de l’utilité interpersonnelle d’autre part.
• Qualité d’ajustement global : L’analyse de l’adéquation structurelle a confirmé que le modèle capture une part substantielle de variance expliquée (R²) tant au niveau de l’engagement de marque qu’au niveau du capital-marque final, démontrant la puissance prédictive de cette structure latente.

10. Instrument de mesure / Instrument

• Format d’administration : Questionnaire auto-administré sur plateforme informatique en ligne (optimisé pour affichage numérique et mobile).
• Nombre total d’items : 44 items répartis à travers l’ensemble des dimensions et sous-dimensions du modèle de mesure.
• Échelle de réponse : Échelle de Likert à 7 points (graduée de 1 = « Fortement en désaccord » à 7 = « Fortement d’accord »).
• Sous-échelles opérationnalisées :
  • Motivations utilitaires : Sécurité (2 items), Utilité (3 items), Facilité d’utilisation (3 items).
  • Motivations hédoniques : Utilité interpersonnelle (4 items), Divertissement (items associés).
  • Adéquation tâche-service : Tâche d’achat et efficience de service (6 items).
  • Engagement envers la marque : Traitement cognitif (3 items), Facteur affectif (4 items), Facteur d’activation (3 items).
  • Capital de marque : Qualité perçue (5 items), Notoriété / Image / Fidélité (5 items).
• Cotation et calcul des scores : Les scores moyens par sous-échelle sont obtenus par agrégation arithmétique des items correspondants, ou par estimation des scores de variables latentes (latent variable scores) au sein d’un logiciel de modélisation structurelle (SmartPLS, R-lavaan, AMOS). Un score plus élevé indique une motivation plus forte, un engagement supérieur ou un capital de marque plus consolidé.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication : 2024 (publication initiale anticipée sous forme d’article en ligne en 2022).
• Statut commercial : Non commercial. L’instrument est un outil académique de libre accès pour les activités de recherche universitaire et d’enseignement supérieur.
• Frais d’utilisation : Gratuit (aucun coût d’acquisition de licence n’est exigé pour un usage strictement scientifique et non lucratif).
• Permissions d’usage et licence : Les chercheurs souhaitant employer ce modèle de mesure sont tenus de citer rigoureusement l’article princeps de Trang P. Tran, Ilia Gugenishvili et Adrienne F. Muldrow paru dans le Journal of Marketing Communications. Toute intégration dans une suite logicielle commerciale propriétaire requiert l’autorisation préalable expresse des ayants droit et de l’éditeur Taylor & Francis.

12. Références / References

Aaker, D. A. (1991). Managing brand equity: Capitalizing on the value of a brand name. The Free Press.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008

Goodhue, D. L., & Thompson, R. L. (1995). Task-technology fit and individual performance. MIS Quarterly, 19(2), 213–236. https://doi.org/10.2307/249689

Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM) (2nd ed.). SAGE Publications.

Hollebeek, L. D., Glynn, M. S., & Brodie, R. J. (2014). Consumer brand engagement in social media: Conceptualization, scale development and validation. Journal of Interactive Marketing, 28(2), 149–165. https://doi.org/10.1016/j.intmar.2013.12.002

Katz, E., Blumler, J. G., & Gurevitch, M. (1973). Uses and gratifications research. The Public Opinion Quarterly, 37(4), 509–523. https://doi.org/10.1086/268109

Keller, K. L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57(1), 1–22. https://doi.org/10.1177/002224299305700101

Lin, T. C., & Huang, C. C. (2008). Understanding knowledge management system usage antecedents: An integration of social cognitive theory and task technology fit. Information & Management, 45(6), 410–417. https://doi.org/10.1016/j.im.2008.06.004

Stocchi, L., Michaelidou, N., & Micevski, M. (2018). Drivers and outcomes of branded mobile app usage: An empirical study of consumer loyalty. Journal of Business Research, 89, 143–155. https://doi.org/10.1016/j.jbusres.2018.04.017

Tran, T. P., Gugenishvili, I., & Muldrow, A. F. (2024). Enhancing brand equity in branded apps: A hedonic and utilitarian motivation’s perspective. Journal of Marketing Communications, 30(3), 318–343. https://doi.org/10.1080/13527266.2022.2113909

Yoo, B., Donthu, N., & Lee, S. (2000). An examination of selected marketing mix elements and brand equity. Journal of the Academy of Marketing Science, 28(2), 195–211. https://doi.org/10.1177/0092070300282002

13. Questions et items du questionnaire / Scale Items