Inventaire du modèle d’engagement client et de comportements de partage

1. Résumé / Abstract

L’Inventaire du modèle d’engagement client et de comportements de partage (en anglais, Customer Engagement and Sharing Behaviors–Model Inventory ou CESBM), développé par Taylor, Carlson, Liao et Rahman (2023), constitue un instrument psychométrique et comportemental conçu pour évaluer la dynamique multidimensionnelle de l’engagement des consommateurs au sein des communautés de marque en ligne (Online Brand Communities, OBC) hébergées sur les réseaux sociaux tels que Facebook. L’originalité fondamentale de cet outil réside dans sa capacité à opérationnaliser et tester une relation non linéaire quadratique négative (forme en U inversé) entre les niveaux élevés d’engagement client (Customer Engagement, CE) et l’intention de comportement de partage (Sharing Behavior Intention, SBI). Contrairement aux postulats traditionnels du marketing relationnel postulant une corrélation strictement linéaire et positive entre engagement et comportements proactifs, le modèle CESBM démontre qu’un engagement excessif peut entraîner une saturation cognitive ou un sentiment de sur-sollicitation réduisant paradoxalement la propension à diffuser des contenus de marque.

L’instrument repose sur une architecture de 23 items mesurant quatre macro-construits interdépendants : le caractère innovant perçu (Perceived Innovativeness, 3 items), l’interactivité perçue (Perceived Interactivity, 3 items), l’engagement client multidimensionnel décomposé en cinq facettes spécifiques issues des travaux de So et al. (2016) — à savoir l’enthousiasme (3 items), l’attention (3 items), l’absorption (3 items), l’interaction (3 items) et l’identification (2 items) — et enfin l’intention de comportement de partage (3 items). Tous les items sont administrés via une échelle de Likert en sept points allant de 1 (« fortement en désaccord ») à 7 (« fortement d’accord »). L’évaluation psychométrique de l’inventaire, menée auprès d’un échantillon d’adultes américains utilisateurs réguliers de pages de marques sur Facebook (âge moyen = 39,34 ans), met en évidence une structure factorielle robuste confirmée par analyse factorielle confirmatoire (CFI = 0,98 ; IFI = 0,98 ; RFI = 0,98 ; RMSEA = 0,10), une cohérence interne élevée (alpha de Cronbach et fiabilité composite supérieurs à 0,70 pour l’ensemble des dimensions), une validité convergente confirmée par des variances moyennes extraites (AVE) supérieures à 0,50, ainsi qu’une excellente validité discriminante attestée par le ratio hétérotrait-monotrait (HTMT < 0,90).

2. Mots-clés / Keywords

Engagement client, communautés de marque en ligne, comportement du consommateur, intention de partage, réseaux sociaux, fidélité à la marque, interactivité perçue, innovation perçue, psychométrie du consommateur, modélisation non linéaire, analyse factorielle confirmatoire, marketing digital.

3. Auteurs / Authors

L’inventaire du modèle d’engagement client et de comportements de partage a été conçu et validé par une équipe internationale de chercheurs spécialisés en marketing relationnel, en comportement du consommateur et en modélisation structurelle :

• Alex Taylor : Newcastle Business School, University of Newcastle, Callaghan, Australie. Courriel : [email protected]
• Jamie Carlson : Newcastle Business School, University of Newcastle, Callaghan, Australie. Courriel : [email protected]
• Yi-Chuan Liao (Auteur correspondant) : Département d’administration des affaires, National Dong Hwa University, Hualien, Taïwan. Courriel : [email protected]
• Mohammad M. Rahman : John L. Grove College of Business, Department of Management/Marketing/Entrepreneurship, Shippensburg University, Shippensburg, Pennsylvanie, États-Unis.

4. Objectif / Purpose

Le développement du CESBM répond à un besoin théorique et méthodologique pressant au sein de la littérature en comportement du consommateur et en marketing des médias sociaux. Historiquement, l’engagement client a été conceptualisé comme un état psychologique et motivationnel éminemment bénéfique, les praticiens et les chercheurs postulant qu’un niveau accru d’engagement générait systématiquement des retombées positives pour l’organisation, telles que la co-création de valeur, la recommandation verbale positive (word-of-mouth) et la diffusion active de contenus de marque. Toutefois, ce paradigme dominant a longtemps ignoré le côté obscur (« dark side ») potentiel de l’hyper-engagement au sein des environnements numériques saturés.

L’objectif fondamental de cet inventaire est d’opérationnaliser et de quantifier les déterminants et les conséquences comportementales de l’engagement client en examinant spécifiquement l’existence d’une relation curvilinéaire non linéaire (quadratique négative) entre l’intensité de cet engagement et l’intention de comportement de partage (SBI). En d’autres termes, l’outil permet de déterminer empiriquement le point de bascule où un engagement psychologique trop intense cesse d’augmenter la propension du consommateur à partager des publications de la marque sur son propre réseau social, pour potentiellement la freiner. Plusieurs facteurs psychologiques expliquent ce phénomène, tels que la fatigue cognitive liée aux médias sociaux (social media fatigue), la crainte d’encombrer le fil d’actualité de ses pairs (content overload) ou encore le sentiment de territorialité psychologique vis-à-vis de la communauté de marque.

Sur le plan de la recherche scientifique, cet instrument permet aux chercheurs d’évaluer de manière rigoureuse des modèles structurels sophistiqués intégrant des variables médiatrices et modératrices contextuelles, telles que le caractère innovant perçu des contenus et le degré perçu d’interactivité bidirectionnelle permis par la plateforme. Sur le plan managérial et appliqué, l’inventaire offre aux gestionnaires de communautés virtuelles (community managers) et aux stratèges de marques un cadre diagnostique précis pour évaluer la santé relationnelle de leur base d’abonnés. Il permet de repérer les seuils au-delà desquels la sur-sollicitation d’une communauté produit des rendements décroissants en termes de visibilité organique et d’amplification virale.

5. Construit psychologique / Construct

L’inventaire opérationnalise un ensemble intégré de construits latents qui capturent les dimensions cognitives, affectives et comportementales régissant l’expérience d’un membre d’une communauté de marque en ligne. Ces construits s’articulent autour de quatre composantes principales :

1. Caractère innovant perçu (Perceived Innovativeness)

Adapté des travaux de Carlson et al. (2019), ce construit mesure l’évaluation cognitive par le consommateur du caractère novateur, créatif et distinctif de l’expérience et des contenus proposés par la communauté de marque. L’innovation perçue reflète la capacité de la marque à surprendre positivement l’utilisateur et à se démarquer de l’offre informationnelle des communautés concurrentes. Un niveau élevé d’innovation perçue stimule la curiosité intellectuelle et crée un terrain favorable à l’engagement psychologique.

2. Interactivité perçue (Perceived Interactivity)

Dérivé des échelles de Jahn et Kunz (2012), ce construit évalue la perception qu’a le membre de la réactivité de la marque et de la fluidité des flux de communication bidirectionnels. Il ne s’agit pas uniquement d’une caractéristique technique de la plateforme, mais de l’expérience subjective de pouvoir dialoguer sans friction avec la marque, d’obtenir des réponses rapides et personnalisées à ses requêtes et de percevoir une écoute active de la part des représentants institutionnels.

3. Engagement client (Customer Engagement – CE)

S’appuyant sur l’opérationnalisation multidimensionnelle de So et al. (2016), le construit d’engagement client est appréhendé comme un état psychologique supérieur caractérisé par cinq dimensions distinctes mais synergiques :

• Enthousiasme (Enthusiasm) : Représente l’état affectif positif et l’effervescence émotionnelle ressentis à l’égard de la communauté de marque (ex. sentiment d’amour, de passion ou de grande excitation vis-à-vis de la page).
• Attention (Attention) : Traduit le niveau d’allocation des ressources cognitives et de concentration mentale focalisé sur les stimuli émanant de la communauté de marque.
• Absorption (Absorption) : Reflète un état d’immersion psychologique profonde, analogue à l’expérience optimale de flux (flow), durant lequel le temps semble s’arrêter et où l’utilisateur éprouve des difficultés à se détacher de la navigation au sein de la communauté.
• Interaction (Interaction) : Capte les manifestations comportementales directes de participation et d’échange actif avec d’autres membres ou avec les publications de la page.
• Identification (Identification) : Mesure l’intégration de la marque et de la communauté dans le concept de soi de l’individu (identité sociale), amenant le consommateur à percevoir les succès ou les critiques formulées contre la communauté comme le touchant personnellement.

4. Intention de comportement de partage (Sharing Behavior Intention – SBI)

Inspirée des travaux de Labrecque (2014), cette dimension mesure la volonté proactive de l’utilisateur d’amplifier le message de la marque au sein de son propre graphe social. Elle englobe des actions spécifiques aux plateformes numériques, telles que le partage de publications (share), l’approbation publique explicite (like) et la formulation de commentaires visibles par son réseau personnel, constituant ainsi la forme primaire de bouche-à-oreille électronique (e-WOM).

6. Cadre théorique / Theoretical Framework

Le modèle sous-jacent au CESBM s’enracine dans la convergence de plusieurs courants majeurs de la psychologie cognitive, de la sociologie des réseaux et du marketing relationnel contemporain.

La logique dominante de service (Service-Dominant Logic) et la co-création

Formalisée par Vargo et Lusch (2004, 2008), la logique dominante de service postule que la valeur n’est plus simplement produite par l’entreprise et consommée passivement par l’acheteur, mais co-créée par des interactions multidirectionnelles entre acteurs intégrateurs de ressources. Dans le contexte des communautés de marque en ligne, le consommateur devient un partenaire actif créateur de valeur médiatique. L’engagement client constitue le mécanisme motivationnel central qui déclenche cette intégration de ressources opérantes (compétences, temps, attention).

La théorie de l’échange social (Social Exchange Theory)

Développée originellement par George Homans (1958) et Peter Blau (1964), la théorie de l’échange social soutient que les relations humaines sont guidées par une analyse coûts-bénéfices subjective et la règle de réciprocité. Lorsqu’une marque fournit des stimuli hautement enrichissants (innovation perçue, interactivité réactive), l’utilisateur se sent psychologiquement enclin à rendre la pareille par un engagement accru. Toutefois, lorsque l’engagement exige des investissements émotionnels ou cognitifs disproportionnés, l’individu réévalue l’équilibre de l’échange, ce qui peut inhiber des comportements d’exposition publique comme le partage.

La théorie du flux (Flow Theory)

Proposée par Mihaly Csikszentmihalyi (1975, 1990), la théorie de l’expérience optimale éclaire la dimension « absorption » du modèle. Dans un état de flux, l’utilisateur est totalement absorbé par l’expérience en ligne. Si cette immersion maximise la satisfaction intrinsèque immédiate au sein du microcosme de la communauté de marque, elle peut paradoxalement déconnecter temporairement l’usager de sa volonté de communiquer vers son réseau externe, expliquant en partie pourquoi une très forte absorption intra-communautaire ne se traduit pas nécessairement par une diffusion centrifuge de contenus.

La théorie de l’identité sociale et la loi de Yerkes-Dodson revisitée

L’intégration de la théorie de l’identité sociale (Tajfel & Turner, 1979) explicite comment l’identification du consommateur à la communauté module ses comportements protecteurs et affiliatifs. Parallèlement, l’hypothèse centrale d’une relation curvilinéaire négative rappelle la célèbre loi de Yerkes-Dodson (1908) en psychologie générale : de même qu’un niveau d’éveil (arousal) modéré maximise la performance cognitive alors qu’un éveil excessif la dégrade, un niveau d’engagement modéré maximise le partage social, tandis qu’un sur-engagement conduit à un sentiment de fatigue informationnelle, de protection de son image sociale (self-presentation concerns) ou de réserve territoriale, inhibant la diffusion externe.

7. Validité / Validity

L’évaluation psychométrique rigoureuse menée par Taylor et al. (2023) fournit des preuves solides quant à la validité globale de l’inventaire dans ses multiples déclinaisons psychométriques :

Validité de contenu (Content Validity)

La validité de contenu a été assurée en adaptant rigoureusement des échelles préalablement validées dans la littérature scientifique de référence : Carlson et al. (2019) pour l’innovation perçue, Jahn et Kunz (2012) pour l’interactivité perçue, So et al. (2016) pour les cinq sous-dimensions de l’engagement client, et Labrecque (2014) pour les intentions de partage. Durant le processus de purification de l’échelle, un item a affiché une saturation factorielle de 0,66, inférieure au seuil strict usuel de 0,70. Les auteurs ont testé la ré-estimation du modèle de régression hiérarchique après suppression de cet item ; constatant que les résultats structurels demeuraient inchangés et que le maintien de l’item préservait l’intégralité du domaine conceptuel théorique, l’item a été conservé dans la version définitive de 23 items pour préserver la validité de contenu intégrale.

Validité convergente (Convergent Validity)

La validité convergente a été confirmée conformément aux critères standards de Fornell et Larcker (1981) ainsi que de Bagozzi et Yi (1988) :

• Les saturations factorielles standardisées ($lambda$) de la quasi-totalité des items sur leurs construits respectifs étaient statistiquement significatives ($p < 0,001$) et supérieures à 0,70.
• La variance moyenne extraite (AVE, Average Variance Extracted) pour chaque construit latent a systématiquement dépassé le seuil critique de 0,50, démontrant que plus de 50 % de la variance des indicateurs observables est expliquée par les construits théoriques sous-jacents plutôt que par l’erreur de mesure aléatoire.

Validité discriminante (Discriminant Validity)

La validité discriminante a été examinée selon deux approches complémentaires particulièrement exigeantes :

• Critère de Fornell-Larcker : La racine carrée de l’AVE pour chaque construit s’est révélée supérieure aux corrélations inter-construits appariées.
• Ratio Hétérotrait-Monotrait (HTMT) : Suivant les recommandations contemporaines de Henseler, Ringle et Sarstedt (2015), l’ensemble des valeurs du ratio HTMT étaient strictement inférieures au seuil conservateur de 0,90 (et même du seuil de 0,85 pour la plupart des paires), attestant de manière irréfutable que chaque construit mesure une entité conceptuelle empiriquement distincte des autres.

Validité de construit nomologique et prédictive

La validité prédictive a été vérifiée par l’analyse de régression polynomiale et de modélisation par équations structurelles, démontrant l’existence statistiquement significative du terme quadratique négatif reliant l’engagement client à l’intention de partage, confirmant ainsi la trajectoire en cloche postulée par les auteurs.

8. Fidélité / Reliability

La fidélité des mesures du CESBM a été évaluée au travers de multiples indices de cohérence interne et de précision métrique :

• Alpha de Cronbach ($lpha$) : Pour chacune des dimensions composant le modèle (caractère innovant perçu, interactivité perçue, les cinq facettes de l’engagement client et les comportements de partage), l’indice de cohérence interne a largement excédé le seuil conventionnel minimal de 0,70 préconisé par Hair et al. (2006) et Nunnally et Bernstein (1994). Les valeurs observées oscillent généralement entre 0,82 et 0,93, témoignant d’une excellente homogénéité des items au sein de chaque échelle.
• Fiabilité composite (Composite Reliability – CR) : L’alpha de Cronbach reposant sur l’hypothèse souvent violée de tau-équivalence, les auteurs ont également calculé la fiabilité composite (Fornell & Larcker, 1981 ; Raykov, 1997). Toutes les valeurs de CR ont dépassé le seuil de 0,70, atteignant fréquemment des valeurs supérieures à 0,85, ce qui garantit que les items partagent une forte variance commune avec leur variable latente respective.
• Stabilité et erreur de mesure : L’absence de fluctuations erratiques dans les saturations factorielles et la robustesse des indices d’ajustement confirment la stabilité de l’instrument pour l’échantillon cible d’utilisateurs de plateformes sociales.

9. Analyse factorielle / Factor Analysis

Les propriétés factorielles du modèle de mesure ont été examinées par le biais d’une analyse factorielle confirmatoire (AFC / CFA) sous le logiciel AMOS/LISREL, complétée par des tests d’évaluation des biais de méthode commune :

Résultats de l’Analyse Factorielle Confirmatoire (AFC)

L’adéquation du modèle de mesure à quatre construits de premier ordre et de second ordre a été évaluée à l’aide d’indicateurs multiples d’ajustement global :

• Statistique du Chi-deux rapportée aux degrés de liberté : $\chi^2 / ext{d.f.} = 1292,46 / 224$ (soit un ratio de 5,77). Bien que sensible aux grands échantillons, ce ratio demeure dans les standards acceptables pour des modèles structurels complexes en sciences de gestion.
• Indices d’ajustement comparatif : L’indice de conformité comparative (Comparative Fit Index – CFI) a atteint 0,98, l’indice d’ajustement incrémental (IFI) a atteint 0,98 et l’indice de conformité relative (RFI) s’est élevé à 0,98, démontrant un ajustement exceptionnel du modèle théorique aux données empiriques observées par rapport à un modèle nul.
• Erreur quadratique moyenne d’approximation (RMSEA) : La valeur du RMSEA observée était de 0,10, ce qui reflète une approximation acceptable compte tenu de la complexité factorielle et de la taille de l’échantillon.
• Saturations factorielles ($lambda$) : À l’exception d’un unique item affichant une saturation de 0,66, l’ensemble des indicateurs ont présenté des saturations standardisées supérieures à 0,70 ($p < 0,001$), attestant d'une excellente assignation factorielle univoque.

Évaluation du biais de variance de méthode commune (Common Method Variance)

Dans la mesure où toutes les données ont été collectées par auto-questionnaire auprès d’une même cohorte de répondants à un instant $T$, le risque de biais de méthode commune (CMV) a été formellement examiné via le test unifactoriel de Harman (McFarlin & Sweeney, 1992 ; Podsakoff et al., 2003) :

• Un modèle contraint à un seul facteur latent général a été estimé : il a produit un ajustement très médiocre ($\chi^2 = 2009,49$ avec 230 degrés de liberté), significativement dégradé par rapport au modèle assigné à quatre construits théoriques ($\Delta \chi^2 = 717,03$ pour $Delta ext{d.f.} = 6, p < 0,001$).
• Ces résultats confirment que le biais de méthode commune ne constitue pas une menace significative pour la validité des relations mesurées au sein de l’inventaire.

10. Instrument de mesure / Instrument

L’inventaire se présente sous une structure standardisée facilitant son déploiement tant dans la recherche académique que dans les enquêtes d’entreprise :

• Type de test : Modèle de mesure comportemental et psychologique auto-rapporté (auto-évaluation en ligne).
• Population cible : Adultes (18 ans et plus), utilisateurs actifs de plateformes de médias sociaux (notamment Facebook) suivant au moins une communauté de marque en ligne.
• Nombre total d’items : 23 items répartis en quatre blocs conceptuels distincts :
• Structure des sous-échelles :
  • Caractère innovant perçu (Perceived Innovativeness) : 3 items
  • Interactivité perçue (Perceived Interactivity) : 3 items
  • Engagement client (Customer Engagement) : 14 items répartis en 5 facettes :
    • Enthousiasme (Enthusiasm) : 3 items
    • Attention (Attention) : 3 items
    • Absorption (Absorption) : 3 items
    • Interaction (Interaction) : 3 items
    • Identification (Identification) : 2 items
  • Intention de comportement de partage (Sharing Behavior Intention – SBI) : 3 items
• Format des réponses : Échelle de Likert à 7 points (1 = « Fortement en désaccord » [Strongly Disagree] à 7 = « Fortement d’accord » [Strongly Agree]).
• Durée moyenne d’administration : Environ 5 à 8 minutes.
• Modalités de cotation (Scoring) : Calcul des scores moyens par dimension ou modélisation sous forme de variables latentes de premier et de second ordre. Les effets non linéaires nécessitent l’utilisation de termes quadratiques centrés ($CE^2$) dans des régressions hiérarchiques polynomiales ou des modèles SEM non linéaires.

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

• Année de publication : 2023.
• Statut des droits et autorisations : L’instrument est issu d’un article de recherche scientifique publié dans le Journal of Business Research (Elsevier). Les items de l’échelle sont librement utilisables à des fins de recherche académique, d’enseignement et d’études universitaires non commerciales sans paiement de redevance, sous réserve de citer expressément la publication originale de Taylor et al. (2023).
• Frais d’utilisation (Fee) : Gratuit pour la recherche scientifique et l’enseignement (No fee for research/teaching). Toute exploitation commerciale directe ou intégration dans des progiciels propriétaires payants est soumise aux règles de copyright d’Elsevier et requiert l’accord des auteurs.

12. Références / References

Les sources académiques fondant la construction et la validation de cette échelle sont répertoriées ci-dessous au format APA 7^e édition :

• Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74–94. https://doi.org/10.1007/BF02723327
• Blau, P. M. (1964). Exchange and power in social life. John Wiley & Sons.
• Carlson, J., Rahman, M., Voola, R., & De Vries, N. (2019). Customer engagement behaviours in social media: Capturing innovation through co-creation value propositions. Journal of Services Marketing, 34(2), 125–138. https://doi.org/10.1108/JSM-02-2019-0099
• Csikszentmihalyi, M. (1975). Beyond boredom and anxiety: Experiencing flow in work and play. Jossey-Bass.
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2006). Multivariate data analysis (6th ed.). Pearson Prentice Hall.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Homans, G. C. (1958). Social behavior as exchange. American Journal of Sociology, 63(6), 597–606. https://doi.org/10.1086/222355
• Jahn, B., & Kunz, W. (2012). How to transform consumers into fans of your brand. Journal of Service Management, 23(3), 344–361. https://doi.org/10.1108/09564231211248444
• Labrecque, L. I. (2014). Fostering consumer–brand relationships in social media environments: The role of parasocial interaction. Journal of Interactive Marketing, 28(2), 134–148. https://doi.org/10.1016/j.intmar.2013.12.003
• McFarlin, D. B., & Sweeney, P. D. (1992). Distributive and procedural justice as predictors of satisfaction with personal and organizational outcomes. Academy of Management Journal, 35(3), 626–637. https://doi.org/10.5465/256489
• Netemeyer, R. G., Bearden, W. O., & Sharma, S. (2003). Scaling procedures: Issues and applications. Sage Publications. https://doi.org/10.4135/9781412985772
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903. https://doi.org/10.1037/0021-9010.88.5.879
• Raykov, T. (1997). Estimation of composite reliability for congeneric measures. Applied Psychological Measurement, 21(2), 173–184. https://doi.org/10.1177/01466216970212006
• So, K. K. F., King, C., & Sparks, B. (2016). Customer engagement with tourism brands: Scale development and validation. Journal of Hospitality & Tourism Research, 38(3), 304–329. https://doi.org/10.1177/1096348012451456
• Tajfel, H., & Turner, J. C. (1979). An integrative theory of intergroup conflict. In W. G. Austin & S. Worchel (Eds.), The social psychology of intergroup relations (pp. 33–47). Brooks/Cole.
• Taylor, A., Carlson, J., Liao, Y.-C., & Rahman, M. M. (2023). Customer engagement and sharing behaviors: Toward a contingent curvilinear perspective. Journal of Business Research, 154, Article 113284. https://doi.org/10.1016/j.jbusres.2022.08.048
• Vargo, S. L., & Lusch, R. F. (2004). Evolving to a new dominant logic for marketing. Journal of Marketing, 68(1), 1–17. https://doi.org/10.1509/jmkg.68.1.1.24036
• Yerkes, R. M., & Dodson, J. D. (1908). The relation of strength of stimulus to rapidity of habit-formation. Journal of Comparative Neurology and Psychology, 18(5), 459–482. https://doi.org/10.1002/cne.920180503

13. Questions et items du questionnaire / Scale Items

Voici l’intégralité des 23 items composant l’inventaire original en anglais, administrés aux participants sur une échelle de Likert en 7 points (allant de 1 = « Strongly Disagree » à 7 = « Strongly Agree ») :