Bruke en virtuell butikk som et forskningsverktøy for å undersøke forbrukerens oppførsel i butikken

Summary

I dette papiret beskrives bruken av en virtuell nettbutikk for å lage virtuelle shoppingmiljøer for å undersøke forbrukeradferdene i butikken. En beskrivelse av protokollen for å bygge og kjøre eksperimenter, eksempelvis resultater fra et eksperiment angående butikkoppsett, og viktige hensyn når det utføres virtuelle butikkeksperimenter.

Abstract

Mennesker svar på produkter og / eller valgmiljøer er avgjørende for å forstå forbrukeradferdene i butikken. For tiden er det ulike tilnærminger (for eksempel undersøkelser eller laboratorieinnstillinger) for å studere oppførsel i butikken, men den eksterne gyldigheten av disse er begrenset av deres dårlige evne til å ligne realistiske valgmiljøer. I tillegg er det kostbart og svært vanskelig å bygge en ekte butikk for å møte eksperimentelle forhold mens du kontrollerer uønskede effekter. En virtuell butikk utviklet av virtuelle virkelighetsteknikker overgår potensielt disse begrensningene ved å tilby simulering av et 3D virtuelt butikkmiljø på en realistisk, fleksibel og kostnadseffektiv måte. Spesielt lar en virtuell butikk interaktivt forbrukerne (deltakere) å oppleve og samhandle med objekter i en tett kontrollert, men realistisk innstilling. Dette papiret presenterer nøkkelelementene ved bruk av en virtuell nettbutikk for å studere forbrukeradferdene i butikken. descrIptions av protokollstrinnene for å: 1) bygge eksperimentell butikk, 2) forberede dataadministrasjonsprogrammet, 3) kjøre eksperimentet med virtuell butikk, og 4) organisere og eksportere data fra datastyringsprogrammet presenteres. Den virtuelle butikken gjør det mulig for deltakerne å navigere gjennom butikken, velge et produkt fra alternativer, og velg eller returner produkter. Videre kan også forbruksrelaterte shoppingoppføringer ( f.eks. Kjøpstid, ganghastighet og antall og type produkter undersøkt og kjøpt) samles inn. Protokollen er illustrert med et eksempel på et lageroppsetteksperiment som viser at hyllelengde og hylleorientering påvirker handlings- og bevegelsesrelaterte atferd. Dette demonstrerer at bruken av en virtuell butikk letter undersøkelsen av forbrukerresponsene. Den virtuelle butikken kan være spesielt nyttig når du undersøker faktorer som er kostbare eller vanskelige å forandre i virkeligheten ( f.eks . Generelle butikkoppsett), produkter som ikke er tilgjengelig for øyeblikket iMarkedet, og rutinert oppførsel i kjente miljøer.

Introduction

Det er ubestridelig at forståelse av forbrukernes oppførsel i butikken er av avgjørende betydning for å oppnå effektiv detaljhandel. For å hjelpe til med denne forståelsen kan avansert virtuell virkelighetsteknologi, kjent som den virtuelle butikken, muliggjøre studier av forbrukeradferdighet ved hjelp av computationally opprettede virtuelle miljøer. Virtuell butikk tilnærming bruker et virtuelt virkelighetssystem for å generere realistiske og nedsenkende tredimensjonale virtuelle butikkmiljøer der folk kan samhandle med gjenstandene i butikken. I slike virtuelle butikkmiljøer opplever mennesker kunstig opprettet sensoriske opplevelser. Virtuelle butikkmiljøer kan enten være realistiske representasjoner av butikkmiljøer som eksisterer i virkeligheten eller imaginære butikkmiljøer. I tillegg kan den virtuelle butikken betraktes som et mellomverktøy mellom tradisjonell forbrukerforskning ( dvs. tekstbaserte undersøkelser, fokusgrupper eller laboratorieeksperimenter), kontrollerte felteksperimenter ( dvs.I mock-butikkmiljøer) og feltstudier ( dvs. videoopptak, personlige observasjoner eller tester av produktsalgsfremmende kampanjer) ¹ .

Virtuelle virkelighetsapplikasjoner har betydelig forskningshistorie. Så tidlig som 1965, beskriver Sutherland ² sitt "ultimate display" konsept, som inkluderer en virtuell verden som gir lyd og taktil tilbakemelding. Opprinnelig var oppmerksomheten hovedsakelig fokusert på teknologisk maskinvare, men da dette ikke gir innblikk i effektene av virtuelle virkelighetssystemer, har oppmerksomheten flyttet til den menneskelige erfaringen ^{3 , 4} . Følelsen av "tilstedeværelse" av å være i den datamaskingenererte verden, har følgelig blitt en nøkkel til virtuelle virkelighetsopplevelser ^{5 , 6} . Nærvær er definert som den "subjektive opplevelsen av å være i et miljø, selvNår man er fysisk lokalisert i en annen. " ⁷ Fra dette synspunktet kan" følelse av nærvær "hentes fra en deltaker og refererer til i hvilken grad en person oppfatter seg for å være i et miljø. Alternativt kan Slater ⁸ Har skilt mellom begreper nærvær og nedsenkning, kalt "place illusion" (PI) og "plausibility illusion" (Psi). PI relaterer seg til å ha en følelse av å være på et reelt sted. Det vurderes av et sett med gyldige handlinger eller Svar som deltakerne kan utføre for å endre deres oppfatninger eller miljøet (for eksempel flytte hodet og øynet for å endre blikkretningen eller gripe noe objekt for å flytte det). PI er høyt når et lignende sett med svar til endring av oppfatninger kreves i Virtuelt virkelighetssystem i forhold til svaret som forventes i et tilsvarende fysisk miljø. Psi står for hva som oppfattes i den virtuelle virkeligheten, med henvisning tilIllusjon at det faktisk skjer. En viktig komponent som kan føre til Psi er for den virtuelle virkeligheten å gi illusjonen om at hendelser i det virtuelle miljøet som en deltaker ikke har direkte kontroll, refererer direkte til seg selv. Psi kan måles ved å spore handlinger eller svar som folk manifesterer som svar på endringer i den virtuelle virkeligheten som stammer fra utsiden. For eksempel, hvis folks hjertefrekvens øker når de ser en avatar i det virtuelle miljøet, kan dette representere en lignende reaksjon på den virkelige verden. Derved gir dette virtuelle virkelighetssystemet høy Psi.

Den virtuelle butikk teknologien har blitt introdusert i næringsliv og akademikere for å tjene flere formål. Den kan brukes som ledelsesstøtte, for eksempel for å bistå kategoriledere for bedrifter i å utvikle en hylleplan for sine produkter. Virtuelle butikker har også bruk i kliniske innstillinger, for å måle følelsesmessige responser på mat for pasienter medEn spiseforstyrrelse ¹ eller som et skjermverktøy for mild kognitiv svekkelse ⁹ . En mer vanlig bruk av virtuelle butikker i forskning er imidlertid å vurdere forbrukerens oppførsel og forbrukersvar på endringer i butikkmiljøet, for eksempel prisendringer ^{10 , 11 , 12} , forskjellige oppsett av salgssteder ¹³ , Forskjellige emballeringsalternativer ¹⁴ , forskjellige næringsetiketter på baksiden av produktpakker ¹⁵ , og lagernivåer ¹⁶ . I tillegg brukes den virtuelle butikken for øyeblikket til å skape og teste folkehelseintervensjoner for å stimulere sunnere matvalg blant barn ¹⁷ . På grunn av ulike fordeler som tidligere er oppgitt, er virtuell butikk teknologi og maskinvare i rask utvikling. Derfor vil dette papiret fokusere på mennesketOppleve og beskrive de essensielle elementene i studier ved hjelp av den virtuelle virkeligheten generelt. Alle viktige opplysninger hentet fra dagens virtuelle butikk system vil bli demonstrert.

Aktuelt tilgjengelige virtuelle butikksystemer kan kort kategoriseres som: 1) ikke-nedsenkende ( f.eks. Skrivebord), 2) semi-immersive ( f.eks. Projeksjon, CAVE-systemer) og 3) fullstendig nedsenkende ( f.eks ). Hvert system bringer sannsynligvis forskjellige nivåer av nedsenking, tilstedeværelse, PI og Psi avhengig av støttesystemet. Imidlertid, fordi tiltakene av nedsenking, tilstedeværelse, PI og Psi er bundet til de spesifikke sensorimotoriske uforutsetningene som hvert system støtter, har en sammenligning av disse indikatorene på tvers av forskjellige systemer vært ansett som umulig ⁸ . I de senere år har desktop virtuelle butikker fått mer oppmerksomhet og har blitt brukt i økende grad i forskning. Selv om den virtuelle butikken har blitt betraktet som en promisiasjonNg verktøy for undersøkelser i forbrukeradferdene i butikken, er kompetanse om bruk av en slik virtuell butikk nødvendig for å sikre en rettidig og riktig forberedelse og implementering av eksperimenter. Men hittil har rapporterte studier som beskriver prosedyren for å utføre virtuelle butikkeksperimenter, svært begrenset. Derfor har dette arbeidet til formål å beskrive en protokoll for å gjennomføre forbrukerforskning med den virtuelle butikken på skrivebordet, noe som er av vital betydning.

Vanligvis krever forskning med en virtuell butikk: 1) utstyr for å vise det virtuelle miljøet, 2) et redigeringsprogram for å gjøre det mulig for forskere å bygge det virtuelle miljøet, 3) en virtuell representasjon av det studerte objektet ( f.eks . Flere elementer i en butikk og Produkter), 4) et forbrukergrensesnitt for å navigere i det virtuelle miljøet og foreta valg, 5) prosedyrer for å kjøre datainnsamlingen selv, og 6) et datahåndteringssystem som muliggjør datalagring og analyse. De fleste av disseVil sannsynligvis bli administrert av et virtuelt butikkfirma og en programmerer. Forskere bør vite: 1) hvordan man lager en butikk for et eksperiment i et redigeringsprogram, 2) hvordan å kjøre datainnsamling med forbrukergrensesnittet, og 3) hvordan man organiserer alle utdata i datahåndteringsprogrammet og eksportere utganger for å være Satt inn i et statistisk program. Nåværende papir vil adressere denne informasjonen ved å gi detaljerte protokollsteg for å utføre eksperimenter med den virtuelle butikken på skrivebordet. I tillegg vil fordeler og begrensninger ved bruk av den virtuelle butikken i forbrukerforskning bli diskutert. Den detaljerte protokollen som er beskrevet i dette dokumentet, kan brukes til å hjelpe forskere til å starte og utføre virtuell butikkforskning.

Skrivebordets virtuelle butikk som brukes i dette papiret krever maskinvare ( dvs. PC-er), LCD-skjermer (LCD-skjermer), en tredimensjonal (3D) romnavigator, mus og tastatur) og programvare ( dvs. Å designe en butikk aNd å handle som en forbruker i en 3D virtuell butikk). Dette bestemte systemet har blitt brukt i tidligere studier ^{14 , 18} .

Protocol

Protokollen overholder "Generic Protocol Food Choice Simulator", som er i samsvar med Nederlandsk Code of Conduct for Scientific Practice, og er godkjent av Wageningen Universitets samfunnsvitenskapelige etikkutvalg.

1. Sette opp Virtual Store-utstyret

1. Forbered en tilstrekkelig stor plassering for virtuell butikkskjerm. Forbered alt utstyr for både den virtuelle butikken og datahåndteringsprogrammet.
   Merk: Utstyret inkluderer to datamaskiner (PCer, 1 virtuell butikk PC med høykapasitets minnekort for visning av den virtuelle butikken og 1 PC for datahåndteringsprogrammet), tre 42 tommers LCD-skjermer, en dataskjerm for visning av data Styringsprogram, tilkoblingskabler, elektroniske kontakter, en 3D-romnavigator, 2 mus og 2 tastaturer.
2. Koble alt utstyret sammen, som vist i figur 1 .
   1. ConnEct en PC til en dataskjerm, et tastatur og en mus for å bruke data management program.
   2. Plasser 3 LCD-skjermer ved siden av hverandre og juster skjermene til venstre og høyre for å gi et 180 ° synsfelt av den virtuelle butikken som vises på skjermen.
   3. Koble PC-en med 3 LCD-skjermer, 3D-romnavigatoren, en mus og et tastatur. Koble den virtuelle butikk-PCen med datastyrings-PCen.
   4. Slå på begge PCene og juster skjermoppløsningen på den virtuelle butikk-PCen for å "utvide flere skjermer." Sett det venstre skjermbildet for å være hoveddisplayet.

Figur 1 : Oppsettet for virtuell butikk. Den virtuelle butikken bruker en PC utstyrt med tre 42 tommers LCD-skjermer som gir 180 ° synlighet. En egen PC er lagt til for å imøtekomme datahåndteringsprogrammet. Denne pC gjør det mulig for en forskningskoordinator å overvåke fremdriften og starte nye virtuelle miljøer uten å forstyrre deltakerne. Vennligst klikk her for å se en større versjon av denne figuren.

2. Bygg virtuelle butikker for eksperimenter

1. Åpne grensesnittet for virtuell butikkbygger (kalt redigeringsprogrammet) ved å dobbeltklikke på ikonet "VirtualShop_Editor.exe" på skrivebordet.
2. Åpne en butikkmal som passer for studien ved å klikke "File" og klikke "open." Velg ønsket butikkmal, "Name.ShopConfig" ( f.eks. Supermarket001.ShopConfig).
3. Endre butikken angående eksperimentelle forhold.
   Merk: Før du endrer butikken, bør du lage en plan for den virtuelle butikken basert på forskningsspørsmål og mål for studien. Dette inkluderer typen, plasseringen ogAntall hyller; Plasseringen av produktkategorier på disse hyllene; Og typen og plasseringen av produktene innenfor produktkategoriene.
   1. Erstatt eksisterende produkter med produkter av interesse, der det er nødvendig.
      1. Bruk høyre museknapp og flytt musen for å zoome inn og ut til produkthylle. Og bruk venstre museknapp og flytt musen for å endre synspunktet.
      2. Klikk på ikonene i venstre menylinje for å endre visningen til den virtuelle butikken ( dvs. venstre gul ansikt = forfra, topp gul ansikt = toppvisning, høyre gul ansikt = sidevisning og alle sidegulv ansikter = hjemmevisning Ser fra toppen til venstre i butikken)).
      3. Dobbeltklikk på en hylle eller et produkt, og klikk på ikonene i venstre menylinje for å endre visningen av denne hylle eller produktet.
      4. Dobbeltklikk på en hylle av interesse og klikk på den "gule flekken" i venstre menylinje for å velge isolasjonsmodus.
         Merk: Isolasjonsmodusen gjør at rEsearcher for å isolere en hylle med produkter og å filtrere ut andre objekter fra skjermen. Dette er nyttig når du fyller hyllene.
      5. Dobbeltklikk på et eksisterende produkt og trykk deretter på "Slett" -knappen på tastaturet for å slette dette produktet.
      6. Klikk på "blå pil" i menylinjen for å åpne produktbiblioteket (se figur 2 ). Deretter klikker du på "Produktkategori" og velger deretter produktkategorien av interesse ( f.eks. Frukt).
      7. Dra et valgt produkt ( f.eks . Et brett av epler) ved å holde venstre museknapp og plasser produktet på ønsket hylle.
      8. Legg til eller erstatt alle produktene for å matche forskningsinteresser ved å gjenta trinnene fra 3.1.1-3.1.4.
   2. Flytt hele hyllene.
      1. Dobbeltklikk på en hylle som må flyttes. Flytt hyllen til ønsket sted ved å venstre-klikke på hele sokkelen og dRagging hyllen til en ny plassering.
      2. Roter sokkelen (om nødvendig) ved å holde nede "Ctrl" -tasten og venstre-klikke på hyllen. Vri eller flytt sokkelen til ønsket vinkel ved å flytte musen.
      3. Flytt alle nødvendige hyller for å matche forskningsinteresser ved å gjenta trinn 2.3.2.1 og 2.3.2.2.

Figur 2 : Den virtuelle butikkredaktøren og eksempler på produkter i produktbiblioteket. Redaktøren har et dra-og-slipp-grensesnitt for å tillate forskere å enkelt velge produkter fra biblioteket og plassere dem direkte på hyllene. I tillegg kan et popup-vindu brukes til å legge til eller redigere et produkt ved å klikke på et produkt i biblioteket. Vennligst klikk her for å se et større versIon av denne figuren.

4. Lagre den ferdige butikk-konfigurasjonen ved å bruke et filnavn som ikke er beskrivende for forskningsmiljøet. Klikk "File" → "lagre som" → "Name.ShopConfig" → "lagre."
   Merk: Det er også mulig å bygge en butikk fra en tom butikkmal. Start med å velge og legge til hyller og produkter fra produktbiblioteket til den tomme butikken. Samme prosedyre fra trinn 3.1 og 3.2 kan brukes.
5. Bygg en egen butikk for en treningsøkt og bygg flere butikker i henhold til eksperimentelle forhold, for eksempel supermarkeder med forskjellige butikkoppsett, følger trinnene fra 2.1-2.4.
   Merk: Eksempelstudien bruker et apotek som en praksisbutikk.
6. Spør programskaperen (se Materialebordet / Reagensene for kontaktdetaljer) for å skape nye turstier og beslutningspunkter for deltakere dersom butikkoppsettene er forskjellige enn eksisterende butikk templates.
   Merk: Shoppingbaner og beslutningspunkter er tilgjengelige for eksisterende butikkmaler. Det er også mulig å tillate deltakerne å gå fritt i butikken uten forutbestemte shoppingbaner.

3. Klargjøre Data Management Programmet til Record Data

1. Dobbeltklikk på ikonet for datastyringsprogram på skrivebordet for å starte programmet.
2. Åpne prosjektet "Virtual Shop Exp_StartUp" for å opprette et nytt prosjekt. Velg "Åpne" i popup-vinduet → "Virtual Shop Exp_StartUp" → "Virtuell butikk Exp_StartUp.vop."
3. Klikk på "Set up project" og velg "Live Observation" som en observasjonskilde. Velg "Kontinuerlig sampling" som en observasjonsmetode og velg "Open ended observation" som en observasjonsvarighet.
4. Legg til inputvariabler som representerer eksperimentelle forhold ( f.eks . Butikkoppsettet og shoppingmøtetTivasjon), hvis ønskelig.
   1. Klikk på "Set up" i øverste menylinje, og klikk deretter på "Independent Variable." Klikk på "Legg til variabel" for å legge til flere brukerdefinerte variabler.
   2. Fyll ut nødvendige detaljer, for eksempel variabelnavn, variabel type, forhåndsdefinert verdi og så videre.
5. Lagre prosjektet ved å klikke på "File" → "Save as." Navngi prosjektet, "Navn på project.vop" og klikk "Save."

4. Deltakervalgskriterier

1. Rekruttere deltakere uten øyeforstyrrelser, som fargeblindhet.

5. Forberedelse for forsøket

1. Forbered alle dokumentene som trengs for å utføre forsøkene.
2. Inviter en deltaker til eksperimentet. Oppgi en samtykkeskjema og be om at deltaker leser og signerer skjemaet før studien.
3. Gi eksperimentelle instruksjoner om at deltakerneBukse må følge. Se tilskudd 1 og 2 .
   Merk: Deltakerne bør informeres om at det å besøke en virtuell butikk kan føre til virtuell virkelighetssykdom ¹⁹ , og de bør oppfordres til å rapportere det til studiekoordinatoren når de begynner å oppleve symptomer. Hvis en deltaker uttrykker at han eller hun opplever virtuell virkelighetssykdom, bør deltakelse i eksperimentet stoppes.
4. Sett deltakeren foran den midterste LCD-skjermen, kort avstand fra midtskjermbildet (~ 60 cm). Juster stolen til deltakerens øyenivå stemmer overens med skjermens posisjon.

6. Kjør en praksis test

1. Informer deltakerne om at han / hun skal bli opplært i en økt for å kontrollere og bli kjent med den virtuelle butikken. Oppfordre deltaker til å stille spørsmål når han / hun ikke fullt ut forstår instruksjonene.
2. Åpne den virtuelle butikkenFor en treningsøkt.
   1. Start det virtuelle butikkprogrammet ved å dobbeltklikke på ikonet VirtualShop_Uviewer på skrivebordet. Klikk på "Start" for å gå inn i butikken.
   2. Trykk på "` "-tasten øverst til venstre på tastaturet for å åpne menylinjen til det virtuelle butikkprogrammet.
   3. Velg "SpaceNav" i en "Input" -boks for å velge hvilken type vandreadferd som gjør at deltakerne kan se og bestemme sin vandringsretning fritt.
      Merk: "SpeceNav" tillater deltakerne å se fritt gjennom det virtuelle miljøet, i alle retninger, ved hjelp av 3D-romnavigatoren. Det gjør det også mulig for deltakerne å bestemme sin egen vandringsretning. Likevel begrenser det deltakere til følgende forutbestemte turlinjer.
   4. Velg "Navn på en praksisbutikk" i ShopConfig-boksen og skriv "Navn på miljø" for å spesifisere butikkmiljøet, for eksempel Practice Store [ f.eks. Apotek 001].
   5. Klikk på "Reload butikk" for å åpne treningsbutikken, og en "Start" -boks vises senere.
3. Gi musen, 3D-romnavigatoren og tastaturet til deltaker. Forsikre deg om at forsiden av 3D-romnavigatoren står overfor deltakeren for å aktivere riktig navigasjonsretning.
4. Gi instruksjoner om hvordan manøvrerer i virtuell butikk og instruksjoner for treningsøkten til deltaker. Instruksjonen tilordner to øvelsesoppgaver som ber om at deltaker søker etter bestemte produkter og velger og / eller returnerer noen produkter.
   Merk: Eksempler på instruksjoner om hvordan manøvrerer i den virtuelle butikken og instruksjonene for treningsøkten er vist i tilleggsfilene 1 og 2 . En økt bør omfatte alle oppgaver som en deltaker måtte trenge å utføre under hovedprøven.
5. Tillat deltaker å fritt treneTil han / hun føler seg kjent med den virtuelle butikken. Sørg for at deltakerne forstår klart hvordan manøvrerer i virtuell butikk før du starter hovedstudien. Korrigere eller avklare om deltaker har gjort feil.
6. Påminn deltakerne om å sjekke handlekurven (ved å trykke "F1") før oppgaven avsluttes. Til slutt, påminn deltakerne om å avslutte handlingsoppgaven ved å trykke "Esc" og deretter klikke på "Start på nytt".
   Merk: Det er ikke nødvendig å lukke det virtuelle butikkprogrammet fordi det er raskere å laste butikken til hovedprøven via et åpent grensesnitt.

7. Kjører hovedtesten

1. Flytt deltakeren til et annet område mens den virtuelle butikken er forberedt på hovedprøven. Informer deltakerne om oppgavene som følger.
   Merk: Avhengig av forskningsmålene kan dette inneholde en oppgave å manipulere en uavhengig faktor utenfor den virtuelle butikken (i det omfattende eksemplet, thiS er en minneoppgave å manipulere shoppingmotivasjon), en shoppingoppgave (i den virtuelle butikken) og en handlingsevalueringsoppgave (spørreskjema).
2. Administrer en oppgave å manipulere en uavhengig variabel utenfor virtuell butikk når det er relevant for studiemålene. For eksempel spør deltakerne om å beskrive i detalj en nylig handlesituasjon der de enten hadde hedoniske eller utilitære shoppingmotiveringer (se tilleggsfil 3 ).
3. Forbered den virtuelle butikken for hovedstudien.
   1. Klikk på "Start" for å gå inn i butikken og trykk på "` "knappen øverst til venstre på tastaturet for å åpne menylinjen i det virtuelle butikkprogrammet.
   2. Last inn den virtuelle butikken og velg det virtuelle miljøet (tursti), i henhold til eksperimentelle forhold.
   3. Hold "SpaceNav" ved Input-boksen for å oppnå samme type vandringsoppførsel som i treningsøkten.
   4. Velg "NAme of store condition "i boksen ShopConfig og skriv" Navn på butikkmiljøet "i miljøboksen, for eksempel" Supermarket001 [Supermarket001]. "
   5. Klikk på "Reload butikk" for å åpne butikken for hovedprøven; "Start" -boksen vil vises.
4. Åpne dataadministrasjonsprogrammet på en annen datamaskin (der databehandlingsprogrammet er installert). Ta opp dataene ved å dobbeltklikke på ikonet for datastyringsprogram på skrivebordet.
5. Åpne prosjektet ved å dobbeltklikke på "Navn på prosjekt.vop" som forskeren tidligere har lagret når du forbereder dataadministrasjonsprogrammet.
6. Opprett en ny observasjon ved å klikke på "Observer" i toppmenylinjen og deretter klikke på "Observasjon" og "Ny". Navngi observasjonen ( f.eks. Prøve 1) og klikk "OK".
7. Start opptak ved å trykke på den røde sirkelknappen og fyll inn brukerdefinerte variabler, For eksempel en eksperimentell tilstand ( f.eks. Butikkoppsett = 1 og shoppingmotivasjon = 1 (utilitaristisk motivasjon)). Klikk på "OK".
   Merk: Opptaksknappen endres fra en sirkelform (rekord) til en firkantet form (stopp).
8. Kontroller at programmet starter opptak av data.
   1. Kontroller at "Statusdata plugin" og "Status event plugin" vinduer viser grønne markeringer.
   2. Sørg for at "tid" går.
   3. Kontroller at antall "sample" -kolonnen i vinduet Statusdata plugin vokser (vist på figur 3 ).

Figur 3 : Et eksempel på observasjonsvinduet som signalerer opptak av data. Når datahåndteringsprogrammet registrerer data, vil "Statusdata sLugin "-vinduet og" Status event plugin "viser et grønt merke. Også tiden skal gå, og antall prøver skal vokse. Vennligst klikk her for å se en større versjon av denne figuren.

9. Flytt deltakeren fra området der de har fått instruksjoner og (valgfritt) en oppgave å manipulere en variabel som ikke er i butikken, for eksempel shoppingmotivasjon, tilbake til den virtuelle butikken etter at han / hun har fullført manipulasjonsoppgaven.
   1. Sett deltakeren foran den midtre LCD-skjermen og kort avstand fra midtskjermbildet (~ 60 cm). Juster stolen til deltakerens øyenivå stemmer overens med skjermens posisjon.
10. Gi musen, 3D-romnavigatoren og tastaturet til deltaker. Sørg for at forsiden av 3D-romnavigatoren står overfor deltakeren for å aktivere correCt navigasjonsretning.
11. Gi instruksjoner om hvordan manøvrerer i den virtuelle butikken (se tillegg 1 ), handlingsoppgaveinstrukser og en handliste for hovedstudien (se tillegg 4 ).
12. Oppgi deltakeren for å trykke på "start" for å begynne å besøke butikken. Deretter må deltakerne være alene for å handle uten avbrudd.
13. Kontroller datahåndteringsprogrammet på en annen datamaskin og kontroller at dataene registreres ved å sjekke "Statusdata plugin" og "Status event plugin"; Disse vinduene skal vise et økende antall prøver og hendelser.
14. Vent til deltakeren fullfører shopping i den virtuelle butikken. Påminn deltakerne om å sjekke handlekurven (ved å trykke "F1") og trykk "Esc" for å fullføre handlingsoppgaven.
    Merk: Det er veldig viktig å trykke "Esc" for å markere slutten på shoppingturen og for å få en korrekt måling av t Han handler varighet.
15. Trykk på "stopp" -knappen i dataadministrasjonsprogrammet på den andre datamaskinen for å stoppe omkodingen (den firkantede knappen endres tilbake til en sirkel).
    Merk: To små vinduer - "Vennligst vent på å motta hendelsesdata til slutt" og "Vennligst vent på mottak av ekstern data til slutt" - vil dukke opp under avslutningen. Disse vinduene lukkes automatisk etter 2-3 s.
16. Be deltageren om å flytte til et annet område og be ham / henne om å fylle ut et spørreskjema som måler for eksempel deltakerens handleopplevelser, oppfatninger om butikken og villighet til å besøke butikken.
17. Gå tilbake til dataadministrasjonsprogrammet og klikk på "Visualiser" -knappen for å sjekke registrerte data; Grafen og dataene for kjøpte produkter skal vises, og eksempler på visualiserte data er vist i figur 4 .

/ftp_upload/55719/55719fig4.jpg "/>
Figur 4 : Visualiseringsvinduet som vises i datahåndteringsprogrammet. Den oransje linjen representerer hele handlekurven, siden deltakeren gikk inn i butikken til han / hun presset "Esc" for å indikere slutten på shoppingturen. Den grønne linjen angir tiden som tilbys på de undersøkte produktene. Disse utgangene kan konverteres til tabeller som er enkle å bruke i kombinasjon med SPSS eller andre statistiske programmer. Vennligst klikk her for å se en større versjon av denne figuren.

18. Debrief og gi en belønning (for eksempel et snackprodukt eller en monetær betaling) etter at deltaker er ferdig.
19. Oppdater en praksisbutikk for en ny deltaker ved å følge trinnene 5.2.3-5.2.4.
20. Trykk F9 for å lukke den virtuelle butikken etter at den siste deltaker er ferdig.
21. LagreDataene så ofte som mulig for å unngå tap av data.

8. Eksporter dataene

1. Eksporter dataene til handlingsrelatert atferd.
   1. Sett opp et filter for å velge dataene for handlingsrelatert oppførsel.
      1. Klikk "Data Profile" under "Analyser" mappen i venstre meny kolonne; Vinduet vil vise datakomponentene og hoveddiagrammet til dataprofilfilteret.
      2. Velg boksen "Nest over behaviors" under "Select Intervals" overskriften; Boksen med nestede oppføringer vil vises.
      3. Velg alle oppførselen av interesse ( f.eks . Varighet, produkter hentet, produkter kjøpt og produkter returnert) og klikk "OK".
      4. Dra boksen "Nested behaviors" og slipp den mellom "Start" og "Results" boksene.
      5. Kontroller at alle boksene er koblet til piler (se figur 5 ) og thaT "Resultater" -boksen viser det riktige antallet observasjoner.
         Merk: Hvis boksene ikke er koblet automatisk, kan en forsker koble dem ved å klikke med musen i en boks, holde og lage en linje til neste boks.
   2. Klikk på "Behavior Analyses" under "Analyser" -mappen og klikk deretter "New Behavior Analysis" for å åpne tabellen med oppførselsrelaterte resultater.
   3. Klikk på "Beregn" øverst til venstre i menylinjen for å trekke ut resultatene. Sørg for at handlingsegenskapene per deltaker vises i separate rader.
      Merk: En forsker kan endre formatet av de presenterte resultatene via en "Innstillingsvisning".
   4. Klikk på "Eksporter" -knappen for å eksportere dataene. Navngi den eksporterte filen "Name.xlsx."
      Merk: Denne filen blir lagret i mappen "Eksporter" i mappen for dataadministrasjonsprogram.

Figur 5 : Dataprofilfilter for eksport av handlingsrelatert oppførsel. Dataprofilfilteret lar forskere velge og eksportere dataene av interesse. For eksempel velger denne ordningen seg for shoppingrelaterte oppføringer ( f.eks . Varighet, antall undersøkte varer, antall kjøpte varer og antall produkter returnert). Vennligst klikk her for å se en større versjon av denne figuren.

2. Eksporter bevegelsesrelaterte data.
   1. Sett opp et filter for å velge bevegelsesrelaterte data.
      1. Klikk på "Data Profile" under "Analyser" -mappen i venstre meny kolonne. Velg "Nest over Speed" -boksen under overskriften "Velg intervaller med eksterne data"; "Nested Speed"; Boksen vil vises.
      2. Still inn intervallkriteriene til "Begrensning" → "Høyere enn" → "0.100 meter per sekund (m / sek)" og klikk deretter "OK".
         Merk: Dette filteret vil kun eksportere dataene ( f.eks . Ganghastighet og tid) som oppstår når deltakeren beveger seg i butikken.
      3. Dra boksen "Nested Speed" og slipp den mellom boksene "Nested behaviors" og "Results".
      4. Kontroller at alle boksene er tilkoblet ( dvs. "Start" -boks → "Nested behaviors" -boksen → "Nested Speed" -boksen → "Resultater" -boksen (vist i Figur 6 ) og at "Resultater" -boksen viser riktig antall observasjoner.
   2. Eksporter gangtid.
      1. Klikk "Behavior Analyses" under "Analyser" mappen og klikk deretter "New Behavior Analysis" for å åpne TaResultatrelaterte resultater.
      2. Klikk "Beregn" øverst til venstre i menylinjen for å trekke ut resultatene. Sørg for at handlingsadferdene per enkeltperson vises i separate rader.
         Merk: Resultatene skal vise en lavere varighet i forhold til trinn 8.1.3 fordi varigheten i denne delen utgjør den tiden en deltaker har gått i butikken. Disse resultatene utelukker tiden for produktundersøkelse og for å plukke opp produkter.
      3. Klikk på "Eksporter" -knappen for å eksportere dataene. Navngi den eksporterte filen, "Name.xlsx", med et navn som adskiller seg fra de første eksporterte handlingsrelaterte dataene; Denne filen lagres også i mappen "Eksporter" i mappen for dataadministrasjonsprogram.
   3. Eksporter gåhastigheten.
      1. Klikk "Numeriske analyser" under Analyser-mappen, og klikk deretter "Ny numerisk analyse" for å åpne tabellen med bevegelsesrelaterte resultater.
      2. Klikk "Beregn" øverst til venstre i menylinjen for å trekke ut resultatene. Sørg for at de bevegelsesrelaterte resultatene, for eksempel hastighet per deltaker, vises i separate rader.
      3. Klikk på "Eksporter" -knappen for å eksportere dataene. Navngi den eksporterte filen "Name.xlsx;" Denne filen vil bli lagret i mappen "Eksporter" i mappen for dataadministrasjonsprogram.

Figur 6 : Dataprofilfilter for eksport av bevegelsesrelatert oppførsel. Denne ordningen filtrerer bevegelsesrelaterte oppføringer ( f.eks . Bevegelseshastighet og flyttetid) som oppstår når deltakerne beveger seg i butikken (hastighet> 0.100 m / s). Atferdene og tider når deltakerne står stille blir filtrert ut.Blank "> Vennligst klikk her for å se en større versjon av denne figuren.

Representative Results

Den virtuelle butikken som vises ved hjelp av en PC med tre 42-i-LCD-skjermer, har blitt brukt for å undersøke effekten av supermarkedoppsettet på forbrukerhandelsadferd (for eksempel total handlekurv, bevegelsestid og hastighet, totalt antall undersøkte produkter og totalt antall Kjøpte produkter) og opplevd shoppingopplevelse. Den virtuelle butikken gjør at forskeren fleksibelt kan endre egenskapene til butikkhyllene ( dvs. hyllelengde og hylleorientering) og å undersøke disse effektene i en laboratorieinnstilling.

Som et eksempel er det gitt resultater fra butikkoppsettstudien. I studien ble supermarkedbutikker bygget med 4 forskjellige oppsett, hvor hyllelengden (kort versus lange hyller) og hylleorientering (parallelt arrangement mot uovertruffen ordning) var variert. Disse butikkene er avbildet i figur 7 .
Figur 7 : Bilder av fire butikkoppsett i butiksoppsetteksperimentet. Oppsettene varierer i hyllelengde og hylleretning: 1) Lagre med lange og parallelle hyller, 2) Lagre med korte og parallelle hyller, 3) Lagre med lange og ikke-parallelle hyller, og 4) Lagre med korte og ikke-parallelle hyller . Vennligst klikk her for å se en større versjon av denne figuren.

Studien ble utført i samsvar med "Generic Protocol Food Choice Simulator" og godkjent av Wageningen Universitets samfunnsvitenskapelige etikkutvalg. Alle deltakere signerte et informert samtykkeskjema før de deltok i forsøkene. I dette eksemplet er deltakerne (n = 241, 71% kvinnelige) ble delt inn i fire grupper; Hver gruppe besøkte en av fire butikkoppsett. Deltakere ble trent på hvordan man bruker den virtuelle butikken i en økt økt. Deretter fullførte de en handlingsmotivasjonsmanipuleringsoppgave som ba dem tilbakekalle shoppingturer med enten hedoniske eller utilitariske shoppingmotivasjoner. Derefter startet deltakerne hovedprøven, der de ble bedt om å handle for en middag ved hjelp av en handleliste. Deltakerne ble bedt om å forestille seg at de handlet med enten hedonisk eller utilitaristisk motivasjon (samme motivasjon som i forrige tilbakekallingsoppgave ble tildelt). Handlelisten besto av fastvalg (8 forhåndsdefinerte typer produkter) og fritt valgprodukter (ubestemte produkter fra kategorien frukt og grønnsaker). De frie valgproduktene ble brukt til å teste effektene av butikkoppsettet på antall kjøpte produkter. Når deltakerne var ferdig med å handle, fylte de inn et databasert spørreskjema til evAluere sine shoppingopplevelser, oppfatninger om butikken og villighet til å besøke butikken.

Datahåndteringsprogrammet registrerte shoppingadferd (for eksempel total kjøpstid, bevegelseshastighet og totalt antall kjøpte varer). Etterpå ble variabler eksportert fra datahåndteringsprogrammet til 3 separerte tabeller: Tabell 1 , Tabell 2 og Tabell 3 . Tabell 1 viser samlet handletid, totalt antall undersøkte produkter og totalt antall produkter som er kjøpt av hver deltaker. Tabell 2 viser total bevegelsesvarighet ( dvs. kjøpstid) som ble valgt fra et filter med hastigheter høyere enn 0.001 m / s. Tabell 3 viser bevegelseshastigheten som senere kan brukes til å beregne gangavstanden (gangavstand (m) = gjennomsnittlig bevegelseshastighet (m / s) x total bevegelsestid (er)).

Tabell 1: Eksempler på handlingsrelatert atferdsmessig data fra hver deltaker ( dvs. total handlekurv, totalt antall undersøkte produkter, totalt antall kjøpte produkter og totalt antall produkter returnert), eksportert fra datahåndteringsprogrammet. Alle handlingsrelaterte atferdsmessige data fra hver deltaker skal organiseres i én rad før de overføres til SPSS eller andre statistiske programmer. Denne eksporterte data vil bli lagret i filen "Gedragsdata" i eksportmappen til datahåndteringsprogrammet. Vennligst klikk her for å se en større versjon av denne tabellen.

Tabell 2: Eksempler på bevegelsesrelatert dAta ( dvs. bevegelseshastigheten og gangposisjonen til hver deltaker), eksportert fra datahåndteringsprogrammet. Bevegelsesrelaterte data velges når deltakerne flyttes med hastigheter høyere enn 0.100 m / s. Dette valget filtrerer ut alle dataene som skjedde da deltakerne stod stille. Alle bevegelsesrelaterte data fra hver deltager skal organiseres i en rad før de blir overført til SPSS eller andre statistiske programmer. Denne eksporterte data vil bli lagret til en fil som heter "Numeriske data" i eksportmappen til datahåndteringsprogrammet. Vennligst klikk her for å se en større versjon av denne tabellen.

Tabell 3: Eksempler på bevegelsesvarighet (angitt i kolonnen for varighet for varighet), eksportert fra datahåndteringprogram. Bevegelsesvarigheten hentes fra atferdsdata tabellen som filtrerer ut tiden da deltakerne ikke beveget seg (hastighet <0.100 m / s). Denne varigheten er kortere enn den totale handlingsvarigheten. De eksporterte dataene blir lagret til en fil kalt "Behavioral data" i eksportmappen til datahåndteringsprogrammet. Vennligst klikk her for å se en større versjon av denne tabellen.

Når dataene ble eksportert, ble univariate ANOVA anvendt for å analysere effektene av hylle lengde og hylleorientering på butikkoppførsel i butikken. Effektene av butikkoppsettet kan presenteres i ulike former, for eksempel bardiagrammer og tabeller.

Figur 8 viser totalt antall undersøkte produkter og totalt antall produkter som er kjøpt iSupermarkeder med forskjellige butikkoppsett. Resultatene fra den virtuelle butikken bekreftet at butikk layout attributter, spesielt vekselvirkningen mellom sokkelen lengde og hylle orientering, påvirket det antall produkter som er undersøkt (F (1,237) = 4,66, p <0,05, _p η ² = 0,02) og den Antall kjøpte varer ( F (1,237) = 3,47, p = .06, η _p ² = .01). Resultatene viste at når hyllene ble plassert parallelt, hadde lengden på hyllene ikke påvirket antall undersøkte produkter ( M _kort ± SD _kort = 16,12 ± 5,37, M _lang ± SD _lang = 17,12 ± 5,99, F (1,237) = 0,81, p = .37, η _p ² = .00), eller antall kjøpte varer ( M _kort ± SD _kort = 12,00 ± 2,77, M _lang ± SD lang = 12,22 ± 2,37, F (1,237) = 0,24, p = .63, η _p ² = .00). I motsetning til at orienteringen av hyllene var uovertruffen, stimulerte kortere hyllelengder et høyere antall undersøkte produkter ( M _kort ± SD _kort = 17,62 ± 6,48, M _lang ± SD _lang = 15,23 ± 6,45, F (1,237) = 4,65, P <.05, η _p ² = .02) og kjøpt til lengre hylle lengder ( M _kort ± SD _kort = 12,30 ± 2,15, M _lang ± SD _lang = 11,35 ± 2,37, F (1,237) = 4,61, p <0,05 , Η _p ² = .02).

Figur 8 : Totalt antallProdukter undersøkt (venstre) og totalt antall produkter kjøpt (høyre) i et supermarked med forskjellige butikkoppsett (kort versus lange hyller plassert parallelt eller i en enestående retning). Det totale antall undersøkte produkter (pakker eller gjenstander) økte hver gang deltakerne klikket på et produkt. Dette nummeret er forskjellig fra det totale antall produkter som er kjøpt (pakker eller gjenstander), hvorved antall produkter i kjøpesummen ble registrert. Deltakerne fikk lov til å returnere utvalgte produkter. P <0,10 ⁺ , p <0,05 ^* , p <0,01 ^** , p <0,001 ^*** Vennligst klikk her for å se en større versjon av denne figuren.

I tillegg til produktvalgsadferd, kan den virtuelle butikken også registrere tid og bevegelsesrelé Ated oppførsel, for eksempel shoppingtid og gangavstand. Figur 9 og Figur 10 viser effektene av hylleattributter på henholdsvis shoppingtid og gangavstand fra deltakerne.

Figur 9 : Totalt antall shoppingtider som tilbys i supermarkedet med forskjellige hyllelengder og hylleretninger. Total shoppingtid står for tiden deltakerne har brukt mellom å gå inn i butikken og forlate butikken. Datahåndteringsprogrammet gjør det også mulig for forskere å filtrere ut tiden som deltakerne brukte i et bestemt område. P <0,10 ⁺ , p <0,05 ^* , p <0,01 ^** , p <0,001 ^***Target = "_ blank"> Vennligst klikk her for å se en større versjon av denne figuren.

Figur 10 : Gangavstand fra deltakere i supermarkedet med forskjellige hyllelengder og hylleretninger. Gangavstanden ble bestemt ved å multiplisere flyttetidene med gjennomsnittlig kjøpshastighet (m / s). Varigheten av flyttetiden som brukes til å beregne gangavstand, er forskjellig fra den totale handlekurv, fordi bevegelsestiden er utelukkende registrert under deltakerbevegelse. I kontrast representerer den totale handletiden for bevegelsestid og tid brukt til å se og velge produkter. Dermed kan total bevegelsestid oppnås ved bare å velge tidspunktet hvor deltakerne beveger seg raskere enn 0.100 m / s. P <0,10 ⁺ , p <0,05 ^* , p <0,01 ^** p <0.001 ^*** Vennligst klikk her for å se en større versjon av denne figuren.

I tillegg til effektene av hylleattributter, fokuserer den nåværende forskningen også på shoppingmotivasjoner for å forstå deres innflytelse på butikkoppførsel i butikken. Resultatene avslører viktige hovedeffekter av shoppingmotivasjoner på alle opphavsrettsvariabler i butikken. Forbrukere med en hedonisk motivasjon søkt etter ( dvs. klikket på) ( M _hedonic ± SD _hedonic = 17,97 ± 6,93) og kjøpte flere produkter ( M _hedonic ± SD _hedonic = 12,25 ± 2,42) enn forbrukere med en utilitaristisk motivasjon (produkter undersøkt: M _{Utilitaristisk} ± SD _{utilitaristisk} = 15,10 ± 4,82, kjøpte produkter: M utilitaristisk ± SD _{utilitaristisk} = 11,69 ± 2,43, se figur 11). De er også mer tid (M _hedonisk ± SD _hedonisk = 607.18 ± 205.07 s, M _nytteverdi ± SD _nytte = 480.94 ± 134,25 s, se figur 12) og gikk lengre avstander (M _hedonisk ± SD _hedonisk = 89,87 ± 31,15 m, M _nytte ± SD _{utilitaristisk} = 80,73 ± 34,08 m, se figur 13). Samspillingseffekten av shoppingmotivasjon og lagringshylleattributter var ikke signifikant.

Figur 11 : Totalt antall produkter undersøkt (venstre) og totalt antall produkter kjøpt (høyre) av deltakerne med utilitaristisk og hanDonic shopping motivasjon. Antallet undersøkte og kjøpte produkter er presentert på tvers av alle butikkoppsett. Deltakere ble tildelt butikker under enten utilitaristisk eller hedonistisk shoppingmotivasjon før en shoppingoppgave. Handlingsmotivasjonen ble manipulert av en motivasjonsmanipuleringsoppgave og en kjøpssituasjon. P <0.10+, p <0.05 *, p <0.01 **, p <0.001 *** Vennligst klikk her for å se en større versjon av denne figuren.

Figur 12 : Total shoppingtid (er) brukt i supermarkeder av deltagere med utilitaristisk eller hedonisk shoppingmotivasjon. Total shoppingtid står for hele tiden som deltakere med ulike shoppingmotivasjoner brukt iVirtuelt supermarked på tvers av alle butikkoppsett. P <0.10+, p <0.05 *, p <0.01 **, p <0.001 *** Vennligst klikk her for å se en større versjon av denne figuren.

Figur 13 : Avstanden som deltakerne med utilitaristisk og hedonisk shoppingmotivasjon gikk. Denne figuren viser gjennomsnittlig gangavstand over alle butikkoppsett. P <0.10+, p <0.05 *, p <0.01 **, p <0.001 *** Vennligst klikk her for å se en større versjon av denne figuren.

Discussion

Den virtuelle butikken er en av de mer avanserte datateknologiene som er utviklet for å skape virtuelle miljøer der folk kan oppleve og reagere på nær virkelighetsobjekter. Vanligvis består desktop-virtuell butikk av brukervennlige grensesnitt som krever kort tid å forstå. Imidlertid må det tas hensyn til en rekke kritiske punkter. Først er det behov for klare forskningsmål på forhånd for å angi startpunkter når du bygger virtuell butikk. Dette inkluderer en plan om produktene; Type, plassering og antall hyller; Plasseringen av produktkategorier på disse hyllene; Typen og plasseringen av produktene innenfor produktkategoriene; Og andre elementer (for eksempel plakat, skilting og spesielle skjermer). Videre er det viktig å bestemme hvilken modell (2D eller 3D) av en digital representasjon av objekter vil bli brukt (se figur 14 ). 3D-modellene er virtuelle representasjoner, med høyde, bredde,Og dybde, hvor alle sider er representert i detalj. I kontrast gir 2D-modellen illusjonen av en 3D-representasjon ved å presentere et objekt i en terningramme (3D-form), med realistiske visuelle bilder på objektets front. De andre sidene av 2D-modellene vises grovt uten detaljer. Ulike former for representasjoner gir opphav til forskjellige brukeropplevelser og forskjellige sanser av nedsenking. 3D-modellen som viser alle detaljer i et objekt, kan gi en høyere følelse av nærvær og nedsenkning (PI og Psi) enn 2D-modellen. Imidlertid er 2D-modellen fleksibel og enkel for en forsker å bruke, og størrelsen på kuberammen kan enkelt justeres. Valget av den virtuelle representasjonen avhenger således av forskningsmålene. For det andre, etter at alle butikker er bygget, bør forskeren kjøre og teste alle versjoner av den virtuelle butikken ved å besøke hver butikk og plukke opp, velge og returnere produkter for å verifisere at dataene er lagret riktig. For det tredje fordi studien består av sEveral trinn, klare instruksjoner og detaljerte virtuelle butikk manualer er ekstremt viktig. Instruksjonene skal angi hva deltakere bør og ikke skal gjøre i hvert trinn. For det fjerde er treningsøkten avgjørende for å gjøre deltakerne kjent med den virtuelle butikken og minimere forstyrrelser som genereres fra forskjellige datakompetanse. Sist, forskere bør advares for å lagre data så ofte som mulig for å unngå potensielt tap av data.

Figur 14 : Et eksempel på et produkt i en 3D-modell (venstre) og en 2D-modell (høyre). Når deltakerne klikker på et produkt, kan 3D-modellen roteres på skjermen for å illustrere alle sider av produktet, mens 2D-modellen bare illustrerer forsiden av produktet og ikke kan roteres. Vennligst klikk her tilSe en større versjon av denne figuren.

Bruken av virtuelle butikker i forbrukerforskning har fordeler i forhold til mer tradisjonelle forskningsmetoder. En virtuell butikk er et tett kontrollert, men likevel realistisk miljø ^{17 , 19} , og derved gir den interne validiteten til et kontrollert eksperiment, samtidig som det opprettholder en høy grad av ekstern gyldighet. Det kombinerer dermed fordelene ved både felt- og laboratoriemetoder ²⁰ . Dette innebærer at forbrukeradferd kan observeres og måles i en realistisk sammenheng, med mindre bekymring for sosialt ønskelige svar enn i andre forskningsmetoder, for eksempel undersøkelser og fokusgrupper ²¹ . En nylig studie har indikert at sammenlignet med en metode for bruk av fotografier for å vise en butikkhylle, fører bruken av virtuell virkelighet til at forbrukeren i butikken opptrer som mer ligner på atferden demonstrert i en fysisk stMalm, basert på flere parametere (dvs. følelser av nærvær, type merkede merker og svar på produktets plassering i displayet) ¹⁸ . En ekstra fordel ved å bruke virtuell virkelighet er at endringer i butikkmiljøet kan gjøres uten å måtte stole på komplekse implementeringsprosesser i virkelige innstillinger ^{22 , 23} . Dette gir fleksibilitet til forskeren. Som et resultat har bruken av en virtuell butikk klare fordeler når målet med en undersøkelse er å undersøke forbrukerresponser på produkter som ikke er tilgjengelige i markedet (for eksempel i tidlige stadier av ny produktutvikling), for å undersøke forbrukerresponsene Til faktorer som er kostbare eller vanskelige å forandre i virkeligheten ( f.eks . Generelle butikkoppsett), og / eller å undersøke rutinert oppførsel i kjente miljøer.

Til tross for de oppgitte fordelene ved den virtuelle butikken, flere begrensningerSjoner må vurderes nøye. De største begrensningene på dette utviklingsstadiet gjelder: 1) tid og plass som trengs per deltaker, 2) potensiell ferdighetsrelatert bias, 3) kostnadene ved å tilpasse nye miljøer og 4) reell oppførsel og insentiver. Foreløpig kan den virtuelle butikken kun brukes av én person om gangen. Spesielt samles en del deltakere i et virtuelt laboratorium eller et eksperimentelt område for å kjøre simuleringer. Denne begrensningen av tid og fysisk plass til eksperimentet for virtuell butikk begrenser prøvestørrelsen og typer målgrupper. I tillegg er begrensningen på typer målgrupper også forårsaket av ferdighetene som kreves for deltakerne å bruke datamaskinen. Spillere eller yngre deltakere vil trolig være i stand til å håndtere programmet mer effektivt enn eldre eller personer med lav datakompetanse. En annen begrensning i den virtuelle butikken er at tilpasningen av butikken og produktbiblioteket er i utviklingenEnt stadium. Hvis man ønsker å bruke en kompleks butikkdesign eller -butikkelementer eller -produkter som er forskjellige fra de tilgjengelige malene (for eksempel å forstørre butikkstørrelsen eller inkludere nye butikkelementer, for eksempel displaytabeller), må programmet justeres. Dermed blir kostnader og tid påløpt for utarbeidelse av datainnsamling. Til slutt, selv om tidligere studier har vist at den virtuelle butikken reflekterer atferden i den fysiske butikken tettere enn et eksperiment ved hjelp av billedstimuli, har deltakerne en tendens til å kjøpe flere produkter i laboratorieoppsettet enn de gjør i faktiske butikker. Selv om bruken av en virtuell butikk øker realismen sammenlignet med bruken av bilder, er det altså flere forskjeller fra virkelighetsadferd ¹⁸ . For å være forsiktig må dette vurderes når man tolker resultater fra en studie ved hjelp av den virtuelle butikken.

Det finnes et stort utvalg av forskjellige teknologiske funksjoner og systemer for virtuell virkelighetkasjoner. Disse systemene varierer hovedsakelig på aspekter av mobilitet i utstyr, brukergrensesnitt og utviklingskostnader. Kostnadene for utstyr og lisenser varierer og er utsatt for drastiske endringer på grunn av den teknologiske utviklingen. Generelt er kostnadene per deltaker høyere når flere oppførselsdata er nødvendig med 3D-simuleringer på høyere nivå. Bruken av et annet system eller grensesnitt kan motvirke noen av de nevnte begrensningene, men til en pris i form av penger eller fleksibilitet. Spesielt kan den første begrensningen, på tid og plass som trengs per deltaker, motvirkes ved bruk av smarttelefonteknologi. Smarttelefoner, i kombinasjon med et utpekt headset, kan gi et fullt, nedsenkende, 360 ° miljø. Begrensninger på plass er så lave som mulig, siden det ikke koster mer plass enn det man vanligvis ville bruke. På grunn av den utbredte bruken av smarttelefoner og den lave prisen på utpekte headset, kan flere personer bruke det samtidig. Ulempen med denne teknologien erAt smarttelefonene har lavere datakraft og dermed kun kan håndtere mindre vanskelige omgivelser. Den andre begrensningen er den potensielle ferdighetsrelaterte bias, en begrensning som ethvert system må håndtere. Noen systemer, som Cavesystemet, simulerer naturlige bevegelser ²⁴ , som potensielt kan redusere denne forspenningen. Cavesystemet bruker projektor skjermer og hodet sporing, som gjør at deltakerne fysisk kan bevege seg gjennom et begrenset rom og å orientere hodet sin med vilje. Et slikt system er imidlertid ikke eller er knapt mobil og krever mye mer utviklings- og maskinvarekostnader. Den tredje begrensningen, kostnadene som er involvert med å tilpasse butikkprodukter og miljø, er avhengig av graden av simulering. Det er mulig å simulere et stasjonært miljø basert på et bilde, men så snart flere detaljer, for eksempel en 3D-verden eller 3D-produkter, trengs, er en avhengig av tilgjengeligheten av disse objektene i 3D. Den siste begrensningen, simulatet Ion av reell oppførsel og insentiver, er sannsynligvis avhengig av de ovennevnte faktorene for mobilitet, dyktighetskompetanse og generelt graden av nedsenkning. Mobile enheter kan brukes i en relevant sammenheng ( f.eks . I det egentlige supermarkedet), slik at incitamentet og formålet med besøket reelt ( f.eks. Å kjøpe et produkt, praktisk talt resulterer i faktisk å kjøpe produktet i virkeligheten). Videre kan det forventes at når brukergrensesnittet ligner på naturlig bevegelse, vil det bedre lignes i virkeligheten. Til slutt er nivået av nedsenking oppnådd av dagens virtuelle butikk mellom de med en vanlig desktop og en semi-immersive virtual reality projection ⁸ . Siden andre virtuelle butikksystemer er i de tidlige utviklingsstadiene, er studier som beskriver og sammenligner ulike virtuelle butikksystemer knappe. En sammenligning av shoppingoppførsel under forskjellige nivåer av nedsenkning er ennå ikke gjennomført.

"> Som virtuell virkelighet har blitt en mye brukt teknologi, utenfor rammen av dataspill, virtual reality-teknologi er sannsynlig å gå inn i markedet for hjemmebrukere (for eksempel ved fjernsyn, internett eller mobil). Dette vil potensielt gjøre det mulig forskere å gjøre Virtuell virkelighetstest utenfor laboratoriet. Videre gir denne utviklingen gode muligheter til å måle, undersøke og forstå oppførselen til mennesker på bredere skala når det gjelder grupper og områder ( f.eks. I utviklingsland eller landområder med begrenset tilgjengelighet til teknologi ) Den eksterne validiteten til forskningen vil følgelig bli forbedret. Med fremgangen av denne teknologien på forbrukermarkedet kan virtual reality research videreutvikle fra støtte simuleringer til direkte måling og sporing av virkelige oppføringer. Som folk som surfer på nettet Eller forbrukere velger i en nettbutikk er allerede sterkt sporet for å forutsi eller påvirke atferd, samme typeE av atferdsmessige tiltak eksisterer (og kommer til å eksistere) for simulerte virtuelle verdener. En annen potensiell utvikling er planlagt innen generering av tilpassede miljøer. Flere nettsteder er allerede automatisk justert til den enkelte som besøker dem. Eksempler på slike nettsteder er nettbutikker som gir forslag basert på aspekter som sted, tidligere kjøp og Facebook ( dvs. en sosial media og nettverksplattform), som tilpasser ikke bare annonsene, men også annet innhold som passer til personlige preferanser. Det samme kan skje for virtuelle verdener. I praksis kan folk for eksempel velge personlige supermarkeder, utforme eller velge måten de foretrekker å bli veiledet på (for eksempel "veilede meg mot bærekraftige produktvalg"), eller til og med begrense valgene de kan lage ( f.eks. Bare produkter for personer med en bestemt sykdom).

Oppsummert, unraveling mysterier conSumeradferd kan ikke oppnås ved en selvstendig forskningsmetode. For å sammenligne eller kombinere innsikt må ulike datainnsamlingsverktøy brukes. Den virtuelle virkelighetsutviklingen har tatt gode skritt de siste årene. Nå er det på tide å knytte disse metodene til tradisjonelle metoder slik at nye innsikt kan komme fram. Det er flere alternativer i den virtuelle butikken, alle med sine respektive fordeler og ulemper. Den virtuelle butikken som er beskrevet her, er unik ved at det er en enkel editor for å bygge en virtuell butikk som inneholder en rekke alternativer for å samle oppførselsdata. Et eksempel på forskning med den virtuelle butikken som presenteres her, legger grunnlaget som en universell måte å måle forbrukeradferd i forskning på virtuell virkelighet.

Materials

Name	Company	Catalog Number	Comments
Virtual Supermarket Software	GreenDino BV	http://www.greendino.nl/virtual-labs.html	This software consists of editor, product library and consumer interface.
Data Management Software: Observer XT	Noldus Information Technology	http://www.noldus.com/human-behavior-research/products/the-observer-xt	This software records observational data and facilitates the exportation of researcher-specified data sets using filters
3D SpaceNavigator	3Dconnexion	http://www.3dconnexion.eu/index.php?id=26&redirect2=www.3dconnexion.eu	A 3D SpaceNavigator allows participants to walk and make turns in the virtual store. In addition, it can be used by participants to adjust their eye-level during a shopping trip.
3D moddeling software (e.g. Blender or 3DS Max)	Blender Foundation / Autodesk	https://www.blender.org/ http://www.autodesk.nl/products/3ds-max/overview	In case 3D models need to be made or adjusted 3D modeling software is needed. Many objects can be found online under different licencing agreements.
Contract Reseach	Wageningen Univeristy and Research	http://www.wur.nl/en/Expertise-Services/Research-Institutes/Economic-Research.htm	The socio-economic research institute (Wageningen Economic Research)  with experience in conducting the consumer research with the virtual store.