Använda ett virtuellt lager som ett forskningsverktyg för att undersöka konsumentens affärsbeteende

Summary

I det här dokumentet beskrivs användningen av en virtuell virtuell butik för att skapa virtuella inköpsmiljöer för att undersöka konsumentbeteendet i butiken. En beskrivning av protokollet för att bygga och köra experiment, till exempel resultat från ett experiment om butikslayout och viktiga överväganden när man genomför virtuella butiksexperiment presenteras.

Abstract

Människors svar på produkter och / eller valmöjligheter är avgörande för att förstå konsumenternas beteende i butik. För närvarande finns det olika tillvägagångssätt ( t.ex. undersökningar eller laboratorieinställningar) för att studera beteende i butik, men den externa validiteten av dessa begränsas av deras dåliga förmåga att likna realistiska valmöjligheter. Dessutom är det kostsamt och mycket svårt att bygga en riktig butik för att möta experimentella förhållanden samtidigt som man kontrollerar biverkningar. En virtuell butik som utvecklats av virtuella verklighetstekniker överstiger potentiellt dessa begränsningar genom att erbjuda simulering av en virtuell 3D-butiksmiljö på ett realistiskt, flexibelt och kostnadseffektivt sätt. I synnerhet tillåter en virtuell butik interaktivt konsumenter (deltagare) att uppleva och interagera med objekt i en strikt kontrollerad men ändå realistisk miljö. Detta papper presenterar de viktigaste elementen i att använda en virtuell butik för skrivbord för att studera konsumentbeteende i butik. descrIptions av protokollstegen till: 1) bygga experimentbutiken, 2) förbereda datahanteringsprogrammet, 3) köra experimentet med virtuella butiker och 4) organisera och exportera data från datahanteringsprogrammet presenteras. Den virtuella butiken gör att deltagarna kan navigera genom affären, välja en produkt från alternativ och välja eller returnera produkter. Dessutom kan konsumentrelaterade shoppingbeteenden ( t.ex. shoppingtid, gånghastighet och antal och typ av produkter som undersökts och köpt) också samlas in. Protokollet illustreras med ett exempel på ett butikslayoutexperiment som visar att hyllängd och hyllaorientering påverkar shopping- och rörelsesrelaterade beteenden. Detta visar att användningen av en virtuell butik underlättar undersökningen av konsumentsvar. Den virtuella butiken kan vara speciellt användbar när man undersöker faktorer som är kostsamma eller svåra att förändra i verkligheten ( t.ex. övergripande butikslayout), produkter som inte är tillgängliga för närvarande iMarknaden och rutinerade beteenden i kända miljöer.

Introduction

Det är obestridligt att förstå konsumenternas beteendemönster är av avgörande betydelse för att uppnå effektiv detaljhandel. För att hjälpa till i denna förståelse kan avancerad virtuell verklighetsteknik, känd som den virtuella butiken, möjliggöra studier av konsumentbeteende som använder datorbaserade virtuella miljöer. Den virtuella affärsinriktningen använder ett virtuellt verklighetssystem för att generera realistiska och fördjupande tredimensionella virtuella butiksmiljöer där människor kan interagera med föremålen i affären. I sådana virtuella butiksmiljöer upplever människor artificiellt skapade sensoriska upplevelser. Virtuella butiksmiljöer kan vara antingen realistiska representationer av butiksmiljöer som existerar i verkligheten eller imaginära affärsmiljöer. Dessutom kan den virtuella butiken ses som ett mellanverktyg mellan traditionell konsumentforskning ( dvs. textbaserade undersökningar, fokusgrupper eller lab experiment), kontrollerade fältförsök ( dvs.I mock-butiksmiljöer) och fältstudier ( dvs. videoinspelningar, personliga observationer eller test av produktförsäljning) ¹ .

Virtuella verklighetstillämpningar har stor forskningshistoria. Redan 1965 beskrev Sutherland ² sitt "ultimata display" -koncept, som inkluderar en virtuell värld som ger ljud och taktil återkoppling. Ursprungligen var uppmärksamheten främst inriktad på den tekniska hårdvaran, men eftersom detta inte ger insikt i effekterna av virtuella verklighetssystem har uppmärksamheten skiftat till den mänskliga erfarenheten ^{3 , 4} . Känslan av "närvaro" av att vara i den datorgenererade världen har följaktligen blivit en nyckel till virtuella verklighetsupplevelser ^{5 , 6} . Närvaro har definierats som "den subjektiva erfarenheten av att vara i en miljö, ävenNär man fysiskt är belägen i en annan. " ⁷ Från denna synvinkel kan" deltagarnas känsla "hämtas från en deltagare och refererar till i vilken utsträckning en person uppfattar sig för att vara i en miljö. Alternativt kan Slater ⁸ Har särskiljat mellan begreppen närvaro och nedsänkning, kallad "place illusion" (PI) och "plausibility illusion" (Psi). PI avser att ha en känsla av att vara på en riktig plats. Det utvärderas av en uppsättning giltiga handlingar eller Svar som deltagarna kan utföra för att ändra sina uppfattningar eller miljön ( t.ex. flytta huvudet och ögat för att ändra blickriktningen eller ta tag i ett föremål för att flytta det). PI är högt när en liknande uppsättning svar på förändringsuppfattningar krävs i Virtuellt verklighetssystem jämfört med det svar som förväntas i en ekvivalent fysisk miljö. Psi står för vad som uppfattas i den virtuella verkligheten, med hänvisning tillIllusion att det faktiskt förekommer. En vital komponent som kan leda till Psi är att den virtuella verkligheten ger illusionen att händelser i den virtuella miljön som en deltagare inte har direkt kontroll hänvisar direkt till sig själv. Psi kan mätas genom att spåra några åtgärder eller svar som människor manifesterar som svar på förändringar i den virtuella verkligheten som härrör från utsidan. Till exempel, om människors hjärtfrekvens ökar när de ser en avatar i den virtuella miljön, kan detta representera en liknande reaktion på den verkliga världen. Således ger detta virtuella verklighetssystem höga Psi.

Virtuell butikstekniken har introducerats i företag och akademiker för att tjäna flera syften. Den kan användas som ledningsstöd, till exempel för att hjälpa företagsledare i företag att utveckla en hyllplan för sina produkter. Virtuella butiker har också sin användning i kliniska miljöer, för att mäta emotionella responser på mat för patienter medEn ätstörning ¹ eller som ett screeningsverktyg för mild kognitiv försämring ⁹ . En mer vanlig användning av virtuella butiker i forskning är emellertid att bedöma konsumenternas beteende och konsumentsvar på förändringar i butiksmiljön, såsom prisändringar ^{10 , 11 , 12} , olika uppställningar av försäljningsställen ¹³ , Olika förpackningsmöjligheter ¹⁴ , olika näringsmärkning på baksidorna av produktpaket ¹⁵ och lagernivåer ¹⁶ . Dessutom används den virtuella butiken för närvarande för att skapa och testa folkhälsointerventioner för att stimulera hälsosammare matval bland barn ¹⁷ . På grund av olika fördelar som tidigare nämnts är virtuell butiksteknik och hårdvara i snabb utveckling. Därför kommer detta dokument att fokusera på människanUppleva och beskriv de väsentliga delarna av studier som använder virtuell verklighet i allmänhet. All viktig information som erhålls från det nuvarande virtuella butikssystemet kommer att demonstreras.

För närvarande tillgängliga virtuella butiksystem kan kortfattas kategoriseras som: 1) icke-nedsänkande ( t.ex. skrivbord), 2) halv-immersiv ( t.ex. projektion, CAVE-system) och 3) helt nedsänkande ( t.ex. ). Varje system medför sannolikt olika nivåer av nedsänkning, närvaro, PI och Psi beroende på stödsystemet. Men eftersom åtgärderna för nedsänkning, närvaro, PI och Psi är bundna till de specifika sensorimotoriska händelserna som varje system stöder, har en jämförelse av dessa indikatorer över olika system varit omöjlig ⁸ . Under de senaste åren har desktop virtuella butiker fått mer uppmärksamhet och har använts alltmer i forskning. Även om den virtuella butiken har betraktats som en promisiNg verktyget för konsumentbeteendeforskning på marknaden, krävs expertis om hur man använder en sådan virtuell butik för att säkerställa en korrekt och korrekt förberedelse och genomförande av experiment. Men hittills har rapporterade studier som beskriver beskrivningen av proceduren för virtuella butiksexperiment väldigt knappa. Därför syftar detta arbete till att beskriva ett protokoll för att bedriva konsumentforskning med den virtuella butiken på skrivbordet, vilket är av avgörande betydelse.

I allmänhet kräver forskning med en virtuell butik: 1) Utrustning för visning av den virtuella miljön, 2) Ett redigeringsprogram för att möjliggöra för forskare att bygga den virtuella miljön, 3) En virtuell representation av det studerade objektet ( t.ex. flera element i en butik och Produkter), 4) ett konsumentgränssnitt för att navigera i den virtuella miljön och göra val, 5) förfaranden för att driva datainsamlingen själv, och 6) ett datahanteringssystem som underlättar datalagring och analys. De flesta av dessaKommer sannolikt att hanteras av ett virtuellt butiksföretag och en programmerare. Forskare bör veta: 1) hur man skapar en butik för ett experiment i ett redigeringsprogram, 2) hur man kör datainsamling med konsumentgränssnittet, och 3) hur man organiserar alla utdata i datahanteringsprogrammet och exportutgångarna ska vara Sätta i ett statistiskt program. Det aktuella papperet kommer att adressera denna information genom att ge detaljerade protokollsteg för att genomföra experiment med den virtuella butiken på skrivbordet. Dessutom kommer fördelar och begränsningar att använda den virtuella butiken i konsumentforskning diskuteras. Det detaljerade protokollet som beskrivs i detta dokument kan användas för att hjälpa forskare att starta och genomföra virtuell butiksforskning.

Den virtuella skrivbordsskrivaren som används i detta dokument kräver hårdvara ( t.ex. datorer, PC-skärmar, LCD-skärmar, en tredimensionell rymdnavigator, en mus och ett tangentbord) och programvara ( dvs. Att designa en butik aNd att handla som en konsument i en 3D-virtuell butik). Detta speciella system har använts i tidigare studier ^{14 , 18} .

Protocol

Protokollet följer "Generic Protocol Food Choice Simulator", som överensstämmer med den nederländska uppförandekoden för vetenskaplig praxis och har godkänts av Wagenings universitetets samhällsvetenskapliga etiska kommitté.

1. Ställa in Virtual Store-utrustningen

1. Förbered en tillräckligt stor plats för virtuell butikskärmen. Förbered all utrustning för både virtuell butik och datahanteringsprogram.
   Obs! Utrustningen innehåller två datorer (datorer, 1 virtuell butiksp PC med högkapacitets minneskort för visning av den virtuella butiken och 1 dator för datahanteringsprogrammet), tre 42 tums LCD-skärmar, en datorskärm för visning av data Ledningsprogram, anslutningskabel, elektroniska uttag, en 3D-rymdnavigator, 2 möss och 2 tangentbord.
2. Anslut all utrustning tillsammans, som visas i Figur 1 .
   1. ConnT.ex. en dator till en datorskärm, ett tangentbord och en mus för att använda datahanteringsprogrammet.
   2. Placera 3 LCD-skärmar bredvid varandra och justera de vänstra och högra skärmarna för att ge en 180 ° -fältvy av den virtuella butiken som visas på skärmarna.
   3. Anslut den virtuella butiken PC med de 3 LCD-skärmarna, 3D-rymdnavigatorn, en mus och ett tangentbord. Anslut den virtuella butiken PC med datahanterings-datorn.
   4. Sätt på båda datorerna och justera skärmens upplösning på den virtuella butikens dator för att "utöka flera skärmar." Ställ in vänster skärm för att vara huvuddisplayen.

Figur 1 : Inställningen av virtuell butik. Den virtuella butiken använder en dator utrustad med tre 42 tums LCD-skärmar som gör 180 ° sikt. En separat dator läggs till för att rymma datahanteringsprogrammet. Detta pC möjliggör en forskningskoordinator att övervaka framstegen och att starta nya virtuella miljöer utan att avbryta deltagarna. Vänligen klicka här för att se en större version av denna figur.

2. Bygg virtuella butiker för experiment

1. Öppna gränssnittet för virtuella butiksbyggare (kallat redigeraren) genom att dubbelklicka på ikonen "VirtualShop_Editor.exe" på skrivbordet.
2. Öppna en butiksmall som passar för studien genom att klicka på "File" och klicka på "open." Välj önskad butiksmall, "Name.ShopConfig" ( t.ex. Supermarket001.ShopConfig).
3. Ändra butiken om experimentella förhållanden.
   Obs! Innan du ändrar butiken ska en plan i den virtuella butiken göras baserat på forskningsfrågorna och målen för studien. Detta inkluderar typ, placering ochAntal hyllor; Placeringen av produktkategorier på dessa hyllor; Och typ och plats för produkter inom produktkategorierna.
   1. Ersätt befintliga produkter med produkter av intresse, vid behov.
      1. Använd höger musknapp och flytta musen för att zooma in och ut till produkthylla. Och använd vänster musknapp och flytta musen för att ändra synvinkeln.
      2. Klicka på ikonerna i den vänstra menyraden för att ändra vyn i den virtuella butiken ( dvs. vänster gult ansikte = framifrån, toppgult ansikte = toppvy, rätt gult ansikte = sidovy och alla laterala gula ansikten = hemvy Tittar från toppen till vänster i affären)).
      3. Dubbelklicka på en hylla eller produkt och klicka på ikonerna i vänstra menyraden för att ändra vyn av denna hylla eller produkt.
      4. Dubbelklicka på en hylla av intresse och klicka på den "gula platsen" i den vänstra menyraden för att välja isoleringsläget.
         Obs! Med isoleringsläget kan rEsearcher att isolera en hylla med produkter och att filtrera bort andra objekt från skärmen. Detta är till hjälp när du fyller hyllorna.
      5. Dubbelklicka på en befintlig produkt och tryck sedan på "Ta bort" -knappen på tangentbordet för att radera den här produkten.
      6. Klicka på "blå pil" i menyraden för att öppna produktbiblioteket (se bild 2 ). Därefter klickar du på "Produktkategori" och väljer sedan produktkategori av intresse ( t.ex. frukt).
      7. Dra en vald produkt ( t.ex. ett äppelfack) genom att hålla vänster musknapp och placera produkten på önskad hylla.
      8. Lägg till eller ersätt alla produkter för att matcha forskningsintressen genom att upprepa stegen från 3.1.1-3.1.4.
   2. Flytta hela hyllorna.
      1. Dubbelklicka på en hyllplan som måste flyttas. Flytta hyllan till önskad plats genom att högerklicka på hela hyllan och dRagging hyllan till en ny plats.
      2. Rotera hyllan (om det behövs) genom att hålla ner "Ctrl" -tangenten och högerklicka på hyllan. Vrid eller flytta hyllan till önskad vinkel genom att flytta musen.
      3. Flytta alla nödvändiga hyllor för att matcha forskningsintressen genom att upprepa steg 2.3.2.1 och 2.3.2.2.

Figur 2 : Den virtuella butiksredaktören och exempel på produkter i produktbiblioteket. Redaktören har ett drag-och-släpp-gränssnitt som gör det möjligt för forskare att enkelt välja produkter från biblioteket och placera dem direkt på hyllorna. Dessutom kan ett popup-fönster användas för att lägga till eller redigera en produkt genom att klicka på en produkt i biblioteket. Vänligen klicka här för att se ett större versJon av denna figur.

4. Spara den färdiga butikskonfigurationen med hjälp av ett filnamn som inte är beskrivande för forskningstillståndet. Klicka på "Arkiv" → "Spara som" → "Name.ShopConfig" → "spara."
   Obs! Det är också möjligt att bygga en butik från en tom butiksmall. Börja med att välja och lägga till hyllor och produkter från produktbiblioteket till den tomma butiken. Samma procedur från steg 3.1 och 3.2 kan tillämpas.
5. Bygg en separat butik för en övning och bygga fler butiker i enlighet med försöksförhållandena, till exempel stormarknader med olika butikslayouter, följ steg från 2.1-2.4.
   Obs! Exempelstudien använder ett apotek som ett övningsaffär.
6. Fråga programskaparen (se materialtabellen / reagens för kontaktuppgifter) för att skapa nya vandringsleder och beslutspunkter för deltagarna om butikslayouterna är annorlunda än det befintliga affärsmetabolatetes.
   Obs! Köpvägar och beslutspunkter finns tillgängliga för befintliga butiksmallar. Det är också möjligt att tillåta deltagare att gå fritt i affären, utan förutbestämda shoppingvägar.

3. Förbereda datahanteringsprogrammet för att spela in data

1. Dubbelklicka på ikonen för datahanteringsprogram på skrivbordet för att starta programmet.
2. Öppna projektet "Virtual Shop Exp_StartUp" för att skapa ett nytt projekt. Välj "Öppna" i popup-fönstret → "Virtuell butik Exp_StartUp" → "Virtuell butik Exp_StartUp.vop."
3. Klicka på "Set up project" och välj "Live Observation" som en observationskälla. Välj "Kontinuerlig provtagning" som en observationsmetod och välj "Open ended observation" som en observationsperiod.
4. Lägg till inmatningsvariabler som representerar experimentella förhållanden ( t.ex. butikslayout och shoppingmallTivation), om så önskas.
   1. Klicka på "Set up" i den övre menyraden och klicka sedan på "Independent Variable." Klicka på "Lägg till variabel" för att lägga till fler användardefinierade variabler.
   2. Fyll i nödvändiga detaljer, till exempel variabelnamn, variabel typ, fördefinierat värde och så vidare.
5. Spara projektet genom att klicka på "File" → "Save as." Namn projektet, "Namn på project.vop" och klicka på "Spara".

4. Deltagarkriterier

1. Rekrytera deltagare utan ögonsjukdomar, till exempel färgblindhet.

5. Förberedelse för experimentet

1. Förbered alla dokument som behövs för att utföra experimenten.
2. Bjud in en deltagare till experimentrummet. Ange ett samtycke och begär att deltagaren läser och skriver in blanketten före studien.
3. Ge försöksinstruktioner till deltagarnaByxa måste följa. Se tillägg 1 och 2 .
   Observera: Deltagarna bör informeras om att besöka en virtuell butik kan leda till virtuell verklighetssjukdom ¹⁹ , och de bör uppmanas att rapportera det till studiekoordinatorn när de börjar uppleva symtom. Om en deltagare uttrycker att han / hon upplever en virtuell verklighetssjukdom, bör deltagandet i experimentet stoppas.
4. Sätta deltagaren framför mitten LCD-skärmen, på kort avstånd från mittskärmen (~ 60 cm). Ställ in stolen tills deltagarens ögonnivå matchar skärmens läge.

6. Köra ett övningstest

1. Informera deltagaren att han / hon kommer att träna i en övning för att kontrollera och bli bekant med den virtuella butiken. Uppmuntra deltagaren att ställa frågor när han / hon inte fullt ut förstår instruktionerna.
2. Öppna den virtuella butikenFör en övning.
   1. Starta det virtuella butiksprogrammet genom att dubbelklicka på ikonen VirtualShop_Uviewer på skrivbordet. Klicka på "Börja" för att komma in i butiken.
   2. Tryck på "` "-knappen längst upp till vänster om tangentbordet för att öppna menyraden i det virtuella butiksprogrammet.
   3. Välj "SpaceNav" i en "Input" -ruta för att välja vilken typ av gångbeteende som gör det möjligt för deltagarna att se och bestämma sin färdriktning fritt.
      Obs! "SpeceNav" låter deltagarna titta fritt genom den virtuella miljön, i vilken riktning som helst, med hjälp av 3D-rymdnavigatorn. Det gör det också möjligt för deltagarna att bestämma sin egen färdriktning. Det begränsar emellertid deltagarna till följande förutbestämda gånglinjer.
   4. Välj "Namn på ett övningsaffär" i rutan ShopConfig och skriv "Miljönamn" för att ange affärsmiljö, t.ex. Practice Store [ t.ex. Apotek 001].
   5. Klicka på "Reload shop" för att öppna träningsbutiken, och en "Börja" -ruta visas därefter.
3. Ge musen, 3D-rymdnavigatorn och tangentbordet till deltagaren. Se till att framsidan av 3D-rymdnavigatorn står inför deltagaren för att aktivera rätt navigationsriktning.
4. Ge instruktioner om hur man manövrerar i den virtuella butiken och instruktioner för övningen till deltagaren. Instruktionen tilldelar två övningsuppgifter som begär att deltagaren söker efter specifika produkter och väljer och / eller returnerar vissa produkter.
   Obs! Exempel på instruktioner om hur man manövrerar i den virtuella butiken och instruktioner för övningen visas i kompletterande filer 1 respektive 2 . En övning bör omfatta alla uppgifter som en deltagare kan behöva utföra under huvudtestet.
5. Låt deltagaren fritt övaTills han / hon känner sig bekant med den virtuella butiken. Se till att deltagaren förstår klart hur man manövrerar i virtuella butiken innan huvudstudien påbörjas. Rätta eller klargöra om deltagaren har gjort några misstag.
6. Påminn deltagaren om att kontrollera kundvagnen (genom att trycka på "F1") innan du avslutar uppgiften. Påminna deltagaren om att avsluta shoppinguppgiften genom att trycka på "Esc" och sedan klicka på "Starta om".
   Obs! Det är inte nödvändigt att stänga det virtuella butiksprogrammet eftersom det är snabbare att ladda butiken till huvudtestet via ett öppet gränssnitt.

7. Kör huvudtestet

1. Flytta deltagaren till ett annat område medan virtuella butiken är förberedd för huvudtestet. Informera deltagaren om de uppgifter som kommer att följa.
   Obs! Beroende på forskningsmålen kan detta innefatta en uppgift att manipulera en oberoende faktor utanför den virtuella butiken (i det omfattande exemplet, thiS är en minnesuppgift att manipulera shoppingmotivation), en shoppinguppgift (i den virtuella butiken) och en shoppingutvärderingsuppgift (frågeformulär).
2. Administrera en uppgift att manipulera en oberoende variabel utanför den virtuella butiken när det är relevant för studiemålen. Be deltagarna till exempel att beskriva i detalj en nyligen inköpssituation där de antingen hade hedoniska eller utilitära shoppingmotivationer (se kompletterande fil 3 ).
3. Förbered virtuell butik för huvudstudien.
   1. Klicka på "Börja" för att komma in i butiken och tryck på "` "-knappen längst upp till vänster på tangentbordet för att öppna menyraden i det virtuella butiksprogrammet.
   2. Ladda virtuell butik och välj den virtuella miljön (vandringsleder) enligt experimentella förhållanden.
   3. Håll "SpaceNav" i rutan för Input för att få samma typ av gångbete som i träningspasset.
   4. Välj "NAme of store condition "i butiken ShopConfig och skriv" Butikens namn "i miljörutan, t.ex." Supermarket001 [Supermarket001]. "
   5. Klicka på "Reload shop" för att öppna butiken för huvudtestet; "Börja" rutan kommer att visas.
4. Öppna datahanteringsprogrammet på en annan dator (där datahanteringsprogrammet är installerat). Spela in data genom att dubbelklicka på ikonen för datahanteringsprogram på skrivbordet.
5. Öppna projektet genom att dubbelklicka på "Namn på project.vop" som forskaren tidigare har sparat när du förbereder datahanteringsprogrammet.
6. Skapa en ny observation genom att klicka på "Observera" i menyn översta menyn och klicka sedan på "Observation" och "New." Nämn observationen ( t.ex. prov 1) och klicka på "OK".
7. Starta inspelningen genom att trycka på den röda cirkelknappen och fylla i användardefinierade variabler, Såsom ett experimentellt tillstånd ( t.ex. butikslayout = 1 och shoppingmotivation = 1 (utilitaristisk motivation)). Klicka på "OK".
   Obs! Inspelningsknappen ändras från en cirkelform (inspelning) till en fyrkantig form (stopp).
8. Se till att programmet börjar spela in data.
   1. Se till att fönstret "Statusdata plugin" och "Status event plugin" visar gröna kryssrutor.
   2. Se till att "tiden" förflutit.
   3. Kontrollera att antalet kolumner "Kolumn" i fönstret "Statusdata plugin" växer (visas i Figur 3 ).

Figur 3 : Ett exempel på observationsfönstret som signalerar registrering av data. När datahanteringsprogrammet registrerar data, visas "Statusdata sLugin "-fönstret och" Status event plugin "visar ett grönt märke. Dessutom bör tiden gå och antalet prover ska växa. Vänligen klicka här för att se en större version av denna figur.

9. Flytta deltagaren från det område där de har fått instruktioner och (tillval) en uppgift att manipulera en variabel som inte är av butik, till exempel shoppingmotivation, tillbaka till den virtuella butiken efter att han / hon har avslutat manipulationsuppgiften.
   1. Sätta deltagaren framför mitten LCD-skärmen och på kort avstånd från mittskärmen (~ 60 cm). Ställ in stolen tills deltagarens ögonnivå matchar skärmens läge.
10. Ge musen, 3D-rymdnavigatorn och tangentbordet till deltagaren. Se till att framsidan av 3D-rymdnavigatorn står inför deltagaren för att aktivera korrektornCt navigationsriktning.
11. Ge instruktioner om hur man manövrerar i den virtuella butiken (se tillägg 1 ), handboken för köpuppdrag och en inköpslista för huvudstudien (se tillägg 4 ).
12. Instruera deltagaren att trycka på "börja" för att börja besöka butiken. Lämna sedan deltagaren ensam för att handla utan avbrott.
13. Kontrollera datahanteringsprogrammet på en annan dator och se till att data spelas in genom att kontrollera "Status data plugin" och "Status event plugin"; Dessa fönster bör visa ett ökande antal prover och händelser.
14. Vänta tills deltagaren slutar shoppa i den virtuella butiken. Påminn deltagaren om att kontrollera kundvagnen (genom att trycka på "F1") och tryck på "Esc" för att slutföra shoppinguppgiften.
    Obs! Det är väldigt viktigt att trycka på "Esc" för att markera slutet på shoppingturen och för att få en korrekt mätning av t Han handla varaktighet.
15. Tryck på "stopp" -knappen i datahanteringsprogrammet på den andra datorn för att stoppa omkodningen (den fyrkantiga knappen ändras tillbaka till en cirkel).
    Obs! Två små fönster - "Vänta tills mottagning av händelsedata slutför" och "Vänta vänta på att ta emot externa data för att avsluta" - kommer att dyka upp under uppsägningen. Dessa fönster stängs automatiskt efter 2-3 s.
16. Be deltagaren att flytta till ett annat område och fråga honom / henne att fylla i ett frågeformulär som mäter till exempel deltagarens shoppingupplevelser, uppfattningar om affären och villighet att besöka butiken.
17. Återgå till datahanteringsprogrammet och klicka på "Visualize" -knappen för att kontrollera inspelad data; Diagrammet och data för köpta produkter ska visas, och exempel på visualiserad data visas i Figur 4 .

/ftp_upload/55719/55719fig4.jpg "/>
Figur 4 : Visualiseringsfönstret som visas i datahanteringsprogrammet. Orange bar representerar hela shoppingtiden, eftersom deltagaren gick in i affären tills han / hon pressade "Esc" för att indikera slutet på shoppingturen. Den gröna stapeln anger den tid som spenderas på de undersökta produkterna. Dessa utgångar kan konverteras till tabeller som är lätta att använda i kombination med SPSS eller andra statistiska program. Vänligen klicka här för att se en större version av denna figur.

18. Debrief och ge en belöning ( t.ex. en mellanprodukt eller penningbetalning) efter att deltagaren har avslutat.
19. Uppdatera ett träningscenter för en ny deltagare genom att följa steg 5.2.3-5.2.4.
20. Tryck på F9 för att stänga den virtuella butiken efter att den sista deltagaren har slutfört.
21. SparaData så ofta som möjligt för att undvika dataförlust.

8. Exportera data

1. Exportera data om shoppingrelaterat beteende.
   1. Ställ in ett filter för att välja data för shoppingrelaterat beteende.
      1. Klicka på "Data Profile" under mappen "Analyser" i vänstra menykolonnen; Fönstret visar datakomponenterna och huvuddiagrammet för dataprofilfiltret.
      2. Välj rutan "Nest over behaviors" under "Select Intervals" -rubriken; Rutan med nested behaviors kommer att dyka upp.
      3. Välj alla beteenden av intresse (t ex varaktighet, upptagna produkter, inköpta produkter och produkter returnerade) och klicka på "OK".
      4. Dra i rutan "Nested behaviors" och släpp det mellan rutorna "Start" och "Results".
      5. Se till att alla lådor är anslutna till pilar (se figur 5 ) och thaT "Resultat" rutan visar rätt antal observationer.
         Obs! Om rutorna inte är anslutna automatiskt kan en forskare ansluta dem genom att klicka med musen i en ruta, hålla och göra en rad till nästa ruta.
   2. Klicka på "Beteendeanalyser" under mappen "Analyser" och klicka sedan på "Ny beteendeanalys" för att öppna tabellen med beteenderelaterade resultat.
   3. Klicka på "Beräkna" längst upp till vänster i menyraden för att extrahera resultaten. Se till att shoppingbeteenden per deltagare visas i separata rader.
      Obs! En forskare kan ändra formatet för de presenterade resultaten via en "Inställningsvisning".
   4. Klicka på "Exportera" -knappen för att exportera data. Namn på den exporterade filen "Name.xlsx."
      Obs! Den här filen sparas i mappen Exportera i mappen för datahanteringsprogram.

Figur 5 : Dataprofilfilter för export av shoppingrelaterat beteende. Dataprofilfiltret gör det möjligt för forskare att välja och exportera data av intresse. Till exempel väljer detta schema för shoppingrelaterade beteenden ( t.ex. inköpstid, antal undersökta produkter, antal inköpta produkter och antal produkter som returnerats). Vänligen klicka här för att se en större version av denna figur.

2. Exportera rörelsesrelaterade data.
   1. Ställ in ett filter för att välja rörelsesrelaterade data.
      1. Klicka på "Data Profile" under mappen "Analyser" i vänstra menykolonnen. Välj rutan "Nest over Speed" under rubriken "Välj intervall med extern data"; "Nested Speed"; Rutan visas.
      2. Ange intervallkriterierna till "Begränsning" → "Högre än" → "0.100 meter per sekund (m / sek)" och klicka sedan på "OK".
         Obs! Det här filtret exporterar endast data ( t.ex. gånghastighet och tid) som uppträder när deltagaren flyttar i affären.
      3. Dra i rutan "Nested Speed" och släpp den mellan rutorna "Nested behaviors" och "Results".
      4. Säkerställa att alla lådor är anslutna (dvs, "Start" box → "Kapslade beteenden" låda → "Nested Speed" box → "Resultat" rutan (visad i figur 6) och att "Resultat" rutan visar det korrekta antalet observationer.
   2. Exportera gångtid.
      1. Klicka på "Beteendeanalyser" under mappen "Analyser" och klicka sedan på "Ny beteendeanalys" för att öppna taResultatrelaterade resultat.
      2. Klicka på "Beräkna" längst upp till vänster i menyraden för att extrahera resultaten. Se till att shoppingbeteenden per enskild individ visas i separata rader.
         Obs! Resultaten ska visa en lägre inköpstid jämfört med steg 8.1.3 eftersom inköpsperioden i denna del står för den tid som en deltagare har gått i affären. Dessa resultat utesluter tiden för produktundersökning och för att plocka upp produkter.
      3. Klicka på "Exportera" -knappen för att exportera data. Namn på den exporterade filen, "Name.xlsx", med ett namn som skiljer sig från de första exporterade shoppingrelaterade data. Den här filen sparas också i mappen Exportera i mappen för datahanteringsprogram.
   3. Exportera gånghastigheten.
      1. Klicka på "Numeriska analyser" under mappen Analyser och klicka sedan på "Ny numerisk analys" för att öppna tabellen över rörelsesrelaterade resultat.
      2. Klicka på "Beräkna" längst upp till vänster i menyraden för att extrahera resultaten. Se till att rörelsesrelaterade resultat, till exempel hastighet per deltagare, visas i separata rader.
      3. Klicka på "Exportera" -knappen för att exportera data. Namn på den exporterade filen "Name.xlsx;" Den här filen sparas i mappen Exportera i mappen för datahanteringsprogram.

Figur 6 : Dataprofilfilter för export av rörelserelaterat beteende. Detta schema filtrerar rörelsesrelaterade beteenden ( t.ex. rörelseshastighet och rörelsestid) som uppträder när deltagarna flyttar i affären (hastighet> 0.100 m / s). Beteenden och tider när deltagarna står stilla filtreras bort.Blank "> Vänligen klicka här för att se en större version av denna figur.

Representative Results

Den virtuella butiken som visas med en dator med tre 42-tums LCD-skärmar har tillämpats för att undersöka effekterna av snabbköpslayout på konsumenthandelns beteende ( t.ex. total köptid, varaktighet och hastighet, totalt antal undersökta produkter och totalt antal Inköpta produkter) och upplevd shoppingupplevelse. Den virtuella butiken gör det möjligt för forskaren att flexibelt ändra attributen på butikshyllor ( dvs hyllängd och hyllorientering) och undersöka dessa effekter i en laboratorieinställning.

Som ett exempel ges resultaten från butikslayoutstudien. I undersökningen byggdes stormarknader med 4 olika layouter, där hyllängd (kort versus långa hyllor) och hyllorientering (parallellt arrangemang mot oöverträffat arrangemang) varierades. Dessa butiker är avbildade i figur 7 .
Figur 7 : Bilder av fyra butikslayouter i butikslayout-experimentet. Layouterna skiljer sig i hyllängd och hyllorientering: 1) Förvaring med långa och parallella hyllor, 2) Förvaring med korta och parallella hyllor, 3) Förvaring med långa och icke-parallella hyllor och 4) Förvaring med korta och icke-parallella hyllor . Vänligen klicka här för att se en större version av denna figur.

Studien utfördes i enlighet med "Generic Protocol Food Choice Simulator" och godkänd av Wagenings universitetets samhällsvetenskapliga etikkommitté. Alla deltagare undertecknade en informerad samtycke före deltagande i experimenten. I det nuvarande exemplet är deltagare (n = 241, 71% kvinnlig) uppdelades i fyra grupper; Varje grupp besökte en av fyra butikslayouter. Deltagarna utbildades om hur man använder den virtuella butiken i en övning. Därefter avslutade de en shoppingmotivationsmanipuleringsuppgift som bad dem att återkalla shopparutflykter med antingen hedoniska eller utilitära shoppingmotivationer. Därefter startade deltagarna huvudtestet, där de uppmanades att shoppa för en middag med en inköpslista. Deltagarna blev ombedda att föreställa sig att de handlade med antingen hedonisk eller utilitaristisk motivation (samma motivation som i den tidigare återkallningsuppgiften tilldelades). Köplistan bestod av fasta val (8 förutbestämda typer av produkter) och fria produkter (ospecificerade produkter från kategorin frukt och grönsaker). Fritt valprodukter användes för att testa effekterna av butikslayout på antalet inköpta produkter. När deltagarna slutade handla fyllde de i ett datorbaserat frågeformulär till evAluera sina shoppingupplevelser, uppfattningar om affären och villighet att återvända till affären.

Datahanteringsprogrammet registrerade shoppingbeteende ( t.ex. total köptid, rörelseshastighet och totalt antal inköpta produkter). Därefter exporterades variabler från datahanteringsprogrammet till 3 separata tabeller: Tabell 1 , Tabell 2 och Tabell 3 . Tabell 1 visar den totala handläggningstiden, det totala antalet undersökta produkter och det totala antalet produkter som köpts av varje deltagare. Tabell 2 visar den totala rörelsens varaktighet ( dvs. shoppingtid) som valdes från ett filter med hastigheter högre än 0,001 m / s. Tabell 3 visar rörelseshastigheten som sedan kan användas för att beräkna gångavståndet (gångavståndet (m) = genomsnittlig rörelsehastighet (m / s) x total flytttid (er)).

Tabell 1: Exempel på shoppingrelaterade beteendetalder från varje deltagare ( dvs. total inköpstid, totalt antal undersökta produkter, totalt antal inköpta produkter och totalt antal återvände produkter), exporterade från datahanteringsprogrammet. Alla handlingsrelaterade beteendetalder från varje deltagare ska organiseras i en rad innan de överförs till SPSS eller andra statistiska program. Denna exporterade data lagras till filen som heter "Beteendeuppgifter" i exportmappen i datahanteringsprogrammet. Vänligen klicka här för att se en större version av denna tabell.

Tabell 2: Exempel på rörelsesrelaterad dAta ( dvs. rörelseshastighet och gångposition för varje deltagare), som exporteras från datahanteringsprogrammet. Den rörelsesrelaterade data väljs när deltagare flyttas med hastigheter högre än 0.100 m / s. Det här urvalet filtrerar bort alla data som inträffade när deltagarna stod stilla. Alla rörelsesrelaterade data från varje deltagare ska organiseras i en rad innan de överförs till SPSS eller andra statistiska program. Denna exporterade data lagras till en fil som heter "Numerisk data" i exportmappen i datahanteringsprogrammet. Vänligen klicka här för att se en större version av denna tabell.

Tabell 3: Exempel på rörelsens varaktighet (anges i kolumnen för inköpstid), exporterad från datahanteringenprogram. Rörelsens varaktighet hämtas från beteendedatabasen som filtrerar bort tiden då deltagarna inte rörde sig (hastighet <0.100 m / s). Denna varaktighet är kortare än den totala inköpsperioden. Den exporterade data kommer att lagras till en fil som heter "Beteendeuppgifter" i exportmappen i datahanteringsprogrammet. Vänligen klicka här för att se en större version av denna tabell.

När uppgifterna exporterades användes univariate ANOVA för att analysera effekterna av hyllängd och hylla orientering på butikshandelsbeteende. Effekterna av butikslayout kan presenteras i olika former, såsom stapeldiagram och tabeller.

Figur 8 visar det totala antalet undersökta produkter och det totala antalet inköpta produkter iStormarknaderna med olika butikslayouter. Resultaten från virtuell butik bekräftade att butikslayout attribut, specifikt interaktionen av hyllan längd och hylla orientering, påverkat antalet produkter som undersöktes (F (1237) = 4,66, p <0,05, η _p ² = 0,02) och den Antal inköpta varor ( F (1,237) = 3,47, p = .06, η _p ² = .01). Resultaten visade att när hyllor placerades parallellt, påverkades inte höljets längd av antalet undersökta produkter ( M _kort ± SD _kort = 16,12 ± 5,37, M _lång ± SD _lång = 17,12 ± 5,99, F (1,237) = 0,81, p = .37, η _p ² = .00) eller antalet inköpta varor ( M _kort ± SD _kort = 12,00 ± 2,77, M _lång ± SD lång = 12,22 ± 2,37, F (1237) = 0,24, p = 0,63, η _p ² = 0,00). Däremot stimulerade kortare hylllängder ett kortare antal undersökta produkter ( M _kort ± SD _kort = 17,62 ± 6,48, M _lång ± SD _lång = 15,23 ± 6,45, F (1,237) = 4,65, när hyllaens orientering var oöverträffad P <.05, η _p ² = .02) och inköptes än längre hylllängder ( M _kort ± SD _kort = 12,30 ± 2,15, M _lång ± SD _lång = 11,35 ± 2,37, F (1,237) = 4,61, p <0,05 , Η _p ² = .02).

Figur 8 : Det totala antaletUndersökta produkter (vänster) och det totala antalet inköpta varor (höger) i en stormarknad med olika butikslayouter (kort jämfört med långa hyllor placerade i parallell eller oöverträffad orientering). Det totala antalet undersökta produkter (paket eller varor) ökade varje gång deltagarna klickade på en produkt. Detta nummer skiljer sig från det totala antalet inköpta varor (paket eller varor), varigenom antalet produkter i köpkorgen registrerades. Deltagarna fick returnera några utvalda produkter. P <0,10 ⁺ , p <0,05 ^* , p <0,01 ^** , p <0,001 ^*** Vänligen klicka här för att se en större version av denna figur.

Förutom produktvalbeteenden kan den virtuella butiken också spela in tid och rörelserelä Åt gången, såsom shoppingtid och gångavstånd. Figur 9 och Figur 10 visar effekterna av hylla attribut på respektive shoppingtid och gångavstånd.

Figur 9 : Totala inköpstid (er) deltagare tillbringade i snabbköpet med olika hyllängder och hylla orienteringar. Den totala inköpstiden står för den tid deltagarna spenderade mellan att komma in i affären och lämna butiken. Datahanteringsprogrammet tillåter också forskare att filtrera bort den tid som deltagarna spenderade i ett visst område. P <0,10 ⁺ , p <0,05 ^* , p <0,01 ^** , p <0,001 ^***Target = "_ blank"> Vänligen klicka här för att se en större version av denna figur.

Figur 10 : Gångavstånd för deltagare i snabbköpet med olika hyllängder och hylla orienteringar. Gångavståndet bestämdes genom att multiplicera den rörliga tiden med genomsnittlig köphastighet (m / s). Varaktigheten av den rörelsestid som används för att beräkna gångavstånd skiljer sig från den totala inköpstiden, eftersom den rörliga tiden uteslutande spelas in under deltagarens rörelse. Däremot står den totala inköpstiden för rörelsestiden och tiden för visning och val av produkter. Således kan den totala rörelsetiden uppnås genom att endast välja den tid under vilken deltagarna rör sig snabbare än 0,100 m / s. P <0,10 ⁺ , p <0,05 ^* , p <0,01 ^** p <0.001 ^*** Vänligen klicka här för att se en större version av denna figur.

Utöver effekterna av hylla attribut, fokuserar den nuvarande forskningen också på shoppingmotivationer för att förstå deras inflytande på butikshandelsbeteende. Resultaten avslöjar betydande huvudeffekter av shoppingmotivationer på alla beteendevariabler i butiken. Konsumenter med en hedonisk motivation sökte (dvs klickade på) (M _hedonisk ± SD _hedonisk = 17,97 ± 6,93) och köpt fler produkter (M _hedonisk ± SD _hedonisk = 12,25 ± 2,42) än konsumenterna en nytto motivation (produkter undersöktes: M _{Utilitaristisk} ± SD _{utilitaristisk} = 15,10 ± 4,82, inköpta produkter: M utilitaristisk ± SD _{utilitaristisk} = 11,69 ± 2,43, se figur 11). De spenderade också mer tid ( M _hedonic ± SD _hedonic = 607,18 ± 205,07 s, M _{utilitaristisk} ± SD _{utilitaristisk} = 480,94 ± 134,25 s, se Figur 12) och gick längre avstånd ( M _hedonic ± SD _hedonic = 89,87 ± 31,15 m, M _{utilitaristisk} ± SD _utilitarisk = 80,73 ± 34,08 m, se figur 13). Samverkanseffekten av shoppingmotivation och lagringshyllaattribut var inte signifikant.

Figur 11 : Det totala antalet undersökta produkter (vänster) och det totala antalet inköpta varor (höger) av deltagare med utilitaristiska och hanDonisk shopping motivation. Antalet undersökta och inköpta produkter presenteras i alla lagerlayouter. Deltagarna tilldelades butiker under antingen utilitaristisk eller hedonisk shoppingmotivation före en shoppinguppgift. Shopping motivationen manipulerades av en motivationsmanipuleringsuppgift och en inköpssituation. P <0.10+, p <0.05 *, p <0.01 **, p <0.001 *** Vänligen klicka här för att se en större version av denna figur.

Figur 12 : Totalt antal inköpstider i stormarknaderna av deltagare med utilitaristisk eller hedonisk shoppingmotivation. Den totala inköpstiden står för hela tiden som deltagare med olika shoppingmotivationer spenderade iVirtuell stormarknad över alla butikslayouter. P <0.10+, p <0.05 *, p <0.01 **, p <0.001 *** Vänligen klicka här för att se en större version av denna figur.

Figur 13 : Avståndet som deltagare med utilitaristisk och hedonisk shoppingmotivation gick. Den här siffran visar det genomsnittliga gångavståndet över alla butikslayouter. P <0.10+, p <0.05 *, p <0.01 **, p <0.001 *** Vänligen klicka här för att se en större version av denna figur.

Discussion

Den virtuella butiken är en av de mer avancerade datortekniken som har utvecklats för att skapa virtuella miljöer där människor kan uppleva och reagera på objekt som är verklighetstrogen. Generellt består skrivbordets virtuella butik av användarvänliga gränssnitt som kräver en kort tid att förstå. Dock måste ett antal kritiska punkter redovisas. För det första behövs tydliga forskningsmål i förväg för att ange utgångspunkter när man bygger virtuella butiken. Detta inkluderar en plan om produkterna; Typ, placering och antal hyllor; Placeringen av produktkategorier på dessa hyllor; Typ och plats för produkter inom produktkategorierna. Och andra element ( t.ex. affisch, skyltar och speciella displayer). Dessutom är det viktigt att bestämma vilken modell (2D eller 3D) av en digital representation av objekt kommer att användas (se figur 14 ). 3D-modellerna är virtuella representationer, med höjd, bredd,Och djup, där alla sidor är representerade i detalj. Däremot ger 2D-modellen illusionen av en 3D-representation genom att presentera ett objekt i en kubram (3D-form), med realistiska visuella objekt på framsidan av objektet. De andra sidorna av 2D-modellerna visas grovt utan detalj. Olika former av representationer ger upphov till olika användarupplevelser och olika sinnen av nedsänkning. 3D-modellen som visar alla detaljer i ett objekt kan ge en högre känsla av närvaro och nedsänkning (PI och Psi) än 2D-modellen. Emellertid är 2D-modellen flexibel och lätt för en forskare att använda, och storleken på kubramen kan enkelt justeras. Valet av den virtuella representationen beror således på forskningsmålen. För det andra, efter alla butiker är byggda, ska forskaren springa och testa alla versioner av den virtuella butiken genom att besöka varje butik och hämta, välja och returnera produkter för att verifiera att data lagras korrekt. För det tredje, eftersom studien består av sEveral steg, tydliga instruktioner och detaljerade virtuella butikshandböcker är oerhört viktiga. Anvisningarna ska ange vilka deltagare som borde och borde inte göra i varje steg. För det fjärde är träningspasset viktigt för att bekanta deltagarna med den virtuella butiken och minimera företeelser som genereras av olika datorkunskaper. Sist, forskare bör varnas för att spara data så ofta som möjligt för att undvika eventuell förlust av data.

Figur 14 : Ett exempel på en produkt i en 3D-modell (vänster) och en 2D-modell (höger). När deltagare klickar på en produkt kan 3D-modellen roteras på skärmen för att illustrera alla sidor av produkten, medan 2D-modellen bara visar produktens framsida och kan inte roteras. Vänligen klicka här tillSe en större version av denna figur.

Användningen av virtuella butiker inom konsumentforskning har fördelar gentemot mer traditionella forskningsmetoder. En virtuell butik är en tätt kontrollerad, men ändå realistisk miljö ^{17 , 19} , vilket ger den interna validiteten för ett kontrollerat experiment samtidigt som en hög grad av extern validitet upprätthålls. Det kombinerar sålunda fördelarna med både fält- och laboratoriemetoder ²⁰ . Detta innebär att konsumentbeteendet kan observeras och mätas i ett realistiskt sammanhang, med mindre oro för socialt önskvärda svar än vid andra forskningsmetoder, såsom undersökningar och fokusgrupper ²¹ . En ny studie har visat att användningen av virtuell verklighet i jämförelse med en metod för att använda fotografier för att visa en butikshylla resulterar i konsumenternas beteenden som mer liknar beteendet som visas i en fysisk stMalm, baserat på flera parametrar (dvs. känslor av närvaro, typ av märken som valts och svar på produktens placering i displayen) ¹⁸ . En ytterligare fördel med att använda den virtuella verkligheten är att förändringar i affärsmiljön kan göras utan att behöva förlita sig på komplicerade implementeringsprocesser i verkliga inställningar ^{22 , 23} . Detta ger flexibilitet för forskaren. Som ett resultat har användningen av en virtuell butik tydliga fördelar när målet med en studie är att undersöka konsumenters svar på produkter som ännu inte är tillgängliga på marknaden ( t.ex. i tidiga stadier av ny produktutveckling), att undersöka konsumentsvar Till faktorer som är kostsamma eller svåra att förändra i verkligheten ( t.ex. övergripande butikslayout) och / eller att undersöka rutinerade beteenden i kända miljöer.

Trots de uppenbara fördelarna med den virtuella butiken, flera begränsningarSatser måste noggrant övervägas. Huvudbegränsningarna, i detta utvecklingsstadium, avser: 1) Den tid och det utrymme som behövs per deltagare, 2) Den potentiella färdighetsrelaterade förspänningen, 3) Kostnaderna för anpassning av nya miljöer, 4) Verkligt beteende och incitament. För närvarande kan den virtuella butiken användas av endast en person i taget. I synnerhet samlas ett antal deltagare i ett virtuellt laboratorium eller ett experimentområde för att köra simuleringar. Denna begränsning av tid och fysiskt utrymme för experimentet med virtuella butiker begränsar provstorleken och typerna av målgrupper. Dessutom är begränsningen av typerna av målgrupper också orsakad av de färdigheter som krävs för att deltagarna ska kunna använda datorn. Spelare eller yngre deltagare kommer sannolikt att kunna hantera programmet mer effektivt än äldre eller personer med låga datorkunskaper. En annan begränsning av den virtuella butiken är att anpassningen av butiken och produktbiblioteket ligger i utvecklingsmiljönEnt stadium. Om man vill använda en komplex butikskonstruktion eller lagringselement eller produkter som skiljer sig från de tillgängliga mallarna ( t.ex. förstorar butiksstorleken eller innehåller nya affärsdelar, till exempel visningstabeller), måste programmet justeras. Således uppstår kostnader och tid för att förbereda datainsamling. Slutligen, även om tidigare studier har visat att virtualbutiken speglar beteendet i den fysiska butiken närmare än ett experiment med hjälp av bildstimuler, tenderar deltagarna att köpa fler produkter i laboratorieinstallationen än vad de gör i faktiska butiker. Således, även om användningen av en virtuell butik ökar realismen jämfört med användningen av bilder, kvarstår flera skillnader från verkligt beteende ¹⁸ . För att vara försiktig måste detta beaktas vid tolkning av resultaten från en studie som använder den virtuella butiken.

Det finns ett brett utbud av olika tekniska funktioner och system för virtuell verklighet applications. Dessa system varierar huvudsakligen på aspekter av utrustningens rörlighet, användargränssnitt och utvecklingskostnader. Kostnaderna för utrustning och licenser varierar och är drabbade av drastiska förändringar på grund av den tekniska utvecklingen. I allmänhet är kostnaderna per deltagare högre när mer beteendedata behövs med 3D-simuleringar på högre nivå. Användningen av ett annat system eller gränssnitt kan motverka några av de nämnda begränsningarna, men till en kostnad i form av pengar eller flexibilitet. Specifikt kan den första begränsningen, på den tid och det utrymme som behövs per deltagare, motverkas genom att använda smarttelefonteknik. Smartphones, i kombination med ett utsetts headset, kan göra en full, nedsänkt 360 ° miljö. Begränsningar av rymden är så låga som möjligt, eftersom det inte kostar mer utrymme än vad man normalt skulle använda. På grund av den utbredda användningen av smartphones och den låga kostnaden för utvalda headset kan flera personer använda det samtidigt. Nackdelen med denna teknik ärSom smartphones har en lägre datakraft och kan därför bara hantera mindre svåra miljöer. Den andra begränsningen är den potentiella färdighetsrelaterade förspänningen, en begränsning som något system måste hantera. Vissa system, som Cavesystemet, simulerar naturliga rörelser ²⁴ , vilket potentiellt kan minska denna förspänning. Cavesystemet använder projektorskärmar och huvudspårning, vilket gör det möjligt för deltagarna att fysiskt flytta genom ett begränsat utrymme och att orientera huvudet på godtyckligt sätt. Ett sådant system är emellertid inte eller är knappast mobil och kräver mycket mer utvecklings- och hårdvarukostnader. Den tredje begränsningen, kostnaderna som är inblandade i anpassning av butiksprodukter och miljö, är beroende av graden av simulering. Det är möjligt att simulera en stationär miljö baserad på en bild, men så snart mer detaljer, som 3D-världen eller 3D-produkter behövs, är en beroende av tillgången på dessa objekt i 3D. Den sista begränsningen, simulatorn Jon av verkligt beteende och incitament, är sannolikt beroende av ovannämnda faktorer för rörlighet, färdighetsförspänning och i allmänhet graden av nedsänkning. Mobila enheter kan användas i ett relevant sammanhang ( t.ex. i det faktiska snabbköpet), vilket gör incitamentet och syftet med besökets verkliga ( t.ex. att köpa en produkt i praktiken resulterar i att faktiskt köper produkten i det verkliga livet). Vidare kan det förväntas att när användargränssnittet liknar en naturlig rörelse, kommer den att bättre likna det verkliga beteendet. Slutligen ligger nivån av nedsänkning som uppnåtts av den nuvarande virtuella butiken mellan en vanlig skrivbords- och en semi-immersiv virtuell verklighetsprojektion ⁸ . Eftersom andra virtuella butikssystem befinner sig i de tidiga utvecklingsstadierna, är studier som beskriver och jämför olika virtuella butikssystem knappa. En jämförelse av shoppingbeteende under olika nivåer av nedsänkning är ännu inte genomförd.

"> Eftersom virtuell verklighet har blivit en allmänt använd teknik, ligger det sannolikt att virtuell verklighetsteknik inte kommer in på marknaden för hemmabrukare ( t.ex. via tv, internet eller mobilapplikation), vilket kan göra det möjligt för forskare att göra Virtuell verklighetstestning utanför laboratoriet. Dessutom skapar denna utveckling stora möjligheter att mäta, undersöka och förstå människors beteende i större skala när det gäller grupper och områden ( t.ex. i utvecklingsländer eller landsbygdsområden med begränsad tillgänglighet till teknik ) Forskningens externa validitet kommer därför att förbättras. Med utvecklingen av denna teknik på konsumentmarknaden kan den virtuella verkligheten utvecklas vidare från att stödja simuleringar till direkt mätning och spårning av verkligt beteende. Precis som människor surfar på webben Eller konsumenter som väljer i en webbutik spåras redan intensivt för att förutsäga eller påverka beteendet, samma typE av beteendeåtgärder finns (och kommer att existera) för simulerade virtuella världar. En annan potentiell utveckling förutses inom området för att skapa personliga miljöer. Flera webbplatser anpassas redan automatiskt till den person som besöker dem. Exempel på sådana webbplatser är online-återförsäljare som ger förslag baserat på aspekter som plats, tidigare inköp och Facebook ( dvs. en social media och nätverksplattform), som inte bara anpassar annonserna utan också annat innehåll som passar personliga preferenser. Detsamma kan hända för virtuella världar. I praktiken kan folk exempelvis välja personliga stormarknader, utforma eller välja hur de föredrar att styras ( t.ex. "vägleda mig till hållbara produktval") eller begränsa till och med de val de kan göra ( t.ex. Endast produkter för personer med en specifik sjukdom).

Sammanfattningsvis unraveling mysterierna av conSumerbeteende kan inte uppnås genom någon fristående forskningsmetod. För att jämföra eller kombinera insikter måste olika datainsamlingsverktyg användas. Den virtuella verkligheten har tagit stora steg under de senaste åren. Nu är det dags att länka dessa metoder till traditionella metoder så att nya insikter kan komma fram. Det finns flera alternativ i den virtuella butiken, alla med sina respektive fördelar och nackdelar. Den virtuella butiken som beskrivs här är unik genom att det finns en enkel redaktör för att bygga en virtuell butik som innehåller en rad alternativ för att samla beteendetal. Ett exempel på forskning med den virtuella butiken som presenteras här ligger grunden som ett universellt sätt att mäta konsumentbeteende i virtuell verklighetsforskning.

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.