La Mesure du Bouche A Oreille Electronique dans les Réseaux Sociaux : [605185]

La Mesure du Bouche A Oreille Electronique dans les Réseaux Sociaux :
Une Etude Empirique sur les Services de Restauration
GRAA Amel, KOUDACHE Sara
Université Djillali Liabes -Sidi Bel Abbes

Résumé :
Cette recherche a pour ambition de déchiffrer l’énigme du bouche à oreille (BAO) électronique
dans les réseaux sociaux et de déterminer son impact sur l’intention d’achat des services de
restauration . Afin de mener à bien cette étude nous avons réalisé une étude quantitat ive auprès
d’un échantillon de 220 utilisateurs des réseaux sociaux. Pour tester nos hypothèses, nous avons
adopté la modélisation par équation structurelle (SEM) avec l’approche PLS (Partial Least
Square). Les résultats obtenus confirment que les utilisateurs des réseaux sociaux tiennent
beaucoup plus à la polarité du commentaire que le s autres déterminants de BAO électronique .
Les résultats obtenus confirment aussi que l’utilisation du BAO électronique influence
l’intention d’achat des internautes . A partir de ces résultats ; il apparait nécessaire pour les
entreprises algériennes plus précisément les restaurants de veiller sur ce qui circule dans les
réseaux sociaux et exploiter cet élément pour le bénéfique de la marque notamment dans le
lancemen t des nouveaux produits et services .
Mots clé : Bouche à oreille électronique, Réseaux sociaux, Contenu , Intensité, Crédibilité .
Abstract :
This research investigate s the outcomes of the word -of-mouth communication (WOM) in the
online social networks especially the purchase intention of Restaurant services . This study
presents a quantitative survey among 220 OSN’ users. The study uses structural equation
modeling (SEM) with the PLS approach (Partial Least Square) to analyze and confirm the
conceptual model proposed in the study. The results show that the impact of the comments
characteristics on the online WOM ’ use is mediated by perceived utility of comments . The
results confirm also that the online WOM ’ use influence the purchase intention of Restaurant
services . From these results; it appears necessary for the Algerian companies to integrate the
social E -commerce in their marketing strategies in order to make know and to sell their products
and services.
Key words: Electronic word of Mouth, Social Networks, Perceived Utility , Percei ved Trust .

INTRODUCTION
Researchers and practitioners have long acknowledged the importance of face -to-face and
word -ofmouth communication. Their strong influence on consumer decision -making has led
many researchers to deeply explore the phenomenon ( Frenzen & Nakamoto, 1993; Lam &
Mizerski, 2005; Carl & Noland, 2008). In recent times, word -of-mouth communication has
taken different forms: what once took place only face -to-face is now possible to project through
many different online channels. One online channel experiencing immense growth is social

networking, made up of websites with virtual communities of individuals who interact with
each other (Steffes & Burgee, 2009).
Les chercheurs et praticiens ont longtemps reconnu l'importance de face à face et
communication du mot -ofmouth. Leur influence forte sur prise de décision du consommateur a
mené beaucoup de chercheurs à explorer le phénomène profondément (Frenzen & Nakamoto,
1993,; Lam & Mizerski, 2005,; Carl & Noland, 2008). Dans les temps récents, la
communication orale a pris des formes différentes: ce qui a eu lieu une fois seulement face à
face est maintenant possible de projeter à travers beaucoup de canaux en ligne différents. Un
canal en ligne qui éprouve l'augmentation immense est réseau de l ogiciel social, fait en haut de
site Web avec communautés virtuelles d'individus qui réagissent réciproquement avec l'un
l'autre (Steffes & Burgee, 2009).
Online word -of-mouth, as described by Hennig ‐Thurau, Gwinner, Walsh, and Gremler (2004),
is any posit ive or negative statement made by a former, actual, or potential customer about a
product or an organization to more than one person or institution via the internet. Researchers
have carried out extensive study of this new medium (King, Racherla & Bush, 20 14) and,
according to Cheung and Thadani (2012), online word -of-mouth communication processes
have a significant influence on consumers’ buying intentions. Even though buying intentions
are affected by different factors associated with communicators, recei vers, stimuli and contexts
of communication, individuals consider internet sites as performers or senders of word -of-
mouth in online social forums, and hence, online communities can act as a substitute for
individual recognition (Brown, Broderick, & Lee, 2007).
Products and services can be evaluated and recommended by different online consumer groups,
and the more customers positively talk about a product or service the more sales a company
generates from these web -based interactions (Phang, Zhang, and Suta nto, 2013).
Researchers have attempted to explore the extent of influence of electronic word -of-mouth in
online discussion boards and found that the discussions in virtual communities are a significant
factor in shaping the buying intentions of consumers ( Fong & Burton, 2006). For example,
Tham, Croy, and Mair (2013) investigated the nature of word -of-mouth communication in
online tourism websites and concluded that online word -of-mouth communication is a unique
channel of information exchange because conte nt management, channel variability, information
seeking behavior, message retention and motivation of information provision are different from
that of traditional word -of-mouthcommunication. Further, because travel -related content is
more structured, it te nds to disseminate information more quickly with electronic word -of-
mouth (Luo & Zhong, 2015). Thus, the results of exploring different factors and their impact
on electronic word -of-mouth differ from those of traditional channels.
The type of influence of online word -of-mouth communication on purchase intentions is
different. Friends and family in a normal setting tend to influence individuals in a different way
as compared with virtual settings because the behavior of consumers in dealing with friends
and family in virtual world is different (Goodrich & de Mooij, 2014). Brown et al. (2007) has
indicated that it is inappropriate to examine online word -of-mouth under the context of
conventional definitions. However, researchers have noted that personal consumption is a
common factor with online (Cheema, & Papatla, 2010; Goldsmith, & Horowitz, 2006) and
offline (Cheema, & Papatla, 2010; Bell & Song, 2004) word -of-mouth communication.

Ce travail de recherche est structuré en trois parties. Dans la première, nous faisons le point sur
le cadre théorique de base ; nous définissons ainsi les principaux concepts retenus et nous
analysons les études antérieures ce qui nous permettra d’émettre les hypothèses à tester. Une
deuxième étape servira à visualise r le modèle final de notre étude issu des tests statistiques, ce
qui nous permettra en troisième lieu de conclure, tout en proposant les implications
managériales, les limites et les voies futures de recherche.
CADRE THEORIQUE
Définition du BAO et le BAO électronique

L’effet du BAO électronique sur le comportement du consommateur
L’intention d’achat
Depuis les travaux de Fishbein et Ajzen (1975) et de Davis (1989), le concept d’intention ne
cesse de retenir l’attention des chercheurs en marketing et en systèmes d’information. Comme
celui de l’attitude, il sert à prévoir le comportement réel d’achat. Il emprunte donc son
importance du fait qu’il représente un bon estimateur du comportement futur des
consommateurs pour les chercheurs en Marketing (Kalwani et Silk, 1982). Il est généralement
utilisé afin de prédire les ventes de produits existants à travers le temps pour différents segments
de consommateurs (Young et al., 1998). En effet, la recherche en psychologie sociale suggère
que l’intention serait le meilleur prédicateur du comportement d’un individu, car elle lui permet
d’incorporer de manière individuelle tous les facteurs importants q ui pourraient influencer son
comportement réel (Fishbein et Ajzen, 1975). L’intention déclarée est alors une variable
aléatoire avec une moyenne qui tend vers l’intention réelle (Morrison, 1979).
Durant les 50 dernières années, plusieurs études se sont in téressées à la détermination des
relations entre les intentions d’achat déclarées et les comportements d’achat effectifs. Le
gouvernement américain avait conduit des études et des expérimentations concernant les
intentions d’achat entre les années 1940 et les années 1970. Leur objectif était de prédire les
mouvements à court terme des dépenses futures basées sur les intentions déclarées d’achat et la
position financière ainsi que les caractéristiques démographiques des ménages américains.
Dans la plupart de ces études, des relations significatives ont été dégagées entre les intentions
d’achat de biens durables et des achats subséquents et ce, à l’aide de modèles économétriques
variés. Par ailleurs, des études ont tenté d’établir le lien entre intention d’ach at et comportement
effectif pour les biens durables et pour les produits non durables. Il en résulte que la relation
entre intention d’achat et comportement d’achat pour les biens durables est généralement
significative. La force de la relation varie cepen dant d’une étude à une autre (Young et al.,
1998). L’intention d’achat sur internet
Réseaux Sociaux Numérique
Le réseau social en ligne est une reproduction du réseau traditionnel (composé de nœuds et de
relations liant les membres), facilitant les regrou pements entre individus partageant des intérêts
communs, sans qu’ils soient pour autant entravés par les anciennes contraintes géographiques
et sociales. Les individus se regroupent sur la base d’intérêts communs ou de valeurs partagées
et le modèle de rés eautage traditionnel s’est tout simplement transposé sur le Web. L’abolition
de limites géographiques, temporelles et, jusqu’à un certain point, psychologiques semble être

un facteur déterminant dans la propulsion du réseautage en ligne. Voici un aperçu de s
différences identifiées entre le réseau traditionnel et le réseau en ligne.
Le réseau social est au centre du web 2.0. Le terme "Web 2.0" a été employé pour la première
fois en 2004 par Tim O'Reilly2, fondateur des éditions O'Reilly spécialisées dans le domaine
informatique. Il cherchait un titre accrocheur à donner à une conférence sur les mutations
connues par le Web. On utilise tous les jours les termes de réseaux et médias sociaux et on a
tendance à croire que c’est plus au moins la même chose. En eff et les médias sociaux incluent
les réseaux sociaux ainsi que les blogs, les forums et les plateformes questions/réponses. En
d’autres termes, les réseaux sociaux ne sont qu’une partie des médias sociaux . En 1995, le
premier réseau social créé est un site américain d’anciens élèves. Les aspects sociaux y étaient
très limités, tout juste pouvait -on retrouver ses amis dans une liste pour leur écrire un courriel.
Si les réseaux sociaux ne sont pas nés avec le Web 2.0, en revanche, grâce à lui les interfaces
ont gagné en collaboration, partage et interaction . Puis en 1997, naissance de l’un des premiers
réseaux sociaux : sixdegrees. On peut le considérer comme étant le premier site moderne de
réseau social, avec la création de profils et la possibilité de créer un réseau entre utilisateurs. En
2003, ce sont trois grands sites qui font leur apparition et qui vont révolutionner notre façon
d’utiliser le web, que ce soit dans la sphère privée et dans la sphère professionnelle : MySpace,
WordPress et bien sûr Linked In. En 2004, Mark ZUCKKERBERG lance TheFacebook.com
depuis sa chambre d’étudiant d’Harvard. La même année, l’équipe de Flickr lance son site de
partage de photos. En 2005, ce sont les vidéos qui sont à l’honneur avec le lancement de
YouTube. – Depuis 2006 , nous avons pris l’habitude d’écrire en 140 caractères avec Twitter.
Tumblr permet En 2007 à ses souscripteurs de partager rapidement et facilement des photos,
des textes, des notes et des liens avec leurs communautés. Avec Foursquare, qui est apparu
en2009, vous pouvez suivre vos amis à la trace et savoir où ils se trouvent et ce qu’ils font en
temps réel. – Plus récemment encore, Google a voulu concurrencer les réseaux sociaux comme
Facebook et Twitter et a créé Google + en 2011. Enfin, le dernier en da te est Pinterest, créé en
2012, en tant que réseau social dédié à l’image.

III. MÉTHODOLOGIE DE L’ÉTUDE EMPIRIQUE
1. La taille de l’échantillon et la collecte des données
Nous avons opté pour la méthode d’échantillonnage non probabiliste spécifiquement celle de
l’échantillonnage de convenance, vu l’absence de base de donnée contenant la liste des
utilisateurs des réseaux sociaux en Algérie (Bathelot, 2016) donc un échantillon de 220
individus a été sélectionné. La méthode de collecte de donnée la plus adapté à no tre étude est
l’enquête par questionnaire car elle permet la collecte auprès d’une large population et elle
assure aussi la fiabilité des résultats obtenus, grâce à l’uniformisation des réponses surtout dans
le cas des questions fermées .
Après la validati on du questionnaire, l’administration s’est faite en deux méthode face à face et
en ligne sur les réseaux sociaux (Facebook, Twiter Et Linkedin). La période d’administration
du questionnaire a durée entre le 17 Mars jusqu’à 20 Avril 201 7, après avoir élimi né les
questionnaires non valides ( 10 questionnaires) nous avons eu un retour de 210 questionnaires
valides .
2. Les échelles de Mesure et les hypothèses de recherche

Le questionnaire de l’étude a été composé de trois grandes parties . La première partie a été
consacrée à l’introduction tandis que la deuxième a été réservée aux questions liées au sujet et
la dernière partie a été consacrée aux questions personnelles. Pour mesurer les variables de
notre modèle présenté dans la figure 1 , nous avons utilisé des éc helles de type Likert allant de
1 à 5 (Pas du tout d’accord,…, Tout à fait d’accord) contenant un ensemble d’items que nous
avons emprunté de la revue de la littérature puis adapté à notre étude, ces items ont été formulés
de façon concise et précise et su r la base des échelles pertinentes déjà validées. L es déterminants
de l’utilisation du BAO électronique sont : l e contenu du commentaire , la polarité et l’intensité
et nous nous sommes référencés à l’échelle proposée par Goyette et al. (2010). Pour « la
credibilité des commentaires » qui est aussi une déterminante du BAO electronique, nous avons
adapté l ’échelle proposé par Abdennadher (2014). La variable l’utilisation du BAO électronique
a été mesurée à travers une échelle de mesure proposée par Baber et al. (2015) , et enfin nous
avons évaluée l’ intention d’ achat en utilisant l’échelle de Sweeney et Swait (2008 ). Par la suite,
nous avons proposé les hypothèses suivantes :
H1 : Le commentaire du commentaire influence l ’utilisa tion du bouche à oreille électronique.
H2 : L’intensité du commentaire influence l ’utilisation du bouche à oreille électronique.
H3 : La polarité du commentaire influence l ’utilisation du bouche à oreille électronique.
H4 : La crédibilité perçue du commentaire influence l ’utilisation du bouche à oreille
électronique.
H5 : L’utilisation du bouche à oreille électronique influence l’intention d’achat des utilisateurs
des réseaux sociaux .

Fig. 1 : Modèle conceptuel de l’étude

II.3. Méthode d’a nalyse des données :
Plusieurs méthodes statistiques ont été développé pour analyser les données, parmi ces
méthodes la modélisation par équation structurelle (SEM) qui est une technique permettant
d’estimer les relations de dépendance observées dans un ensemble de concepts et de construits,
elle comprend deux approches ISEREL et PLS (Wong, 2013). Pour notre recherche, nous
avons opté pour l’approche PLS qui est qualifiée de modélisation souple est particulièrement
indiquée dans les recherches de type e xploratoire, ou le cadre théorique est faible (Fernandes,
2012). Ce qui est le plus conforme et répond aux besoins de notre étude afin de répondre aux
différentes questions, de vérifier les hypothèses de cette recherche et de tester les relations

théoriqu es grâce à une technique unique . Autrement dit , nous avons suivis le diagramme de
décision de la méthode d’équation illustré dans la figure 2.

Fig.2 : Diagramme de décision de la méthode d’équation structurelle (Fernandes, 2012)

Nous avons utilisé le logiciel Sphinx Version 5 pour la collecte et l’analyse descriptive des
données et le logiciel Smart PLS Version 2 pour le traitement des données et la vérification des
hypothèses.

IV. RESULTATS DE RECHERCHE
III.1. Analyse descriptive
Dans cette partie, nous allons présenter les résultats de l’analyse descriptive liés aux
caractéristiques sociodémographiques de l’échantillon : sexe, âge, revenu, CSP, niveau
d’instruction.

Tableau 1 : Caractéristiques sociodémographique de l’échantillon

Caractéristiques
Nombre de Citation Pourcentage %
Sexe
Homme 109 51,9
Femme 101 48,1
Age

Moins de 18 ans 0 0
18-25 73 34,8
25-40 107 51
40-55 20 9,5
55-65 10 4,8
plus de 65ans 0 0
Niveau
d’éducation
Primaire j 0
Secondaire 59 28,1
Universitaire 151 71,9
Revenu Mensuel

Moins de 15000DA 15 7,1
15000 -25000 49 23,3
25000 -40000 43 20,5
Plus de 40000 32 15,2
Pas de revenu 71 33,8
Catégorie
Socioprofessionnelle

Etudiant 69 32,9
Employé 92 43,8
Commerçant 39 18,6
Retraité 10 4,8
Autre 0 0
Total
210 100

Source : Données du Sphinx V5
Le tableau 1 nous présente la conception détaillée de no tre échantillon étudié dans le but de
dégager un profil des répondants, sur la base des caractéristiques sociodémographiques. No tre
échantillon est composé avec des proportions approximativement égales entre hommes (51,9 %)
et femmes (48,1 %) majoritairement de tranche d’âge (25-40 ans) avec un pourcentage de 5 1 %.
Quant à la répartition selon la catégorie socioprofessionnelle, no tre échantillon est assez
hétérogène. Les personnes interrogées font partie de toute classe sociale confondue. Et nous
constatons que la catégorie des répondants ayant n’ont pas de revenu est la plus conséquente
avec un pourcentage de 3 3,8%. Pour conclure nos répondants ont un niveau d’instruction
supérieur (Bac et plus) en grande partie.

Selon les résultats obtenus, 86,7% des interrogés ont un compte sur les réseaux sociaux dont la
majorité (85,7%) possède un compte Facebook ce qui indique qu’il est le réseau social le plus
utilisé, 39,5% sur YouTube et 25.7% sur Twitter.

III.2 Evaluation de la fiabilité et de validité du modèle de mesure :
III.2.1 Evaluation de fiabilité du modèle
La fiabilité correspond au degré avec lequel les instruments utilisés mesurent de façon
constante le construit étudié. Le tableau 2 présente les résultats obtenus pour la fiabilité des
construits qui montre bien que les construits sont fiables, selon les résultats tous les construits
dépassent les seuils critiques de 0. 6 (l'α de Cronbach) et 0.7 (CR) et cela selon les propositions
de Wong (2013).

Tableau 2 : La fiabilité du modèle de mesure : CR ; AVE et α de Cronbach
AVE Composite Reliability Cronbachs Alpha Communality
Contenu du commentaire 0,74885 0,899102 0,83373 0,74885
Crédibilité du commentaire 0,598376 0,852944 0,779846 0,598376
Intensité du commentaire 0,865941 0,92806 0,854724 0,865942
intention d’achat 0,659279 0,853011 0,743471 0,659279
Polarité du commentaire 0,543719 0,777798 0,612025 0,543719
Utilisation BAO 0,54765 0,857755 0,794884 0,54765
Source : Smart PLS V2

III.2.2 Evaluation de validité du modèle
Le tableau 2 présente également les résultats obtenus pour l’AVE qui doivent selon
Bagozzi et Yi (1988) dépasser les seuils critiques (AVE>0.5) et qui traduit par conséquent une
validité convergente satisfaisante. Elle est aussi confirmée si les valeurs de tous les items sont
égales ou supérieur au seuil recommandé de 0.70 (Bagozzi et Yi, 1988) ; elle est démontrée par
des loadings dans la Figure 3.
Fig. 3 : Modèle de mesure et structurel après l’application de l’algorithme de
l’approche PLS

Source : Smart PLS V2

Notre modèle de recherche présente un total de 23 items (figure 1). Apres avoir appliqué
l’algorithme de l’approche PLS, nous avons trouvé que 0 4 items avaient des valeurs inférieurs
à 0.50 ce qui nous a conduit à les supprimer et 19 items ont été retenu comme il est indiqué
dans la figure 3 (10 items ont une valeur entre 0.8 et 0.90, et 9 autres items ont une valeur
comprise entre 0. 60 et 0. 80).
Toutes les valeurs factorielles s’avèrent significatives sur le plan statistique après l’ application
de la méthode Boostrap (figure 3) qui montre que le test de Student de chaque variable de
décision est significatif supérieur de 2 (le test de student indique que les variables observés
convergent vers une même validité convergente du modèle) .
III.3 Diagnostique d u modèl e structurel
Le tableau 3 montre le test de validité discriminante. Les valeurs indiquées dans la
diagonale de la matrice de corrélation (les valeurs en gras) représentent la racine carrée de
l’AVE. Pour test er la validité discriminante entre deux contruits , il faut comparer la corrélation
entre ces deux éléments en calculant la racine carré de leur AVE respective. La racine carrée
de l’AVE de crédibilité du message est de 0.77 35, la racine carrée de l’AVE de l’utilité perçue
des réseaux sociaux numériques est de 0.8220 , et toutes deux dépassent la corrélation de 0.5648 .
En conclusion, les items figurant dans l’échelle de mesure sont dans l’ensemble valides et
fiables ; ils permettent donc de tester le modèle structurel .
Tableau 3 : La corrélation des variables latentes

contenu crédibilité du
l'émetteur intensité intention
achat polarité utilisation
BAO
Contenu 0,865361
Crédibilité du l'émetteur 0,245504 0,773548
intensité 0,262280 0,063229 0,930560
intention achat 0,287504 0,297213 0,197072 0,811960
polarité 0,261671 0,242881 0,220246 0,453042 0,737373

utilisation BAO 0,259511 0,258311 0,195416 0,597348 0,469513 0,740034

Source: Elaboré par l es auteur s sur la base des résultats Smart PLS V2

On a estimé l’ajustement du modèle structurel par le calcul de l’équation (1) selon la proposition
de Henseler et Sarstedt (2013) et qui doit b être significative sur le plan théorique :

2( ) ( ) GOF AVE R
(1)
La moyenne des R2 est calculée par la formule (2) :
22
11( , : )p
pR R p q q pp   
(2)
Après les calculs, nous avons obtenu GOF= 0,58 et cela à partir des données suivantes : R² =
0,50 et AVE= 0,67 (tableau ??) , ce qui nous mène à conclure que la qualité d’ajustement du
modèle structurel est bonne et il est donc possible à ce stade de procéder au test des hypothèses .
III.4 Test des hyp othèses
Cette partie est consacrée à la présentation des résultats de test des hypothèses émises.

Fig. 4 : Modèle de mesure et structurel après l’application de la méthode Boostrap

Source : Smart PLS V2

A partir des résultats illustrés dans la figure 4, le tableau 3 et le tableau 4 , Pour tester les
hypothèses de notre recherche, nous avons vérifier si les réseaux sociaux numériques ont un
effet significatif sur le comportement d’achat impulsif chez les utilisateurs de ces reseaux
consommateur, les résultats de l’application de la méthode Boostrap qui a dévoilé que le test de
Student de l’effet direct des réseaux sociaux numériques sur le comportement du consommateur
est égal à 3.086 supérieur de 2 donc la relation est si gnificatif .Selon les résultats obtenus ; le
modèle structurel est acceptable et donc on peut confirmer l’hypothèse (H1) c’est à dire que les
réseaux sociaux numériques ont un effet direct sur le comportement du consommateur .

Tableau 4 : Résultats du mod èle structurel
Significativité T-
Statistics Coef. Hypothèses de recherche
Rejetée 1,105 H1 : Contenu Utilisation BAO électronique
Rejetée 0,642 H2 : Intensité Utilisation BAO électronique
recommandation Validée 4,119 H3 : Polarité Utilisation BAO électronique
Rejetée 1,409 H4 : Crédibilité Utilisation BAO électronique
Validée 8,247 H5 : Utilisation BAO électronique Intention d’achat
Source: Smart PLS V2

Pour tester la première hypothèse, on va vérifier si les réseaux sociaux numériques ont
un effet significatif sur le comportement d’achat impulsif chez les utilisateurs de ces reseaux
consommateur, les résultats de l’application de la méthode Boostrap qui a dévoilé que le test de
Student de l’effet direct des réseaux sociaux numériques sur le comportement du consommateur
est égal à 3.086 supérieur de 2 donc la relation est significatif .Selon les résultats obtenus ; le
modèle structurel est acceptable et donc on peut confirmer l’hypothèse (H1) c’est à dire que les
réseaux sociaux numériques ont un effet direct sur le comportement du consommateur .

Afin de tester la troisième hypothèse, on va vérifier les résultats de l’application de la méthode
Boostrap illustrer dans la figure 3 qui a dévoilé que le test de Student est égal à 6,993 donc il
est supérieur de 2 donc la relation est significatif. Selon les résultats obtenus ; le modèle
structurel est acceptable et donc on peut confirmer l’hypothèse (H 3) c’est à dire que les réseaux
sociaux ont un effet direct sur l’intention d’achat des utilisateurs des réseaux sociaux .

Conclusion
D’après les résultats obtenus, nous concluons que le consommateur a intégré les réseaux
sociaux numériques dans son comporteme nt et sa décision d’achat. Les résultats illustrent que
le consommateur avant de passer à l’acte d’achat effectue une recherche d’information sur les
produits et les marques qu’ils veut acheter auprès des pages officielles de marque, et qu’il
consulte les avis et les commentaires laissés par les autres membres de la pages ce qui peut
influencer sa décision d’achat, d’ailleurs en cas de commentaire négatif ils préfèrent faire
d’autre recherche. Autrement dit, le comportement du consommateur sur les réseaux sociaux
numériques et l’intention d’achat qui est influencé par des facteurs interpersonnelle
particulièrement par les commentaires et les avis laissés sur les produits et les marques.
Néanmoins, il faut mettre l’accent sur l’importance des pratiques mark etings exercés sur les
réseaux sociaux numériques et qui ont un effet sur le comportement du consommateur. Dans ce
contexte, nous encourageons les entreprise et les marques algériennes a déployer une stratégie
marketing sur les réseaux sociaux numériques a fin d’être en contact directe et faciliter la
communication avec les consommateurs a moindre couts. Nous proposons aussi aux entreprises
d’utiliser ces plateformes comme un nouveau moyen de vente ce qui va leur permettre de
toucher une plus grande cible, d ’augmenter leur vente et d’élargir leur réseau de distribution.
Mais pour que tout cela soit faisable il faut mettre en place un système de paiement ainsi qu’un
règlement qui va rassurer le consommateur et faciliter la vente et l’achat des produits .

Sur le plan managérial, cette étude peut être utile pour les responsables d’entreprise, les
marketeurs et les professionnels sur le web et les réseaux sociaux dans la mesure où elle leurs
permet de bien comprendre le comportement du consommateur et bien cerner s es attentes et
besoins pour pouvoir l’attirer, influencer son achat, assurer sa satisfaction et ainsi sa fidélité.

REFERENCES
FERNANDES V. (2012), « En quoi l’approche PLS est -elle une méthode a (re) -découvrir pour
les chercheurs en management ? », M@n@gement, Vol. 15 No. 1, p. 114 .

ANNEXES

utilisation
BAO contenu credibilité
du
l'emetteur intention
achta intensite polarite
UtiBAO1 0,73415 0,175228 0,253443 0,444997 0,229681 0,325391
UtiBAO3 0,700646 0,244826 0,122579 0,345466 0,096852 0,353889
UtiBAO4 0,800383 0,14201 0,224729 0,462633 0,124647 0,384222
UtiBAO5 0,779202 0,20256 0,22822 0,577708 0,104981 0,379062
cont2 0,17101 0,789963 0,214828 0,232169 0,274828 0,171922
cont3 0,268636 0,914644 0,242657 0,21228 0,186597 0,190823
cont4 0,218203 0,88653 0,178982 0,31332 0,245125 0,318969
credibi1 0,086265 0,150257 0,5533 0,058994 0,135001 0,049664
credibi2 0,255673 0,184718 0,845082 0,269298 0,084746 0,157076
credibi3 0,224759 0,271314 0,877634 0,307211 0,008537 0,237735
credibi4 0,176615 0,145455 0,776504 0,197042 0,014674 0,26845
intach1 0,442418 0,193048 0,242261 0,810001 0,230007 0,403793
intach2 0,549026 0,31836 0,182772 0,829286 0,099457 0,38233
intach3 0,45097 0,170682 0,31272 0,796253 0,165759 0,316536
intens2 0,216501 0,246115 0,040121 0,220498 0,964909 0,249159
intens3 0,127387 0,246545 0,092086 0,124792 0,894893 0,134822
pola2 0,283525 0,169681 0,181886 0,322781 0,157822 0,702706
pola3 0,476593 0,206918 0,231478 0,392706 0,155167 0,871377