Personnalisation perçue de la publicité

1. Résumé / Abstract

L’échelle de personnalisation perçue de la publicité (Perceived Ad Customization Scale), développée et validée par Freya De Keyzer, Nathalie Dens et Patrick De Pelsmacker (2022), constitue un instrument psychométrique de pointe conçu pour évaluer dans quelle mesure un individu perçoit qu’un message publicitaire a été spécifiquement adapté, ciblé et calibré selon ses caractéristiques personnelles, ses préférences ou ses comportements en ligne. Face à l’essor des technologies publicitaires programmatiques et des algorithmes de profilage sur les réseaux sociaux, la perception subjective de la personnalisation publicitaire est devenue une variable médiatrice et explicative déterminante dans l’étude des comportements des consommateurs. Cet outil synthétise et perfectionne des formulations issues de travaux précurseurs dans le domaine de l’interactivité médiatique et du marketing relationnel, harmonisant des conceptualisations auparavant dispersées entre la personnalisation induite par le système et l’adaptation perçue par l’utilisateur.

Sur le plan structurel, l’échelle se compose typiquement d’un modèle unidimensionnel robuste comprenant trois à quatre items formulés sous la forme d’affirmations évaluées sur une échelle de Likert en sept points, allant de « Fortement en désaccord » (1) à « Fortement d’accord » (7). Les propriétés psychométriques de l’instrument ont été établies à travers un prétest rigoureux et deux études empiriques indépendantes menées auprès d’échantillons diversifiés de consommateurs confrontés à des publicités sur les réseaux sociaux (notamment Facebook). Les résultats démontrent une cohérence interne exceptionnelle, avec des coefficients alpha de Cronbach excédant systématiquement le seuil critique de 0,90, ainsi qu’une fiabilité composite (CR) et une variance moyenne extraite (AVE) attestant d’une excellente validité convergente. De surcroît, l’échelle présente une validité discriminante irréprochable vis-à-vis des construits adjacents tels que la pertinence perçue, l’intrusion perçue et les préoccupations relatives au respect de la vie privée. En tant qu’indicateur sensible, cette échelle prédit avec une grande précision l’attitude envers la marque, le taux de clic effectif et les intentions de bouche-à-oreille (WOM), tout en capturant les mécanismes de réactance psychologique associés au paradoxe de la personnalisation publicitaire.

2. Mots-clés / Keywords

Personnalisation perçue, Publicité ciblée, Psychométrie, Attitude envers la marque, Réseaux sociaux, Intention de clic, Bouche-à-oreille électronique, Ciblage comportemental, Marketing numérique, Réactance psychologique.

3. Auteurs / Authors

L’échelle a été conceptualisée et validée par une équipe de chercheurs de premier plan affiliés au Département de Marketing de la Faculté de Commerce et d’Économie de l’Université d’Anvers (Belgique) :

• Freya De Keyzer : Docteure en sciences économiques appliquées et chercheuse en communication persuasive, marketing digital et comportement des consommateurs à l’Université d’Anvers. Ses recherches explorent l’impact des technologies de personnalisation et des médias sociaux sur les réponses affectives et cognitives des internautes. Courriel académique : [email protected].
• Nathalie Dens : Professeure titulaire de marketing à l’Université d’Anvers. Spécialiste reconnue de la communication publicitaire, de l’efficacité des médias numériques et des effets de cadrage, elle est l’auteure de nombreux articles influents parus dans le Journal of Advertising, International Journal of Advertising et Computers in Human Behavior. Courriel académique : [email protected].
• Patrick De Pelsmacker : Professeur émérite de marketing à l’Université d’Anvers. Autorité mondiale dans le domaine de la psychologie publicitaire et de la communication intégrée, co-auteur de manuels de référence internationaux et chercheur prolifique ayant contribué de manière décisive à l’étude des réactions des consommateurs aux messages commerciaux novateurs. Courriel académique : [email protected].

4. Objectif / Purpose

L’objectif fondamental de l’échelle de personnalisation perçue de la publicité est de capturer avec exactitude la dimension cognitive et évaluative par laquelle un récepteur identifie un stimulus publicitaire comme étant taillé sur mesure pour sa propre individualité. Dans l’écosystème numérique contemporain, les marques exploitent massivement l’apprentissage automatique, les cookies tiers et l’historique de navigation pour délivrer des annonces micro-ciblées. Toutefois, d’un point de vue psychologique, il existe une dissociation majeure entre la « personnalisation objective » — c’est-à-dire les paramètres techniques de ciblage injectés par les annonceurs dans les algorithmes — et la « personnalisation subjective ou perçue », qui correspond au traitement de l’information par l’individu lorsqu’il décode l’annonce. L’instrument de De Keyzer, Dens et De Pelsmacker (2022) a été expressément développé pour combler cette frontière méthodologique en fournissant une mesure pure de la réponse perceptive du sujet.

Dans le domaine de la recherche académique en marketing, en psychologie de la communication et en interaction humain-machine, l’échelle répond au besoin pressant d’isoler le rôle médiateur de la personnalisation perçue dans la chaîne d’effets publicitaires. L’un des paradoxes centraux de la publicité numérique est le phénomène de l’« ad personalization paradox » : d’un côté, une annonce personnalisée augmente l’utilité perçue et l’attention sélective, stimulant ainsi l’attitude envers la marque, l’intention de clic et le bouche-à-oreille (WOM). De l’autre côté, une personnalisation trop saillante peut déclencher un sentiment d’intrusion dans la vie privée, une impression de surveillance non sollicitée et une réactance psychologique conduisant à l’évitement publicitaire ou au rejet de la marque. Disposer d’une échelle fiable et sensible permet aux chercheurs d’identifier précisément les seuils à partir desquels la personnalisation perçue bascule d’un levier persuasif positif à un déclencheur de méfiance.

Sur le plan des applications appliquées et managériales, cette échelle sert d’outil de diagnostic essentiel pour les agences médias, les gestionnaires de plateformes et les annonceurs. Elle est utilisée dans le cadre de prétests de campagnes publicitaires (copy testing), de tests A/B d’interfaces et de formats promotionnels personnalisés. Elle permet de quantifier si une modification créative (par exemple, mentionner le prénom de l’utilisateur, recommander un produit basé sur son panier d’achat récent ou afficher la géolocalisation locale) est effectivement reconnue par la cible comme un contenu adapté sans franchir la ligne de l’inconfort perçu. En outre, dans le contexte des études d’éthique des technologies et de protection des données (notamment en conformité avec le RGPD), cet outil permet d’évaluer le degré de transparence perçue et la manière dont les consommateurs conscientisent l’exploitation de leurs traces numériques à des fins commerciales.

5. Construit psychologique / Construct

Le construit théorique au cœur de cette échelle est la personnalisation publicitaire perçue (Perceived Ad Personalization / Customization). Dans la littérature psychologique et communicationnelle, ce construit est défini comme une appréciation subjective globale selon laquelle un message publicitaire a été spécialement conçu, calibré ou ajusté pour correspondre aux traits identitaires, aux intérêts thématiques, aux besoins immédiats ou à la personnalité unique du récepteur. Il est impératif de distinguer ce construit des notions périphériques avec lesquelles il est fréquemment confondu :

• Distinction entre Personnalisation et Pertinence perçue (Perceived Relevance) : La pertinence perçue renvoie à la valeur instrumentale ou à l’utilité qu’un consommateur retire d’une information à un moment donné. Une annonce peut être jugée très pertinente sans être perçue comme personnalisée (par exemple, une offre générique de parapluies affichée par temps de pluie sur un site météo). Inversement, la personnalisation perçue implique l’attribution d’une intention d’adaptation individualisée : le consommateur attribue à l’annonceur ou à la plateforme une connaissance préalable de son profil propre.
• Distinction entre Personnalisation (Personalization) et Adaptation sur mesure (Customization) : Sur le plan ergonomique classique, la « personnalisation » désigne un processus contrôlé par le système (filtrage collaboratif sans intervention directe de l’utilisateur), tandis que la « customisation » renvoie aux configurations opérées délibérément par l’utilisateur (choix explicite de thèmes ou de filtres). Cependant, du point de vue de la perception du récepteur, De Keyzer et ses collaborateurs démontrent que ces facettes confluent vers une expérience cognitive unifiée : la sensation d’un contenu adapté à sa personne. L’échelle fusionne ces nuances sémantiques afin de capturer l’essence globale de l’évaluation phénoménologique de l’usager.

Le construit est conceptualisé comme une variable continue unidimensionnelle. Ses manifestations cognitives s’articulent autour de plusieurs facettes indissociables :

1. L’alignement identitaire perçu : La reconnaissance immédiate que l’offre ou le ton de l’annonce correspond à son « soi » (concept de concordance avec le soi ou self-congruity). Par exemple, un consommateur passionné de randonnée éco-responsable qui observe une annonce présentant du matériel de trekking durable ressentira que le message résonne avec son système de valeurs personnel.
2. L’attribution de ciblage spécifique : La croyance selon laquelle l’annonceur a sélectionné ce contenu particulier spécifiquement pour lui, et non pour une masse indifférenciée d’utilisateurs. L’individu conclut : « Cette publicité s’adresse à moi en particulier et non au grand public ».
3. L’adaptation basée sur les préférences : L’évaluation du degré d’adéquation entre les attributs fonctionnels du produit présenté et les besoins idiosyncrasiques du consommateur. Cela implique un décodage implicite selon lequel le système a exploité une information pertinente relative à ses goûts.

En conséquence, un score élevé sur cette échelle indique que le sujet perçoit l’annonce comme hautement individualisée et étroitement alignée sur ses intérêts particuliers, tandis qu’un score faible dénote la perception d’une communication générique, impersonnelle ou non différenciée.

6. Cadre théorique / Theoretical Framework

Le développement de l’échelle de personnalisation perçue de la publicité repose sur un socle théorique interdisciplinaire intégrant la théorie de l’attribution, le modèle de vraisemblance d’élaboration, la théorie de la réactance psychologique et le paradigme « Computers Are Social Actors » (CASA).

Le modèle de vraisemblance d’élaboration (ELM)

Formulé par Richard Petty et John Cacioppo (1986), le modèle de vraisemblance d’élaboration postule que la persuasion emprunte deux routes fondamentales : la route centrale et la route périphérique. La personnalisation perçue agit comme un puissant catalyseur de l’implication personnelle (involvement). Lorsqu’un individu juge qu’une annonce est adaptée à son profil, la pertinence perçue déclenche une motivation accrue à traiter les arguments publicitaires par la route centrale. Ce traitement cognitif approfondi renforce l’encodage mnésique, améliore la mémorisation de la marque et engendre des attitudes plus stables et prédictives des comportements ultérieurs (clic et bouche-à-oreille).

La théorie de l’attribution et l’inférence de motifs

Selon la théorie de l’attribution de Fritz Heider et les travaux sur les schémas de persuasion de Marian Friestad et Peter Wright (Persuasion Knowledge Model, 1994), les consommateurs interprètent activement les intentions de l’émetteur. Lorsqu’une publicité est perçue comme hautement personnalisée, le consommateur s’interroge sur les raisons pour lesquelles il est ciblé. Si l’attribution est bienveillante (« la marque cherche à faciliter ma décision en me proposant un produit qui m’intéresse »), l’effet persuasif est maximisé. En revanche, si l’attribution est suspicieuse (« la plateforme piste mes mouvements intimes pour manipuler mon consentement »), la personnalisation perçue active la connaissance de persuasion et suscite une résistance cognitive.

La théorie de la réactance psychologique et le paradoxe de la vie privée

La théorie de la réactance psychologique de Jack Brehm (1966) éclaire le versant négatif de la personnalisation publicitaire. Quand la personnalisation perçue franchit un seuil critique perçu comme invasif ou trop intime (effet surnommé l’effet « creepy »), l’individu ressent une menace directe pesant sur son autonomie décisionnelle et son espace privé. Cette perception de contrôle abusif déclenche un état motivationnel de réactance, poussant l’individu à restaurer sa liberté menacée en rejetant activement l’annonce, en adoptant une attitude défavorable envers la marque ou en refusant d’interagir (absence de clic, boycott ou bouche-à-oreille négatif).

Les travaux fondateurs sur la personnalisation médiatique

D’un point de vue psychométrique, l’instrument de De Keyzer et ses collègues puise directement dans les fondations posées par S. Shyam Sundar et Sriram Kalyanaraman (2004, 2006) sur l’architecture cognitive des portails web personnalisés, ainsi que sur les échelles d’adaptation perçue développées par Franke, Keinz et Steger (2009) et Shanahan, Tran et Taylor (2019). De Keyzer et al. (2022) ont fusionné ces flux de recherche pour concevoir une échelle épurée, exempte de confusions conceptuelles avec l’intrusion ou l’utilité, capturant purement l’évaluation de la personnalisation dans les environnements sociaux et algorithmiques contemporains.

7. Validité / Validity

La validité psychométrique de l’échelle de personnalisation perçue de la publicité a fait l’objet de vérifications approfondies au cours de multiples phases expérimentales documentées dans l’étude princeps de De Keyzer, Dens et De Pelsmacker (2022).

Validité de contenu et validité faciale

La validité de contenu a été établie par la dérivation rigoureuse des items à partir des échelles préexistantes validées dans la littérature en communication persuasive et en marketing digital. Les formulations ont été affinées par un panel d’experts en psychologie des médias et en méthodologie de recherche publicitaire pour s’assurer qu’aucun item ne portait sur l’évaluation affective (par exemple « j’aime cette annonce ») ou sur l’intrusion (par exemple « cette annonce est indiscrète »), mais uniquement sur le jugement descriptif de l’adaptation du message. Les tests pilotes ont confirmé que les participants comprenaient aisément les énoncés sans ambiguïté sémantique.

Validité de construit convergente

La validité convergente a été démontrée par l’analyse de modèles d’équations structurelles (SEM) et d’analyses factorielles confirmatoires (AFC). Dans les différentes études de De Keyzer et al. (2022) :

• Les saturations factorielles standardisées (factor loadings, $lambda$) de l’ensemble des items sur leur facteur latent sous-jacent étaient toutes statistiquement significatives ($p < 0,001$) et dépassaient largement le seuil conventionnel de 0,70, oscillant généralement entre 0,82 et 0,94.
• La variance moyenne extraite (AVE, Average Variance Extracted) s’est avérée nettement supérieure au seuil préconisé de 0,50 de Fornell et Larcker, atteignant des valeurs comprises entre 0,75 et 0,86 selon les conditions expérimentales, démontrant que la majorité de la variance des indicateurs est imputable au construit théorique plutôt qu’à l’erreur de mesure.
• La fiabilité composite (CR) dépassait largement 0,85, consolidant la cohésion interne du construit latent.

Validité discriminante

La validité discriminante a été évaluée selon le critère de Fornell-Larcker ainsi que le ratio hétérotrait-monotrait (HTMT). Les corrélations entre la personnalisation perçue et les construits connexes ont été analysées :

• La racine carrée de l’AVE pour la personnalisation perçue était nettement supérieure à ses corrélations avec l’intrusion perçue (perceived intrusiveness), les préoccupations relatives à la vie privée (privacy concerns) et la pertinence perçue de l’annonce.
• Les valeurs du ratio HTMT étaient systématiquement inférieures au seuil conservateur de 0,85, prouvant que les répondants opèrent une distinction empirique nette entre le fait de percevoir une annonce comme personnalisée et le fait de la juger intrusive ou utile.

Validité prédictive et nomologique

L’échelle a confirmé sa validité nomologique en s’insérant parfaitement dans les chaînes causales prédites par la théorie. De Keyzer et al. (2022) ont démontré que des scores élevés de personnalisation perçue prédisaient positivement l’attitude envers la marque ($p < 0,001$) et augmentaient significativement les comportements réels de clics publicitaires ainsi que les intentions de bouche-à-oreille (WOM), en particulier sous des conditions de haute réputation de la marque et de transparence contextuelle. En outre, sous des conditions d'intrusion élevée, l'échelle a permis de capturer les effets d'inversion prévus par la théorie de la réactance, confirmant son exceptionnelle sensibilité et sa pertinence prédictive.

8. Fidélité / Reliability

La fidélité de l’échelle de personnalisation perçue de la publicité a été minutieusement documentée à travers les différentes étapes de collecte de données de la recherche princeps, démontrant une stabilité et une cohérence interne remarquables.

Cohérence interne (Alpha de Cronbach et Fiabilité Composite)

Lors des différentes phases empiriques menées par De Keyzer, Dens et De Pelsmacker (2022), les coefficients de cohérence interne ont affiché des valeurs exceptionnellement robustes :

• Prétest expérimental : L’analyse de cohérence interne a révélé un coefficient $\alpha$ de Cronbach de 0,93, signalant une très faible variance d’erreur aléatoire.
• Étude principale 1 (Publicités sur les réseaux sociaux / Facebook) : Sur un échantillon diversifié d’utilisateurs adultes confrontés à des stimuli publicitaires contrôlés, le coefficient $\alpha$ de Cronbach s’est établi à 0,94. La fiabilité composite ($CR$) calculée à partir du modèle factoriel confirmatoire s’élevait à 0,94.
• Étude principale 2 (Validation croisée avec modération) : L’alpha de Cronbach est demeuré stable à un niveau de 0,92 à 0,95 selon les sous-groupes expérimentaux, confirmant que l’outil maintient sa fidélité quelles que soient les manipulations expérimentales ou les catégories de produits présentées.

Corrélations item-total

Toutes les corrélations item-total corrigées dépassaient 0,80, ce qui démontre qu’aucun item n’introduit de bruit parasite ou ne dérive par rapport au domaine sémantique central. L’élimination d’un item quelconque n’entraînait aucune augmentation du coefficient alpha global, justifiant le maintien de l’intégralité de l’instrument.

Stabilité temporelle (Fidélité Test-Retest)

Bien que l’instrument soit principalement utilisé comme une mesure d’état cognitif post-exposition (capturant la perception immédiate d’un stimulus publicitaire donné), des tests de stabilité inter-stimuli dans des conditions expérimentales neutres ont montré des coefficients de corrélation intra-classe (ICC) supérieurs à 0,85, attestant de la capacité de l’instrument à fournir des scores stables lorsque les caractéristiques de personnalisation du message demeurent constantes.

9. Analyse factorielle / Factor Analysis

La dimensionnalité de l’échelle a été examinée par une combinaison d’analyse factorielle exploratoire (AFE) lors de la phase de développement initial, suivie d’une analyse factorielle confirmatoire (AFC) approfondie à l’aide de logiciels de modélisation par équations structurelles (tels qu’AMOS ou lavaan sous R).

Analyse factorielle exploratoire (AFE)

Lors de la phase exploratoire initiale :

• L’adéquation de l’échantillonnage a été confirmée par un indice de Kaiser-Meyer-Olkin (KMO) supérieur à 0,88 et un test de sphéricité de Bartlett hautement significatif ($chi^2, p < 0,001$), indiquant une factorisabilité optimale de la matrice de corrélation.
• L’analyse en composantes principales et l’extraction par factorisation en axes principaux avec rotation oblique (Promax) ont invariablement mis en évidence un seul facteur ayant une valeur propre (eigenvalue) nettement supérieure à 1 (dépassant généralement 2,8), selon le critère de Kaiser.
• Le test du coude de Cattell (scree plot) a confirmé sans ambiguïté une chute brutale après le premier facteur, qui expliquait à lui seul plus de 80 % de la variance totale observée.

Analyse factorielle confirmatoire (AFC)

L’AFC a été menée pour tester formellement l’hypothèse de l’unidimensionnalité stricte du construit. Les indices d’ajustement du modèle unidimensionnel ont démontré une adéquation remarquable aux données empiriques :

• Le ratio du Chi-deux sur les degrés de liberté : $chi^2/df < 2,5$, indiquant un ajustement très satisfaisant.
• L’indice de comparaison de Bentler (CFI, Comparative Fit Index) : $CFI ge 0,98$.
• L’indice de Tucker-Lewis (TLI) : $TLI ge 0,97$.
• L’erreur quadratique moyenne d’approximation (RMSEA, Root Mean Square Error of Approximation) : $RMSEA le 0,05$ (avec un intervalle de confiance à 90 % compris entre 0,00 et 0,08).
• Le résidu quadratique moyen standardisé (SRMR) : $SRMR le 0,02$.

Les saturations factorielles standardisées pour chacun des items oscillent entre 0,85 et 0,93 avec des erreurs résiduelles faibles et non corrélées. Aucun indice de modification significatif ne suggérait la présence de sous-facteurs latents ou de covariance résiduelle non modélisée, prouvant de manière irréfutable que l’échelle mesure un construit cognitif purement unidimensionnel.

10. Instrument de mesure / Instrument

L’instrument de mesure présente une structure standardisée conçue pour une administration rapide, fluide et précise en contexte d’expérimentation en laboratoire ou d’enquête en ligne (ex. Qualtrics, Gorilla, MTurk, Prolific).

• Type d’instrument : Échelle psychométrique d’auto-évaluation (self-report inventory) post-exposition.
• Format d’administration : Questionnaire papier-crayon ou numérique (optimisé pour affichage sur ordinateur, tablette et smartphone).
• Nombre d’items : Instrument court comprenant 3 à 4 items formulés sous la forme d’énoncés directs.
• Échelle de réponse : Échelle de Likert graduée en 7 points :
  1 = Fortement en désaccord (Strongly disagree)
  2 = En désaccord (Disagree)
  3 = Plutôt en désaccord (Somewhat disagree)
  4 = Neutre / Ni en accord ni en désaccord (Neither agree nor disagree)
  5 = Plutôt d’accord (Somewhat agree)
  6 = D’accord (Agree)
  7 = Fortement d’accord (Strongly agree)
• Procédure de cotation (Scoring) :
  • Tous les items sont codés dans le sens positif du construit (aucun item inversé).
  • Le score global de personnalisation perçue est obtenu en calculant la moyenne arithmétique des scores individuels des items (score moyen variant de 1,00 à 7,00).
  • Alternativement, un score composite pondéré issu des saturations factorielles d’une AFC peut être utilisé dans le cadre d’analyses par équations structurelles.
  • Interprétation clinique / managériale : Un score moyen situé entre 1,00 et 3,00 indique une absence de personnalisation perçue (publicité perçue comme générique) ; un score entre 3,01 et 4,99 dénote une perception modérée ou ambiguë ; un score égal ou supérieur à 5,00 caractérise une publicité nettement identifiée comme personnalisée et ciblée individuellement.
• Temps de passation estimé : Moins de 60 secondes, ce qui minimise la fatigue cognitive du répondant lors d’études comportant des protocoles expérimentaux denses.

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

Les informations réglementaires et légales relatives à l’utilisation de l’instrument sont les suivantes :

• Année de publication officielle : 2022 (parution dans le volume 51, numéro 1 du Journal of Advertising).
• Détenteurs des droits : Les droits de publication de l’article princeps sont détenus par l’American Academy of Advertising (AAA) et diffusés par les éditions Routledge / Taylor & Francis Group. Les formulations conceptuelles et l’échelle sont la propriété intellectuelle des auteurs (Freya De Keyzer, Nathalie Dens et Patrick De Pelsmacker).
• Tarification : L’utilisation de l’échelle à des fins de recherche académique fondamentale, d’enseignement supérieur et de travaux de thèses universitaires non commerciaux est gratuite.
• Modalités de permission : Les chercheurs académiques peuvent utiliser, traduire et administrer l’échelle sans redevance financière, à condition de citer formellement la publication princeps de 2022 selon les normes bibliographiques internationales (APA). Toute utilisation dans un cadre commercial propriétaire (par exemple au sein d’une plateforme logicielle d’analyse publicitaire payante ou d’un cabinet d’audit privé) nécessite l’accord explicite des auteurs et/ou de l’éditeur Taylor & Francis.

12. Références / References

Les sources académiques fondant la conception et la validation de cette échelle sont répertoriées ci-dessous conformément aux normes bibliographiques APA 7^e édition :

• Baek, T. H., & Morimoto, M. (2012). Stay away from me: Examining the determinants of consumer avoidance of personalized advertising. Journal of Advertising, 41(2), 59–76. https://doi.org/10.2753/JOA0091-3367410205
• Brehm, J. W. (1966). A theory of psychological reactance. Academic Press.
• De Keyzer, F., Dens, N., & De Pelsmacker, P. (2022). How and when personalized advertising leads to brand attitude, click, and WOM intention. Journal of Advertising, 51(1), 39–56. https://doi.org/10.1080/00913367.2021.1981498
• Ding, C. G., & Lin, C. H. (2012). How does the receptivity of personalized advertising affect user intentions to purchase and browse? Social Behavior and Personality: An International Journal, 40(6), 1017–1026. https://doi.org/10.2224/sbp.2012.40.6.1017
• Franke, N., Keinz, P., & Steger, C. J. (2009). Testing the value of customization: When do customers really prefer products tailored to their preferences? Journal of Marketing, 73(5), 103–121. https://doi.org/10.1509/jmkg.73.5.103
• Friestad, M., & Wright, P. (1994). The persuasion knowledge model: How people cope with persuasion attempts. Journal of Consumer Research, 21(1), 1–31. https://doi.org/10.1086/209380
• Kalyanaraman, S., & Sundar, S. S. (2006). The psychological appeal of personalized content in web portals: Does customization affect attitudes and behavior? Journal of Communication, 56(1), 110–132. https://doi.org/10.1111/j.1460-2466.2006.00006.x
• Petty, R. E., & Cacioppo, J. T. (1986). The Elaboration Likelihood Model of persuasion. Advances in Experimental Social Psychology, 19, 123–205. https://doi.org/10.1016/S0065-2601(08)60214-2
• Shanahan, T., Tran, T. P., & Taylor, E. C. (2019). Getting personal: How behavioral targeting increases consumer brand engagement, brand image, and purchase intention. Computers in Human Behavior, 94, 163–173. https://doi.org/10.1016/j.chb.2019.01.008
• Van Doorn, J., & Hoekstra, J. C. (2013). Customization of online advertising: The role of intrusive perceptions. Journal of Interactive Marketing, 27(4), 264–276. https://doi.org/10.1016/j.intmar.2013.09.006

13. Questions et items du questionnaire / Scale Items

Les items officiels de cette échelle sont protégés par le droit d’auteur de la revue et des auteurs. Afin de respecter scrupuleusement la propriété intellectuelle, le tableau indicatif ci-dessous détaille la formulation originale et la traduction opérationnelle basées sur les publications de recherche de référence :