Get 20M+ Full-Text Papers For Less Than $1.50/day. Subscribe now for You or Your Team.

Learn More →

Dominant Consumer Attitudes in the Sharing Economy—A Representative Study in Hungary

Dominant Consumer Attitudes in the Sharing Economy—A Representative Study in Hungary Article  Dominant Consumer Attitudes in the Sharing  Economy—A Representative Study in Hungary  1, 2 1 Gabriella Buda  *, Barbara Pethes   and József Lehota      Faculty of Economics and Social Sciences, Szent István University, H‐2100 Gödöllő, Hungary;  lehota.jozsef@gtk.szie.hu    Department of Marketing, Corvinus University of Budapest, H‐1093 Budapest, Hungary;  barbara.pethes@gmail.com  *  Correspondence: gabriella_buda@yahoo.com; Tel.: +36‐30‐444‐1760  Received: 24 November 2019; Accepted: 23 December 2019; Published: 27 December 2019  Abstract: As a result of the digital revolution, new business models are emerging, and one of the  most  dynamic  is  the  sharing  economy.  In  many  cases,  the  strategic  communication  of  sharing  economy firms is linked to current socio‐economic trends, such as digital innovation, consumers’  empowerment, experience gaining (instead of stock), environmental awareness, and community  building. In our research (a nationwide representative sample of 3520), we aimed to determine how  open the Hungarian population is toward sharing economy services. Furthermore, we explored the  relationship between openness and consumers’ socio‐demographic factors, attitudes related to the  current  consumer  trends  and  Internet  usage  habits.  As  a  result,  we  found  that  38.4%  of  the  Hungarian population is open toward sharing economy services. From a socio‐demographic point  of  view,  wealthy,  metropolitan,  family‐oriented,  educated,  and  younger  people  are  more  open  toward sharing activities. In terms of consumer attitudes, people who take risks, like having a social  life,  are  environmentally  and  health  conscious,  spend  their  leisure  time  actively,  enjoy  quality  things,  and  have  a  positive  attitude  toward  digitalization  are  more  open  to  using  the  sharing  economy  services.  As  a  final  result  of  the  regression  modeling,  we  found  that  the  examined  consumer attitudes and Internet usage habits determine openness, but socio‐demographic factors  largely lose their significant effect, except for generation and wealth, in the case of the integrated  model. Our results show that a well‐defined and relatively large segment is open to the sharing  economy, and sharing economy companies could target them directly to achieve a more sustainable  environment.  Keywords: sharing economy; consumer behavior; consumer attitudes; sustainability  1. Introduction  The sharing economy is playing an increasingly important role in our daily lives, and there is a  blurring  of  lines  between  the  personal  and  commercial  assets,  consumers  and  producers  [1].  Centuries ago, sharing activities could be found in society [2], and the question now is why this  phenomenon  began  to  grow  dynamically.  Many  factors  are  contributing  to  this  growth,  but  the  development of digital technologies must be emphasized [3,4]. As a result of the digital revolution,  people in the online space can find, pay for, and value each other’s activities easily and quickly.  The sharing economy is present in every part of our lives, be it work or leisure. About a decade  ago, sharing activities emerged that were later classified by the literature as part of new business  activity. The best‐known examples are Airbnb [5], which appears in the accommodation market, Uber  in the passenger transport market [6], crowd‐funding in the financing area [7], and TaskRabbit in the  labor hire sector [8]. The phenomenon of the sharing economy or collaborative consumption can  support sustainable consumption [8–12] which could have also long‐term impacts. One of the benefits  Resources 2020, 9, 1; doi:10.3390/resources9010001  www.mdpi.com/journal/resources  Resources 2020, 9, 1  2  of  27  of sustainable consumption is the reduction of waste, and this is one way of effectively feeding back  to consumers the direct relationship between consumption and waste production [13].  Many factors must contribute to the success of a new business model. In this study, we are  looking for the reasons why consumers are increasingly choosing these types of services, and the  factors that influence the consumers’ openness to these new, alternative business models. Consumer  behavior  is  most  influenced  by  external  impacts.  These  are  part  of  marketing  origin  and  are  determined by the company’s strategy. On the other hand, the wider environment also influences  consumer  decisions,  such  as  cultural  and  social  factors,  reference  groups,  and  personal  factors.  Thirdly, there are socio‐economic trends related to as sustainability, social networks, digitalization,  and globalization that also influence consumer behavior [14–16].  In  our  research,  we  looked  for  the  consumer  segments  that  are  open  toward  sharing‐based  services. We analyzed openness in socio‐demographic terms, consumer attitudes, and Internet usage  habits. We assumed that the more sensitive segments of the socio‐demographic trends would be more  open toward sharing economy services, and we aimed to prove this hypothesis.  2. Literature Background  A few years ago, the sharing economy was defined the following way: “In the sharing economy  users share with each other their idle capacities and resources (e.g., fixed assets, services, money), on  an on‐demand basis (as and when the consumer need arises), usually via an IT platform, on the basis  of trust, ascribing particular importance to personal interaction and the community experience, with  an eye on sustainability” [17].  In recent years, new elements or expressions of the sharing economy have emerged, highlighting  different dimensions or major features of the phenomenon. It was written about by Botsman and  Rogers firstly in a widespread book in 2010 called ‘Collaborative Consumption’ [18]. They wrote  about sharing and redistribution activities among individuals. In 2011, Gansky wrote about a new  corporate model called the ‘mesh economy’, in which he encouraged companies to share instead of  selling (for example, in the automotive industry) [19]. Bardhi and Ekhard [20] formulated the spread  of ‘access‐based consumption’, where consumers prefer access to goods and are willing to pay for the  possibility of temporary access rather than buying and owning the good. The term ‘sharing economy’  was first used by Friedman in 2013 [21]. Curtis and Lehner concluded the following characteristics,  or  semantic  properties,  of  the  sharing  economy  for  sustainability:  “ICT‐mediated,  non‐pecuniary  motivation  for  ownership,  temporary  access,  rivalrous  and  tangible  goods”  [22].  Since  2015,  the  concept of the circular economy has come to the attention of European Union policymakers, and one  of the model solutions to achieving this could be the sharing economy. Models of western Europe  and east‐central Europe may differ in several factors, but the size of the EU provides an opportunity  to revise circular processes [23]. The phenomenon is constantly evolving and changing and therefore  different dimensions can be distinguished. The first dimension is the subject of sharing, which could  be physical goods (car, apartment) or non‐physical goods (time, knowledge, money). The second  dimension: differentiate between C2C (or peer to peer), B2C, or C2B models. The third dimension  states  that  from  monetization’s  point  of  view,  we  can  observe,  barter,  or  use  business  models  in  financial exchange [8]. In various combinations of these dimensions, we can find businesses that place  themselves under the auspices of the sharing economy.  The  sharing  economy  can  be  analyzed  from  a  variety  of  scientific  perspectives.  From  an  economics’ point of view, the sharing economy has a stimulating effect on competition and can be  seen  as  a  form  of  economic  innovation  [24,25].  From  a  business  economics’  point  of  view,  the  phenomenon is mentioned as a new business model [26,27], which is a kind of competitor to the  enterprises  operating  in  the  traditional  business  model.  In  the  new  business  model,  the  value  proposition  of  the  company  who  is  operating  the  platform  is  to  effectively  combine  supply  and  demand (a peer‐to‐peer business model). The value proposition is one of the main elements of the  business models, next to the partner network, resources, distribution network, market segment, and  value configuration [28]. Further studies have referred to the sharing economy as a new innovative  business  model  that  could  be  used  as  a  potential  tool  for  corporate  sustainability  [11,29]  or  as  a  Resources 2020, 9, 1  3  of  27  resource‐saving potential that which can change consumer patterns [12]. Most of the criticisms of the  sharing economy come from the tax and legal perspective. Most experts agree that new, innovative  activities  should  also  be  regulated,  but  there  are  differences  of  opinion  regarding  the  depth  of  regulation. Some experts favor unified regulation for companies in a similar industry [30], while  others argue that regulation should distinguish between traditional and new models [31–33]. From a  human resource management perspective, we are also seeing a new phenomenon that is increasingly  being called the ‘gig economy’ [34]. Within the gig economy, employees are not employing full‐time  (or  even  part‐time)  employees  in  the  traditional,  long‐term  contracted  way,  but  are  engaging  freelancers,  typically  through  an  online  platform,  occasionally.  Freelancers  typically  share  their  knowledge and/or time (as a graphic designer, web‐designer, etc.). The advantages include flexible  working hours and the possibility of working from home. [35,36], while the disadvantages are a lack  of  advocacy  and  social  networking  [37].  Kallenberg  and  Dunn  [38]  make  the  points  that  the  gig  economy opens up new opportunities. It is thought that casual workers still make up only a small  percentage  of  the  total  workforce,  but  the  gig  economy  may  have  important implications  for  the  future. In a knowledge‐based economy, intellectual capital is one of the most important factors that  can  help a  company  grow  and  be  a success  [39],  and  the  gig  economy  supports  the  free  flow  of  intellectual  capital.  Additionally,  many  experts  believe  the  basic  elements  of  social  security  (minimum wage, health care, retirement, and unemployment insurance) should be also available to  gig economy workers. In many countries, there are critical issues of human resource management in  the central and non‐central regions [40], and the gig economy can potentially solve at least one part  of  the  problem.  From  a  sociological  point  of  view,  the  changing  behavior  of  consumers  can  be  analyzed [24], and there is already a proposal for transformation towards sustainable consumption,  called  the  sustainable  consumption  and  production  (SCP)  transformation  model  [41].  A  further  suggestion is to engage users in innovation to develop a user integrated sustainable product service  system (PSS) [42]. One of the biggest challenges today is to convince society to change its habits, to  achieve growth to be sustainable, from an economic, social, and environmental point of view. This is  an interesting  challenge from  a  marketing  point  of  view as  well. Several  marketing studies  have  identified  the  preferences and  motivation  of  consumers  who  participate  in  the  sharing  economy,  which  include,  among  others,  economic  gains,  enjoyment  of  the  activity,  sustainability,  utility,  familiarity [43,44].  Schor’s study summarizes the critiques areas of the sharing economy, including sustainability,  building a social community, taxation, insurance, and labor conditions, but she also notes that critics  are too cynical sometimes and there are many opportunities in this new business model that are  gaining ground [45].  2.1. The Relationship between Consumer Behavior and the Sharing Economy  This  study  aimed  to  investigate  the  extent  to  which  the  sharing  economy  affects  consumer  behavior and/or how expectations arising from changing consumer behavior meet the perceived or  real characteristics of the sharing economy. In several cases, companies in the sharing economy have  used  communication  keywords  that  are  in  line  with  current  socio‐economic  trends  (local  space,  environmental protection, experience, community, sustainability, etc.). We assume that companies in  the  sharing  economy  can  succeed,  among  other  things,  because  related  services  support  current  consumer expectations that are driven by megatrends. We assume that those people who are more  open to using sharing economy services are also more sensitive to megatrends. Megatrends are trends  related to global phenomena that have a significant impact on our daily lives over a long time horizon  of 10–15 years [46]. Trends could be related to social, technology, and economy changes. From the  perspective  of  the  research  topic,  the  following  trends  can  influence  consumer  behavior:  ICT  (Information and Communication Technology) trends (empowering consumers), well‐being society  (consuming  experiences  instead  of  materials,  need  for  self‐realization),  the  eco‐paradigm  and  sustainability (environmental sensitivity), globalization and urbanization.  Resources 2020, 9, 1  4  of  27  2.1.1. ICT Trends  The information revolution enabled the rapid flow of information and ideas. The number of  digital  platforms  and  devices  is  exponentially  growing  [17].  There  is  not  only  one‐way  communication  between  companies  and  consumers  anymore,  but  also  two‐way  communication  (more interactivity from the consumers side), and furthermore, consumers can communicate with  each  other  on  social  networking  sites  [47].  According  to  Prahalad  and  Ramaswamy  [48],  several  aspects can be observed in terms of the spread of the Internet and these also influence consumer  behavior, for example, wide access to information, global vision, networking, and experimentation  (product development, knowledge sharing). The progression of the sharing economy is based on the  existence of the digital platforms and, within that, both on the demand and supply side, consumers  can easily interact with each other. Due to the digital revolution, people are operating both in real  and virtual space: consumer participation is growing, and consumer collaboration is gaining ground  [49,50]. The possibility of virtual connection leads to the creation of new communities, allowing them  to think together without face‐to‐face meetings. This growth in consumer power is also important  from the sharing economy’s point of view, and the digital community is gaining strength. A good  example is crowd‐funding, which is a new form of financing. In these cases, the implementation of a  start‐up company is not funded by a financial institution but by individuals. Furthermore, we can  highlight another aspect of community power by developing open‐source software and/or products.  In the case of this activity, individuals share their knowledge. Knowledge and money sharing are  usually classified as a sharing economy if there is an economic interest in the activity.  2.1.2. Impact of the Well‐Being Society  To understand consumer behavior, it is important to recognize the level of the target groups  using Maslow’s pyramid (physiological needs, safety and security, love and belonging, self‐esteem,  and self‐realization). Experiences lie at the top of Maslow’s pyramid of need [51,52]. Due to the ever‐ changing environmental, technological, and sociological conditions, the significance of experiences  is changing; the experience is becoming more and more important in the lives of consumers [53]. We  can identify different areas of experience: entertainment, education, desire to escape, and esthetic  experience  [54]  Furthermore,  Uriely  [55]  notes  the  blurring  of  the  perception  of  the  differences  between  work  and  leisure.  Typical  motivational  factors  for  traveling  in  a  welfare  society  are:  widening  horizons,  learning  something  new,  enjoying  communication  with  others,  promoting  creativity  and  openness,  individual  risk‐taking,  and  experimentation  [32].  Interpersonal  sharing  activities can be a new experience for many consumers, and this is something we are exploring in our  research.  2.1.3. Eco‐Trends and Sustainability  The  focus  was  on  sustainable  development  in  1987,  when  the  United  Nations  World  Commission on the Environment and Development published their work entitled ‘Our Common  Future’ [56]. Here we find the definition that is still used today by many: “Sustainable development  is  development  that  meets  the  needs  of  the  present  without  compromising  the  ability  of  future  generations to meet their own needs”. There are three pillars to sustainable development, namely the  economic, environmental, and social pillars. [57] Consumers sensitive to sustainable development  are  striving  to  become  sustainable  consumers,  which  has  created  the  concept  of  conscious  consumption. This may be related to the consumer’s self‐interest (price awareness, quality awareness,  health  awareness),  or  the  interests  of  the  public  and  society  (environmental  awareness,  social  awareness). Within this, we can identify the LOHAS target group, which is an environmentally and  health conscious group (LOHAS = lifestyle of health and sustainability) [58], they are playing an  increasingly  dominant  segment  in  many  markets  [59].  Sustainable  consumption  is  increasingly  important, including understanding the needs of consumers and persuading consumers. In the case  of a vehicles’ purchase, for example, it is an important factor that the consumer centric total cost of  ownership could be cheaper compared to internal combustion engine vehicles and hybrid electric  Resources 2020, 9, 1  5  of  27  vehicles. [60] It is important to point out that several studies have confirmed that there is a difference  between an eco‐friendly attitude and real action [43,61]. Activities in the sharing economy basically  might be a solution that can both support the right business model towards eco‐friendly activities,  and  support  the  prevention  of  overproduction  and/or  overconsumption.  We  assume  there  is  a  connection between the conscious consumer’s behavior, and the same consumer’s openness toward  the sharing economy.  2.1.4. Globalization and Urbanization  The globalization of markets has now become a reality including for standardized consumer  products,  multinational  commercial  cooperation,  and  distribution  [62].  It  has  also  impacted  the  tourism industry; tourists receive standardized services at the hotels in most places, and standardized  products  in  many  cities  [63].  It  affects  consumer  behavior  as  a  counter‐trend;  sooner  or  later  consumers will need individual, non‐standardized products and services, and they will want to learn  about local culture and local customs. To sum up, there are some typical characteristics of consumers who have more of an affinity for  social, technology, and economic trends: they like to be broadly informed, to be in the community  (even virtually), focused on experiences, to be environmentally aware, and they prefer uniqueness  and local characteristics.  2.2. Strategies and Communication Messages of Companies Operating in the Sharing Economy  In the following, we present the activities of some companies involved in the sharing economy  and  their  communication  strategies.  Our  aim  is  to  show  that  companies  in  the  sharing  economy  emphasize features in their marketing strategy and, consequently, in their communication that attract  the  attention  of  trend‐sensitive  consumers  and  thus  make  them  more  open  to  trying  out  new/alternative services. In recent years, there has been intense competition between companies in  the sharing economy and those who are operating in the traditional industry. Typical examples could  be the hotels versus Airbnb competition in the accommodation market, and the taxi companies versus  Uber  in  the  passenger  carrier  market.  It  has  to  be  emphasized  because,  due  to  the  reduction  in  transaction costs, a significant number of companies in the sharing economy are able to provide their  services at a more affordable price (versus companies in the same industry), and this is the primary  consumer motivation to use them [43,64], however communication strategy typically does not call  attention to discount pricing, but to other attributes that fit consumer trends. Because of the combined  effect  of  many  factors,  the  sharing  economy  can  be  very  successful,  and  technology‐driven  development is only one of many factors.  Airbnb  is  focusing  on  an  authentic,  local  experience.  Adventure  tourism  is  becoming  more  widespread,  and  tourists,  more  and  more,  are  seeking  unique  impressions.  In  2015,  a  survey  confirmed the fact, with 86% of Airbnb users saying they had used Airbnb because of encounters  with  locals  [65].  Uber  is  focusing  on  human  relations,  personal  stories,  and  trying  to  influence  people’s emotions. Lime is a vehicle sharing company in many countries, and their communication  message  is  “sustainable—spanning  countries  &  communities”.  In  one  sentence,  they  target  three  different  trends:  the  environment,  community,  and  globalization.  Starterkit  is  a  crowd‐funding  association, but they never explain that they lend money to start‐up companies. Their stated mission  is to help bring creative projects to life. Kaptár is a co‐working place for freelancers in the capital of  Hungary.  They  use  the  following  keywords:  community,  inspiration  and  freedom,  and  central  location. They do not rent offices, but rather an opportunity to build relationships, experiences, and  inspiration.  3. Material and Methods  We had multiple aims for this study: firstly, we examined the openness of Hungarian residents  towards sharing economy services and how customers’ openness is affected by socio‐demographic  factors,  different  consumer  attitudes  (in  particular,  attitudes  related  to  megatrends), and  Internet  Resources 2020, 9, 1  6  of  27  usage habits. Based on our definition, those consumers who would use or definitely use or have  already  used  sharing  economy  services  are  open  toward  sharing  economy  services;  openness  is  willingness to participate. Secondly, we aimed to construct a logistic regression model, taking into  account the factors identified above, to determine which attributes most influence openness toward  sharing economy services, if we examine the effect of factors in a common model.  3.1. Consumers’ Openness; Correlation Between Openness and Different Socio‐Demographic, Attitudinal,  and Internet Usage Patterns  The survey was conducted on a nationwide representative sample of 3520 people in December  2017 in Hungary. Data were collected through personal interviews with interviewers. Key examined  demographic factors that were asked were gender, economic status, marital status, age (generation),  education  level  of  the  respondents,  place  of  residence,  and  financial  status.  A  total  of  47.1%  of  respondents were male and 52.9% were women. According to the economic status of respondents,  56.2% were active workers, 27.9% were retired, 8.5% were students, and 7.4% had an inactive and  unemployed economic status. A total of 17.1% of respondents have lived in capital city (Budapest),  21% of the respondents live in the county seat or county town, 33.1% live in another town, and 28.8%  of the respondents live in the municipality. The respondents’ financial situation was identified based  on their assets and income. According to the classification, respondents were examined along with  the following lines: lower (19.6%), lower‐middle (20.7%), upper‐middle (39.4%), and upper (20.2%).  We also looked at the marital status of respondents. Here we have distinguished two categories,  family and non‐family status. Namely, the respondents with a child (ren) under 18 years were of  family  status.  Based  on  this,  35.2%  of  respondents  were  the  family  category,  while  64.8%  of  respondents fell into the non‐family category. We also investigated the age of respondents: 3% of the  respondents belonged to the Z generation (age 14–25), 37% to the Y generation (age 26–39), 31% to  the X generation (age 40–59), and 28% to the Baby Boomers (age above 60). In terms of respondents’  educational  qualifications:  21.5%  of  them  had  a  maximum  primary  school  education,  26.9%  had  vocational qualifications, 31.7% had graduated from grammar school, and 19.9% had a university or  college diploma (see in Table A1 in Appendix A).  Openness towards the sharing economy was examined as follows. We listed six different sharing  economy services, and since the familiarity with these types of services is not necessarily specific, we  described for each service what and under what conditions the service is provided, and then named  the most typical companies for that activity. We then asked if he/she had ever heard of the service or  considered using it if it was available to them. The detailed questionnaire is attached in Appendix B.  Services in the questionnaire:  1. Hotel reservation/accommodation (e.g., Airbnb, San Francisco, CA, USA).  2. Intra‐urban passenger transport (e.g., Uber, San Francisco, CA, USA).  3. Ridesharing service between cities and/or countries (e.g., BlaBlaCar, Paris, France).  4. Sharing an electric car within the city (e.g., GreenGo, Budapest, Hungary).  5. Bike‐sharing (e.g., MOL BUBI, Budapest, Hungary).  6. Sharing household items within a local community (e.g., miutcank.hu, a virtual community,  Budapest, Hungary).  The services were chosen arbitrarily, but we also relied on the results of our previous, non‐ representative study [43], in which the listed services were relatively well known.  In the next step in the analysis, we combined the responses and focused on how many people in  Hungary  are  generally  familiar  with  sharing  economy  services  and  how  many  would  use  these  services. Based on this aggregated data, we formed two groups: (1) Acceptors; if respondent said  ‘considers to use’, or ‘would definitely use’ or ‘have already used’—at least one service. In our study,  ‘acceptors’ are those consumers who are open toward sharing economy services. (2) Refusers; who  said in the case of each service that they ‘would definitely not use it’ or ‘probably not use it’.  We  then  examined  whether  there  was a  correlation between  the  respondents’ openness and  different socio‐demographic, attitudinal, and Internet usage patterns. We analyzed the effect of socio‐ Resources 2020, 9, 1  7  of  27  demographic  factors  and  attitudinal  differences  on  openness  to  services  by  using  a  cross‐table  method and examined the effect of different Internet usage patterns on openness. The data were  analyzed using SPSS software, version 23 (IBM Corp., Armonk, NY, USA).  Hypothesis 1 (H1). From the socio‐demographic data point of view, we assumed was that there is a correlation  between examined socio‐demographic factors and consumers’ openness toward sharing economy services.  From the consumer attitudes point of view, we assumed that those people who are more sensitive  to current trends that impact consumer behavior are more open toward sharing economy services.  Hypothesis 2 (H2). Environmentally and health conscious persons are more open toward sharing economy  services.  Hypothesis 3 (H3). Those people—who like to be in the community—are more open toward sharing economy  services.  Hypothesis  4  (H4).  Those  people  who  enjoy  traveling  while  gathering  experience  are  more  open  toward  sharing services.  Hypothesis 5 (H5). Those people who are willing to pay for quality things are more open toward sharing  economy services.  Hypothesis 6 (H6). Those people who believe that the digital world is a positive thing are more open to sharing  economy services.  Hypothesis 7 (H7). Finally, we examined the habits of Internet users more narrowly. Our hypothesis was  that those people who use the Internet more often are more open to sharing economy services.  3.2. Logistic Regression Model  We constructed a logistic regression model. In this model, the dependent variable was openness.  This assumes two values, that is, we classified people according to whether they are open (acceptor)  or not. The explanatory variables (independent variables) were divided into three broad groups of  the  Internet  user  population:  socio‐demographic  variables,  attitude  type  variables,  and  a  group  describing Internet usage habits. We assumed that these various factors each have a significant effect  on openness. At the current status, we did not test the correlation among the independent variable. In the final model, we examined if when these factors were taken into account together, which factors  remained significant. This approach may, however, exclude potentially irrelevant factors from the  model.  The  result  will  be  a  reduced  version  of  the  explanatory  variables,  which  are  the  most  important features of openness (Figure 1).  consumer  attitude  variables socio‐ habits of  demographic  Internet  variables users integrated  logistic  regression  model Figure 1. Structure of the logistic regression model, own editing.  Resources 2020, 9, 1  8  of  27  The national representative sample was reduced to the population using the Internet during the  construction of the logistic regression model, because in most cases, sharing economy services can  only be accessed using the Internet. The sample of Internet users is also representative of Hungarian  Internet users. Within the total population, 49% of Internet users and only 11% of non‐Internet users  are  open  to  this  new  type  of  service.  If  we  had  undertaken  regression  modeling  for  the  entire  population, then Internet users would have been most open to services and other attitudes would be  been pushed into the background. Based on this, the demographic pattern of the Internet population  was as follows: 2513 responded that they were engaged in activities on the Internet. Respondents  were 48% male and 52% female. According to the economic status of the respondents, 70% were  active workers, 11% were retired, 11% were students, and 7% had an inactive economic status (e.g.,  unemployed). A total of 35% of the respondents belong to the family category and 65% to the non‐ family  category.  We  also  looked  at  the  age  of  the  respondents;  24%  of  respondents  belonged  to  Generation Z, 29% to Generation Y, 35% to Generation X, and 13% to the Baby Boomers. We also  asked  about  the  education  of  the  respondents,  according  to  which  12%  of  the  respondents  had  primary education qualifications, 27% had a vocational education, 46% had graduated from grammar  school,  and 15%  had a university  or college  diploma. A  total  of 19%  of  the  respondents lived  in  Budapest, 23% in the county seat, 32% in the city, and 27% in the village. Their financial situation,  based on their assets or their income, classified the respondents into four categories (lower, lower‐ middle,  upper‐middle,  and  upper).  According  to  the  classification,  respondents  were  surveyed  according to the following ratios: lower (16%), lower‐middle (18%), upper‐middle (43%), and upper  (23%). This data is also available in Appendix A.  During the regression modeling, we distinguished two phases. In the first phase, three separate  models were constructed: one examining demographic factors exclusively, one examining consumer  attitudes, and one examining Internet usage habits. Throughout the modeling, we worked with the  ENTER method (all independent variables are entered into the equation in (one step), also called  “forced entry”), so we did not filter for significant factors. Finally, in the second phase, to compare  the effect of each group of independent variables, we constructed a complex final logistic regression  model involving all independent variables, the results of which are presented below.  4. Results  4.1. Openness  Analyzing the responses of the Hungarian nationally representative sample, we found that at  least 12% of people are open to one of the sharing economy services. A total of 12.3% of respondents  said they were open to borrowing and lending household appliances. The ratio of the respondents  who  are  open  toward  different  sharing  economy  services (respondents  who  said  ‘would  use’,  or  ‘would  definitely  use’,  or  ‘have  already  used’)  is:  12.3%  for  borrowing  or  lending  household  appliances; 15.8% for public car‐sharing (e.g., DriveNow, Munich, Germany); 23.7% for public car  ride‐sharing (e.g., BlaBlaCar, Paris, France); 21.5% for private car‐sharing within the city (e.g., Uber,  San  Francisco,  CA,  USA);  23.2%  for  public  bike‐sharing;  and  20.1%  for  private  flat‐sharing  (e.g.,  Airbnb, San Francisco, CA, USA).  We then aggregated the data according to the methodology described above, into the ‘group of  acceptors’ and ‘group of refusers’. Those who, for each question, answered that they would not use  the service or may not use it, fell into the group of ‘refusers’. Everyone else fell into the ‘acceptors’  group. Based on this, 38.4% of the Hungarian population is open toward sharing economy services (11.3%  open to one thing, 8.5% open to two things, 6% open to three things, 12.6% open to at least four),  while 61.6% of the respondents are not open to sharing economy services.  4.1.1. Socio‐Demographic Data versus Openness  The  following  socio‐demographic  features  were  examined:  gender,  economic  status,  marital  status, age (generation), education, settlement type, and financial status of the respondent. Cross‐ Resources 2020, 9, 1  9  of  27  table and pairwise correlation analyses were performed to determine whether socio‐demographic  factors influence openness (tested based on groups of acceptors and refusers).  Gender: the gender of respondents did not influence openness towards shared services. A total  of 38.4% of the total sample was open toward sharing economy services (as acceptors), this included  39.8% of the men, and 37.1% of the women. The effect of gender is not significant (p = 0.095).  Economic  status:  Openness  is  overrepresented  among  active  workers  and  students,  with  a  significant relationship (p = 0.000, Chi  = 318.4 df = 3, Cramer’s V = 0.301). While 38.4% of the total  sample was open to sharing economy services, 46.7% of active employees and 56.8% of students were  open to sharing economy services, meaning they were proportionally over‐represented compared to  the total sample. By contrast, only 15.5% of retirees were open to sharing economy services. Among  the demographic factors examined in this study, the impact of this economic status was one of the  strongest elements.  Family status: The family status of the respondent influences openness. Here, two categories  were distinguished, namely, those respondents who had a minor child were considered as family  subjects. The relationship is significant (p = 0.000, Chi  = 48.346 df = 1, Cramer’s V = 0.117). We found  that families are more open toward sharing economy services. While 38.4% of respondents in the full  sample were open to the sharing economy services, 46% of respondents with a family were open to  these service.  Generation:  Belonging  to  particular  generation  influences  openness.  The  correlation  is  significant, and it is the strongest influencing factor among the examined factors (p = 0.000, Chi  =  361.001 df = 3, Cramer’s V = 0.320). The Baby Boomers is negative, 84% of this generation refuse  sharing economy services (significantly overrepresented), compared to a rejection rate of the entire  sample of 61.6%. Furthermore, we found that while 38.4% of the population in the total sample is  open to shared services, the proportion of those showing openness within the Y and Z generations is  higher (Y: 53.9%, Z = 52.4 %), which means that these generations are much more open to using  sharing economy services.  Education:  Educational  level  influences  openness.  The  effect  is  significant,  though  the  relationship is weaker than the previous indicators (p = 0.000, Chi  = 144.715, df = 3, Cramer’s V =  0.203).  Within  the  group  who  are  open  to  sharing  economy  services  (38.4%),  those  who  have  a  graduation or university diploma are overrepresented (group with graduation: 45.4%, group with a  diploma: 50.8%).  Residence: We found that the type of place of residence of the respondent influences openness;  the relationship is significant but weak (p = 0.000, Chi  = 26.077 df = 3, Cramer’s V = 0.086). A total of  38.4% of respondents were open to shared services, in which 37% of Budapest residents, 45.5% of  residents of towns and cities with county seats, 38.9% of residents of smaller towns and villages, and  33.6% of residents of villages are open. Based on this, residents of county seats and cities with county  rights are the most open to using the sharing economy services.  Financial situation: We found that the financial situation influences openness. The respondents  were classified into four categories (lower, lower‐middle, upper‐middle and upper) based on their  financial position. As a result of the cross‐table analysis, we found that the higher the income category  of the respondent, the more open they were to sharing economy services. The effect is significant,  and the association is moderately strong compared to the other demographic factors examined in the  study (p = 0.000, Chi  = 227.786 df = 3, Cramer’s V = 0.254). More than half (56.3%) of those in the  upper class, 43% of the upper‐middle class, 28.9% of the lower‐middle income group, and only 20.8%  of the lower income group were open to sharing economy services.  In  conclusion,  the  socio‐demographic  factors  examined  (economic  status,  marital  status,  age  (generation), educational attainment, type of settlement, and financial status) do indeed influence  openness to shared services, and only the gender of the respondent (male/female) does not affect  openness. Based on this, our original Hypothesis 1 was rejected because we assumed that all the  examined socio‐demographic data would influence the openness.  Resources 2020, 9, 1  10  of  27  4.1.2. Consumer Attitudes versus Openness  Nearly forty questions related to consumers’ attitude were asked on the following topics: socio‐ relationships (extrovert vs. introvert, health and/or environmental awareness, risk‐taking), leisure  activities (frequency and type), product/service purchase attitude (price vs. quality), and attitudes  toward the digital world. Factor analysis was performed on each of these four topics.  (1)  Social Behaviors  The  factor  analysis  resulted  in  thirteen  observed  variables  aggregated  into  four  factors.  We  identified the following factors: risk‐taking factor, social factor, conscious factor, and recycling factor  (Table 1).  Table 1. Factors of social behavior attitudes.  Risk Taking  Social  Conscious  Recycling  Social Behavior—Factor Analysis  Factor  Factor  Factor  Factor  It is important for me to stand out from the crowd  0.801  0.237  0.047  0.05  and get noticed.  I am willing to pay for home cleaning to make my  0.777  −0.157  0.155  0.117  life more comfortable.  I like to take risks.  0.757  0.287 ‐0.099  0.031  I always want to feel safe in myself.  −0.52  0.086  0.358  0.044  I like meeting new people.  0.177  0.779  0.12  0.103  It is important for me to fit in with my friends.  0.036  0.77  0.116  0.001  I like to help other people, even unknown people. −0.052  0.525  0.284  0.477  I am conscious of my health.  0.129  0.095  0.778  −0.02  It is worth the extra effort to be environmentally  0.092  0.329  0.668  0.112  conscious.  I cannot stand the mess at home. −0.278  0.07  0.647  0.034  I like to spend most of my free time at home. −0.401 −0.291  0.418  0.274  I do not always want new things, many times buying  0.057 −0.091 −0.095  0.844  used products.  What I no longer need, but still is usable, I sell or  0.082  0.331  0.185  0.649  give away.  Extraction method: rotated component matrix. The bold indicates which variables belong to which factor.  In future analyses, we will use these factors in relation to social behavior.  (2)  Leisure Activity  We  identified  the  following  factors:  the  simpler  daily  leisure  factor  (friends,  entertainment,  computer games), and the higher quality leisure factor (e.g., museums, traveling, wellness programs,  gastronomy tours). The results are shown in Table 2.  Table 2. Factors of leisure activity attitudes.  Quality Leisure  Daily Leisure  How Often Do You Do These Leisure Activities?  Factor  Factor  Visit to a museum, exhibition  0.7  0.293  Travel or vacation abroad  0.694  0.365  Wellness programs (e.g., sauna, massage)  0.69  0.307  Cooking for gastronomic purposes (so no housework!)  0.626  −0.015  E‐book reading  0.589  −0.007  Meeting, chatting with friends −0.01  0.772  party in club, disco, etc.  0.215  0.72  Computer activity (games, social networking on Internet, viewing emails,  0.196  0.685  browsing)  Extraction method: rotated component matrix. The bold indicates which variables belong to which factor.  (3)  Attitudes Related to Willingness to Pay  We identified the following factors: the quality‐sensitive factor and price‐sensitive factor (Table  3). Quality‐sensitive factor means that people are willing to pay for quality, while the price‐sensitive  Resources 2020, 9, 1  11  of  27  factor means that people compare the prices of products and the possibilities, and may not always  choose the better quality.  Table 3. Factors of attitudes related to willingness to pay.  Quality Sensitive  Price Sensitive  How Much Do You Agree with the Following Statement?  Factor  Factor  I would love to pay more for better quality.  0.821  −0.081  I am willing to pay more for a product that is specifically tailored to my  0.79  −0.149  needs.  I am happy to pay more for environmentally friendly products.  0.781  −0.007  I can only trust the leading brands.  0.691  −0.149  I always know what’s new and cool.  0.686  −0.129   name alone tells a lot about a product or service.  0.656  0.182  Brand When shopping, I compare product prices and look for a really good deal.  0.143  0.761  Before buying, I look through the advertising newspapers and check out  0.082  0.757  the promotions.  Price is more important than brand name. −0.289  0.743  I always choose the cheaper product. −0.393  0.665  Extraction method: rotated component matrix. The bold indicates which variables belong to which factor.  (4)  Openness to the Internet  Finally, we looked at how people relate to the digital world and computers. Five questions were  asked  and  only  one  factor  was  obtained  using  the  factor  analysis  method.  Related  variables  are  presented in Table 4; we named this the digital factor.  Table 4. Attitudes toward the digital world.  How Much Do You Agree with the Following Statement?  Digital Factor  I can’t even imagine life without the Internet.  0.875  On the Internet, one expresses himself more easily than in reality.  0.825  The computer is not for me. −0.731  I try to be the first to try the latest developments.  0.687  I always prefer online shopping.  0.612  Extraction method: factor analysis, component matrix.  After  dimension  reduction,  the  factors  were  specified,  and  we  examined  the  relationship  between factors and openness to the sharing economy using an independent sample T‐test. After  generating and naming the factors, we examined whether there was a difference in factor scores  between acceptors versus refusers. To do this, we measured the average of each group and looked  for significant differences. In the case of the original variables, a higher numerical value means that  someone was using the given function and a lower numerical value means that someone does not  use that function. In this case, a lower average value indicates that the given factor is less typical for  the group. Similarly, a high average value in a group indicates that the group is characterized by the  use of elements belonging to that factor. The openness variable classifies people into two categories,  so we tested the significance of the difference in means with two‐sample T‐tests. When presenting  the results, we indicate the average of the factors in parentheses.  From the social relationship point of view, those people who are more open toward sharing  economy services are:  ‐ taking more risks (average of acceptors’ group: 0.2; average of refusers’ group: −0.13);  ‐ those who prefer social events and meeting unknown people (average of acceptors’ group: 0.07;  average of refusers’ group: −0.05);  ‐ who are more health and environmentally conscious (average of acceptors’ group: 0.35; average  of refusers’ group: 0.01).  We obtained a special result in terms of the recycling factor: average of acceptors’ group: −0.01;  average of refusers’ group: −0.05. This means that the attitude toward recycling is similar for both  Resources 2020, 9, 1  12  of  27  groups. Here, we have to highlight that recycling attitude is only one element of environmentally  and health conscious people’s attitudes.  Taking into consideration all the results Hypothesis 2 was accepted, environmentally and health  conscious persons are more open toward sharing economy services.  From  the  point  of  view  of  leisure  activity,  those  people  who  are  more  open  toward  sharing  economy services are:  ‐ participating more often in a quality, active leisure activities, (average of acceptors’ group: 0.35;  average of refusers’ group: −0.22);  ‐ likely to be off during the week (average of acceptors’ group: 0.47; average of refusers’ group:  −0.3).  Based on the results, Hypothesis 3 was accepted: those people—who like to be in the community  and relax with friends—are more open toward sharing economy services. Furthermore, Hypothesis  4 was also accepted: those people who enjoy traveling and collecting experiences are more open  toward sharing services.  Concerning the pricing of products/services, those people who are more open toward sharing  economy services are:  ‐ those who can and do pay for branded and/or quality and/or environmentally friendly products,  (average of acceptors’ group: 0.46; average of refusers’ group: −0.28);  ‐ who  are  not  price‐sensitive,  do  not  search  through  promotional  ads,  (average  of  acceptors’  group: 0.07; average of refusers’ group: −0.04).  Based on these results, Hypothesis 5 was accepted: those people—who are willing to pay for  quality things—are more open toward sharing economy services.  Regarding the perception of the digital world, those people who are more open toward sharing  economy services (among Internet users) are:  ‐ those who use the Internet, consider it as a part of their daily life, and buy online (average of  acceptors’ group: 0.5; average of refusers’ group: −0.33).  Based on the results, Hypothesis 6 was accepted: those people—who believe that the digital  world is a positive thing—are more open to sharing economy services.  Taking  into  consideration  all  the  consumers’  attitudes  which  were  examined  in  the  questionnaire, we identified that the characteristics of the group of acceptors are similar and parallel  to the specific features of current megatrends. There is one interesting exception: the attitude toward  recycling is similar for both groups. The price sensitivity attitude is more typical of the refuser group,  but  this  does  not  contradict  our  basic  hypothesis,  price  sensitivity  is  not  a  feature  of  current  megatrends. The summary diagram is shown in Figure 2.  Resources 2020, 9, 1  13  of  27  0.60 0.50 0.47 0.46 0.50 0.35 0.35 0.40 Refusers 0.30 0.20 0.20 0.07 0.04 0.10 0.01 0.00 ‐0.01 ‐0.10 ‐0.05 ‐0.07 ‐0.20 ‐0.13 Acceptors ‐0.30 ‐0.23 ‐0.23 ‐0.29 ‐0.30 ‐0.40 ‐0.34 risk taking social conscious recycling quality leisure daily leisure qualitive sensitive price sensitive digital Figure 2. Different consumer attitudes versus openness toward the sharing economy, Source: Own  data collection and processing, 2017.  4.1.3. Different Types of Internet Activities versus Openness (Subgroup, Analysis among Internet  Users)  Internet  activities  could  include  simpler  or  more  complex  activities.  We  looked  at  the  relationship  between  different  Internet  activities  and  openness  (within  the  same  two  groups  of  acceptors  and  refusers).  Of  the  total  sample,  2534  used  the  Internet,  and  their  answers  were  considered in the factor analysis.  In the questionnaire, 23 questions were asked about Internet activity. From these 23 variables,  we created factors, by exploration, and there was no specified factor structure that we could confirm.  Four factors were generated and the following indices were obtained: KMO (Kaiser‐Meyer‐Olkin)  value is 0.909, which is above the expected value of 0.7, so the result is acceptable. The next item to  consider was communality, where the value of each variable was above the threshold of 0.25, so no  variables needed to be subtracted from the initial set of variables. The combined explanatory power  is 49.36%, well above the expected level of 30%, so we consider the result acceptable.  The following names were given to the resulting factors:  Internet activities for entertainment—Related to the following Internet activities: on‐line movie,  streaming of films and series; downloading of films and series; downloading music; online radio  listening; games; posts in forums.  Complex Internet activities—Related to the following Internet activities: on editing own blog;  designing your website; home‐based work; online photo hosting; on‐line web hosting; e‐learning.  Social  Internet  activities—Related  to  the  following  Internet  activities:  on  online  social  sites;  Internet chat, instant messaging programs; on‐line video sharing; Internet phones, videophone.  Browsing,  e‐mail,  purchase—Related  to  the  following  Internet  activities:  on  work‐related  or  private; browsing of websites (for information, entertainment); purchasing.  The results of the T‐tests for the factors of Internet activity:   entertainment factor (t = −10.116, df = 2112.266, p = 0.000);   complex factor (t = −3.485, df = 2152.96, p = 0.001);   social factor (t = −8.633, df = 2356.336, p = 0.000);   browse—email–purchases (t = −8.843, df = 2360, p = 0.000).  After generating and naming the factors, we examined whether there was a difference in factor  scores between acceptors and refusers. To do this, we measured the mean of each group, as before,  and looked for significant differences. The results are presented in Figure 3.  Resources 2020, 9, 1  14  of  27   entertainment factor (average of acceptors’ group: 0.2; average of refusers’ group: −0.2);   complex factor (average of acceptors’ group: 0.1; average of refusers’ group: −0.1);   social factor (average of acceptors’ group: 0.2; average of refusers’ group: −0.2);   browse–email–purchase (average of acceptors’ group: 0.2; average of refusers’ group: −0.2).  0.3 0.2 0.2 0.2 0.2 0.2 Refusers 0.1 0.1 0.1 0.0 ‐0.1 Acceptors ‐0.1 ‐0.1 ‐0.2 ‐0.2 ‐0.2 ‐0.2 ‐0.2 ‐0.3 entertainment factor complex Internet factor social Internet factor e‐mail/browsing factor Figure 3. Internet usage habits versus openness toward sharing economy, Source: Own data collection  and processing, 2017.  There is a significant difference in the means for all four variables. In each of the four cases, it  can be seen that the acceptors’ groups achieves a higher average, that is, all four activities are more  typical for the acceptors’ group. Observing the averages, it is worth pointing out that there is the  smallest difference between groups in the case of complex Internet activities. Based on these results,  Hypothesis 7 was accepted.  4.2. Logistic Regression Model  Finally, regression modeling was used to determine which of the various socio‐demographic,  attitudinal, and Internet activity characteristics had the greatest impact on openness. The use of the  Internet greatly influences the openness towards the sharing economy, therefore we used only the  population using the Internet in the regression model study.  First,  we  constructed  the  regression  models  one  by  one  in  the  following  order:  socio‐ demographic, consumer attitudes, and Internet usage patterns.  4.2.1. Socio‐Demographic Regression Model  We looked at gender, economic status, generational affiliation, settlement type, wealth segment,  education,  and  family  status.  Based  on  this,  generational  affiliation,  financial  status,  and  educational  qualification have a significant effect on openness, the results of which are also shown in Appendix  C.1. The regression model, which is based on socio‐demographic factors, has 60% explanatory power.  That is, if we know the generational affiliation, income level, and educational background, we can  determine with 60% good faith whether or not a person is open to sharing economy services. Within  the generation factor, the Baby Boomers is the least open, and the X generation twice as open (exp  (B): 2.048), the Y generation three times as open (W: 28.5, exp (B): 2.929), and the Z generation four  times as open (exp (B): 4.121) towards sharing economy services, relative to the Baby Boomers. In  terms of income level, respondents in the lowest income category are the least open, with the lower‐ middle 1.7 times, upper‐middle 1.8 times, and upper income respondents 2.6 times more open. The  third  independent  variable  in  the  case  of  socio‐demographic  factors  is  education,  which  has  a  Resources 2020, 9, 1  15  of  27  significant impact on openness. People with a primary education level are the least open, followed  by vocational graduates (exp (B): 1.532), high school graduates (exp (B): 1.986), and university or  college graduates (exP (B): 2.155). All the results are linked in Appendix C.1.  The aim of the regression model, in this case, was to find the most open target population along  with socio‐demographic factors. The results show that Generation Z people with a high income and  college education are the most open, meaning they should be targeted by various marketing tools.  4.2.2. Regression Model Based on Consumer Attitudes  In our basic research, we investigated different consumer attitudes and, from the answers given  to  a  significant  number  of  behavioral  questions,  we  identified  the  following  factors:  (1)  social  behaviors: risk‐taking factor, social factor, conscious factor, recycling factor; (2) leisure activity: daily  leisure factor and quality leisure factor; (3) attitudes related to willingness to pay: quality‐sensitive  factor and price‐sensitive factor; and (4) openness to the Internet: we have only one factor. Examined  individually, these factors showed a significant association with openness, and we now present the  results of regression modeling. The aim was to determine which factor has an effect and how strong  it is in this model. The regression model, which is based on consumer attitude factors, has 67.9%  explanatory power.  Taking into consideration all the factors, in the case of regression modeling, the following factors  show significant correlation with openness: social factor (exp(B): 1.256), product quality sensitive  factor  (exp(B):  1.271),  both  leisure  factors  (higher  quality  activities:  exp(B):  1.738,  and  simpler  activities: exp(B): 1.615), and Internet usage factor (exp(B): 1.514). This means that people who engage  in  more  leisure  time  activities  (travel,  cultural  programs,  meeting  friend,  etc.)  are  more  open  to  sharing economy services, and this is an even more important indicator than the frequency of Internet  usage. The results are linked in Appendix C.2.  4.2.3. Regression Model Based on Internet Usage Patterns  In the previous factor analysis, we obtained four different factors for analyzing Internet use  activities: (1) entertainment factor (watching movies online, downloading music, playing games); (2)  complex activity factor (own blog, website editing, e‐learning); (3) social factor (social networking  sites, video sharing); (4) email, browsing, and shopping. Based on these factors, we have found that  the more frequently respondents conduct these Internet activities, the more open they are to using  sharing economy services. According to the results of the regression model, all four factors show a  significant  correlation  with  openness.  Entertainment  factor  (exp(B)):  1.575),  social  factor  (exp(B)):  1.457),  and  e‐mail/browsing  factor  (exp(B)):  1.477)  show  similar  strong  openness.  The  regression  model, which is based on Internet usage patterns factors, has 65 % explanatory power. The detailed  results are linked in Appendix C.3.  4.2.4. Integrated Regression Model  After  examining  separately  the  socio‐demographic,  consumer  attitudes,  and  Internet  usage  patterns, we investigated which factors have the strongest effect in consideration towards sharing  economy  services.  The  explanatory  power  of  all  three  models  was  above  60%,  and  several  independent  variables  were  significant  in  each  model.  To  compare  the  effect  of  each  group  of  independent  variables,  we  built  a  large  final  model  involving  all  the  independent  variables.  The  explanatory power of the integrated regression model is 69%.  Although  in  the  first  phase,  many  demographic  factors  and  almost  all  attitude‐type  factors  significantly  explained  openness,  by  putting  all  variables  into  one  model,  we  can  see  that  demographic factors lose most of their effect, whereas attitude‐type independent variables retain it.  Overall,  it  is  more  important  to  know  people’s  attitudes  and  Internet  habits  if  we  would  like  to  estimate openness, than to know their socio‐demographic data. However, it is important to note that  the two demographic factors (generation and financial status) that remain in the final model have a  stronger impact  than attitudes  in general.  Based  on  this,  the  following factors  show a significant  Resources 2020, 9, 1  16  of  27  correlation with an openness toward the sharing economy: generation, financial status, and attitudes  toward social events, quality sensitivity factor, both leisure activities factors and frequency of Internet  usage factor. Within this, the most open target group is generation Z. Within generation Z, those who  are the more open who like to travel, go to museums, do wellness programs, and enjoy gastronomic  tours. The results are presented in Figure 4, and further detailed results are in Appendix C.4.  Figure 4. Results of the integrated logistic regression model.  5. Discussion and Conclusions  Sharing  economy  is  a  relatively  new  phenomena  and  brings  up  novelties  in  many  scientific  areas. Although we have carefully defined the hypotheses of our research and reviewed the related  literature,  our  study  has  some  limitations.  At  the  time  of  the  survey  (end  of  2017),  some  of  the  respondents had not even heard of these type of activities. In the questionnaire, we explained the  different type of services in details, but it is still possible that someone responded to their intention  to  participate  in  sharing  economy  without  fully  understanding  the  nature  of  the  services.  Furthermore, to our knowledge, there is no uniformly accepted list of consumer trends, there are  many changes that may become trends over time. The presented trends and the related attitudes have  been  arbitrarily  selected.  We  have  selected  the  trends  that  we  believe  are  currently  the  most  influential on consumer behavior.  Taking  into  consideration  the  limitation,  in  conclusion,  there  is  a  relatively  high  degree  of  openness among consumers around the use of sharing economy activities (38.4% of the Hungarian  population). Among the motivations of consumers, preference is given to low prices, which would  suggest that price‐sensitive, less well‐off consumers are the primary target group, and that they are  more open to this type of service. However, the following elements appeared among the users as  secondary motivational factors: experience gathering, digital payment opportunity, personal human  relations, and sustainability aspects. These elements drew our attention to the fact that future users  will not necessarily choose the service because of the price, but because they are more receptive to  the  present  megatrends.  In  our  national  representative  research,  we  wanted  to  support  this  hypothesis,  which  we  succeeded  in  doing.  Cross‐table  methods  were  used  to  investigate  the  correlation between openness and different socio‐demographic and attitudinal correlations. Among  other things, we found that it is not the price‐sensitive and less affluent consumers who are most  Resources 2020, 9, 1  17  of  27  open to shared services, but rather well‐off people. We also found that consumers who are more  sensitive to megatrends are more open to sharing economy services. Further, people who are more  environmentally conscious, like to spend leisure time with friends, for whom traveling is important  to them, who like to gather experience in the local community, are willing to pay for quality things,  and consider the opportunities offered by the digital world to be positive are more likely to be open  to sharing economy services. Finally, we were curious as to which of the many socio‐demographic,  attitudinal, and Internet usage habits are the key elements that truly determine who are the most  open to the sharing economy. The result of a logistic regression model showed that the strongest  determinant is the consumer’s attitude towards spending leisure time. The most open consumers are  those who spend their free time in active recreation. We distinguished between quality and simpler  forms of recreation that can be done daily. Both factors show a very strong correlation with openness.  Additionally, generational affiliation, financial status, and Internet use frequency have become the  most important determinants. That is, people of generation Z who are otherwise well‐off and who  like to spend their free time actively, and also who use the Internet more often than their peers, are  the most open segment.  In recent years, some research has been looking for which factors may influence participation in  sharing economy. Important statement that there is a gap between attitude and behavior related to  participation  in  collaborative  consumption  [43].  Hamari  et  al.  identified  that  participation  in  collaborative  consumption  is  motivated  by  many  factors  such  as  its  sustainability,  enjoyment  of  activity, and economic gains [43]. Albinson et al. identified respondents’ perceived sustainability as  the  strongest  predictor  of  participation  in  collaborative  consumption.  Further  factors  are  “trust,  generosity, risk‐seeking, materialism, power distance, long‐term orientation, and collectivism” [66].  We  have  confirmed  that  perceived  sustainability  and  the  risk‐seeking  factor  are  relevant,  and  completed  several  factors  related  to  leisure  activities’,  social  relationship’s,  price‐  and  qualitative  sensitive’s, and digital behavior’s attitudes.  Recognizing changes in consumer behavior is one of the most important factors in the long‐term  success of a company. The success of the sharing economy, among other things, can be achieved by  offering opportunities and/or solutions that attract the consumer. With Airbnb, it is worth offering  travel experiences instead of just accommodation, and sharing a community bike should be promoted  not as a means of transport, but as an opportunity to protect the environment. Our results can also  be used by companies operating in the traditional business model. There are some industries where  traditional  companies  are  threatened  by  the  sharing  economy  firms  (accommodation,  travelling,  creative agencies, financial sector, etc.). From one side, based on our results, they can identify the  most endangered segments, from the other side, they can also use some elements of the mentioned  success  factors.  There  are  already  examples  where  traditional  companies  are  taking  over  an  innovation  from  a  sharing  economy  company.  Evaluation  of  the  services  from  the  users’  side  is  already available not only at Airbnb and Uber, but currently several hotels are evaluated at least in  some market places. This is related to consumers’ empowering. Application was used firstly by Uber,  where  passenger  could  follow  the  ordered  car,  now  a  lot  of  taxi  companies  also  use  a  similar  application. This is related to the digital innovation.  In addition, one of the most important trends today is to do more to achieve a sustainable world.  Several elements of the sharing economy offer opportunities for this, and it is our responsibility to  make the most of this opportunity.  Author Contributions: Conceptualization, G.B.; data curation, G.B.; methodology G.B.; validation, G.B.; funding  acquisition,  G.B.;  formal  analysis,  G.B.  B.P.;  investigation,  G.B.;  writing—Original  draft  preparation  G.B.;  writing—Review and editing, G.B. B.P.; visualization, G.B.; supervision, J.L. All authors have read and agreed  to the published version of the manuscript.  Funding: This research received no external funding.  Acknowledgments: The authors wish to express their gratitude to the Szent István University for providing  access to the necessary databases (e.g., Scopus). The authors are grateful to Manolisz Karajánnisz for valuable  contributions to the questionnaire. The authors are grateful to Magyar Telekom Ltd. for the contribution of the  questionnaire.  Resources 2020, 9, 1  18  of  27  Conflicts of Interest: The authors declare no conflict of interest.  Appendix A  Table A1. Socio‐Demographic Data of Representative Sample, Total Base, 3520 and Internet User  Base, 2513.  Total Base (3520)  Internet Users (2513)  Gender  Frequency  Percent  Frequency  Percent  Man  1660  47.1  1225  48.7  Woman  1860  52.9  1289  51.3  Total  3520  100  2513  100  Family  Frequency  Percent  Frequency  Percent  Family  1259  35.8  1112  44.2  Non‐family  2261  64.2  1402  55.8  Total  3520  100  2513  100  Economic Status  Frequency  Percent  Frequency  Percent  Active workers  1977  56.2  1742  69.3  Retired  981  27.9  296  11.8  Students  301  8.6  300  11.9  Inactive  261  7.4  176  7.0  Total  3520  100  2513  100  Education Level  Frequency  Percent  Frequency  Percent  Primary school  750  21.3  333  13.2  Secondary school  937  26.6  604  24.0  High school  1120  31.8  942  37.5  University  712  20.2  635  25.2  Total  3520  100  2513  100  Residence  Frequency  Percent  Frequency  Percent  Capital (Budapest)  750  21.3  469  18.6  County seats  937  26.6  563  22.4  Other towns  1120  31.8  819  32.6  Municipality  712  20.2  662  26.4  Total  3520  100  2513  100  Financial Status  Frequency  Percent  Frequency  Percent  Lower  705  20.0  324  12.9  Lower‐middle  719  20.4  392  15.6  Upper‐middle  1387  39.4  1158  46.1  Upper  710  20.2  639  25.4  Total  3520  100  2513  100  Generation  Frequency  Percent  Frequency  Percent  Z (14–25)  550  15.6  529  21.1  Y (26–39)  776  22.0  713  28.4  X (40–59)  1135  32.3  922  36.7  Baby Boomers (60+  1059  30.1  349  13.9  Total  3520  100  2513  100  Appendix B. Questionnaire  Q In the Following, I Would Like to Ask if You Have Heard of Certain Types of Services. So, Have You Heard of the Possibility  1  that...?  Q What Do You Think, if You Needed such a Service and It Was Available to You, Would You Use It? Or Have You Already Used  2  such a Service?  Q1 Have you heard     Q2 Would you use it?  of it?  Resources 2020, 9, 1  19  of  27  may  definitely  may  definitely  N Already     Yes  No  NA  be  yes  be no  no  A  used it  yes  … Instead of a hotel room you can take a  private apartment/room directly from the  1  2  1  9  4  3  2  1  9  8  owner (e.g., Airbnb, San Francisco, CA,  USA)  ...transported within the city by a private  individual instead of a taxi for a favorable  2  2  1  9  4  3  2  1  9  8  pricing (e.g., Uber, San Francisco, CA,  USA)  ...carpooling allows you to enter empty  spaces of others while traveling from one to  3  another city for an agreed fee. (e.g., Oszkar,  2  1  9  4  3  2  1  9  8  Budapest, Hungary; BlaBlaCar, Paris,  France)  ….renting an electric car, using the  system’s own cars for a fee, then parking it  4  2  1  9  4  3  2  1  9  8  and leaving it to someone else (e.g.,  GreenGo, Budapest, Hungary);  ...possibility to use shared bike within the  5  2  1  9  4  3  2  1  9  8  city” (e.g., MOL BUBI, Budapest, Hungary)  ...Lending or borrowing household items  (lawn mowers, bicycles, toys, etc.) to  6  2  1  9  4  3  2  1  9  8  members of an on‐line community (e.g.,  miutcank.hu, Budapest, Hungary)  Now I Read Statements that Others Have Made about Themselves. To What Extent Do You Agree with  These Statements?  There Is No Good Answer or Bad Answer, We Are Curious about Your Opinion. Please Respond Using  the Statements on the Card.  I  I’d  I Agree  Don’t  I rather  I totally  Completely  Rather  and  Know/No  Disagree  Disagree  Agree  Agree  Disagree  Answer  I always want to feel  5  4  3  2  1  9  myself in safe.  I like to take risks.  5  4  3  2  1  9  It is important for me to  stand out from the crowd  5  4  3  2  1  9  and get noticed.  I’m conscious of my health.  5  4  3  2  1  9  I am willing to pay for  home cleaning to make my  5  4  3  2  1  9  life more comfortable.  I have to be very sick to go  5  4  3  2  1  9  to a doctor.  I like to spend most of my  5  4  3  2  1  9  free time at home.  It’s important for me to fit  5  4  3  2  1  9  in with my friends.  I can’t stand the mess at  5  4  3  2  1  9  home.  It is worth the extra effort  to be environmentally  5  4  3  2  1  9  conscious.  I like meeting new people.  5  4  3  2  1  9  I do not always want new  things, many times buying  5  4  3  2  1  9  used product.  What I no longer need, but  still usable, I sell or give  5  4  3  2  1  9  away.  Resources 2020, 9, 1  20  of  27  I like to help other people,  5  4  3  2  1  9  even unknown people.  1–3  Several  Once  How often Do You  Several  Once  Yearly or  Don’t  Times  Times  per  Q4  Do These Leisure  Times a  a  Less  Never  Know/No  per  per Half  Half  Activities?  Week  Week  Frequently  Answer  Month  a Year  Year  party in club,  1  1  2  3  4  5  6  7  9  disco, etc.  Travel or vacation  2  1  2  3  4  5  6  7  9  abroad  Visit to a museum,  3  1  2  3  4  5  6  7  9  exhibition  Meeting, chatting  4  1  2  3  4  5  6  7  9  with friends  Wellness programs  5  (e.g., sauna,  1  2  3  4  5  6  7  9  massage)  Cooking for  gastronomic  6  1  2  3  4  5  6  7  9  purposes (so no  housework!)  Computer activity  (games, social  7  networking on  1  2  3  4  5  6  7  9  Internet, viewing  emails, browsing)  8  E‐book reading  1  2  3  4  5  6  7  9  Now I Read Statements that  Others Have Made about  I  I’d  I Agree  Don’t  I rather  I totally  Q5  Brands and Products. How  Completely  rather  and  Know/No  Disagree  Disagree  Much Do You Agree with the  Agree  Agree  Disagree  Answer  Following Statement?  I am willing to pay more for a  1  product that is specifically  5  4  3  2  1  9  tailored to my needs.  I always know what’s new and  2  5  4  3  2  1  9  cool.  I’m happy to pay more for  3  environmentally friendly  5  4  3  2  1  9  products.  When shopping, I compare  4  product prices and look for a  5  4  3  2  1  9  really good deal.  I always choose the cheaper  5  5  4  3  2  1  9  product.  Price is more important than  6  5  4  3  2  1  9  brand name.  A brand name alone tells a lot  7  5  4  3  2  1  9  about a product or service.  When shopping, I compare  8  product prices and look for a  5  4  3  2  1  9  really good deal.  I’d love to pay more for better  9  5  4  3  2  1  9  quality.  I can only trust the leading  10  5  4  3  2  1  9  brands.  Now I Read Statements that  I  I’d  I Agree  Don’t  I rather  I totally  Q6  Others Have Made about  Completely  rather  and  Know/No  Disagree  Disagree  Themselves. To What Extent Do  Agree  Agree  Disagree  Answer  Resources 2020, 9, 1  21  of  27  You Agree with These Statements?  There Is No Good Answer or Bad  Answer, We Are Curious about  Your Opinion. Please Respond  Using the Statements on the Card  I try to be the first to try the latest  5  4  3  2  1  9  1  developments.  The computer is not for me.  5  4  3  2  1  9  2  I can’t even imagine life without the  5  4  3  2  1  9  3  Internet.  On the Internet, one expresses  5  4  3  2  1  9  4  himself more easily than in reality.  I always prefer online shopping.  5  4  3  2  1  9  5  In the Following, I Ask about Internet Usage Habits, Regardless of the Device (Computer,  Q7  Smartphone, Tablet) or Where the Internet Is. How often Have You Been Online in the Last  Month?  1  every day  2  several times a week  3  once a week  4  once or twice a month  5  did not use the Internet  9  don’t know/no answer  Do You Use the Internet for Any of the Following Purposes on a Regular  Don’t Know/No  Q8  Yes  No  Basis?  Answer  1  Browse websites (for information, entertainment)  2  1  9  2  Internet chat, instant messaging programs  2  1  9  3  Internet telephony/video telephone  2  1  9  4  Online Video Share Platforms (e.g., YouTube, San Bruno, CA, USA)  2  1  9  5  Online social networking sites (Facebook, Snapchat)  2  1  9  6  Watching Online TV  2  1  9  Watching movies online, watching episodes when you don’t have to  7  2  1  9  download a movie  8  Online watching/streaming of movies, series  2  1  9  9  Private e‐mail  2  1  9  10  Work‐related e‐mail  2  1  9  11  E‐learning  2  1  9  12  download of movies, series  2  1  9  13  download music  2  1  9  14  posts in forums  2  1  9  15  editing your own website  2  1  9  16  edit your own blog  2  1  9  17  online web storage (e.g., Google drive, Dropbox, OneDrive)  2  1  9  18  Online photo storage  2  1  9  19  Homeworking  2  1  9  20  Participation in distance learning  2  1  9  21  Online shopping  2  1  9  22  Listening online radio  2  1  9  23  Game  2  1  9  Resources 2020, 9, 1  22  of  27  Respondents Data  1  What is your gender?  Man  Woman  2  Date of birth  3/1  Family status  Unmarried  Married  Divorced  Widow  3/2  Do you have a child?  Yes, under 18  Yes, above 18  No  4  Educational level  Primary school  Vocational school  Grammar school  College or university  Don’t know/no answer  5  Economic status  Active workers  Students  Retired  Inactive   Don’t know/no answer  6  Place of residence  Capital (Budapest)  County seats  Other town  Municipality  Other  7  Financial income  7/1  Net income  Amount  Don’t know/no answer  7/2  How do you feel financially?  They live without problems  They have to split the salary, but you get along well  They are coming out of their monthly income  Month after month they have financial problems  Don’t know/no answer  7/3  Do you have car?  Yes  No  Don’t know/no answer  Appendix C  Appendix C.1. Results of Regression Modeling of Socio‐Demographic Characteristics versus Openness to the  Sharing Economy, Own Editing  Regression Model of Socio‐Demographic Data  B  S.E.  Wald  df  Sig.  Exp(B)       Baby Boomers  34.58  3.00  0.00  X generation  0.72  0.20  13.35  1.00  0.00  2.05  Y generation  1.07  0.20  28.56  1.00  0.00  2.93  Resources 2020, 9, 1  23  of  27  Z generation  1.42  0.35  15.95  1.00  0.00  4.12       Capital  12.04  3.00  0.01  County seats  0.28  0.13  4.40  1.00  0.04  1.32  Other towns  0.08  0.12  0.39  1.00  0.53  1.08  Municipality −0.14  0.13  1.12  1.00  0.29  0.87       Lower  40.66  3.00  0.00  Lower‐middle  0.53  0.16  11.18  1.00  0.00  1.71  Upper‐middle  0.64  0.14  21.07  1.00  0.00  1.89  Upper  0.96  0.15  40.22  1.00  0.00  2.61  Gender  0.00  0.08  0.00  1.00  0.97  1.00       Primary school  19.45  3.00  0.00  Secondary school  0.43  0.20  4.68  1.00  0.03  1.53  High school  0.69  0.19  12.82  1.00  0.00  1.99  University  0.77  0.20  14.47  1.00  0.00  2.15  Family  0.15  0.09  2.69  1.00  0.10  1.17       Active workers  2.69  3.00  0.44  Retired  0.00  0.20  0.00  1.00  0.98  1.00  Students  0.33  0.20  2.69  1.00  0.10  1.39  Unemployment  0.04  0.17  0.04  1.00  0.84  1.04  Appendix C.2. Results of Regression Modeling of Consumer Attitudes versus Openness to the Sharing  Economy, Own Editing  Factors  B  S.E.  Wald  df  Sig.  Exp(B)  Risk taking −0.06  0.06  1.31  1.00  0.25  0.94  Social  0.23  0.06  14.04  1.00  0.00  1.26  Conscious  0.05  0.05  0.99  1.00  0.32  1.06  Recycling  0.09  0.05  3.13  1.00  0.08  1.09  Daily leisure   −0.55  0.06  96.34  1.00  0.00  0.58  Quality leisure −0.48  0.07  47.41  1.00  0.00  0.62  Quality sensitive  0.24  0.07  10.66  1.00  0.00  1.27  Price sensitive −0.09  0.06  2.80  1.00  0.09  0.91  Digital attitude  0.41  0.08  26.29  1.00  0.00  1.51  Appendix C.3. Results of Regression Modeling of Internet Usage Patterns versus Openness to the Sharing  Economy, Own Editing  Factors  B  S.E.  Wald  df  Sig.  Exp(B)  Entertainment  0.45  0.05  97.22  1.00  0.00  1.57  Complex  0.17  0.05  12.25  1.00  0.00  1.18  Social  0.38  0.04  73.62  1.00  0.00  1.46  E‐mail/browsing  0.39  0.04  77.42  1.00  0.00  1.48  Appendix C.4. Results of Integrated Regression Modeling      B  S.E.  Wald  df  Sig.  Exp(B)       Baby Boomers  6.292  3.000  0.098  X  0.394  0.235  2.821  1.000  0.093  1483  Generation  Y  0.501  0.245  4.177  1.000  0.041  1651  Socio‐ Z  1.044  0.441  5.620  1.000  0.018  2842  demographic       Budapest  4.238  3.000  0.237  factors  County seat  0.225  0.160  1.969  1.000  0.161  1.253  Settlement  Another town  0.101  0.153  0.431  1.000  0.512  1.106  Municipality −0.052  0.164  0.099  1.000  0.753  0.950  Resources 2020, 9, 1  24  of  27       Lower  5.692  3.000  0.128  Financial  Lower‐middle  0.392  0.193  4.115  1.000  0.043  1.480  situation  Upper‐middle  0.228  0.170  1.809  1.000  0.179  1.257  Upper  0.074  0.189  0.154  1.000  0.695  1.077  Gender  Gender −0.021  0.107  0.040  1.000  0.842  0.979       Primary school  3.759  3.000  0.289  Secondary school  0.354  0.242  2.134  1.000  0.144  1.425  Education  High school  0.465  0.243  3.668  1.000  0.055  1.592  University  0.406  0.259  2.458  1.000  0.117  1.501  Family status  Family status  0.002  0.113  0.000  1.000  0.988  1.002       Active workers  0.451  3.000  0.929  Retired  0.086  0.252  0.118  1.000  0.732  1.090  Economic  status  Students  0.018  0.246  0.005  1.000  0.943  1.018  Unemployment  0.124  0.204  0.367  1.000  0.545  1.132      B  S.E.  Wald  df  Sig.  Exp(B)  Risk taking −0.039  0.062  0.384  1.000  0.535  0.962  Social  Social  0.229  0.065  12.428  1.000  0.000  1.257  behavior  Conscious −0.003  0.060  0.002  1.000  0.961  0.997  Recycling  0.066  0.054  1.466  1.000  0.226  1.068  Consumers  Quality sensitive  0.252  0.078  10.324  1.000  0.001  1.287  attitude  Income  Price sensitivity −0.012  0.060  0.043  1.000  0.836  0.988  factors  Quality  0.184  0.092  3.945  1.000  0.000  1.664  Leisure time  Simpler, daily  0.509  0.064  64.180  1.000  0.000  1.358  Frequently of Internet  Internet usage  0.306  0.078  15.417  1.000  0.047  1.202  usage      B  S.E.  Wald  df  Sig.  Exp(B)  Entertainment  0.283  0.056  25.832  1.000  0.000  1.327  Complex  0.008  0.057  0.020  1.000  0.888  1.008  Internet  Internet  usage  Social  0.207  0.056  13.740  1.000  0.000  1.230  type  factors  E‐mail,  browse,  0.145  0.057  6.550  1.000  0.010  1.156  purchase  References  1. Sundararajan, A. Commentary: The Twilight of Brand and Consumerism? Digital Trust, Cultural Meaning,  and the Quest for Connection in the Sharing Economy. J. Mark. 2019, 83, 32–35.  2. Bagozzi, R.P. Marketing as an Organized Behavioral System of Exchange: A comprehensive and analytic  structure for interpreting behavior in marketing relationships. J. Mark. 1974, 38, 77–81.  3. Eckhardt,  G.M.;  Houston,  M.B.;  Jiang,  B.;  Lamberton,  C.;  Rindfleisch,  A.;  Zervas,  G.  Marketing  in  the  Sharing Economy. J. Mark. 2019, 83, 5–27.  4. Chen, Y.; Wang, L. Commentary: Marketing and the Sharing Economy: Digital Economy and Emerging  Market Challenges. J. Mark. 2019, 83, 28–31.  5. Zervas, G.; Proserpio, D.; Byers, J.W. The Rise of the Sharing Economy: Estimating the Impact of Airbnb on  the Hotel Industry. J. Mark. Res. 2017, 54, 687–705.  6. Wallsten, S. The Competitive Effects of the Sharing Economy: How is Uber Changing Taxis? Technol. Policy  Inst. 2015, 22, 1–21.   7. Belleflamme, P.; Lambert, T.; Schwienbacher, A. Crowdfunding: Tapping the right crowd. J. Bus. Ventur.  2014, 29, 585–609.  8. Reisch,  L.A.;  Thogersen,  J.  Handbook  of  Research  on  Sustainable  Consumption;  Edward  Elgar  Publishing:  Cheltenham, UK, 2015; ISBN 978‐1‐78347‐127‐0.  9. Wang, Y.; Xiang, D.; Yang, Z.; Ma, S. Unraveling customer sustainable consumption behaviors in sharing  economy: A socio‐economic approach based on social exchange theory. J. Clean. Prod. 2019, 208, 869–879.  10. Heinrichs, H. Sharing Economy: A Potential New Pathway to Sustainability. Gaia 2013, 22, 228–231.  11. Fogarassy,  C.;  Horvath,  B.;  Magda,  R.  Business  Model  Innovation  as  a  Tool  to  Establish  Corporate  Sustainability. Visegr. J. Bioecon. Sustain. Dev. 2017, 6, 50–58.  Resources 2020, 9, 1  25  of  27  12. Leismann, K.; Schmitt, M.; Rohn, H.; Baedeker, C. Collaborative Consumption: Towards a Resource‐Saving  Consumption Culture. Resources 2013, 2, 184–203.  13. Singh, J.; Laurenti, R.; Rajib, S.; Frostell, B. Progress and challenges to the global waste management system.  Waste Manag. Res. 2014, 32, 800–812.  14. Kasriel‐Alexander, D. Top 10 Global Consumer Trends for 2017; Euromonitor International: London, UK, 2017;  p. 50.  15. Flatters, P.; Willmott, M. Understanding the Post‐Recession Consumer. Harv. Bus. Rev. 2009, 87, 106–112.  16. Ellison,  N.B.;  Lampe,  C.;  Steinfield,  C.  Social  Network  Sites  and  Society:  Current  Trends  and  Future  Possibilities. Interactions 2009, 16, 6.  17. Sharing  or  Paring?  Growth  of  the  Sharing  Economy.  2015.  Available  online:  https://www.pwc.com/hu/en/kiadvanyok/assets/pdf/sharing‐economy‐en.pdf  (accessed  on  1  December  2019.).  18. Botsman, R.; Rogers, R. What’s Mine Is Yours: How Collaborative Consumption Is Changing the Way We Live;  Collins: London, UK, 2011; Volume 5.  19. Gansky, L. The Mesh—Why the Future of Business Is Sharing; Penguin Group: New York, NY, USA, 2012.  20. Bardhi, F.; Eckhardt, G.M. Access‐Based Consumption: The Case of Car Sharing. J. Consum. Res. 2012, 39,  881–898.  21. Friedman, T.L. Opinion|Welcome to the ‘Sharing Economy’. The New York Times, 20 July 2013.  22. Curtis, S.K.; Lehner, M. Defining the Sharing Economy for Sustainability. Sustainability 2019, 11, 567.  23. Fogarassy,  C.;  Horvath,  B.;  Borocz,  M.  The  Interpretation  of  Circular  Priorities  to  Central  European  Business Environment with Focus on Hungary. Visegr. J. Bioecon. Sustain. Dev. 2017, 6, 2–9.  24. Codagnone, C.; Martens, B. Scoping the Sharing Economy: Origins, Definitions, Impact and Regulatory Issues;  Social Science Research Network: Rochester, NY, USA, 2016.  25. Frenken, K.; Schor, J. Putting the sharing economy into perspective. Environ. Innov. Soc. Transit. 2017, 23, 3– 10.  26. Lombardi, P.; Schwabe, F. Sharing economy as a new business model for energy storage systems. Appl.  Energy 2017, 188, 485–496.  27. Piscicelli,  L.;  Ludden,  G.D.S.;  Cooper,  T.  What  makes  a  sustainable  business  model  successful?  An  empirical comparison of two peer‐to‐peer goods‐sharing platforms. J. Clean. Prod. 2018, 172, 4580–4591.  28. Illés,  C.;  Nosratabadi,  S.;  Dunay,  A.  Business  models  in  theory  and  practice.  In  Proceedings  of  the  ICUBERD, Book of Papers, Pécs, Hungary, 30 November–1 December 2017.  29. Horvath, B.; Khazami, N.; Ymeri, P.; Fogarassy, C. Investigating the current business model innovation  trends in the biotechnology industry. J. Bus. Econ. Manag. 2019, 20, 63–85.  30. Interian, J. Up in the Air: Harmonizing the Sharing Economy through Airbnb Regulations. Intʹl Comp. L.  Rev. 2016, 39, 35.  31. Allen, D.; Berg, C. The Sharing Economy, How Over‐Regulation Could Destroy an Economic Revolution.  Available  online:  https://collaborativeeconomy.com/research/the‐sharing‐economy‐how‐over‐regulation‐ could‐destroy‐an‐economic‐revolution/ (accessed on 16 October 2019).  32. Koopman, C.; Mitchell, M.; Thierer, A. The Sharing Economy and Consumer Protection Regulation: The  Case for Policy Change. SSRN Electron. J. 2014, 8, 529.  33. Ranchordas, S. Does Sharing Mean Caring? Regulating Innovation in the Sharing Economy. Minn. J. L. Sci.  Tech. 2015, 16, 413.  34. Friedman, G. Workers without employers: Shadow corporations and the rise of the  gig economy.  Rev.  Keynes. Econ. 2014, 2, 171–188.  35. Green, D.; Walker, C.; Alabulththim, A.; Smith, D.; Phillips, M. Fueling the Gig Economy: A Case Study  Evaluation of Upwork.com. Manag. Econ. Res. J. 2018, 4, 104.  36. Lehdonvirta, V. Flexibility in the Gig Economy: Managing Time on Three Online Piecework Platforms. New  Technol. Work Employ. 2018, 33, 13–29.  37. Garben,  S.;  European  Agency  for  Safety  and  Health  at  Work.  Protecting  Workers  in  the  Online  Platform  Economy: An Overview of Regulatory and Policy Developments in the EU; EU‐OSHA: Bilbao, Spain, 2017; ISBN  978‐92‐9496‐642‐1.  38. Kalleberg,  A.L.;  Dunn,  M.  Good  Jobs,  Bad  Jobs  in  the  Gig  Economy.  Available  online:  http://michael‐ dunn.org/wp‐content/uploads/2017/05/ALK‐MD.‐JQ‐in‐Gig‐Economy.pdf (accessed on 16 October 2019).  Resources 2020, 9, 1  26  of  27  39. Bahrami, P.; Nosratabadi, S.; Illés, C. Role of Intellectual Capital in Corporate Entrepreneurship. Calitatea  2016, 17, 111.  40. Fogarassy, C.; Szabo, K.; Poor, J. Critical issues of human resource planning, performance evaluation and  long‐term development on the central region and non‐central areas: Hungarian case study for investors.  Int. J. Eng. Bus. Manag. 2017, 9, 1847979016685338.  41. Liedtke, C.; Hasselkuß, M.; Welfens, M.J.; Nordmann, J.; Baedeker, C. Transformation Towards Sustainable  Consumption: Changing Consumption Patterns Through Meaning in Social Practices. In Proceedings of  the 4th International Conference on Sustainability Transitions (IST 2013), Zürich, Switzerland, 18–21 June  2013; p. 29.  42. Liedtke,  C.;  Baedeker,  C.;  Hasselkuß,  M.;  Rohn,  H.;  Grinewitschus,  V.  User‐integrated  innovation  in  Sustainable  LivingLabs:  An  experimental  infrastructure  for  researching  and  developing  sustainable  product service systems. J. Clean. Prod. 2015, 97, 106–116.  43. Hamari,  J.;  Sjöklint,  M.;  Ukkonen,  A.  The  sharing  economy:  Why  people  participate  in  collaborative  consumption. J. Assoc. Inf. Sci. Technol. 2016, 67, 2047–2059.  44. Möhlmann,  M.  Collaborative  consumption:  Determinants  of  satisfaction  and  the  likelihood  of  using  a  sharing economy option again. J. Consum. Behav. 2015, 14, 193–207.  45. Schor,  J.B.  Debating  the  Sharing  Economy.  Available  online:  https://greattransition.org/publication/debating‐the‐sharing‐economy (accessed on 18 November 2019).  46. MEGATRENDS.  Trend  Inspiráció.  Available  online:  https://www.trendinspiracio.hu/megatrends/  (accessed on 14 December 2019).  47. Cheng, L.; Counts, S.J.; Fisher, D.A.; Affronti, M.A.; Smith, M.A. Performance of a Social Network; Microsoft  Corporation: Redmond, WA, US, 2010.  48. Prahalad, C.K.; Ramaswamy, V. Co‐creation experiences: The next practice in value creation. J. Interact.  Mark. 2004, 18, 5–14.  49. Evans, P.; Wurster, T.S. Getting Real About Virtual Commerce. Harv. Bus. Rev. 1999, 77, 84–98.  50. Lorenzo‐Romero, C.; Cordente‐Rodríguez, M.; Alarcón‐del‐Amo, M.‐C. Open Collaboration as Marketing  Transformation Strategy in Online Markets: The Case of the Fashion Sector. Resources 2019, 8, 167.  51. Maslow, A. Self‐Actualization and Beyond. Available online: https://eric.ed.gov/?id=ED012056 (accessed  on 15 November 2019).  52. Maslow, A.H. Motivation and Personality; Harper and Row Publisher Inc.: New York, NY, USA, 1970.  53. Chang, T.‐Y.; Horng, S.‐C. Conceptualizing and measuring experience quality: The customer’s perspective.  Serv. Ind. J. 2010, 30, 2401–2419.  54. Carù, A.; Caru, A.; Cova, B. Consuming Experience; Routledge: Abingdon, UK, 2007; ISBN 978‐0‐415‐38243‐ 4.  55. Uriely, N. The Tourist Experience: Conceptual Developments. Ann. Tour. Res. 2005, 32, 199–216.  56. Report  of  the  World  Commission  on  Environment  and  Development:  Our  Common  Future.  Available  online:  http://netzwerk‐n.org/wp‐content/uploads/2017/04/0_Brundtland_Report‐1987‐ Our_Common_Future.pdf (accessed on 22 November 2019).  57. Elkington,  J.  Partnerships  from  cannibals  with  forks:  The  triple  bottom  line  of  21st‐century  business.  Environ. Qual. Manag. 1998, 8, 37–51.  58. French, S.; Rogers, G. Understanding the LOHAS Consumer: The Rise of Ethical Consumerism. Available  online:  http://www.fusbp.com/wp‐content/uploads/2010/10/UNDERSTANDING‐THE‐LOHAS‐ CONSUMER.pdf (accessed on 17 November 2019).  59. Amberg, N.; Fogarassy, C. Green Consumer Behavior in the Cosmetics Market. Resources 2019, 8, 137.  60. Hagman, J.; Ritzén, S.; Janhager Stier, J.; Susilo, Y. Total cost of ownership and its potential implications for  battery electric vehicle diffusion. Res. Transp. Bus. Manag. 2016, 18, 11–17.  61. Pirani,  E.;  Secondi,  L.  Eco‐Friendly  Attitudes:  What  European  Citizens  Say  and  What  They  Do.  Int.  J.  Environ. Res. 2011, 5, 67–84.  62. Aliber, R.Z.; Click, R.W. Readings in International Business: A Decision Approach; MIT Press: Cambridge, MA,  USA, 1993; ISBN 978‐0‐262‐51066‐0.  63. Theobald, W.F. Global Tourism, 3rd ed.; Elsevier‐Science: Amsterdam, The Netherlands, 2004; ISBN 0‐7506‐ 7789‐9.  64. Buda, G.; Lehota, J. The spreading of sharing economy and its impact on customers’ behaviour. Acta Carolus  Robertus 2016, 6, 44–59.  Resources 2020, 9, 1  27  of  27  65. Roderick, L. Airbnb’s Marketing Boss on Polarising Brands, Mass Tourism and Why It Wants to Offer a  “Complete  Experiential  Proposition”.  Available  online:  https://www.marketingweek.com/airbnb‐takes‐ on‐mass‐tourism‐as‐it‐expands‐to‐offer‐travellers‐more‐than‐just‐a‐home/ (accessed on 16 October 2019).  66. Albinsson, P.; Perera, B.; Nafees, L.; Burman, B. Collaborative Consumption Usage in the US and India: An  Exploratory Study. J. Mark. Theory Pract. 2019, 27, 390–412.  © 2019 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access  article distributed under the terms and conditions of the Creative Commons Attribution  (CC BY) license (http://creativecommons.org/licenses/by/4.0/).  http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Resources Multidisciplinary Digital Publishing Institute

Dominant Consumer Attitudes in the Sharing Economy—A Representative Study in Hungary

Resources , Volume 9 (1) – Dec 27, 2019

Loading next page...
 
/lp/multidisciplinary-digital-publishing-institute/dominant-consumer-attitudes-in-the-sharing-economy-a-representative-plzKLhnYKC

References (66)

Publisher
Multidisciplinary Digital Publishing Institute
Copyright
© 1996-2020 MDPI (Basel, Switzerland) unless otherwise stated Terms and Conditions Privacy Policy
ISSN
2079-9276
DOI
10.3390/resources9010001
Publisher site
See Article on Publisher Site

Abstract

Article  Dominant Consumer Attitudes in the Sharing  Economy—A Representative Study in Hungary  1, 2 1 Gabriella Buda  *, Barbara Pethes   and József Lehota      Faculty of Economics and Social Sciences, Szent István University, H‐2100 Gödöllő, Hungary;  lehota.jozsef@gtk.szie.hu    Department of Marketing, Corvinus University of Budapest, H‐1093 Budapest, Hungary;  barbara.pethes@gmail.com  *  Correspondence: gabriella_buda@yahoo.com; Tel.: +36‐30‐444‐1760  Received: 24 November 2019; Accepted: 23 December 2019; Published: 27 December 2019  Abstract: As a result of the digital revolution, new business models are emerging, and one of the  most  dynamic  is  the  sharing  economy.  In  many  cases,  the  strategic  communication  of  sharing  economy firms is linked to current socio‐economic trends, such as digital innovation, consumers’  empowerment, experience gaining (instead of stock), environmental awareness, and community  building. In our research (a nationwide representative sample of 3520), we aimed to determine how  open the Hungarian population is toward sharing economy services. Furthermore, we explored the  relationship between openness and consumers’ socio‐demographic factors, attitudes related to the  current  consumer  trends  and  Internet  usage  habits.  As  a  result,  we  found  that  38.4%  of  the  Hungarian population is open toward sharing economy services. From a socio‐demographic point  of  view,  wealthy,  metropolitan,  family‐oriented,  educated,  and  younger  people  are  more  open  toward sharing activities. In terms of consumer attitudes, people who take risks, like having a social  life,  are  environmentally  and  health  conscious,  spend  their  leisure  time  actively,  enjoy  quality  things,  and  have  a  positive  attitude  toward  digitalization  are  more  open  to  using  the  sharing  economy  services.  As  a  final  result  of  the  regression  modeling,  we  found  that  the  examined  consumer attitudes and Internet usage habits determine openness, but socio‐demographic factors  largely lose their significant effect, except for generation and wealth, in the case of the integrated  model. Our results show that a well‐defined and relatively large segment is open to the sharing  economy, and sharing economy companies could target them directly to achieve a more sustainable  environment.  Keywords: sharing economy; consumer behavior; consumer attitudes; sustainability  1. Introduction  The sharing economy is playing an increasingly important role in our daily lives, and there is a  blurring  of  lines  between  the  personal  and  commercial  assets,  consumers  and  producers  [1].  Centuries ago, sharing activities could be found in society [2], and the question now is why this  phenomenon  began  to  grow  dynamically.  Many  factors  are  contributing  to  this  growth,  but  the  development of digital technologies must be emphasized [3,4]. As a result of the digital revolution,  people in the online space can find, pay for, and value each other’s activities easily and quickly.  The sharing economy is present in every part of our lives, be it work or leisure. About a decade  ago, sharing activities emerged that were later classified by the literature as part of new business  activity. The best‐known examples are Airbnb [5], which appears in the accommodation market, Uber  in the passenger transport market [6], crowd‐funding in the financing area [7], and TaskRabbit in the  labor hire sector [8]. The phenomenon of the sharing economy or collaborative consumption can  support sustainable consumption [8–12] which could have also long‐term impacts. One of the benefits  Resources 2020, 9, 1; doi:10.3390/resources9010001  www.mdpi.com/journal/resources  Resources 2020, 9, 1  2  of  27  of sustainable consumption is the reduction of waste, and this is one way of effectively feeding back  to consumers the direct relationship between consumption and waste production [13].  Many factors must contribute to the success of a new business model. In this study, we are  looking for the reasons why consumers are increasingly choosing these types of services, and the  factors that influence the consumers’ openness to these new, alternative business models. Consumer  behavior  is  most  influenced  by  external  impacts.  These  are  part  of  marketing  origin  and  are  determined by the company’s strategy. On the other hand, the wider environment also influences  consumer  decisions,  such  as  cultural  and  social  factors,  reference  groups,  and  personal  factors.  Thirdly, there are socio‐economic trends related to as sustainability, social networks, digitalization,  and globalization that also influence consumer behavior [14–16].  In  our  research,  we  looked  for  the  consumer  segments  that  are  open  toward  sharing‐based  services. We analyzed openness in socio‐demographic terms, consumer attitudes, and Internet usage  habits. We assumed that the more sensitive segments of the socio‐demographic trends would be more  open toward sharing economy services, and we aimed to prove this hypothesis.  2. Literature Background  A few years ago, the sharing economy was defined the following way: “In the sharing economy  users share with each other their idle capacities and resources (e.g., fixed assets, services, money), on  an on‐demand basis (as and when the consumer need arises), usually via an IT platform, on the basis  of trust, ascribing particular importance to personal interaction and the community experience, with  an eye on sustainability” [17].  In recent years, new elements or expressions of the sharing economy have emerged, highlighting  different dimensions or major features of the phenomenon. It was written about by Botsman and  Rogers firstly in a widespread book in 2010 called ‘Collaborative Consumption’ [18]. They wrote  about sharing and redistribution activities among individuals. In 2011, Gansky wrote about a new  corporate model called the ‘mesh economy’, in which he encouraged companies to share instead of  selling (for example, in the automotive industry) [19]. Bardhi and Ekhard [20] formulated the spread  of ‘access‐based consumption’, where consumers prefer access to goods and are willing to pay for the  possibility of temporary access rather than buying and owning the good. The term ‘sharing economy’  was first used by Friedman in 2013 [21]. Curtis and Lehner concluded the following characteristics,  or  semantic  properties,  of  the  sharing  economy  for  sustainability:  “ICT‐mediated,  non‐pecuniary  motivation  for  ownership,  temporary  access,  rivalrous  and  tangible  goods”  [22].  Since  2015,  the  concept of the circular economy has come to the attention of European Union policymakers, and one  of the model solutions to achieving this could be the sharing economy. Models of western Europe  and east‐central Europe may differ in several factors, but the size of the EU provides an opportunity  to revise circular processes [23]. The phenomenon is constantly evolving and changing and therefore  different dimensions can be distinguished. The first dimension is the subject of sharing, which could  be physical goods (car, apartment) or non‐physical goods (time, knowledge, money). The second  dimension: differentiate between C2C (or peer to peer), B2C, or C2B models. The third dimension  states  that  from  monetization’s  point  of  view,  we  can  observe,  barter,  or  use  business  models  in  financial exchange [8]. In various combinations of these dimensions, we can find businesses that place  themselves under the auspices of the sharing economy.  The  sharing  economy  can  be  analyzed  from  a  variety  of  scientific  perspectives.  From  an  economics’ point of view, the sharing economy has a stimulating effect on competition and can be  seen  as  a  form  of  economic  innovation  [24,25].  From  a  business  economics’  point  of  view,  the  phenomenon is mentioned as a new business model [26,27], which is a kind of competitor to the  enterprises  operating  in  the  traditional  business  model.  In  the  new  business  model,  the  value  proposition  of  the  company  who  is  operating  the  platform  is  to  effectively  combine  supply  and  demand (a peer‐to‐peer business model). The value proposition is one of the main elements of the  business models, next to the partner network, resources, distribution network, market segment, and  value configuration [28]. Further studies have referred to the sharing economy as a new innovative  business  model  that  could  be  used  as  a  potential  tool  for  corporate  sustainability  [11,29]  or  as  a  Resources 2020, 9, 1  3  of  27  resource‐saving potential that which can change consumer patterns [12]. Most of the criticisms of the  sharing economy come from the tax and legal perspective. Most experts agree that new, innovative  activities  should  also  be  regulated,  but  there  are  differences  of  opinion  regarding  the  depth  of  regulation. Some experts favor unified regulation for companies in a similar industry [30], while  others argue that regulation should distinguish between traditional and new models [31–33]. From a  human resource management perspective, we are also seeing a new phenomenon that is increasingly  being called the ‘gig economy’ [34]. Within the gig economy, employees are not employing full‐time  (or  even  part‐time)  employees  in  the  traditional,  long‐term  contracted  way,  but  are  engaging  freelancers,  typically  through  an  online  platform,  occasionally.  Freelancers  typically  share  their  knowledge and/or time (as a graphic designer, web‐designer, etc.). The advantages include flexible  working hours and the possibility of working from home. [35,36], while the disadvantages are a lack  of  advocacy  and  social  networking  [37].  Kallenberg  and  Dunn  [38]  make  the  points  that  the  gig  economy opens up new opportunities. It is thought that casual workers still make up only a small  percentage  of  the  total  workforce,  but  the  gig  economy  may  have  important implications  for  the  future. In a knowledge‐based economy, intellectual capital is one of the most important factors that  can  help a  company  grow  and  be  a success  [39],  and  the  gig  economy  supports  the  free  flow  of  intellectual  capital.  Additionally,  many  experts  believe  the  basic  elements  of  social  security  (minimum wage, health care, retirement, and unemployment insurance) should be also available to  gig economy workers. In many countries, there are critical issues of human resource management in  the central and non‐central regions [40], and the gig economy can potentially solve at least one part  of  the  problem.  From  a  sociological  point  of  view,  the  changing  behavior  of  consumers  can  be  analyzed [24], and there is already a proposal for transformation towards sustainable consumption,  called  the  sustainable  consumption  and  production  (SCP)  transformation  model  [41].  A  further  suggestion is to engage users in innovation to develop a user integrated sustainable product service  system (PSS) [42]. One of the biggest challenges today is to convince society to change its habits, to  achieve growth to be sustainable, from an economic, social, and environmental point of view. This is  an interesting  challenge from  a  marketing  point  of  view as  well. Several  marketing studies  have  identified  the  preferences and  motivation  of  consumers  who  participate  in  the  sharing  economy,  which  include,  among  others,  economic  gains,  enjoyment  of  the  activity,  sustainability,  utility,  familiarity [43,44].  Schor’s study summarizes the critiques areas of the sharing economy, including sustainability,  building a social community, taxation, insurance, and labor conditions, but she also notes that critics  are too cynical sometimes and there are many opportunities in this new business model that are  gaining ground [45].  2.1. The Relationship between Consumer Behavior and the Sharing Economy  This  study  aimed  to  investigate  the  extent  to  which  the  sharing  economy  affects  consumer  behavior and/or how expectations arising from changing consumer behavior meet the perceived or  real characteristics of the sharing economy. In several cases, companies in the sharing economy have  used  communication  keywords  that  are  in  line  with  current  socio‐economic  trends  (local  space,  environmental protection, experience, community, sustainability, etc.). We assume that companies in  the  sharing  economy  can  succeed,  among  other  things,  because  related  services  support  current  consumer expectations that are driven by megatrends. We assume that those people who are more  open to using sharing economy services are also more sensitive to megatrends. Megatrends are trends  related to global phenomena that have a significant impact on our daily lives over a long time horizon  of 10–15 years [46]. Trends could be related to social, technology, and economy changes. From the  perspective  of  the  research  topic,  the  following  trends  can  influence  consumer  behavior:  ICT  (Information and Communication Technology) trends (empowering consumers), well‐being society  (consuming  experiences  instead  of  materials,  need  for  self‐realization),  the  eco‐paradigm  and  sustainability (environmental sensitivity), globalization and urbanization.  Resources 2020, 9, 1  4  of  27  2.1.1. ICT Trends  The information revolution enabled the rapid flow of information and ideas. The number of  digital  platforms  and  devices  is  exponentially  growing  [17].  There  is  not  only  one‐way  communication  between  companies  and  consumers  anymore,  but  also  two‐way  communication  (more interactivity from the consumers side), and furthermore, consumers can communicate with  each  other  on  social  networking  sites  [47].  According  to  Prahalad  and  Ramaswamy  [48],  several  aspects can be observed in terms of the spread of the Internet and these also influence consumer  behavior, for example, wide access to information, global vision, networking, and experimentation  (product development, knowledge sharing). The progression of the sharing economy is based on the  existence of the digital platforms and, within that, both on the demand and supply side, consumers  can easily interact with each other. Due to the digital revolution, people are operating both in real  and virtual space: consumer participation is growing, and consumer collaboration is gaining ground  [49,50]. The possibility of virtual connection leads to the creation of new communities, allowing them  to think together without face‐to‐face meetings. This growth in consumer power is also important  from the sharing economy’s point of view, and the digital community is gaining strength. A good  example is crowd‐funding, which is a new form of financing. In these cases, the implementation of a  start‐up company is not funded by a financial institution but by individuals. Furthermore, we can  highlight another aspect of community power by developing open‐source software and/or products.  In the case of this activity, individuals share their knowledge. Knowledge and money sharing are  usually classified as a sharing economy if there is an economic interest in the activity.  2.1.2. Impact of the Well‐Being Society  To understand consumer behavior, it is important to recognize the level of the target groups  using Maslow’s pyramid (physiological needs, safety and security, love and belonging, self‐esteem,  and self‐realization). Experiences lie at the top of Maslow’s pyramid of need [51,52]. Due to the ever‐ changing environmental, technological, and sociological conditions, the significance of experiences  is changing; the experience is becoming more and more important in the lives of consumers [53]. We  can identify different areas of experience: entertainment, education, desire to escape, and esthetic  experience  [54]  Furthermore,  Uriely  [55]  notes  the  blurring  of  the  perception  of  the  differences  between  work  and  leisure.  Typical  motivational  factors  for  traveling  in  a  welfare  society  are:  widening  horizons,  learning  something  new,  enjoying  communication  with  others,  promoting  creativity  and  openness,  individual  risk‐taking,  and  experimentation  [32].  Interpersonal  sharing  activities can be a new experience for many consumers, and this is something we are exploring in our  research.  2.1.3. Eco‐Trends and Sustainability  The  focus  was  on  sustainable  development  in  1987,  when  the  United  Nations  World  Commission on the Environment and Development published their work entitled ‘Our Common  Future’ [56]. Here we find the definition that is still used today by many: “Sustainable development  is  development  that  meets  the  needs  of  the  present  without  compromising  the  ability  of  future  generations to meet their own needs”. There are three pillars to sustainable development, namely the  economic, environmental, and social pillars. [57] Consumers sensitive to sustainable development  are  striving  to  become  sustainable  consumers,  which  has  created  the  concept  of  conscious  consumption. This may be related to the consumer’s self‐interest (price awareness, quality awareness,  health  awareness),  or  the  interests  of  the  public  and  society  (environmental  awareness,  social  awareness). Within this, we can identify the LOHAS target group, which is an environmentally and  health conscious group (LOHAS = lifestyle of health and sustainability) [58], they are playing an  increasingly  dominant  segment  in  many  markets  [59].  Sustainable  consumption  is  increasingly  important, including understanding the needs of consumers and persuading consumers. In the case  of a vehicles’ purchase, for example, it is an important factor that the consumer centric total cost of  ownership could be cheaper compared to internal combustion engine vehicles and hybrid electric  Resources 2020, 9, 1  5  of  27  vehicles. [60] It is important to point out that several studies have confirmed that there is a difference  between an eco‐friendly attitude and real action [43,61]. Activities in the sharing economy basically  might be a solution that can both support the right business model towards eco‐friendly activities,  and  support  the  prevention  of  overproduction  and/or  overconsumption.  We  assume  there  is  a  connection between the conscious consumer’s behavior, and the same consumer’s openness toward  the sharing economy.  2.1.4. Globalization and Urbanization  The globalization of markets has now become a reality including for standardized consumer  products,  multinational  commercial  cooperation,  and  distribution  [62].  It  has  also  impacted  the  tourism industry; tourists receive standardized services at the hotels in most places, and standardized  products  in  many  cities  [63].  It  affects  consumer  behavior  as  a  counter‐trend;  sooner  or  later  consumers will need individual, non‐standardized products and services, and they will want to learn  about local culture and local customs. To sum up, there are some typical characteristics of consumers who have more of an affinity for  social, technology, and economic trends: they like to be broadly informed, to be in the community  (even virtually), focused on experiences, to be environmentally aware, and they prefer uniqueness  and local characteristics.  2.2. Strategies and Communication Messages of Companies Operating in the Sharing Economy  In the following, we present the activities of some companies involved in the sharing economy  and  their  communication  strategies.  Our  aim  is  to  show  that  companies  in  the  sharing  economy  emphasize features in their marketing strategy and, consequently, in their communication that attract  the  attention  of  trend‐sensitive  consumers  and  thus  make  them  more  open  to  trying  out  new/alternative services. In recent years, there has been intense competition between companies in  the sharing economy and those who are operating in the traditional industry. Typical examples could  be the hotels versus Airbnb competition in the accommodation market, and the taxi companies versus  Uber  in  the  passenger  carrier  market.  It  has  to  be  emphasized  because,  due  to  the  reduction  in  transaction costs, a significant number of companies in the sharing economy are able to provide their  services at a more affordable price (versus companies in the same industry), and this is the primary  consumer motivation to use them [43,64], however communication strategy typically does not call  attention to discount pricing, but to other attributes that fit consumer trends. Because of the combined  effect  of  many  factors,  the  sharing  economy  can  be  very  successful,  and  technology‐driven  development is only one of many factors.  Airbnb  is  focusing  on  an  authentic,  local  experience.  Adventure  tourism  is  becoming  more  widespread,  and  tourists,  more  and  more,  are  seeking  unique  impressions.  In  2015,  a  survey  confirmed the fact, with 86% of Airbnb users saying they had used Airbnb because of encounters  with  locals  [65].  Uber  is  focusing  on  human  relations,  personal  stories,  and  trying  to  influence  people’s emotions. Lime is a vehicle sharing company in many countries, and their communication  message  is  “sustainable—spanning  countries  &  communities”.  In  one  sentence,  they  target  three  different  trends:  the  environment,  community,  and  globalization.  Starterkit  is  a  crowd‐funding  association, but they never explain that they lend money to start‐up companies. Their stated mission  is to help bring creative projects to life. Kaptár is a co‐working place for freelancers in the capital of  Hungary.  They  use  the  following  keywords:  community,  inspiration  and  freedom,  and  central  location. They do not rent offices, but rather an opportunity to build relationships, experiences, and  inspiration.  3. Material and Methods  We had multiple aims for this study: firstly, we examined the openness of Hungarian residents  towards sharing economy services and how customers’ openness is affected by socio‐demographic  factors,  different  consumer  attitudes  (in  particular,  attitudes  related  to  megatrends), and  Internet  Resources 2020, 9, 1  6  of  27  usage habits. Based on our definition, those consumers who would use or definitely use or have  already  used  sharing  economy  services  are  open  toward  sharing  economy  services;  openness  is  willingness to participate. Secondly, we aimed to construct a logistic regression model, taking into  account the factors identified above, to determine which attributes most influence openness toward  sharing economy services, if we examine the effect of factors in a common model.  3.1. Consumers’ Openness; Correlation Between Openness and Different Socio‐Demographic, Attitudinal,  and Internet Usage Patterns  The survey was conducted on a nationwide representative sample of 3520 people in December  2017 in Hungary. Data were collected through personal interviews with interviewers. Key examined  demographic factors that were asked were gender, economic status, marital status, age (generation),  education  level  of  the  respondents,  place  of  residence,  and  financial  status.  A  total  of  47.1%  of  respondents were male and 52.9% were women. According to the economic status of respondents,  56.2% were active workers, 27.9% were retired, 8.5% were students, and 7.4% had an inactive and  unemployed economic status. A total of 17.1% of respondents have lived in capital city (Budapest),  21% of the respondents live in the county seat or county town, 33.1% live in another town, and 28.8%  of the respondents live in the municipality. The respondents’ financial situation was identified based  on their assets and income. According to the classification, respondents were examined along with  the following lines: lower (19.6%), lower‐middle (20.7%), upper‐middle (39.4%), and upper (20.2%).  We also looked at the marital status of respondents. Here we have distinguished two categories,  family and non‐family status. Namely, the respondents with a child (ren) under 18 years were of  family  status.  Based  on  this,  35.2%  of  respondents  were  the  family  category,  while  64.8%  of  respondents fell into the non‐family category. We also investigated the age of respondents: 3% of the  respondents belonged to the Z generation (age 14–25), 37% to the Y generation (age 26–39), 31% to  the X generation (age 40–59), and 28% to the Baby Boomers (age above 60). In terms of respondents’  educational  qualifications:  21.5%  of  them  had  a  maximum  primary  school  education,  26.9%  had  vocational qualifications, 31.7% had graduated from grammar school, and 19.9% had a university or  college diploma (see in Table A1 in Appendix A).  Openness towards the sharing economy was examined as follows. We listed six different sharing  economy services, and since the familiarity with these types of services is not necessarily specific, we  described for each service what and under what conditions the service is provided, and then named  the most typical companies for that activity. We then asked if he/she had ever heard of the service or  considered using it if it was available to them. The detailed questionnaire is attached in Appendix B.  Services in the questionnaire:  1. Hotel reservation/accommodation (e.g., Airbnb, San Francisco, CA, USA).  2. Intra‐urban passenger transport (e.g., Uber, San Francisco, CA, USA).  3. Ridesharing service between cities and/or countries (e.g., BlaBlaCar, Paris, France).  4. Sharing an electric car within the city (e.g., GreenGo, Budapest, Hungary).  5. Bike‐sharing (e.g., MOL BUBI, Budapest, Hungary).  6. Sharing household items within a local community (e.g., miutcank.hu, a virtual community,  Budapest, Hungary).  The services were chosen arbitrarily, but we also relied on the results of our previous, non‐ representative study [43], in which the listed services were relatively well known.  In the next step in the analysis, we combined the responses and focused on how many people in  Hungary  are  generally  familiar  with  sharing  economy  services  and  how  many  would  use  these  services. Based on this aggregated data, we formed two groups: (1) Acceptors; if respondent said  ‘considers to use’, or ‘would definitely use’ or ‘have already used’—at least one service. In our study,  ‘acceptors’ are those consumers who are open toward sharing economy services. (2) Refusers; who  said in the case of each service that they ‘would definitely not use it’ or ‘probably not use it’.  We  then  examined  whether  there  was a  correlation between  the  respondents’ openness and  different socio‐demographic, attitudinal, and Internet usage patterns. We analyzed the effect of socio‐ Resources 2020, 9, 1  7  of  27  demographic  factors  and  attitudinal  differences  on  openness  to  services  by  using  a  cross‐table  method and examined the effect of different Internet usage patterns on openness. The data were  analyzed using SPSS software, version 23 (IBM Corp., Armonk, NY, USA).  Hypothesis 1 (H1). From the socio‐demographic data point of view, we assumed was that there is a correlation  between examined socio‐demographic factors and consumers’ openness toward sharing economy services.  From the consumer attitudes point of view, we assumed that those people who are more sensitive  to current trends that impact consumer behavior are more open toward sharing economy services.  Hypothesis 2 (H2). Environmentally and health conscious persons are more open toward sharing economy  services.  Hypothesis 3 (H3). Those people—who like to be in the community—are more open toward sharing economy  services.  Hypothesis  4  (H4).  Those  people  who  enjoy  traveling  while  gathering  experience  are  more  open  toward  sharing services.  Hypothesis 5 (H5). Those people who are willing to pay for quality things are more open toward sharing  economy services.  Hypothesis 6 (H6). Those people who believe that the digital world is a positive thing are more open to sharing  economy services.  Hypothesis 7 (H7). Finally, we examined the habits of Internet users more narrowly. Our hypothesis was  that those people who use the Internet more often are more open to sharing economy services.  3.2. Logistic Regression Model  We constructed a logistic regression model. In this model, the dependent variable was openness.  This assumes two values, that is, we classified people according to whether they are open (acceptor)  or not. The explanatory variables (independent variables) were divided into three broad groups of  the  Internet  user  population:  socio‐demographic  variables,  attitude  type  variables,  and  a  group  describing Internet usage habits. We assumed that these various factors each have a significant effect  on openness. At the current status, we did not test the correlation among the independent variable. In the final model, we examined if when these factors were taken into account together, which factors  remained significant. This approach may, however, exclude potentially irrelevant factors from the  model.  The  result  will  be  a  reduced  version  of  the  explanatory  variables,  which  are  the  most  important features of openness (Figure 1).  consumer  attitude  variables socio‐ habits of  demographic  Internet  variables users integrated  logistic  regression  model Figure 1. Structure of the logistic regression model, own editing.  Resources 2020, 9, 1  8  of  27  The national representative sample was reduced to the population using the Internet during the  construction of the logistic regression model, because in most cases, sharing economy services can  only be accessed using the Internet. The sample of Internet users is also representative of Hungarian  Internet users. Within the total population, 49% of Internet users and only 11% of non‐Internet users  are  open  to  this  new  type  of  service.  If  we  had  undertaken  regression  modeling  for  the  entire  population, then Internet users would have been most open to services and other attitudes would be  been pushed into the background. Based on this, the demographic pattern of the Internet population  was as follows: 2513 responded that they were engaged in activities on the Internet. Respondents  were 48% male and 52% female. According to the economic status of the respondents, 70% were  active workers, 11% were retired, 11% were students, and 7% had an inactive economic status (e.g.,  unemployed). A total of 35% of the respondents belong to the family category and 65% to the non‐ family  category.  We  also  looked  at  the  age  of  the  respondents;  24%  of  respondents  belonged  to  Generation Z, 29% to Generation Y, 35% to Generation X, and 13% to the Baby Boomers. We also  asked  about  the  education  of  the  respondents,  according  to  which  12%  of  the  respondents  had  primary education qualifications, 27% had a vocational education, 46% had graduated from grammar  school,  and 15%  had a university  or college  diploma. A  total  of 19%  of  the  respondents lived  in  Budapest, 23% in the county seat, 32% in the city, and 27% in the village. Their financial situation,  based on their assets or their income, classified the respondents into four categories (lower, lower‐ middle,  upper‐middle,  and  upper).  According  to  the  classification,  respondents  were  surveyed  according to the following ratios: lower (16%), lower‐middle (18%), upper‐middle (43%), and upper  (23%). This data is also available in Appendix A.  During the regression modeling, we distinguished two phases. In the first phase, three separate  models were constructed: one examining demographic factors exclusively, one examining consumer  attitudes, and one examining Internet usage habits. Throughout the modeling, we worked with the  ENTER method (all independent variables are entered into the equation in (one step), also called  “forced entry”), so we did not filter for significant factors. Finally, in the second phase, to compare  the effect of each group of independent variables, we constructed a complex final logistic regression  model involving all independent variables, the results of which are presented below.  4. Results  4.1. Openness  Analyzing the responses of the Hungarian nationally representative sample, we found that at  least 12% of people are open to one of the sharing economy services. A total of 12.3% of respondents  said they were open to borrowing and lending household appliances. The ratio of the respondents  who  are  open  toward  different  sharing  economy  services (respondents  who  said  ‘would  use’,  or  ‘would  definitely  use’,  or  ‘have  already  used’)  is:  12.3%  for  borrowing  or  lending  household  appliances; 15.8% for public car‐sharing (e.g., DriveNow, Munich, Germany); 23.7% for public car  ride‐sharing (e.g., BlaBlaCar, Paris, France); 21.5% for private car‐sharing within the city (e.g., Uber,  San  Francisco,  CA,  USA);  23.2%  for  public  bike‐sharing;  and  20.1%  for  private  flat‐sharing  (e.g.,  Airbnb, San Francisco, CA, USA).  We then aggregated the data according to the methodology described above, into the ‘group of  acceptors’ and ‘group of refusers’. Those who, for each question, answered that they would not use  the service or may not use it, fell into the group of ‘refusers’. Everyone else fell into the ‘acceptors’  group. Based on this, 38.4% of the Hungarian population is open toward sharing economy services (11.3%  open to one thing, 8.5% open to two things, 6% open to three things, 12.6% open to at least four),  while 61.6% of the respondents are not open to sharing economy services.  4.1.1. Socio‐Demographic Data versus Openness  The  following  socio‐demographic  features  were  examined:  gender,  economic  status,  marital  status, age (generation), education, settlement type, and financial status of the respondent. Cross‐ Resources 2020, 9, 1  9  of  27  table and pairwise correlation analyses were performed to determine whether socio‐demographic  factors influence openness (tested based on groups of acceptors and refusers).  Gender: the gender of respondents did not influence openness towards shared services. A total  of 38.4% of the total sample was open toward sharing economy services (as acceptors), this included  39.8% of the men, and 37.1% of the women. The effect of gender is not significant (p = 0.095).  Economic  status:  Openness  is  overrepresented  among  active  workers  and  students,  with  a  significant relationship (p = 0.000, Chi  = 318.4 df = 3, Cramer’s V = 0.301). While 38.4% of the total  sample was open to sharing economy services, 46.7% of active employees and 56.8% of students were  open to sharing economy services, meaning they were proportionally over‐represented compared to  the total sample. By contrast, only 15.5% of retirees were open to sharing economy services. Among  the demographic factors examined in this study, the impact of this economic status was one of the  strongest elements.  Family status: The family status of the respondent influences openness. Here, two categories  were distinguished, namely, those respondents who had a minor child were considered as family  subjects. The relationship is significant (p = 0.000, Chi  = 48.346 df = 1, Cramer’s V = 0.117). We found  that families are more open toward sharing economy services. While 38.4% of respondents in the full  sample were open to the sharing economy services, 46% of respondents with a family were open to  these service.  Generation:  Belonging  to  particular  generation  influences  openness.  The  correlation  is  significant, and it is the strongest influencing factor among the examined factors (p = 0.000, Chi  =  361.001 df = 3, Cramer’s V = 0.320). The Baby Boomers is negative, 84% of this generation refuse  sharing economy services (significantly overrepresented), compared to a rejection rate of the entire  sample of 61.6%. Furthermore, we found that while 38.4% of the population in the total sample is  open to shared services, the proportion of those showing openness within the Y and Z generations is  higher (Y: 53.9%, Z = 52.4 %), which means that these generations are much more open to using  sharing economy services.  Education:  Educational  level  influences  openness.  The  effect  is  significant,  though  the  relationship is weaker than the previous indicators (p = 0.000, Chi  = 144.715, df = 3, Cramer’s V =  0.203).  Within  the  group  who  are  open  to  sharing  economy  services  (38.4%),  those  who  have  a  graduation or university diploma are overrepresented (group with graduation: 45.4%, group with a  diploma: 50.8%).  Residence: We found that the type of place of residence of the respondent influences openness;  the relationship is significant but weak (p = 0.000, Chi  = 26.077 df = 3, Cramer’s V = 0.086). A total of  38.4% of respondents were open to shared services, in which 37% of Budapest residents, 45.5% of  residents of towns and cities with county seats, 38.9% of residents of smaller towns and villages, and  33.6% of residents of villages are open. Based on this, residents of county seats and cities with county  rights are the most open to using the sharing economy services.  Financial situation: We found that the financial situation influences openness. The respondents  were classified into four categories (lower, lower‐middle, upper‐middle and upper) based on their  financial position. As a result of the cross‐table analysis, we found that the higher the income category  of the respondent, the more open they were to sharing economy services. The effect is significant,  and the association is moderately strong compared to the other demographic factors examined in the  study (p = 0.000, Chi  = 227.786 df = 3, Cramer’s V = 0.254). More than half (56.3%) of those in the  upper class, 43% of the upper‐middle class, 28.9% of the lower‐middle income group, and only 20.8%  of the lower income group were open to sharing economy services.  In  conclusion,  the  socio‐demographic  factors  examined  (economic  status,  marital  status,  age  (generation), educational attainment, type of settlement, and financial status) do indeed influence  openness to shared services, and only the gender of the respondent (male/female) does not affect  openness. Based on this, our original Hypothesis 1 was rejected because we assumed that all the  examined socio‐demographic data would influence the openness.  Resources 2020, 9, 1  10  of  27  4.1.2. Consumer Attitudes versus Openness  Nearly forty questions related to consumers’ attitude were asked on the following topics: socio‐ relationships (extrovert vs. introvert, health and/or environmental awareness, risk‐taking), leisure  activities (frequency and type), product/service purchase attitude (price vs. quality), and attitudes  toward the digital world. Factor analysis was performed on each of these four topics.  (1)  Social Behaviors  The  factor  analysis  resulted  in  thirteen  observed  variables  aggregated  into  four  factors.  We  identified the following factors: risk‐taking factor, social factor, conscious factor, and recycling factor  (Table 1).  Table 1. Factors of social behavior attitudes.  Risk Taking  Social  Conscious  Recycling  Social Behavior—Factor Analysis  Factor  Factor  Factor  Factor  It is important for me to stand out from the crowd  0.801  0.237  0.047  0.05  and get noticed.  I am willing to pay for home cleaning to make my  0.777  −0.157  0.155  0.117  life more comfortable.  I like to take risks.  0.757  0.287 ‐0.099  0.031  I always want to feel safe in myself.  −0.52  0.086  0.358  0.044  I like meeting new people.  0.177  0.779  0.12  0.103  It is important for me to fit in with my friends.  0.036  0.77  0.116  0.001  I like to help other people, even unknown people. −0.052  0.525  0.284  0.477  I am conscious of my health.  0.129  0.095  0.778  −0.02  It is worth the extra effort to be environmentally  0.092  0.329  0.668  0.112  conscious.  I cannot stand the mess at home. −0.278  0.07  0.647  0.034  I like to spend most of my free time at home. −0.401 −0.291  0.418  0.274  I do not always want new things, many times buying  0.057 −0.091 −0.095  0.844  used products.  What I no longer need, but still is usable, I sell or  0.082  0.331  0.185  0.649  give away.  Extraction method: rotated component matrix. The bold indicates which variables belong to which factor.  In future analyses, we will use these factors in relation to social behavior.  (2)  Leisure Activity  We  identified  the  following  factors:  the  simpler  daily  leisure  factor  (friends,  entertainment,  computer games), and the higher quality leisure factor (e.g., museums, traveling, wellness programs,  gastronomy tours). The results are shown in Table 2.  Table 2. Factors of leisure activity attitudes.  Quality Leisure  Daily Leisure  How Often Do You Do These Leisure Activities?  Factor  Factor  Visit to a museum, exhibition  0.7  0.293  Travel or vacation abroad  0.694  0.365  Wellness programs (e.g., sauna, massage)  0.69  0.307  Cooking for gastronomic purposes (so no housework!)  0.626  −0.015  E‐book reading  0.589  −0.007  Meeting, chatting with friends −0.01  0.772  party in club, disco, etc.  0.215  0.72  Computer activity (games, social networking on Internet, viewing emails,  0.196  0.685  browsing)  Extraction method: rotated component matrix. The bold indicates which variables belong to which factor.  (3)  Attitudes Related to Willingness to Pay  We identified the following factors: the quality‐sensitive factor and price‐sensitive factor (Table  3). Quality‐sensitive factor means that people are willing to pay for quality, while the price‐sensitive  Resources 2020, 9, 1  11  of  27  factor means that people compare the prices of products and the possibilities, and may not always  choose the better quality.  Table 3. Factors of attitudes related to willingness to pay.  Quality Sensitive  Price Sensitive  How Much Do You Agree with the Following Statement?  Factor  Factor  I would love to pay more for better quality.  0.821  −0.081  I am willing to pay more for a product that is specifically tailored to my  0.79  −0.149  needs.  I am happy to pay more for environmentally friendly products.  0.781  −0.007  I can only trust the leading brands.  0.691  −0.149  I always know what’s new and cool.  0.686  −0.129   name alone tells a lot about a product or service.  0.656  0.182  Brand When shopping, I compare product prices and look for a really good deal.  0.143  0.761  Before buying, I look through the advertising newspapers and check out  0.082  0.757  the promotions.  Price is more important than brand name. −0.289  0.743  I always choose the cheaper product. −0.393  0.665  Extraction method: rotated component matrix. The bold indicates which variables belong to which factor.  (4)  Openness to the Internet  Finally, we looked at how people relate to the digital world and computers. Five questions were  asked  and  only  one  factor  was  obtained  using  the  factor  analysis  method.  Related  variables  are  presented in Table 4; we named this the digital factor.  Table 4. Attitudes toward the digital world.  How Much Do You Agree with the Following Statement?  Digital Factor  I can’t even imagine life without the Internet.  0.875  On the Internet, one expresses himself more easily than in reality.  0.825  The computer is not for me. −0.731  I try to be the first to try the latest developments.  0.687  I always prefer online shopping.  0.612  Extraction method: factor analysis, component matrix.  After  dimension  reduction,  the  factors  were  specified,  and  we  examined  the  relationship  between factors and openness to the sharing economy using an independent sample T‐test. After  generating and naming the factors, we examined whether there was a difference in factor scores  between acceptors versus refusers. To do this, we measured the average of each group and looked  for significant differences. In the case of the original variables, a higher numerical value means that  someone was using the given function and a lower numerical value means that someone does not  use that function. In this case, a lower average value indicates that the given factor is less typical for  the group. Similarly, a high average value in a group indicates that the group is characterized by the  use of elements belonging to that factor. The openness variable classifies people into two categories,  so we tested the significance of the difference in means with two‐sample T‐tests. When presenting  the results, we indicate the average of the factors in parentheses.  From the social relationship point of view, those people who are more open toward sharing  economy services are:  ‐ taking more risks (average of acceptors’ group: 0.2; average of refusers’ group: −0.13);  ‐ those who prefer social events and meeting unknown people (average of acceptors’ group: 0.07;  average of refusers’ group: −0.05);  ‐ who are more health and environmentally conscious (average of acceptors’ group: 0.35; average  of refusers’ group: 0.01).  We obtained a special result in terms of the recycling factor: average of acceptors’ group: −0.01;  average of refusers’ group: −0.05. This means that the attitude toward recycling is similar for both  Resources 2020, 9, 1  12  of  27  groups. Here, we have to highlight that recycling attitude is only one element of environmentally  and health conscious people’s attitudes.  Taking into consideration all the results Hypothesis 2 was accepted, environmentally and health  conscious persons are more open toward sharing economy services.  From  the  point  of  view  of  leisure  activity,  those  people  who  are  more  open  toward  sharing  economy services are:  ‐ participating more often in a quality, active leisure activities, (average of acceptors’ group: 0.35;  average of refusers’ group: −0.22);  ‐ likely to be off during the week (average of acceptors’ group: 0.47; average of refusers’ group:  −0.3).  Based on the results, Hypothesis 3 was accepted: those people—who like to be in the community  and relax with friends—are more open toward sharing economy services. Furthermore, Hypothesis  4 was also accepted: those people who enjoy traveling and collecting experiences are more open  toward sharing services.  Concerning the pricing of products/services, those people who are more open toward sharing  economy services are:  ‐ those who can and do pay for branded and/or quality and/or environmentally friendly products,  (average of acceptors’ group: 0.46; average of refusers’ group: −0.28);  ‐ who  are  not  price‐sensitive,  do  not  search  through  promotional  ads,  (average  of  acceptors’  group: 0.07; average of refusers’ group: −0.04).  Based on these results, Hypothesis 5 was accepted: those people—who are willing to pay for  quality things—are more open toward sharing economy services.  Regarding the perception of the digital world, those people who are more open toward sharing  economy services (among Internet users) are:  ‐ those who use the Internet, consider it as a part of their daily life, and buy online (average of  acceptors’ group: 0.5; average of refusers’ group: −0.33).  Based on the results, Hypothesis 6 was accepted: those people—who believe that the digital  world is a positive thing—are more open to sharing economy services.  Taking  into  consideration  all  the  consumers’  attitudes  which  were  examined  in  the  questionnaire, we identified that the characteristics of the group of acceptors are similar and parallel  to the specific features of current megatrends. There is one interesting exception: the attitude toward  recycling is similar for both groups. The price sensitivity attitude is more typical of the refuser group,  but  this  does  not  contradict  our  basic  hypothesis,  price  sensitivity  is  not  a  feature  of  current  megatrends. The summary diagram is shown in Figure 2.  Resources 2020, 9, 1  13  of  27  0.60 0.50 0.47 0.46 0.50 0.35 0.35 0.40 Refusers 0.30 0.20 0.20 0.07 0.04 0.10 0.01 0.00 ‐0.01 ‐0.10 ‐0.05 ‐0.07 ‐0.20 ‐0.13 Acceptors ‐0.30 ‐0.23 ‐0.23 ‐0.29 ‐0.30 ‐0.40 ‐0.34 risk taking social conscious recycling quality leisure daily leisure qualitive sensitive price sensitive digital Figure 2. Different consumer attitudes versus openness toward the sharing economy, Source: Own  data collection and processing, 2017.  4.1.3. Different Types of Internet Activities versus Openness (Subgroup, Analysis among Internet  Users)  Internet  activities  could  include  simpler  or  more  complex  activities.  We  looked  at  the  relationship  between  different  Internet  activities  and  openness  (within  the  same  two  groups  of  acceptors  and  refusers).  Of  the  total  sample,  2534  used  the  Internet,  and  their  answers  were  considered in the factor analysis.  In the questionnaire, 23 questions were asked about Internet activity. From these 23 variables,  we created factors, by exploration, and there was no specified factor structure that we could confirm.  Four factors were generated and the following indices were obtained: KMO (Kaiser‐Meyer‐Olkin)  value is 0.909, which is above the expected value of 0.7, so the result is acceptable. The next item to  consider was communality, where the value of each variable was above the threshold of 0.25, so no  variables needed to be subtracted from the initial set of variables. The combined explanatory power  is 49.36%, well above the expected level of 30%, so we consider the result acceptable.  The following names were given to the resulting factors:  Internet activities for entertainment—Related to the following Internet activities: on‐line movie,  streaming of films and series; downloading of films and series; downloading music; online radio  listening; games; posts in forums.  Complex Internet activities—Related to the following Internet activities: on editing own blog;  designing your website; home‐based work; online photo hosting; on‐line web hosting; e‐learning.  Social  Internet  activities—Related  to  the  following  Internet  activities:  on  online  social  sites;  Internet chat, instant messaging programs; on‐line video sharing; Internet phones, videophone.  Browsing,  e‐mail,  purchase—Related  to  the  following  Internet  activities:  on  work‐related  or  private; browsing of websites (for information, entertainment); purchasing.  The results of the T‐tests for the factors of Internet activity:   entertainment factor (t = −10.116, df = 2112.266, p = 0.000);   complex factor (t = −3.485, df = 2152.96, p = 0.001);   social factor (t = −8.633, df = 2356.336, p = 0.000);   browse—email–purchases (t = −8.843, df = 2360, p = 0.000).  After generating and naming the factors, we examined whether there was a difference in factor  scores between acceptors and refusers. To do this, we measured the mean of each group, as before,  and looked for significant differences. The results are presented in Figure 3.  Resources 2020, 9, 1  14  of  27   entertainment factor (average of acceptors’ group: 0.2; average of refusers’ group: −0.2);   complex factor (average of acceptors’ group: 0.1; average of refusers’ group: −0.1);   social factor (average of acceptors’ group: 0.2; average of refusers’ group: −0.2);   browse–email–purchase (average of acceptors’ group: 0.2; average of refusers’ group: −0.2).  0.3 0.2 0.2 0.2 0.2 0.2 Refusers 0.1 0.1 0.1 0.0 ‐0.1 Acceptors ‐0.1 ‐0.1 ‐0.2 ‐0.2 ‐0.2 ‐0.2 ‐0.2 ‐0.3 entertainment factor complex Internet factor social Internet factor e‐mail/browsing factor Figure 3. Internet usage habits versus openness toward sharing economy, Source: Own data collection  and processing, 2017.  There is a significant difference in the means for all four variables. In each of the four cases, it  can be seen that the acceptors’ groups achieves a higher average, that is, all four activities are more  typical for the acceptors’ group. Observing the averages, it is worth pointing out that there is the  smallest difference between groups in the case of complex Internet activities. Based on these results,  Hypothesis 7 was accepted.  4.2. Logistic Regression Model  Finally, regression modeling was used to determine which of the various socio‐demographic,  attitudinal, and Internet activity characteristics had the greatest impact on openness. The use of the  Internet greatly influences the openness towards the sharing economy, therefore we used only the  population using the Internet in the regression model study.  First,  we  constructed  the  regression  models  one  by  one  in  the  following  order:  socio‐ demographic, consumer attitudes, and Internet usage patterns.  4.2.1. Socio‐Demographic Regression Model  We looked at gender, economic status, generational affiliation, settlement type, wealth segment,  education,  and  family  status.  Based  on  this,  generational  affiliation,  financial  status,  and  educational  qualification have a significant effect on openness, the results of which are also shown in Appendix  C.1. The regression model, which is based on socio‐demographic factors, has 60% explanatory power.  That is, if we know the generational affiliation, income level, and educational background, we can  determine with 60% good faith whether or not a person is open to sharing economy services. Within  the generation factor, the Baby Boomers is the least open, and the X generation twice as open (exp  (B): 2.048), the Y generation three times as open (W: 28.5, exp (B): 2.929), and the Z generation four  times as open (exp (B): 4.121) towards sharing economy services, relative to the Baby Boomers. In  terms of income level, respondents in the lowest income category are the least open, with the lower‐ middle 1.7 times, upper‐middle 1.8 times, and upper income respondents 2.6 times more open. The  third  independent  variable  in  the  case  of  socio‐demographic  factors  is  education,  which  has  a  Resources 2020, 9, 1  15  of  27  significant impact on openness. People with a primary education level are the least open, followed  by vocational graduates (exp (B): 1.532), high school graduates (exp (B): 1.986), and university or  college graduates (exP (B): 2.155). All the results are linked in Appendix C.1.  The aim of the regression model, in this case, was to find the most open target population along  with socio‐demographic factors. The results show that Generation Z people with a high income and  college education are the most open, meaning they should be targeted by various marketing tools.  4.2.2. Regression Model Based on Consumer Attitudes  In our basic research, we investigated different consumer attitudes and, from the answers given  to  a  significant  number  of  behavioral  questions,  we  identified  the  following  factors:  (1)  social  behaviors: risk‐taking factor, social factor, conscious factor, recycling factor; (2) leisure activity: daily  leisure factor and quality leisure factor; (3) attitudes related to willingness to pay: quality‐sensitive  factor and price‐sensitive factor; and (4) openness to the Internet: we have only one factor. Examined  individually, these factors showed a significant association with openness, and we now present the  results of regression modeling. The aim was to determine which factor has an effect and how strong  it is in this model. The regression model, which is based on consumer attitude factors, has 67.9%  explanatory power.  Taking into consideration all the factors, in the case of regression modeling, the following factors  show significant correlation with openness: social factor (exp(B): 1.256), product quality sensitive  factor  (exp(B):  1.271),  both  leisure  factors  (higher  quality  activities:  exp(B):  1.738,  and  simpler  activities: exp(B): 1.615), and Internet usage factor (exp(B): 1.514). This means that people who engage  in  more  leisure  time  activities  (travel,  cultural  programs,  meeting  friend,  etc.)  are  more  open  to  sharing economy services, and this is an even more important indicator than the frequency of Internet  usage. The results are linked in Appendix C.2.  4.2.3. Regression Model Based on Internet Usage Patterns  In the previous factor analysis, we obtained four different factors for analyzing Internet use  activities: (1) entertainment factor (watching movies online, downloading music, playing games); (2)  complex activity factor (own blog, website editing, e‐learning); (3) social factor (social networking  sites, video sharing); (4) email, browsing, and shopping. Based on these factors, we have found that  the more frequently respondents conduct these Internet activities, the more open they are to using  sharing economy services. According to the results of the regression model, all four factors show a  significant  correlation  with  openness.  Entertainment  factor  (exp(B)):  1.575),  social  factor  (exp(B)):  1.457),  and  e‐mail/browsing  factor  (exp(B)):  1.477)  show  similar  strong  openness.  The  regression  model, which is based on Internet usage patterns factors, has 65 % explanatory power. The detailed  results are linked in Appendix C.3.  4.2.4. Integrated Regression Model  After  examining  separately  the  socio‐demographic,  consumer  attitudes,  and  Internet  usage  patterns, we investigated which factors have the strongest effect in consideration towards sharing  economy  services.  The  explanatory  power  of  all  three  models  was  above  60%,  and  several  independent  variables  were  significant  in  each  model.  To  compare  the  effect  of  each  group  of  independent  variables,  we  built  a  large  final  model  involving  all  the  independent  variables.  The  explanatory power of the integrated regression model is 69%.  Although  in  the  first  phase,  many  demographic  factors  and  almost  all  attitude‐type  factors  significantly  explained  openness,  by  putting  all  variables  into  one  model,  we  can  see  that  demographic factors lose most of their effect, whereas attitude‐type independent variables retain it.  Overall,  it  is  more  important  to  know  people’s  attitudes  and  Internet  habits  if  we  would  like  to  estimate openness, than to know their socio‐demographic data. However, it is important to note that  the two demographic factors (generation and financial status) that remain in the final model have a  stronger impact  than attitudes  in general.  Based  on  this,  the  following factors  show a significant  Resources 2020, 9, 1  16  of  27  correlation with an openness toward the sharing economy: generation, financial status, and attitudes  toward social events, quality sensitivity factor, both leisure activities factors and frequency of Internet  usage factor. Within this, the most open target group is generation Z. Within generation Z, those who  are the more open who like to travel, go to museums, do wellness programs, and enjoy gastronomic  tours. The results are presented in Figure 4, and further detailed results are in Appendix C.4.  Figure 4. Results of the integrated logistic regression model.  5. Discussion and Conclusions  Sharing  economy  is  a  relatively  new  phenomena  and  brings  up  novelties  in  many  scientific  areas. Although we have carefully defined the hypotheses of our research and reviewed the related  literature,  our  study  has  some  limitations.  At  the  time  of  the  survey  (end  of  2017),  some  of  the  respondents had not even heard of these type of activities. In the questionnaire, we explained the  different type of services in details, but it is still possible that someone responded to their intention  to  participate  in  sharing  economy  without  fully  understanding  the  nature  of  the  services.  Furthermore, to our knowledge, there is no uniformly accepted list of consumer trends, there are  many changes that may become trends over time. The presented trends and the related attitudes have  been  arbitrarily  selected.  We  have  selected  the  trends  that  we  believe  are  currently  the  most  influential on consumer behavior.  Taking  into  consideration  the  limitation,  in  conclusion,  there  is  a  relatively  high  degree  of  openness among consumers around the use of sharing economy activities (38.4% of the Hungarian  population). Among the motivations of consumers, preference is given to low prices, which would  suggest that price‐sensitive, less well‐off consumers are the primary target group, and that they are  more open to this type of service. However, the following elements appeared among the users as  secondary motivational factors: experience gathering, digital payment opportunity, personal human  relations, and sustainability aspects. These elements drew our attention to the fact that future users  will not necessarily choose the service because of the price, but because they are more receptive to  the  present  megatrends.  In  our  national  representative  research,  we  wanted  to  support  this  hypothesis,  which  we  succeeded  in  doing.  Cross‐table  methods  were  used  to  investigate  the  correlation between openness and different socio‐demographic and attitudinal correlations. Among  other things, we found that it is not the price‐sensitive and less affluent consumers who are most  Resources 2020, 9, 1  17  of  27  open to shared services, but rather well‐off people. We also found that consumers who are more  sensitive to megatrends are more open to sharing economy services. Further, people who are more  environmentally conscious, like to spend leisure time with friends, for whom traveling is important  to them, who like to gather experience in the local community, are willing to pay for quality things,  and consider the opportunities offered by the digital world to be positive are more likely to be open  to sharing economy services. Finally, we were curious as to which of the many socio‐demographic,  attitudinal, and Internet usage habits are the key elements that truly determine who are the most  open to the sharing economy. The result of a logistic regression model showed that the strongest  determinant is the consumer’s attitude towards spending leisure time. The most open consumers are  those who spend their free time in active recreation. We distinguished between quality and simpler  forms of recreation that can be done daily. Both factors show a very strong correlation with openness.  Additionally, generational affiliation, financial status, and Internet use frequency have become the  most important determinants. That is, people of generation Z who are otherwise well‐off and who  like to spend their free time actively, and also who use the Internet more often than their peers, are  the most open segment.  In recent years, some research has been looking for which factors may influence participation in  sharing economy. Important statement that there is a gap between attitude and behavior related to  participation  in  collaborative  consumption  [43].  Hamari  et  al.  identified  that  participation  in  collaborative  consumption  is  motivated  by  many  factors  such  as  its  sustainability,  enjoyment  of  activity, and economic gains [43]. Albinson et al. identified respondents’ perceived sustainability as  the  strongest  predictor  of  participation  in  collaborative  consumption.  Further  factors  are  “trust,  generosity, risk‐seeking, materialism, power distance, long‐term orientation, and collectivism” [66].  We  have  confirmed  that  perceived  sustainability  and  the  risk‐seeking  factor  are  relevant,  and  completed  several  factors  related  to  leisure  activities’,  social  relationship’s,  price‐  and  qualitative  sensitive’s, and digital behavior’s attitudes.  Recognizing changes in consumer behavior is one of the most important factors in the long‐term  success of a company. The success of the sharing economy, among other things, can be achieved by  offering opportunities and/or solutions that attract the consumer. With Airbnb, it is worth offering  travel experiences instead of just accommodation, and sharing a community bike should be promoted  not as a means of transport, but as an opportunity to protect the environment. Our results can also  be used by companies operating in the traditional business model. There are some industries where  traditional  companies  are  threatened  by  the  sharing  economy  firms  (accommodation,  travelling,  creative agencies, financial sector, etc.). From one side, based on our results, they can identify the  most endangered segments, from the other side, they can also use some elements of the mentioned  success  factors.  There  are  already  examples  where  traditional  companies  are  taking  over  an  innovation  from  a  sharing  economy  company.  Evaluation  of  the  services  from  the  users’  side  is  already available not only at Airbnb and Uber, but currently several hotels are evaluated at least in  some market places. This is related to consumers’ empowering. Application was used firstly by Uber,  where  passenger  could  follow  the  ordered  car,  now  a  lot  of  taxi  companies  also  use  a  similar  application. This is related to the digital innovation.  In addition, one of the most important trends today is to do more to achieve a sustainable world.  Several elements of the sharing economy offer opportunities for this, and it is our responsibility to  make the most of this opportunity.  Author Contributions: Conceptualization, G.B.; data curation, G.B.; methodology G.B.; validation, G.B.; funding  acquisition,  G.B.;  formal  analysis,  G.B.  B.P.;  investigation,  G.B.;  writing—Original  draft  preparation  G.B.;  writing—Review and editing, G.B. B.P.; visualization, G.B.; supervision, J.L. All authors have read and agreed  to the published version of the manuscript.  Funding: This research received no external funding.  Acknowledgments: The authors wish to express their gratitude to the Szent István University for providing  access to the necessary databases (e.g., Scopus). The authors are grateful to Manolisz Karajánnisz for valuable  contributions to the questionnaire. The authors are grateful to Magyar Telekom Ltd. for the contribution of the  questionnaire.  Resources 2020, 9, 1  18  of  27  Conflicts of Interest: The authors declare no conflict of interest.  Appendix A  Table A1. Socio‐Demographic Data of Representative Sample, Total Base, 3520 and Internet User  Base, 2513.  Total Base (3520)  Internet Users (2513)  Gender  Frequency  Percent  Frequency  Percent  Man  1660  47.1  1225  48.7  Woman  1860  52.9  1289  51.3  Total  3520  100  2513  100  Family  Frequency  Percent  Frequency  Percent  Family  1259  35.8  1112  44.2  Non‐family  2261  64.2  1402  55.8  Total  3520  100  2513  100  Economic Status  Frequency  Percent  Frequency  Percent  Active workers  1977  56.2  1742  69.3  Retired  981  27.9  296  11.8  Students  301  8.6  300  11.9  Inactive  261  7.4  176  7.0  Total  3520  100  2513  100  Education Level  Frequency  Percent  Frequency  Percent  Primary school  750  21.3  333  13.2  Secondary school  937  26.6  604  24.0  High school  1120  31.8  942  37.5  University  712  20.2  635  25.2  Total  3520  100  2513  100  Residence  Frequency  Percent  Frequency  Percent  Capital (Budapest)  750  21.3  469  18.6  County seats  937  26.6  563  22.4  Other towns  1120  31.8  819  32.6  Municipality  712  20.2  662  26.4  Total  3520  100  2513  100  Financial Status  Frequency  Percent  Frequency  Percent  Lower  705  20.0  324  12.9  Lower‐middle  719  20.4  392  15.6  Upper‐middle  1387  39.4  1158  46.1  Upper  710  20.2  639  25.4  Total  3520  100  2513  100  Generation  Frequency  Percent  Frequency  Percent  Z (14–25)  550  15.6  529  21.1  Y (26–39)  776  22.0  713  28.4  X (40–59)  1135  32.3  922  36.7  Baby Boomers (60+  1059  30.1  349  13.9  Total  3520  100  2513  100  Appendix B. Questionnaire  Q In the Following, I Would Like to Ask if You Have Heard of Certain Types of Services. So, Have You Heard of the Possibility  1  that...?  Q What Do You Think, if You Needed such a Service and It Was Available to You, Would You Use It? Or Have You Already Used  2  such a Service?  Q1 Have you heard     Q2 Would you use it?  of it?  Resources 2020, 9, 1  19  of  27  may  definitely  may  definitely  N Already     Yes  No  NA  be  yes  be no  no  A  used it  yes  … Instead of a hotel room you can take a  private apartment/room directly from the  1  2  1  9  4  3  2  1  9  8  owner (e.g., Airbnb, San Francisco, CA,  USA)  ...transported within the city by a private  individual instead of a taxi for a favorable  2  2  1  9  4  3  2  1  9  8  pricing (e.g., Uber, San Francisco, CA,  USA)  ...carpooling allows you to enter empty  spaces of others while traveling from one to  3  another city for an agreed fee. (e.g., Oszkar,  2  1  9  4  3  2  1  9  8  Budapest, Hungary; BlaBlaCar, Paris,  France)  ….renting an electric car, using the  system’s own cars for a fee, then parking it  4  2  1  9  4  3  2  1  9  8  and leaving it to someone else (e.g.,  GreenGo, Budapest, Hungary);  ...possibility to use shared bike within the  5  2  1  9  4  3  2  1  9  8  city” (e.g., MOL BUBI, Budapest, Hungary)  ...Lending or borrowing household items  (lawn mowers, bicycles, toys, etc.) to  6  2  1  9  4  3  2  1  9  8  members of an on‐line community (e.g.,  miutcank.hu, Budapest, Hungary)  Now I Read Statements that Others Have Made about Themselves. To What Extent Do You Agree with  These Statements?  There Is No Good Answer or Bad Answer, We Are Curious about Your Opinion. Please Respond Using  the Statements on the Card.  I  I’d  I Agree  Don’t  I rather  I totally  Completely  Rather  and  Know/No  Disagree  Disagree  Agree  Agree  Disagree  Answer  I always want to feel  5  4  3  2  1  9  myself in safe.  I like to take risks.  5  4  3  2  1  9  It is important for me to  stand out from the crowd  5  4  3  2  1  9  and get noticed.  I’m conscious of my health.  5  4  3  2  1  9  I am willing to pay for  home cleaning to make my  5  4  3  2  1  9  life more comfortable.  I have to be very sick to go  5  4  3  2  1  9  to a doctor.  I like to spend most of my  5  4  3  2  1  9  free time at home.  It’s important for me to fit  5  4  3  2  1  9  in with my friends.  I can’t stand the mess at  5  4  3  2  1  9  home.  It is worth the extra effort  to be environmentally  5  4  3  2  1  9  conscious.  I like meeting new people.  5  4  3  2  1  9  I do not always want new  things, many times buying  5  4  3  2  1  9  used product.  What I no longer need, but  still usable, I sell or give  5  4  3  2  1  9  away.  Resources 2020, 9, 1  20  of  27  I like to help other people,  5  4  3  2  1  9  even unknown people.  1–3  Several  Once  How often Do You  Several  Once  Yearly or  Don’t  Times  Times  per  Q4  Do These Leisure  Times a  a  Less  Never  Know/No  per  per Half  Half  Activities?  Week  Week  Frequently  Answer  Month  a Year  Year  party in club,  1  1  2  3  4  5  6  7  9  disco, etc.  Travel or vacation  2  1  2  3  4  5  6  7  9  abroad  Visit to a museum,  3  1  2  3  4  5  6  7  9  exhibition  Meeting, chatting  4  1  2  3  4  5  6  7  9  with friends  Wellness programs  5  (e.g., sauna,  1  2  3  4  5  6  7  9  massage)  Cooking for  gastronomic  6  1  2  3  4  5  6  7  9  purposes (so no  housework!)  Computer activity  (games, social  7  networking on  1  2  3  4  5  6  7  9  Internet, viewing  emails, browsing)  8  E‐book reading  1  2  3  4  5  6  7  9  Now I Read Statements that  Others Have Made about  I  I’d  I Agree  Don’t  I rather  I totally  Q5  Brands and Products. How  Completely  rather  and  Know/No  Disagree  Disagree  Much Do You Agree with the  Agree  Agree  Disagree  Answer  Following Statement?  I am willing to pay more for a  1  product that is specifically  5  4  3  2  1  9  tailored to my needs.  I always know what’s new and  2  5  4  3  2  1  9  cool.  I’m happy to pay more for  3  environmentally friendly  5  4  3  2  1  9  products.  When shopping, I compare  4  product prices and look for a  5  4  3  2  1  9  really good deal.  I always choose the cheaper  5  5  4  3  2  1  9  product.  Price is more important than  6  5  4  3  2  1  9  brand name.  A brand name alone tells a lot  7  5  4  3  2  1  9  about a product or service.  When shopping, I compare  8  product prices and look for a  5  4  3  2  1  9  really good deal.  I’d love to pay more for better  9  5  4  3  2  1  9  quality.  I can only trust the leading  10  5  4  3  2  1  9  brands.  Now I Read Statements that  I  I’d  I Agree  Don’t  I rather  I totally  Q6  Others Have Made about  Completely  rather  and  Know/No  Disagree  Disagree  Themselves. To What Extent Do  Agree  Agree  Disagree  Answer  Resources 2020, 9, 1  21  of  27  You Agree with These Statements?  There Is No Good Answer or Bad  Answer, We Are Curious about  Your Opinion. Please Respond  Using the Statements on the Card  I try to be the first to try the latest  5  4  3  2  1  9  1  developments.  The computer is not for me.  5  4  3  2  1  9  2  I can’t even imagine life without the  5  4  3  2  1  9  3  Internet.  On the Internet, one expresses  5  4  3  2  1  9  4  himself more easily than in reality.  I always prefer online shopping.  5  4  3  2  1  9  5  In the Following, I Ask about Internet Usage Habits, Regardless of the Device (Computer,  Q7  Smartphone, Tablet) or Where the Internet Is. How often Have You Been Online in the Last  Month?  1  every day  2  several times a week  3  once a week  4  once or twice a month  5  did not use the Internet  9  don’t know/no answer  Do You Use the Internet for Any of the Following Purposes on a Regular  Don’t Know/No  Q8  Yes  No  Basis?  Answer  1  Browse websites (for information, entertainment)  2  1  9  2  Internet chat, instant messaging programs  2  1  9  3  Internet telephony/video telephone  2  1  9  4  Online Video Share Platforms (e.g., YouTube, San Bruno, CA, USA)  2  1  9  5  Online social networking sites (Facebook, Snapchat)  2  1  9  6  Watching Online TV  2  1  9  Watching movies online, watching episodes when you don’t have to  7  2  1  9  download a movie  8  Online watching/streaming of movies, series  2  1  9  9  Private e‐mail  2  1  9  10  Work‐related e‐mail  2  1  9  11  E‐learning  2  1  9  12  download of movies, series  2  1  9  13  download music  2  1  9  14  posts in forums  2  1  9  15  editing your own website  2  1  9  16  edit your own blog  2  1  9  17  online web storage (e.g., Google drive, Dropbox, OneDrive)  2  1  9  18  Online photo storage  2  1  9  19  Homeworking  2  1  9  20  Participation in distance learning  2  1  9  21  Online shopping  2  1  9  22  Listening online radio  2  1  9  23  Game  2  1  9  Resources 2020, 9, 1  22  of  27  Respondents Data  1  What is your gender?  Man  Woman  2  Date of birth  3/1  Family status  Unmarried  Married  Divorced  Widow  3/2  Do you have a child?  Yes, under 18  Yes, above 18  No  4  Educational level  Primary school  Vocational school  Grammar school  College or university  Don’t know/no answer  5  Economic status  Active workers  Students  Retired  Inactive   Don’t know/no answer  6  Place of residence  Capital (Budapest)  County seats  Other town  Municipality  Other  7  Financial income  7/1  Net income  Amount  Don’t know/no answer  7/2  How do you feel financially?  They live without problems  They have to split the salary, but you get along well  They are coming out of their monthly income  Month after month they have financial problems  Don’t know/no answer  7/3  Do you have car?  Yes  No  Don’t know/no answer  Appendix C  Appendix C.1. Results of Regression Modeling of Socio‐Demographic Characteristics versus Openness to the  Sharing Economy, Own Editing  Regression Model of Socio‐Demographic Data  B  S.E.  Wald  df  Sig.  Exp(B)       Baby Boomers  34.58  3.00  0.00  X generation  0.72  0.20  13.35  1.00  0.00  2.05  Y generation  1.07  0.20  28.56  1.00  0.00  2.93  Resources 2020, 9, 1  23  of  27  Z generation  1.42  0.35  15.95  1.00  0.00  4.12       Capital  12.04  3.00  0.01  County seats  0.28  0.13  4.40  1.00  0.04  1.32  Other towns  0.08  0.12  0.39  1.00  0.53  1.08  Municipality −0.14  0.13  1.12  1.00  0.29  0.87       Lower  40.66  3.00  0.00  Lower‐middle  0.53  0.16  11.18  1.00  0.00  1.71  Upper‐middle  0.64  0.14  21.07  1.00  0.00  1.89  Upper  0.96  0.15  40.22  1.00  0.00  2.61  Gender  0.00  0.08  0.00  1.00  0.97  1.00       Primary school  19.45  3.00  0.00  Secondary school  0.43  0.20  4.68  1.00  0.03  1.53  High school  0.69  0.19  12.82  1.00  0.00  1.99  University  0.77  0.20  14.47  1.00  0.00  2.15  Family  0.15  0.09  2.69  1.00  0.10  1.17       Active workers  2.69  3.00  0.44  Retired  0.00  0.20  0.00  1.00  0.98  1.00  Students  0.33  0.20  2.69  1.00  0.10  1.39  Unemployment  0.04  0.17  0.04  1.00  0.84  1.04  Appendix C.2. Results of Regression Modeling of Consumer Attitudes versus Openness to the Sharing  Economy, Own Editing  Factors  B  S.E.  Wald  df  Sig.  Exp(B)  Risk taking −0.06  0.06  1.31  1.00  0.25  0.94  Social  0.23  0.06  14.04  1.00  0.00  1.26  Conscious  0.05  0.05  0.99  1.00  0.32  1.06  Recycling  0.09  0.05  3.13  1.00  0.08  1.09  Daily leisure   −0.55  0.06  96.34  1.00  0.00  0.58  Quality leisure −0.48  0.07  47.41  1.00  0.00  0.62  Quality sensitive  0.24  0.07  10.66  1.00  0.00  1.27  Price sensitive −0.09  0.06  2.80  1.00  0.09  0.91  Digital attitude  0.41  0.08  26.29  1.00  0.00  1.51  Appendix C.3. Results of Regression Modeling of Internet Usage Patterns versus Openness to the Sharing  Economy, Own Editing  Factors  B  S.E.  Wald  df  Sig.  Exp(B)  Entertainment  0.45  0.05  97.22  1.00  0.00  1.57  Complex  0.17  0.05  12.25  1.00  0.00  1.18  Social  0.38  0.04  73.62  1.00  0.00  1.46  E‐mail/browsing  0.39  0.04  77.42  1.00  0.00  1.48  Appendix C.4. Results of Integrated Regression Modeling      B  S.E.  Wald  df  Sig.  Exp(B)       Baby Boomers  6.292  3.000  0.098  X  0.394  0.235  2.821  1.000  0.093  1483  Generation  Y  0.501  0.245  4.177  1.000  0.041  1651  Socio‐ Z  1.044  0.441  5.620  1.000  0.018  2842  demographic       Budapest  4.238  3.000  0.237  factors  County seat  0.225  0.160  1.969  1.000  0.161  1.253  Settlement  Another town  0.101  0.153  0.431  1.000  0.512  1.106  Municipality −0.052  0.164  0.099  1.000  0.753  0.950  Resources 2020, 9, 1  24  of  27       Lower  5.692  3.000  0.128  Financial  Lower‐middle  0.392  0.193  4.115  1.000  0.043  1.480  situation  Upper‐middle  0.228  0.170  1.809  1.000  0.179  1.257  Upper  0.074  0.189  0.154  1.000  0.695  1.077  Gender  Gender −0.021  0.107  0.040  1.000  0.842  0.979       Primary school  3.759  3.000  0.289  Secondary school  0.354  0.242  2.134  1.000  0.144  1.425  Education  High school  0.465  0.243  3.668  1.000  0.055  1.592  University  0.406  0.259  2.458  1.000  0.117  1.501  Family status  Family status  0.002  0.113  0.000  1.000  0.988  1.002       Active workers  0.451  3.000  0.929  Retired  0.086  0.252  0.118  1.000  0.732  1.090  Economic  status  Students  0.018  0.246  0.005  1.000  0.943  1.018  Unemployment  0.124  0.204  0.367  1.000  0.545  1.132      B  S.E.  Wald  df  Sig.  Exp(B)  Risk taking −0.039  0.062  0.384  1.000  0.535  0.962  Social  Social  0.229  0.065  12.428  1.000  0.000  1.257  behavior  Conscious −0.003  0.060  0.002  1.000  0.961  0.997  Recycling  0.066  0.054  1.466  1.000  0.226  1.068  Consumers  Quality sensitive  0.252  0.078  10.324  1.000  0.001  1.287  attitude  Income  Price sensitivity −0.012  0.060  0.043  1.000  0.836  0.988  factors  Quality  0.184  0.092  3.945  1.000  0.000  1.664  Leisure time  Simpler, daily  0.509  0.064  64.180  1.000  0.000  1.358  Frequently of Internet  Internet usage  0.306  0.078  15.417  1.000  0.047  1.202  usage      B  S.E.  Wald  df  Sig.  Exp(B)  Entertainment  0.283  0.056  25.832  1.000  0.000  1.327  Complex  0.008  0.057  0.020  1.000  0.888  1.008  Internet  Internet  usage  Social  0.207  0.056  13.740  1.000  0.000  1.230  type  factors  E‐mail,  browse,  0.145  0.057  6.550  1.000  0.010  1.156  purchase  References  1. Sundararajan, A. Commentary: The Twilight of Brand and Consumerism? Digital Trust, Cultural Meaning,  and the Quest for Connection in the Sharing Economy. J. Mark. 2019, 83, 32–35.  2. Bagozzi, R.P. Marketing as an Organized Behavioral System of Exchange: A comprehensive and analytic  structure for interpreting behavior in marketing relationships. J. Mark. 1974, 38, 77–81.  3. Eckhardt,  G.M.;  Houston,  M.B.;  Jiang,  B.;  Lamberton,  C.;  Rindfleisch,  A.;  Zervas,  G.  Marketing  in  the  Sharing Economy. J. Mark. 2019, 83, 5–27.  4. Chen, Y.; Wang, L. Commentary: Marketing and the Sharing Economy: Digital Economy and Emerging  Market Challenges. J. Mark. 2019, 83, 28–31.  5. Zervas, G.; Proserpio, D.; Byers, J.W. The Rise of the Sharing Economy: Estimating the Impact of Airbnb on  the Hotel Industry. J. Mark. Res. 2017, 54, 687–705.  6. Wallsten, S. The Competitive Effects of the Sharing Economy: How is Uber Changing Taxis? Technol. Policy  Inst. 2015, 22, 1–21.   7. Belleflamme, P.; Lambert, T.; Schwienbacher, A. Crowdfunding: Tapping the right crowd. J. Bus. Ventur.  2014, 29, 585–609.  8. Reisch,  L.A.;  Thogersen,  J.  Handbook  of  Research  on  Sustainable  Consumption;  Edward  Elgar  Publishing:  Cheltenham, UK, 2015; ISBN 978‐1‐78347‐127‐0.  9. Wang, Y.; Xiang, D.; Yang, Z.; Ma, S. Unraveling customer sustainable consumption behaviors in sharing  economy: A socio‐economic approach based on social exchange theory. J. Clean. Prod. 2019, 208, 869–879.  10. Heinrichs, H. Sharing Economy: A Potential New Pathway to Sustainability. Gaia 2013, 22, 228–231.  11. Fogarassy,  C.;  Horvath,  B.;  Magda,  R.  Business  Model  Innovation  as  a  Tool  to  Establish  Corporate  Sustainability. Visegr. J. Bioecon. Sustain. Dev. 2017, 6, 50–58.  Resources 2020, 9, 1  25  of  27  12. Leismann, K.; Schmitt, M.; Rohn, H.; Baedeker, C. Collaborative Consumption: Towards a Resource‐Saving  Consumption Culture. Resources 2013, 2, 184–203.  13. Singh, J.; Laurenti, R.; Rajib, S.; Frostell, B. Progress and challenges to the global waste management system.  Waste Manag. Res. 2014, 32, 800–812.  14. Kasriel‐Alexander, D. Top 10 Global Consumer Trends for 2017; Euromonitor International: London, UK, 2017;  p. 50.  15. Flatters, P.; Willmott, M. Understanding the Post‐Recession Consumer. Harv. Bus. Rev. 2009, 87, 106–112.  16. Ellison,  N.B.;  Lampe,  C.;  Steinfield,  C.  Social  Network  Sites  and  Society:  Current  Trends  and  Future  Possibilities. Interactions 2009, 16, 6.  17. Sharing  or  Paring?  Growth  of  the  Sharing  Economy.  2015.  Available  online:  https://www.pwc.com/hu/en/kiadvanyok/assets/pdf/sharing‐economy‐en.pdf  (accessed  on  1  December  2019.).  18. Botsman, R.; Rogers, R. What’s Mine Is Yours: How Collaborative Consumption Is Changing the Way We Live;  Collins: London, UK, 2011; Volume 5.  19. Gansky, L. The Mesh—Why the Future of Business Is Sharing; Penguin Group: New York, NY, USA, 2012.  20. Bardhi, F.; Eckhardt, G.M. Access‐Based Consumption: The Case of Car Sharing. J. Consum. Res. 2012, 39,  881–898.  21. Friedman, T.L. Opinion|Welcome to the ‘Sharing Economy’. The New York Times, 20 July 2013.  22. Curtis, S.K.; Lehner, M. Defining the Sharing Economy for Sustainability. Sustainability 2019, 11, 567.  23. Fogarassy,  C.;  Horvath,  B.;  Borocz,  M.  The  Interpretation  of  Circular  Priorities  to  Central  European  Business Environment with Focus on Hungary. Visegr. J. Bioecon. Sustain. Dev. 2017, 6, 2–9.  24. Codagnone, C.; Martens, B. Scoping the Sharing Economy: Origins, Definitions, Impact and Regulatory Issues;  Social Science Research Network: Rochester, NY, USA, 2016.  25. Frenken, K.; Schor, J. Putting the sharing economy into perspective. Environ. Innov. Soc. Transit. 2017, 23, 3– 10.  26. Lombardi, P.; Schwabe, F. Sharing economy as a new business model for energy storage systems. Appl.  Energy 2017, 188, 485–496.  27. Piscicelli,  L.;  Ludden,  G.D.S.;  Cooper,  T.  What  makes  a  sustainable  business  model  successful?  An  empirical comparison of two peer‐to‐peer goods‐sharing platforms. J. Clean. Prod. 2018, 172, 4580–4591.  28. Illés,  C.;  Nosratabadi,  S.;  Dunay,  A.  Business  models  in  theory  and  practice.  In  Proceedings  of  the  ICUBERD, Book of Papers, Pécs, Hungary, 30 November–1 December 2017.  29. Horvath, B.; Khazami, N.; Ymeri, P.; Fogarassy, C. Investigating the current business model innovation  trends in the biotechnology industry. J. Bus. Econ. Manag. 2019, 20, 63–85.  30. Interian, J. Up in the Air: Harmonizing the Sharing Economy through Airbnb Regulations. Intʹl Comp. L.  Rev. 2016, 39, 35.  31. Allen, D.; Berg, C. The Sharing Economy, How Over‐Regulation Could Destroy an Economic Revolution.  Available  online:  https://collaborativeeconomy.com/research/the‐sharing‐economy‐how‐over‐regulation‐ could‐destroy‐an‐economic‐revolution/ (accessed on 16 October 2019).  32. Koopman, C.; Mitchell, M.; Thierer, A. The Sharing Economy and Consumer Protection Regulation: The  Case for Policy Change. SSRN Electron. J. 2014, 8, 529.  33. Ranchordas, S. Does Sharing Mean Caring? Regulating Innovation in the Sharing Economy. Minn. J. L. Sci.  Tech. 2015, 16, 413.  34. Friedman, G. Workers without employers: Shadow corporations and the rise of the  gig economy.  Rev.  Keynes. Econ. 2014, 2, 171–188.  35. Green, D.; Walker, C.; Alabulththim, A.; Smith, D.; Phillips, M. Fueling the Gig Economy: A Case Study  Evaluation of Upwork.com. Manag. Econ. Res. J. 2018, 4, 104.  36. Lehdonvirta, V. Flexibility in the Gig Economy: Managing Time on Three Online Piecework Platforms. New  Technol. Work Employ. 2018, 33, 13–29.  37. Garben,  S.;  European  Agency  for  Safety  and  Health  at  Work.  Protecting  Workers  in  the  Online  Platform  Economy: An Overview of Regulatory and Policy Developments in the EU; EU‐OSHA: Bilbao, Spain, 2017; ISBN  978‐92‐9496‐642‐1.  38. Kalleberg,  A.L.;  Dunn,  M.  Good  Jobs,  Bad  Jobs  in  the  Gig  Economy.  Available  online:  http://michael‐ dunn.org/wp‐content/uploads/2017/05/ALK‐MD.‐JQ‐in‐Gig‐Economy.pdf (accessed on 16 October 2019).  Resources 2020, 9, 1  26  of  27  39. Bahrami, P.; Nosratabadi, S.; Illés, C. Role of Intellectual Capital in Corporate Entrepreneurship. Calitatea  2016, 17, 111.  40. Fogarassy, C.; Szabo, K.; Poor, J. Critical issues of human resource planning, performance evaluation and  long‐term development on the central region and non‐central areas: Hungarian case study for investors.  Int. J. Eng. Bus. Manag. 2017, 9, 1847979016685338.  41. Liedtke, C.; Hasselkuß, M.; Welfens, M.J.; Nordmann, J.; Baedeker, C. Transformation Towards Sustainable  Consumption: Changing Consumption Patterns Through Meaning in Social Practices. In Proceedings of  the 4th International Conference on Sustainability Transitions (IST 2013), Zürich, Switzerland, 18–21 June  2013; p. 29.  42. Liedtke,  C.;  Baedeker,  C.;  Hasselkuß,  M.;  Rohn,  H.;  Grinewitschus,  V.  User‐integrated  innovation  in  Sustainable  LivingLabs:  An  experimental  infrastructure  for  researching  and  developing  sustainable  product service systems. J. Clean. Prod. 2015, 97, 106–116.  43. Hamari,  J.;  Sjöklint,  M.;  Ukkonen,  A.  The  sharing  economy:  Why  people  participate  in  collaborative  consumption. J. Assoc. Inf. Sci. Technol. 2016, 67, 2047–2059.  44. Möhlmann,  M.  Collaborative  consumption:  Determinants  of  satisfaction  and  the  likelihood  of  using  a  sharing economy option again. J. Consum. Behav. 2015, 14, 193–207.  45. Schor,  J.B.  Debating  the  Sharing  Economy.  Available  online:  https://greattransition.org/publication/debating‐the‐sharing‐economy (accessed on 18 November 2019).  46. MEGATRENDS.  Trend  Inspiráció.  Available  online:  https://www.trendinspiracio.hu/megatrends/  (accessed on 14 December 2019).  47. Cheng, L.; Counts, S.J.; Fisher, D.A.; Affronti, M.A.; Smith, M.A. Performance of a Social Network; Microsoft  Corporation: Redmond, WA, US, 2010.  48. Prahalad, C.K.; Ramaswamy, V. Co‐creation experiences: The next practice in value creation. J. Interact.  Mark. 2004, 18, 5–14.  49. Evans, P.; Wurster, T.S. Getting Real About Virtual Commerce. Harv. Bus. Rev. 1999, 77, 84–98.  50. Lorenzo‐Romero, C.; Cordente‐Rodríguez, M.; Alarcón‐del‐Amo, M.‐C. Open Collaboration as Marketing  Transformation Strategy in Online Markets: The Case of the Fashion Sector. Resources 2019, 8, 167.  51. Maslow, A. Self‐Actualization and Beyond. Available online: https://eric.ed.gov/?id=ED012056 (accessed  on 15 November 2019).  52. Maslow, A.H. Motivation and Personality; Harper and Row Publisher Inc.: New York, NY, USA, 1970.  53. Chang, T.‐Y.; Horng, S.‐C. Conceptualizing and measuring experience quality: The customer’s perspective.  Serv. Ind. J. 2010, 30, 2401–2419.  54. Carù, A.; Caru, A.; Cova, B. Consuming Experience; Routledge: Abingdon, UK, 2007; ISBN 978‐0‐415‐38243‐ 4.  55. Uriely, N. The Tourist Experience: Conceptual Developments. Ann. Tour. Res. 2005, 32, 199–216.  56. Report  of  the  World  Commission  on  Environment  and  Development:  Our  Common  Future.  Available  online:  http://netzwerk‐n.org/wp‐content/uploads/2017/04/0_Brundtland_Report‐1987‐ Our_Common_Future.pdf (accessed on 22 November 2019).  57. Elkington,  J.  Partnerships  from  cannibals  with  forks:  The  triple  bottom  line  of  21st‐century  business.  Environ. Qual. Manag. 1998, 8, 37–51.  58. French, S.; Rogers, G. Understanding the LOHAS Consumer: The Rise of Ethical Consumerism. Available  online:  http://www.fusbp.com/wp‐content/uploads/2010/10/UNDERSTANDING‐THE‐LOHAS‐ CONSUMER.pdf (accessed on 17 November 2019).  59. Amberg, N.; Fogarassy, C. Green Consumer Behavior in the Cosmetics Market. Resources 2019, 8, 137.  60. Hagman, J.; Ritzén, S.; Janhager Stier, J.; Susilo, Y. Total cost of ownership and its potential implications for  battery electric vehicle diffusion. Res. Transp. Bus. Manag. 2016, 18, 11–17.  61. Pirani,  E.;  Secondi,  L.  Eco‐Friendly  Attitudes:  What  European  Citizens  Say  and  What  They  Do.  Int.  J.  Environ. Res. 2011, 5, 67–84.  62. Aliber, R.Z.; Click, R.W. Readings in International Business: A Decision Approach; MIT Press: Cambridge, MA,  USA, 1993; ISBN 978‐0‐262‐51066‐0.  63. Theobald, W.F. Global Tourism, 3rd ed.; Elsevier‐Science: Amsterdam, The Netherlands, 2004; ISBN 0‐7506‐ 7789‐9.  64. Buda, G.; Lehota, J. The spreading of sharing economy and its impact on customers’ behaviour. Acta Carolus  Robertus 2016, 6, 44–59.  Resources 2020, 9, 1  27  of  27  65. Roderick, L. Airbnb’s Marketing Boss on Polarising Brands, Mass Tourism and Why It Wants to Offer a  “Complete  Experiential  Proposition”.  Available  online:  https://www.marketingweek.com/airbnb‐takes‐ on‐mass‐tourism‐as‐it‐expands‐to‐offer‐travellers‐more‐than‐just‐a‐home/ (accessed on 16 October 2019).  66. Albinsson, P.; Perera, B.; Nafees, L.; Burman, B. Collaborative Consumption Usage in the US and India: An  Exploratory Study. J. Mark. Theory Pract. 2019, 27, 390–412.  © 2019 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access  article distributed under the terms and conditions of the Creative Commons Attribution  (CC BY) license (http://creativecommons.org/licenses/by/4.0/). 

Journal

ResourcesMultidisciplinary Digital Publishing Institute

Published: Dec 27, 2019

There are no references for this article.