MétaCan
Menu
Retour à la cohorte
Enregistrement W1441893441 · doi:10.1080/13527266.2015.1054859

Creating the right customer experience online: The influence of culture

2015· article· en· W1441893441 sur OpenAlexaff
Saeed Shobeiri, Ebrahim Mazaheri, Michel Laroche

Notice bibliographique

RevueJournal of Marketing Communications · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensLaurentian UniversityConcordia UniversityUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésExperiential learningContext (archaeology)MarketingHofstede's cultural dimensions theoryAdvertisingConsumption (sociology)BusinessPsychologySociologySocial psychologyGeographySocial sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

The effective role of experiential marketing in the differentiation of brands has been documented in both traditional and online services. The digital context of e-retailing makes it both a suitable platform for experiential consumption and an easily accessible shopping method across cultures. In spite of this, investigation of the impacts of cultural differences on the desire for experiential benefits has been very limited in the e-retailing literature. Using Hofstede's (2001) cultural dimensions, this article studies how two student samples of North American and Chinese customers react differently to the experiential values offered on the websites of e-retailing services. The findings support our hypotheses and suggest that offering experiential values on a company's website is more influential for North American than for Chinese customers. More specifically, the influences of experiential values on site involvement and customers' patronage intentions are stronger for North Americans than for Chinese visitors. On the other hand, the impacts of site involvement on site attitudes and the influence of site attitudes on patronage intentions are stronger for Chinese compared with North American customers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,048
Tête enseignante GPT0,313
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing CommunicationsMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207