MétaCan
Menu
Retour à la cohorte
Enregistrement W1965948174 · doi:10.5430/ijba.v3n6p101

Attractiveness Factors Influencing Shoppers’ Satisfaction, Loyalty, and Word of Mouth: An Empirical Investigation of Saudi Arabia Shopping Malls

2012· article· en· W1965948174 sur OpenAlexvenueno aff
Alaeddin Ahmad

Notice bibliographique

RevueInternational Journal of Business Administration · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttractivenessAdvertisingWord of mouthBusinessMarketingProduct (mathematics)Nonprobability samplingService qualityLoyaltyVariety (cybernetics)Quality (philosophy)Service (business)EntertainmentSample (material)Shopping mallCustomer satisfactionPsychologyComputer scienceMathematicsSociologyPopulation

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to investigate the attractiveness factors influencing shoppers’ satisfaction, loyalty, and word of mouth in Saudi shopping mall centers. The independent variables were attractiveness factors represented by these variables namely aesthetic, convenience and accessibility, product variety, entertainment, and service quality. The dependent variables were shopper satisfaction, loyalty and WOM. A structured questionnaire was distributed to a sample of 600 shopping mall customers, representing all of the shopping malls shoppers in the city of Jeddah, Saudi Arabia. A purposive sampling technique was employed in this research. The multiple regression analysis showed the impact of shopping malls attractiveness factors on the shopper satisfaction. The attractiveness factors aesthetic, convenience and accessibility, product variety, entertainment, and service quality, had a positive effect on Saudi shopping mall shoppers’. The most significant factor was product variety. This research potentially contributes to shopping malls attractiveness factors and their impact on shoppers’ satisfaction in shopping malls of Saudi Arabia.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,321
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), 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

Citations89
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetConsumer Retail Behavior StudiesTravaux en français237 207