The effect of service employees' competence on financial institutions' image: benevolence as a moderator variable
Notice bibliographique
Résumé
Purpose The purpose of this study is to investigate the contribution of benevolence as a moderator variable that enhances the effect of service employees' competence on the customer's perception of a service firm's image. Design/methodology/approach A hierarchical multiple regression analysis was performed on data collected from 445 customers in a financial service setting to assess the influence of competence and benevolence, as well as their interactive effects on corporate image. Findings The results show a significant interaction between competence and benevolence in their influence on corporate image. The results reinforce the idea that benevolence intervenes as a moderator variable that enhances the impact of competence on corporate image. Research limitations/implications The study has limited generalisation given the convenient sample and the great variety of service industries. The efficacy of the direct measures and the hierarchical multiple regression must be considered. It would be helpful to realise similar studies in other service settings by using multidimensional scales of competence, benevolence and corporate image. Practical implications Service firms should not only highlight the role of the service employees' expertise but also their attitude and behaviour during the service encounter in a manner so as to increase the customer's trust in the firm's capability, to satisfy his/her needs and to enhance the firm's image. Originality/value The present study contributes specifically to understanding how major characteristics of service employees can influence the assessment of corporate image by consumers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».