Retaining customers through relationship quality: a services business marketing case
Notice bibliographique
Résumé
Purpose This paper seeks to explore customer‐perceived relationship quality in a B2B setting, and to propose a conceptual model for this construct. Design/methodology/approach An instrumental single case study design is adopted, and Eisenhardt's case study method for theory development is used to collect and analyse data from 55 different customer companies. Findings The research identifies a list of 208 components that are important to customers' relationship quality perceptions. These are grouped into seven parsimonious dimensions, which are assembled into a conceptual model. The IMP Group's relationship substance framework, composed of actor bonds, resource ties and activity links is built upon and expanded by adding four new dimensions: competitive position, external association, relationship impact, and situational factors. Together, these dimensions successfully encapsulate the items that customers within this study identify as important when evaluating the quality of their relationships with their service provider. Research limitations/implications Though the case study design used potentially limits the generalisability of findings, it is believed that the proposed model does have a wider resonance in terms of helping both academics and practitioners to understand relationship quality. Practical implications Because customer relationships (and the benefits derived from them) are difficult to duplicate, these may be a source of competitive advantage for firms. Managing these relationships, as well as their quality, emerges as a point of competitive distinction. Originality/value To one's knowledge, there is no published paper that provides a conceptual model of relationship quality using the customer's perspective in a B2B setting. It is believed that the research makes a significant contribution in terms of filling this gap in the knowledge.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».