Customer Loyalty Differences between Captive and Choice Transit Riders
Notice bibliographique
Résumé
Traditionally, efforts to increase the customer base of public transportation agencies have focused primarily on attracting first-time users. Customer retention, however, has many benefits not often realized. Loyal customers provide recommendations to others, increase and diversify their use of the service, and do not require acquisition costs associated with new customers. An earlier study identified key drivers of customer loyalty, with the Chicago Transit Authority (CTA) in Illinois as a case study. A customer loyalty model was created with service value, service quality, customer satisfaction, problem experience, and perception of CTA as constructs. The present study examined customer loyalty differences of captive and choice riders. Captive riders had no viable travel alternatives and might have continued to use transit even if unhappy with service. Choice riders chose to use transit after they compared travel options and might have switched to an alternative if service degraded. Captive riders reported experiencing more problems and were more sensitive to problems; each additional problem brought significant drops in service quality ratings. Captive riders tolerated problems and continued to use transit but showed discontent through their ratings of service quality. Service value was insignificant in captive riders’ loyalty decisions because cost–benefit analysis defined service value as irrelevant to them. The relationship between perceptions of CTA and of service quality was stronger for choice riders. If they began the service with high opinions of the transit agency, they were much more likely to have high ratings of service quality than were captive riders.
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 | 0,006 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».