How customers respond to the assistive intent of an E-retailer?
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to investigate how an E-retailer's assistive intent impacts the perceptions and behaviours of online shoppers. The paper introduces a model that explains and examines the process through which the perceived assistive intent of an E-retailer leads to improved patronage intentions towards the web site. Design/methodology/approach – A survey on the most recent e-purchase experiences of more than 600 individuals in North America was conducted. Structural equation modelling based on EQS 6.1 was used to assess the measurement and structural models. Findings – Results indicated that customers’ impressions of an E-retailer's assistive intent positively impact web site patronage intentions both directly and indirectly through two key constructs of e-shopping, including web site involvement and web site attitudes. Research limitations/implications – The student sample is not representative of the population. Students are familiar with internet and feel less need for assistance online. Another shortcoming might be its settings. Since the survey was on the respondents’ most recent online experiences, the data quality depends on the amount and accuracy of the information they could retrieve from memory. Practical implications – The findings suggest that E-retailers would highly benefit from investing in the development of an assistive image. To do so, E-retailers should leverage the interactive nature of the web and provide supportive tools that facilitate the e-shopping task of clients. Social implications – Developing impressions of the site's assistive intent is highly rewarding for E-retailers that are new to the business. Originality/value – This paper represents the first effort to link the newly developed construct of E-retailer's assistive intent to two fundamental variables of online shopping, including web site involvement and web site attitudes. This work would also be an extension of the past studies that call for further investigation of the link between customer orientation and customer's loyalty intentions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».