E-relationship marketing: a cognitive mapping introspection in the banking sector
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – The aim of this paper is to explore and better understand e-relationship marketing and to identify elements (key concepts) that are predominant to ensure success via the internet. Design/methodology/approach – The exploratory cognitive mapping technique (Cossette, 2004) employs three types of respondents, namely a banking expert, online banking customer and academic expert. Findings – The study points up similarities with traditional relationship marketing (e.g. satisfaction, commitment by bank) and identifies several new concepts spawned by the web-based environment. More precisely, the study highlights the importance of the simplicity and ease of the customer's web experience. Research limitations/implications – The exploratory and qualitative nature of this study opens the door to validation with a broader sample using a self-administered questionnaire developed based on the cognitive mapping technique. Practical implications – In addition to guaranteeing customer satisfaction, it is important: that customers perceive the bank's investment in and commitment to the e-relationship strategy; and, that customers enjoy a highly positive web experience (e.g. perceived quality of site and ease-of-use). Originality/value – Research findings result in an enhanced understanding of e-relationship marketing. Also, given the combination of sparse use of cognitive mapping in marketing and investigation of three different types of subjects (banking expert, online banking customer and academic expert), the findings lend originality while making a substantive theoretical contribution to topical literature.
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.
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 | 0,050 | 0,008 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle