The Impact of Green Marketing and Perceived Innovation on Purchase Intention for Green Products
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
With the rise of eco-awareness and innovation in recent years, companies have constantly sought to be the firstto introduce new green-concept products to the market to gain a larger market share. However, it is unclearwhether consumer awareness of green marketing and innovation will increase purchase intention. This issuerequires an in-depth discussion. This study uses energy-saving lamps and environmental cleanser as examples,using a literature review and empirical research to explore the correlations between consumer awareness of greenmarketing, perceived innovation, perceived quality, perceived price, perceived risk, perceived value, andpurchase intention. Further, an overall relationship model is established.An analysis of 320 effective questionnaires about energy-saving lamp and 310 effective questionnaires about anenvironmental cleanser resulted in three main findings: (1) Consumers’ green marketing awareness of bothenergy-saving lamp and an environmental cleanser mainly influences their perceived quality and perceived value,which in turn influence purchase intention. (2) Consumers’ perceived innovation of energy-saving lamp mainlyinfluences their perceived quality, perceived price, and perceived value, while consumers’ perceived innovationof an environmental cleanser mainly influences their perceived quality and perceived value, all of which in turninfluence purchase intention. (3) The results for the two products indicate that the impact of consumers’ greenmarketing awareness on purchase intention is greater than the impact of perceived innovation. Through SEManalysis, this study establishes a valid relationship model for green products and identifies the main influencepaths. In addition, measurement variables and a scale were established, which provide academics and industrywith critical research tools and concepts that should be of academic and practical value.
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 | 0,007 | 0,018 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle