MétaCan
Menu
Retour à la cohorte
Enregistrement W2098910206 · doi:10.5539/ijms.v5n2p120

The Effect of Multiple Rebranding on Customer Loyalty in Nigerian Mobile Telephony

2013· article· en· W2098910206 sur OpenAlexvenueno aff
Alexander Tevi

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRebrandingBusinessLoyalty business modelMarketingLoyaltyAdvertisingTelecommunicationsMobile telephonyGSMEngineeringService (business)

Résumé

récupéré en direct d'OpenAlex

Econet Wireless, a Nigerian mobile telephone network rebranded five times within the space of eight years to become what it is today, Airtel Nigeria. This research sought to know the impact of multiple rebranding on the loyalty of the network’s subscribers and the general attitude of the Nigerian towards branding in the telephony business. A survey was carried out on subscriber attitude towards Airtel as a result of the multiple rebranding through which it emerged. Questionnaires were distributed based on cluster sampling. Pearson Chi-Square was used to test the validity of the final results (cross tabulations) on a value of 0.05 and above. This research confirms communication as the vehicle for transferring brand equity; shows that multiple rebranding does not significantly affect attitude towards telecommunications brands; and that Nigerians do not really care about branding in telecommunications and/or the telecommunications companies are not doing a good job of branding. This study focuses on only a segment of the global satellite mobile (gsm) market – students of a higher institution. The perspective of the students may not be representative of the whole global satellite mobile (gsm) market in Lagos. It is also limited to the telephony market in Nigeria, an emerging market. This is an original work in the sense that there is no literature anywhere on the phenomenon of multiple rebranding, let alone its effect on customer loyalty.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,032
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,330
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetDigital Marketing and Social MediaTravaux en français237 207