A Cross-National and Cross-Cultural Approach to Global Market Segmentation: An Application Using Consumers’ Perceived Service Quality
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
The spread of global culture is being facilitated by the proliferation of transnational corporations, the rise of global capitalism, widespread aspiration for material possessions, and the homogenization of global consumption. The extent of convergence of cultural values across nations has been debated by international marketing researchers. However, from a practical standpoint, transnational firms require a cross-national, cross-cultural approach to market segmentation that can be used to guide the development of global marketing strategies. In this study, the authors investigate the application of cross-national versus cross-cultural approaches to market segmentation through a rigorous empirical investigation in the context of banking services. Although services constitute the fastest growing sector of the world economy, few studies have examined global market segmentation strategies for them. The authors develop theory-based cross-national hypotheses and test them by estimating a structural model of consumers’ perceived service quality using survey data from two countries: the United States and India. They test cross-cultural hypotheses by estimating the same model on culture-based clusters. They demonstrate that there are distinctive differences between cross-national and cross-cultural models of perceived service quality and highlight the growing relevance of cross-cultural research approaches. More generally, the cross-national, cross-cultural approach to market segmentation can guide the development of global marketing strategies for services and improve business performance.
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 | 0,004 | 0,001 |
| 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 | 0,001 | 0,003 |
| 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