Marketing Factors of Green Economic Effect on Consumers’ Purchase Intention for the Market of Family-sedan in Taiwan
Notice bibliographique
Résumé
The problems such as the global energy demand enhancing, greenhouse effect aggravating and climate externalizing and so on have worsen increasingly subsequent to the 21st century. Enhancing consumers’ awareness of environmental protection spurred the global automobile manufacturers to produce high-tech products and services with green features on the market. The automobile distributors take the concept of green marketing as the leading appeal to attract the consumers. Fuzzy Analytic Hierarchy Process is adopted in this study to analyze the best marketing strategy carried out while the automobile distributors are selling the products with the concept of green marketing and providing the services to consumers. The results show that the top 5 key green marketing factors influence the consumers on purchasing the family-sedans are “Cost on purchase, use and maintenance”, “Ego green civil awareness of consumer”, “Certification of green mark”, “Low fuel consumption” and “Low emission”. Comparatively speaking, the key factors are unable to influence the consumers on purchasing are “The practice of principle of equitable”, “Deducting the consumption on production resources”, “Advocacy of environment protection policy”, “Recycling disposal of auto-body and components” and whether obtained “Subsidy”. One excellent product is unable to achieve the perfect sales target if without appropriate marketing strategy. With the soar of global awareness of environment protection, the corporate all over the world combines the demands of environment protection with the marketing strategy mutually. As far as the automobile distributors are concerned, the marketing strategy has been the tendency without further delay drawn up by green marketing.
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 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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».