Assessing a brand equity model for fast moving consumer goods in cosmetic and hygiene industry
Notice bibliographique
Résumé
This paper presents an empirical investigation to study the effects of ten factors on brand equity.The study provides an assessment using a brand equity model for fast moving consumer goods in cosmetic and hygiene industry.The study has accomplished among people who purchase goods in six major cities of Iran based on an adapted questionnaire originally developed by Aaker (1992a) [Aaker, D. A. (1992a).The value of brand equity.Journal of Business Strategy, 13(4), 27-32.].Cronbach alpha has been calculated as 0.88, which is well above the minimum acceptable level of 0.7.In addition, Kaiser-Meyer-Olkin Measure of Sampling adequacy and Bartlett's test of Sphericity approximation Chi-Square are 0.878, 276628 with Sig.= 0.000, respectively.The proposed study of this paper uses structural equation modeling to test different hypotheses of the survey.The Root Mean Square Error of Approximation (RMSEA), Comparative Fit Index (CFI) and Chi-Square/df are 0.067, 0.840 and 4.244 and they are within desirable levels.While the effects of seven factors on brand equity have been confirmed.However, the survey does not confirm the effects of perceived value, advertisement effectiveness and advertisement to brand on brand equity.In our survey, brand loyalty maintains the highest positive impact followed by having updated brand, trust to brand, perceived quality to brand, brand awareness, intensity of supply and perception to brand.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».