MétaCan
Menu
Retour à la cohorte
Enregistrement W2173859022 · doi:10.1504/ijicbm.2015.071587

Consumer online purchase behaviour: perception versus expectation

2015· article· en· W2173859022 sur OpenAlexaff
Mahmud Akhter Shareef, Vinod Kumar, Uma Kumar, Yogesh K. Dwivedi

Notice bibliographique

RevueInternational Journal of Indian Culture and Business Management · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPerceptionBusinessAdvertisingConsumer behaviourPsychologyMarketing

Résumé

récupéré en direct d'OpenAlex

Conceptualising online customer behaviour is very important, as more and more customers are interested in buying products through online. To capture online customer behaviour, this study has conducted empirical research in Bangladesh among general online customers who have experience in online buying or have an intention to buy from online boutique websites in Bangladesh. In this regard, the quality-purchase interaction model that was developed, based on both customer perception and the expectation of buying online from business-to-consumer electronic-commerce in Bangladesh, was used to capture actual customer behaviour or behavioural intention for online purchasing. We conducted path analysis through LISREL to reveal the causal relation between independent and dependent variables. There are some significant differences between online buying behaviour and the behavioural intention to buy online, that is between customers who have experience of online buying from a boutique website and those who have the intention to buy online but have not yet gotten an online buying experience.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,240

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,035
Tête enseignante GPT0,337
Écart entre enseignants0,302 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Indian Culture and Business ManagementMême sujetDigital Marketing and Social MediaTravaux en français237 207