Where do customer loyalties really lie, and why? Gender differences in store loyalty
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine gender differences in store loyalty and how those differences evolve with age. Design/methodology/approach Data for the study were collected in a survey of 32,054 shoppers in more than 50 grocery stores belonging to the same chain. In total, 20 satisfaction items were factor-analysed, resulting in four satisfaction factors. A logistic regression with store exclusivity as the dependent variable was then run to test the research hypotheses. Findings This study finds that men are more loyal than women to the store chain, while women are more loyal than men to individual stores. Women’s loyalty is more influenced by their satisfaction with interaction with store employees, while for men loyalty is more influenced by satisfaction with impersonal dimensions. Store loyalty increases with age, an effect that cannot be explained solely by declining mobility and cognitive impairment. Research limitations/implications This research examines declared behavioural practices rather than actual behaviour. However, in view of the high frequency of purchases in the retail category examined, and also because of the large sample of over 50 different stores, declared practices should be highly correlated with actual behaviour. Practical implications Results from satisfaction surveys should be interpreted differently for men and women. Loyalty programmes may want to adapt their approach, to incorporate gender differences into their loyalty reinforcing measures. Social implications This paper should also help to a better understanding of loyalty programs for both men and women, younger and older people. Originality/value This is the first demonstration from an in store customer survey that the shopping experience drives store loyalty differently for men and women.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».