INERTIA AND ONLINE TRUST LEADING FACTORS AFFECTING CONSUMER REPEAT-PURCHASE INTENTION IN E-COMMERCE (MODERATING ROLE OF ALTERNATIVE ATTRACTION)
Notice bibliographique
Résumé
The explosion of E-commerce activities required academia and industry to recognize the key factors of customer online repurchase intention. The purpose of this study is to determine the primary drivers of customer repeat-purchase intention in the aspects of trust and inertia. The study proposed an integrated model of online repeat-purchase intention. With the prevalence of internet, there is an interactive relationship build between consumer and online channels and now it has been paid much attention by practitioners and researchers. In E-Commerce, Online shopping is the innovation which comes through internet and online shopper repeat purchase intention is affected by many factors like; consumer inertia and online trust. Managers and Academics know fairly little about how the collective effect of consumer inertia and online trust affects the repeat-purchase intention. Based on the perspective of Theory of Reasoned Action (TRA) and PPM Model, the aim of study is to explore the relationship between consumer inertia, online trust and repeat-purchase intention in E-Commerce world. The moderating role of alternative attraction is also analyzed in the study and for the collection of data, survey analysis is conducted. Sample of study is 4100 customers of major cities of Pakistan (Rawalpindi, Islamabad, Lahore, Peshawar, Karachi, Quetta). This study found a result which is somewhat consistent with literature. Overall, it is concluded that consumer inertia and online trust has significant impact on consumer repeat purchase intention. Along with this, it is originating that alternative attraction moderates this relationship. Finding of this research will enable to suggest the website operators regarding management of different strategies for online consumer. Limitation, practical implication and future direction are provided at the end of this study.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».