ANALISIS PENGARUH PERILAKU KONSUMEN TERHADAP CUSTOMER MISBEHAVIOR DALAM INDUSTRI RETAIL DI INDONESIA (Studi pada Hypermart)
Notice bibliographique
Résumé
The retail industry is one of the fastest growing industries in Indonesia, with Hypermart as one of the largest retail companies. As a company engaged in retail then Hypermart provides a variety of consumer goods that the majority of Indonesian people shopping with high frequency at Hypermart. The purpose of this study was to understand the effect of customer behavior in the past and the future customer behavior. In previous studies in various research on consumer behavior, this relationship has not been studied adequately using personality variables were complete. Additional variables used in this study are five variables based on consumer personality is Consumer alienation, Machiavellianism, Sensation seeking, aggressiveness, self-esteem, Past misbehavior, Future misbehavior Furthermore, this study also aimed as a consideration for the managerial or practitioners Hypermart in the decision-making process, in an effort to reduce misbehavior future intentions of customers Hypermart through past efforts to reduce customer misbehavior. The sampling method used in the study to be performed are non-probability sampling. This study used a questionnaire as a major tool in data collection. This research will be used purposive sampling technique. The number of samples in this research are 300 respondents were evaluated, and the data were analyzed using multiple regression with SPSS 16. The results of this study can be used by companies that are facing the problem of customer misbehavior in shaping strategies to reduce customer misbehavior.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».