MétaCan
Menu
Retour à la cohorte
Enregistrement W2619192052 · doi:10.5539/ijms.v9n3p24

A Comparison of the Online Shopping Behavior Patterns of Consumer Groups with Different Online Shopping Experiences

2017· article· en· W2619192052 sur OpenAlexvenueno aff
Shwu-Ing Wu, Hsin-Ti Tsai

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGroup buyingAdvertisingAffectionBusinessConsumer behaviourConsumption (sociology)The InternetMarketingPsychologyOrder (exchange)Internet shoppingSocial psychologyComputer scienceSociologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The appearance of Internet does not only bring changes to consumption patterns, but also to the business modes of companies, as a result of which Internet has become a perfect sales channel. When a consumer shops online, s/he might be influenced by a huge variety of factors. In this study, ABC model of attitude was adopted to investigate empirically the influences of website characteristics and external stimulus on consumers’ online shopping behavior. A relationship model was also established to compare the differences of consumer groups with different online shopping experiences.Using convenience sampling, a total of 818 valid questionnaires were collected for the purpose of this study. Based on their online shopping experiences, consumers were divided into high frequency and low frequency groups in order to compare their consumption patterns as a group. According to the results, the two groups with different online shopping experiences were significantly different in three relational paths. To be specific: (1) Compared to the low frequency group, consumers in the high frequency group is more significantly positively influenced by website characteristics along the affection path during their online shopping. (2) Compared to the high frequency group, consumers in the low frequency group are more significantly positively influenced by website characteristics along the attitude path during their online shopping. (3) Compared with the low frequency group, a more significant positive influence is found among consumers in the high frequency group between consumer affection and consumer behavior path. These differences in the consumer behavior patterns of groups with different online shopping experiences according to the research results, therefore, could be used as references for online shopping business owners in their formulation of strategies.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,221
Tête enseignante GPT0,486
Écart entre enseignants0,265 · 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'étudeObservationnel
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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetTechnology Adoption and User BehaviourTravaux en français237 207