MétaCan
Menu
Retour à la cohorte
Enregistrement W2783831683 · doi:10.1177/0256090917731431

Predicting Indian Shoppers’ Malls Loyalty Behaviour

2017· article· en· W2783831683 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueVikalpa The Journal for Decision Makers · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesnon disponible
Mots-clésShopping mallLoyaltyBusinessPurchasingMarketingPromotion (chess)AdvertisingOrder (exchange)Investment (military)Value (mathematics)Computer science

Résumé

récupéré en direct d'OpenAlex

Executive Summary Mall managers tend to believe that purchasing decisions are made inside the shopping malls. These decisions, however, are influenced by various antecedent factors. This implies that shoppers look beyond the basic chore of shopping and experience while shopping plays a vital role. To attract the attention of shoppers, mall developers make huge investments in mall promotion and ambient factors in order to enhance the shopping experience. As the Indian shoppers’ euphoria about shopping malls gets toned down with time, mall managers need to focus on something more substantive. Such fundamental benefits can be offered to shoppers only if mall managers know what is more relevant for the shoppers visiting the malls. Past studies have identified a number of factors such as ambience, physical infrastructure, convenience, safety, and marketing activities. This research posits that a more optimal and focused approach in mall management requires identification of relative significance of various influencing factors. This way, mall managers would be able to offer the most meaningful benefits to shoppers at a very optimal level of investment. Once shoppers get what they value the most, they are expected to be more loyal to the shopping mall. Despite the development of various forecasting techniques, predicting mall loyalty has remained under-explored in marketing literature. This article addresses the gap by using neural network model to predict shoppers’ loyalty towards a particular mall. To gain more insights from the model, the authors have also identified relative significance of the factors impacting shoppers’ mall selection. This study establishes that mall shoppers value ‘convenience’ as the most influencing factor in their selection of malls. This factor alone garners one-third of the total weightage among the five factors, which reflects that significance of convenience is 66 per cent more than what is expected in a scenario when all determinants contribute equally. This strongly indicates that Indian mall shoppers are more utilitarian than hedonic.

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.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
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 enseignants0,124
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
Communication savante0,0020,001
Science ouverte0,0010,001
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 Opus0,048
Tête enseignante GPT0,316
Écart entre enseignants0,268 · 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