Positive moods and word-of-mouth in the banking industry
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the mediating effect of functional value and symbolic value between positive moods and word-of-mouth (WOM) referrals in the context of Taiwan’s banking industry. In addition, this study investigates the moderating effect of relational benefits on the relationship between perceived value and WOM. Design/methodology/approach The research model was tested using data collected from customers ( n =362) of the top 10 domestic banks in Taiwan. Structure equation modeling was employed to test and validate the conceptual model. Findings Positive moods are found to be an important predictor of functional value, symbolic value and WOM in this banking service study. Four types of relational benefits are identified including social, special treatment, confidence and face. Note that two distinct segments of bank customers are identified in terms of relational benefits: those who appreciate face benefits ( n 1 =169), and those who appreciate general relational benefits ( n 2 =193). The findings reveal the existence of partial mediation between a banking customer’s mood and WOM through functional value and symbolic value in the overall sample ( n =362). However, it was found that functional value partially mediates the influence of positive moods on WOM among respondents in the “general relational benefits” segment only. That is, relational benefits are found to moderate the relationship between functional value and WOM. Originality/value This study expands the existing body of knowledge on customers’ perceptions of value by differentiating types of value perceptions.
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 | 0,003 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».