MétaCan
Menu
Retour à la cohorte
Enregistrement W2889355033 · doi:10.5539/ass.v14n9p107

Services Marketing Mix of Starbucks Coffee in Bangkok, Thailand

2018· article· en· W2889355033 sur OpenAlexvenueno aff
Sauwaluck Koojaroenprasit

Notice bibliographique

RevueAsian Social Science · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueMarketing and Advertising Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPromotion (chess)MarketingBusinessProduct (mathematics)Marketing mixAdvertisingCoffee shop

Résumé

récupéré en direct d'OpenAlex

The purposes of this study were to identify the importance of services marketing mix influencing the Starbucks consumers in Bangkok, Thailand, to examine the relationship between personal factors and consumer behaviors and to examine the relationship between services marketing mix and consumers behaviors.A questionnaire survey was used. The sample was 400 Starbucks coffee consumers. It was found that the respondents were female and male of 63.90 percent and 36.10 percent respectively. The majority respondents were in age group 21-30 years old, the majority occupation were office workers with level of monthly income more than 30,000 baht. The majority of respondents went to Starbucks coffee 1-2 times a week. The average expenditure of each purchase was 101-200 baht with the beverage size of Grande (16 oz.).The majority favorite beverage was Iced Cappuccino. The reason for buying Starbucks beverages was the flavor of coffee.The results indicated that the most importance of services marketing mix was product, process, people, place, physical environment, promotion and price, respectively. Both personal factors and components of services marketing mix affected consumer behaviors. The results showed that gender affected three consumer behaviors; the frequency of visit at Starbucks shop, cup sizes and favorite beverage. Career affected all five consumer behaviors. Age affected the frequency of visit the Starbucks shop and favorite beverage. While education and income level affected two consumer behaviors; the frequency of visit the Starbucks coffee shop and expenditure of each purchase.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,009
Tête enseignante GPT0,241
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetMarketing and Advertising StrategiesTravaux en français237 207