Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore the impacts of innovation-adoption characteristics on Chinese consumers’ adoption of online food shopping. It also examines consumers’ online purchase preferences for specific food categories and the consumer segments shopping for food online in China. Design/methodology/approach The data were collected through a web-based survey ( n =643, in three cities: Beijing, Guangzhou and Chongqing). Descriptive analysis, cluster analysis, factor analysis and structural equation modeling were employed for data analysis. Findings Participants had strong online purchase intentions toward snack and imported food, while they had weak online purchase intentions toward fresh food products such as meat, eggs, vegetables, fish and seafood. Two consumer segments were found: online-food-conservative (42 percent) and online-food-pioneer (58 percent). Factor analysis resulted in an adjusted factorial structure of the innovation-adoption characteristics, which was considered more appropriate within the context of Chinese consumers when shopping for food online. Path analysis found that Chinese consumers’ attitudes and/or purchase intentions were positively linked to their perceived incentives and negatively associated with their perceived complexity for online food shopping. Originality/value This is the first study to explore consumer segments, consumption psychology (innovation-adoption characteristics) and product preferences related to online food shopping with a sample from China, the largest e-commerce country. The findings can help food producers and marketers to better understand Chinese consumers’ online food shopping behaviors in order to meet the needs of consumers and have further success in this major market.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».