MétaCan
Menu
Retour à la cohorte
Enregistrement W2903898960 · doi:10.5430/bmr.v7n4p46

The Impact of Brand Identification, Brand Equity, Brand Reputation on Brand Loyalty: Mediating Role of Brand Affect in Pakistan

2018· article· en· W2903898960 sur OpenAlexvenueno aff
Tayyaba Mahmood, Shumaila Qaseem, Qazi Muhammad Ali, Hafiz Fawad Ali, Asad Afzal Humayon, Amna Gohar

Notice bibliographique

RevueBusiness and Management Research · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBrand equityBrand managementBrand loyaltyReputationBrand awarenessBusinessBrand extensionAdvertisingMarketingAffect (linguistics)Corporate brandingVariablesMediationPsychologyMathematicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Brand loyalty has been an important factor for quite a while in marketing structure of the organizations. Organizations tend to achieve brand loyalty through employing different strategies and by engaging customers to produce a sense of belongingness among them regarding the brand. One of the major sector that has shown a great trend and growth in recent era is the apparel industry of Pakistan. However, little studies have tried to conceptualize and check the influence of brand related concepts on the brand loyalty in Pakistan. Current study has tried to check the influence of Brand Reputation, Brand Identification, Brand Equity and Brand Effect on Brand Loyalty. An important contribution of the study was to consider the brand affect as the mediating variable among the Brand Reputation, Brand Identification, Brand Equity and Brand Loyalty. 180 questionnaires were distributed among the students of the universities and the 166 valid questionnaires were considered for the data analysis giving use response rate of 92%. Correlational and regression analysis was used to check the influence of the independent variables on the dependent variable while package of Preacher and Hayes 2016 was used for the mediation analysis. Limitations and Future Directions have been discussed in the study as well.

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)0,010
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,050
Tête enseignante GPT0,476
Écart entre enseignants0,426 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetDigital Marketing and Social MediaTravaux en français237 207