MétaCan
Menu
Retour à la cohorte
Enregistrement W2910664135 · doi:10.1177/1069031x18822968

Consumer Responses to High Service Attentiveness: A Cross-Cultural Examination

2019· article· en· W2910664135 sur OpenAlexaboutno aff
Maggie Wenjing Liu, Lijun Zhang, Hean Tat Keh

Notice bibliographique

RevueJournal of International Marketing · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensnon disponible
Organismes subventionnairesPeking UniversityNational Natural Science Foundation of China
Mots-clésInterdependenceService (business)Social psychologyPsychologyMarketingConstrual level theoryConsumer behaviourChinaBusinessAdvertisingPolitical science

Résumé

récupéré en direct d'OpenAlex

Although the literature generally indicates that service attentiveness can increase consumer satisfaction, providing extra care and attention in service encounters may backfire and lead to negative consumer outcomes. In addition, because of cross-cultural differences, the effects of high service attentiveness may vary across international markets. The authors conduct a qualitative study, a field experiment, and two laboratory experiments in three countries (Canada, the United States, and China) across various service contexts (hairdressing, telecommunications, and computer repair) to examine cross-cultural consumer responses toward high service attentiveness. Consumers’ negative responses toward high service attentiveness are mediated by their suspicion of ulterior motive, which varies according to their self-construal. Specifically, consumers with an interdependent self-construal (either chronic or primed) tend to have greater suspicion of and negative responses toward high service attentiveness. Furthermore, the effect of interdependent self-construal fostering greater suspicion is attributed to a sharper in-group (vs. out-group) distinction, which is mitigated when the service employee is perceived to be an in-group member. The authors conclude by discussing the theoretical and managerial implications and suggesting future research directions.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,007
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,298
Écart entre enseignants0,275 · 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

Citations24
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International MarketingMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207