Fostering brand engagement and value-laden trusted B2B relationships through digital content marketing
Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore how digital content marketing (DCM) users can be engaged with business-to-business (B2B) brands and determine how such engagement leads to value-laden trusted brand relationships. Design/methodology/approach Through an online survey, data were collected from the email marketing list of a large B2B brand, and the hypothesised research model was analysed using covariance-based structural equation modelling. Findings This paper identifies a bundle of helpful brand actions – providing relevant topics and ideas; approaching content with a problem solving orientation; as well as investing in efforts to interpret, analyse and explain topics through DCM – to foster relationship value perceptions and brand trust. Critically however, cognitive-emotional brand engagement is shown to be a necessary requirement for converting these actions into relationship value perceptions. Research limitations/implications This paper furthers the understanding of the dual role of helpful brand actions in functionally oriented DCM. Additionally, this paper offers evidence of the central role of cognitive-emotional brand engagement in influencing value-laden customer–brand relationships. Practical implications This paper introduces a bundle of helpful brand actions that forms the basis for the dual roles of a brand in enhancing customer value and in fostering brand engagement and building relationships. This approach helps practitioners to steer brand-related perceptions arising from DCM interactions towards building trusted brand relationships. Originality/value This paper contributes to the marketing literature by revealing a potential approach to DCM in managing customer relationships. Instead of focusing solely on the content benefit-usage link to support engagement, this paper reveals the potential of helpfulness as a brand-initiated DCM engagement trigger in engaging customers with the brand, vis-à-vis the content.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».