MétaCan
Menu
Retour à la cohorte
Enregistrement W2956089673 · doi:10.5539/ass.v15n8p1

Drivers of Impulse Buying at Retail Stores: Mediating Role of Customers’ Loyalty

2019· article· en· W2956089673 sur OpenAlexvenueno aff
Mohamed Ismail Mujahid Hilal, S. Gunapalan

Notice bibliographique

RevueAsian Social Science · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessLoyaltyImpulse (physics)AttractivenessMarketingLoyalty business modelCompetitive advantageAdvertisingPsychology

Résumé

récupéré en direct d'OpenAlex

The major objective of this study was to examine the impact of drivers of impulse buying on the customers’ loyalty and to assess the mediating effect of customers’ loyalty to the impulse buying at the retail stores. In order to meet the objective, a questionnaire survey was conducted among 529 customers of retail stores. SMARTPLS3 was used to analyze the data collected from the survey. Findings suggest that CSR, store attractiveness and trust positively contribute to create loyalty of retailers and it positively impact on impulse buying at stores. The model tested in this study was significant and can be used by retailers to enjoy competitive advantage. Further, it was found that loyalty is mediating between these drivers of impulse buying and impulse buying. While loyalty positively mediating between all variables, loyalty negatively mediates between commitment and impulse buying. The model tested in this study is significant and useful for retailers to create loyalty and trigger impulse buying enabling to achieve competitive advantage in retailing. When retailers adopt this model in their business, retailers can establish loyalty and generate impulse buying. Therefore, retailers need to build up trust among customers, engaging in CSR activities, keeping their stores very attractive and having long term relationship to create commitment with customers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,229 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetConsumer Retail Behavior StudiesTravaux en français237 207