Using latent commitment profile analysis to segment bank customers
Notice bibliographique
Résumé
Purpose Allen and Meyer’s (1990) three component model of organizational commitment is now well accepted in the study of consumer–service provider relationships (Keiningham et al., 2015). Commitment profiling is a “person-centered approach” to commitment (Meyer et al., 2012) which examines groups of individuals who share similar commitment mindsets. The purpose of this paper is to apply commitment profile methodology to the analysis of customer–firm relationships in the context of financial services. Design/methodology/approach This method was applied with customer data collected as part of a nation-wide panel study of consumer financial service relationships in Canada. In total, 428 banking customers participated in this study. Findings This study identified five distinct bank customer commitment profiles (fully committed, affective commitment dominant, continuance commitment dominant, moderately committed and uncommitted) that varied in both size and behaviors and intentions. Research limitations/implications This is an exploration of commitment profiling as a technique to understand the ways in which consumers differ in terms of their commitment mindsets and behavior. It has application to a wide range of service relationships beyond financial services. Practical implications This has applications for market segmentation on the basis of customer commitment mindsets in many service sectors, but banking in particular. Since financial institutions have adopted various techniques to measure customer lifetime value (CLV), it would be appropriate to understand how various commitment profiles (segments) are linked to CLV. Originality/value While commitment profiling is a well-developed approach in understanding the nature of the firm–employee employment relationships, this is an early and exploratory attempt at applying this method in the context of a customer–financial service provider marketing relationship. This is a novel way of understanding bank customer segments in terms of their felt commitment to the financial institution with which they do business.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».