MétaCan
Menu
Retour à la cohorte
Enregistrement W2999791407 · doi:10.1108/ijbm-03-2019-0097

Impact of employee job satisfaction and commitment on customer perceived value

2019· article· en· W2999791407 sur OpenAlexaffabout
Hanen Charni, Isabelle Brun‐Heath, Line Ricard

Notice bibliographique

RevueInternational Journal of Bank Marketing · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversité du Québec à MontréalUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésJob satisfactionFormative assessmentMarketingCustomer satisfactionBusinessValue (mathematics)PsychologyPollingEmployee engagementPerceptionIndex (typography)Social psychologyEconomicsManagementComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to analyse the impact of employee job satisfaction and affective commitment as perceived by customers on customer perceived value, more specifically its benefits dimensions. Design/methodology/approach A total of 652 panellists from a large Canadian polling firm self-administer a web-based questionnaire. To measure customer perceived value, a formative index is used which contributes to topical literature through a unique methodology. Hypotheses are tested using a structural equation model. Findings An analysis of the direct, indirect and total effects confirms the unique positive impact of employee job satisfaction and affective commitment, as perceived by customers, on the emotional, social, relationship and epistemic benefits, as well as on the formative index of customer perceived value. Practical implications Customer perceptions of employee attitudes (job satisfaction and affective commitment) represent a unique opportunity for banks to differentiate their value proposition in a hypercompetitive market. Originality/value This study is the first to consider customer perceptions of employee job satisfaction and affective commitment in relation to a formative index of customer perceived value and its related benefits dimensions.

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 enseignants0,014
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · 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

Citations15
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Bank MarketingMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207