Investigating apology, perceived firm remorse and consumers’ coping behaviors in the digital media service recovery context
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This research investigates whether and how perceived firm remorse (PFR) influences consumers’ coping behaviors in the digital media service recovery context. It also examines how an apology should be delivered to generate PFR. Design/methodology/approach In Study 1, 452 mobile application service users were recruited for a survey study, and Structural Equation Modeling was used to test the research hypotheses. In Study 2, 1,255 mobile application service users were recruited for an experimental study. Findings Study 1 shows that PFR negatively influences blame attribution and positively influences emotional empathy. Emotional empathy negatively affects coping behaviors. According to this study, blame attribution and emotional empathy do not have any serial mediation effect on the relationship between PFR and coping behaviors. Only emotional empathy mediates the effect of PFR on coping behaviors. Study 2 finds that response time and apology mode jointly influence PFR. Research limitations/implications This research establishes the relationship between PFR and coping behaviors and shows the mediating role of emotional empathy in this relationship. Practical implications Service providers should consider response time and apology mode, as the two factors jointly influence the extent of PFR, which affects consumers’ coping behaviors through emotional empathy. A grace period, in which PFR does not decrease, is present when a public apology is offered. Such an effect does not exist when a private apology is offered. Originality/value This research explains how PFR influences coping behaviors and demonstrates how apology mode moderates the effect of response time on PFR in the digital media service recovery context.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle