Mediating Effect of Social Media Marketing Adoption Towards Business Performance: An Approach of Structural Equation Modelling Partial Least Square (SEM-PLS)
Notice bibliographique
Résumé
Business environment in Malaysia has become more competitive due to the advancement of technology and globalisation including the small and medium enterprises (SMEs). SMEs have so long devised various marketing strategies in order to penetrate the online advertisement clutter alongside improving their performance. Past studies have shown that using ICT such as social media help to improve SMEs’ performance. The owner-managers themselves determine the adoption of social media in their marketing due to the process of information collection and analysis are highly relied on them. Most of the SMEs have their own websites but these are primarily used as an information tool only. Thus, this study investigated the mediating role of social media marketing adoption between technological support, organisational support, government support and competitive intelligence towards the performance of SME. The theoretical framework of this study is substantiated by Resource-based View (RBV) theory and supported by Technology, Environment and Organisation (TOE) framework. This study has been carried out in the East Coast region of Malaysia consisting of Kelantan, Terengganu and Pahang states and also employed a questionnaire survey method. From 1920 questionnaires distributed, 339 responses were returned and found usable for the final analysis using the structural equation model partial least square (SEM-PLS). The findings revealed that the adoption of social media marketing mediates the relationship between these technological, organisational, and government supports, the competitive intelligence, and SME performance. Finally, the study’s theoretical and practical implications as well as the limitations and directions for future research were provided and discussed.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».