A study on the Eating Out Behaviors of a Cold Noodle Restaurant Customer
Notice bibliographique
Résumé
This study was to analyse the eating out behaviors of customers who visit a Koran restaurant especially focused on CNR(cold noodle: naengmyun restaurant) and to find out the marketing promotion points. Through the snowball sampling, 423 customers data were surveyed in summer and winter as respects of seasonal variation. The collecting data were analysed descriptive data and statistical different using the Statistical Package for the Social Science(SPSS version 10.0). The results were as follows; The participants of the study were composed of 209 man(49.4%) and 204 woman(50.6%). Most customers were 30's(36.2%), office worker(27.5%) and spend 5,00010,000 won(46.3%) for eating out. The consumer more preferred a specialty restaurant, the reason was to expect better taste(37.1%). In visiting CNR, the customer frequently ordered complement menu(90.1%) with cold noodle, complement menu should be developed periodically. The important factor to visiting CNR was the accessing convenience for the shop and desirable taking time was within 15 minutes. The buckwheat noodle in broth(mulnaengmyun) was the most favorite selecting menu. And the noodle texture was key evaluation factor in all types of cold noodle and the other factor was different according to the types of cold noodle. The visiting frequencies of CNR were not significantly different according to seasonal variation and sociodemographic variable. Above the half of customers visited at CNR with his/her family. This study find out the suggestion that consumer eating concepts about CNR was family eating therefore the cold noodle. specialty restaurant should be create more delight atmosphere and developed menu for families' eating out place.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».