Comprendre les antécédents de la satisfaction des clients envers l’achat en ligne : une étude empirique de la théorie de l’autodétermination
Notice bibliographique
Résumé
Cet article vise à comprendre les indices de la satisfaction des clients en ce qui concerne l’achat en ligne en Inde en utilisant la théorie de l’autodétermination (TDA). Cette recherche valide le plaisir perçu, l’influence sociale, les interactions sur les réseaux sociaux, la logistique inverse et le paiement à la livraison (pay on delivery ou POD) en tant que nouveaux indices de la satisfaction des clients pour l’achat en ligne. Les données ont été recueillies au moyen d’un questionnaire autoadministré et structuré ciblant les acheteurs en ligne dans les États de l’Inde du Nord. Un échantillon de 424 acheteurs en ligne a été validé à l’aide de la modélisation d’équations structurelles (SEM). Les conclusions de l’article révèlent que l’influence sociale, la logistique inverse et le paiement à la livraison (POD) ont eu un impact positif et significatif sur la satisfaction des clients. Le plaisir perçu apparaît comme étant le meilleur indice de l’achat en ligne. Cependant, les interactions sur les réseaux sociaux apparaissent comme un indice négligeable de la satisfaction des clients. Cette recherche constitue l’un des efforts initiaux qui valident empiriquement le POD, les interactions sur les réseaux sociaux, l’influence sociale, la logistique inverse et le plaisir perçu dans le contexte de l’achat en ligne en utilisant la TDA. Grâce à cette étude, les cybercommerçants qui se préparent à étendre leurs activités en Inde obtiennent des informations importantes sur les moteurs de l’achat en ligne menant à la satisfaction des clients. En retour, cela leur permettra de développer des stratégies de marketing et de les mettre en place pour cibler l’énorme marché inexploité.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».