DETERMINANTS OF RECENT ONLINE PURCHASING AND THE PERCENTAGE OF INCOME SPENT ONLINE
Notice bibliographique
Résumé
The recent stagnation of electronic commerce highlights the need to understand contemporary online consumer behavior. E-commerce’s slow growth has coincided with an explosion in the usage of Web 2.0 activities. These novel online venues have created many new channels for online retailers to reach buyers, yet these online activities have gone largely unstudied. This study incorporates current user demographics and Web 2.0 activities to dynamically model the determinants of two key measurements of recent online shopping, a recent purchase and the novel dependent variable, percentage of income spent online. Regression analysis is applied to a nationally representative 2007 survey of the U.S. online population. Determinants of a recent online purchase include, ownership of a credit card, PayPalTM account, listening to podcasts, participating in online auctions, and for the first time, female gender. In a second regression, positive determinants for the percentage of income spent online include, male gender, educational attainment, online auctions, instant messaging, and online dating. Online spending increases with time online, and appears to compete with other forms of online entertainment and social networking. These results produce snapshots of contemporary online shoppers that can be used by electronic retailers to determine which product characteristics to highlight for greatest impact, and to efficiently target specific Web 2.0 activities, such as entertainment, podcast and social network websites, to develop new and robust marketing platforms.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».