Data-Privacy Concerns and Its Influence on Consumer Purchasing Intention in Bangladesh and India
Notice bibliographique
Résumé
The research studies the factors of customers’ awareness of their online behavior. This paper aims to highlight the gaps in customer awareness and views regarding data privacy, marketing research, and factors that impact the purchasing intentions in developing nations like India and Bangladesh. Previously it can be seen that there has been much research done in this area, but mostly those were for developed nations. However, in developing nations, like Bangladesh and India, which are outstanding and growing markets for online marketers, the concept of data privacy is not observed meticulously. Descriptive, relational, and quantitative research methodologies were applied for the study. Inferential statistics via SPSS were used to accomplish the purpose of the research. The target population was infinite, and the sampling frame was focused on Bangladesh and India’s internet users. 440 respondents were approached, and the received response rate was close to 81%, 354 responses. Unlike this study, commonly explorative and qualitative research methodologies were considered for similar research before. The research outcomes demonstrate that consumers in Bangladesh and India are mindful of data privacy, and the result of this research supports the current literature. The outcomes showed a significant positive relationship between the consumers’ view of how online platforms of companies handle their data with their buying intentions. Nevertheless, in these recommended relationships from the framework, customer commitment’s moderating influence plays a significant role in forming buying intention. The research is particularly important for marketing professionals to understand customers’ expectations from the companies regarding customize marketing. This research envisioned to cause some influence the literature and executive implications with development of a new research framework, adjusting new variables, and hypotheses, which were solely based on keeping in mind, the customers of Bangladesh and India.
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 | 0,003 | 0,025 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».