MétaCan
Menu
Retour à la cohorte
Enregistrement W3162988957 · doi:10.5267/j.msl.2021.4.001

The effect of intangible service quality on retailing during the COVID-19 pandemic in Saudi Arabia

2021· article· en· W3162988957 sur OpenAlexvenueno aff
Zyad M. Alzaydi

Notice bibliographique

RevueManagement Science Letters · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesAlbaha University
Mots-clésService qualityBusinessStructural equation modelingMarketingService (business)Quality (philosophy)EmpathyCustomer satisfactionRisk perceptionOnline and offlinePerceptionPsychologyComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to investigate how online to offline service quality influences the customer’s perceived risk and trust towards the retailer and how these factors impact customer satisfaction and intention to revisit. The present study incorporates intangible service quality offline aspects, such as empathy, and online aspects, such as mobility. The objective of the research is to examine the integration of online to offline service quality models in Saudi Arabia during the COVID-19 pandemic, using key aspects of offline, online and mobile service quality. The data was collected using an online survey of 289 respondents from Saudi Arabia. The analysis was conducted using partial least square and structural equation modelling. This study finds that the intangibility of service quality has a positive impact on perceived trust; however, the direct relationship between the intangibility of service quality and perceived risk is not supported. The study’s results support the hypothesis that customer satisfaction has a positive impact on the intention to revisit and that received trust positively affects satisfaction. The results have implications for service managers in the retailing and e-commerce sectors and offer a better understanding of how different channels of service affect customers’ perceptions and intentions to revisit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,300
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207