Adoption Model of Social Customer Relationship Management in the Palestinian Banking Sector
Notice bibliographique
Résumé
Social CRM is a new technology that integrates social networking activities within traditional CRM itself. Social media might be the most effective strategy in the context of CRM technology concerning the availability of efforts and time by owners. Therefore, it’s important for financial institutions to take advantage of it upon this opportunity by considering social CRM as part of development and enhancing relationship with their customers. Nevertheless, little empirical studies have focused on adoption of social CRM in banking sector. This research paper aims to investigate the factors that impact banks’ intention to adopt social CRM, based on combining the Technology-Organization-Environment (TOE) with Technology Acceptance Model (TAM) as the theoretical framework. TOE variables such as top management support and relative advantages found to have a direct impact on the two TAM mediating variables (perceived usefulness and perceived ease of use), and an indirect impact on social CRM adoption. Further, results suggested that consumer pressure and competitive pressure have a direct impact on social CRM adoption. The researcher tested the hypothesis using structural equation modeling (SEM). The findings from a survey of 220 employees in banks in Palestine showed that all eight hypotheses were supported as both consumer pressure and competitive pressure in the environmental context have a significant direct impact on social CRM adoption intention, followed by top management support in organizational and technological contexts; relative advantages have the most significant impact on perceived ease of use and perceived usefulness which in turn, have a direct and significant impact on social CRM adoption intention. The contribution of the study, limitations, future studies and conclusion are presented.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».