Consumer Knowledge Sharing Behavior and Consumer Purchase Behavior: Evidence from E-Commerce and Online Retail in Hungary
Notice bibliographique
Résumé
The twenty-first century has been full of fundamental changes in consumers’ behavior patterns, especially with the use of diverse social media knowledge-sharing platforms. Therefore, companies have highlighted the significance of knowledge sharing and the importance of social network use in purchasing processes. Accordingly, his paper tries to reveal how consumer purchase behavior (CPB) can be affected by consumer knowledge sharing behavior (CKSB) and the moderating role played by value co-creation dimensions, which are citizenship behavior (CB) and participation behavior (PB), within a sustainable e-commerce field. To test our hypotheses deducted from the literature review, we opted for the PLS-SEM method. We also employed other innovative approaches, such as the IPMA matrix, MAICOM test, FIMIX approach, and CTA analysis, to evaluate the outer and inner model. Our statistical population covered individuals living in Hungary with at least one online purchase involvement. We distributed the questionnaire via various online platforms and, finally, 433 completed questionnaires were prepared for analysis. The results showed that CPB, CB, and PB are positively influenced by the CKSB. However, the link between CPB and CB was not confirmed. As for the moderating role of gender, the permutation test was applied to compare male and female groups and see the difference between them. With a focus on CKSB, this study contributes to the success of international marketing strategies to attain higher competitive advantages.
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 | 0,002 | 0,017 |
| 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 | 0,000 | 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 ».