Consumer decision journey for online group buying: psychological and intentional procedure perspectives
Notice bibliographique
Résumé
Purpose This study investigates the relationship between buyers’ psychological antecedent and repurchase intentions in online group buying. Considering and evaluating pre-purchase, the authors measure the buyers’ overall experience of online group buying through their perceived value (PV) and risk. This study examines the influence of PV and perceived risk (PR) on positive electronic word-of-mouth (eWoM) communication and repurchase intention in online group buying. Design/methodology/approach The authors verify the research model using SPSS and the structural equation modeling-partial least square (SEM-PLS) to analyze 839 convincing respondents. This quantitative research provides insights into online group buying, including the food industry. Findings The results demonstrate that the buyers’ PV of online group buying enhanced positive eWoM communication and repurchase intention. The willingness of buyers to spread positive eWoM indicates their recognition and satisfaction with a product or brand. Thus, they have the behavioral intention to repurchase in online group buying. The study found that while positive eWoM communication significantly impacts repurchase intention, PR negatively affects PV. The research provides theoretical and practical implications at the end of the study. Research limitations/implications This study has some limitations. First, the study only used PV and PR to measure consumers’ considerations and evaluations of the initial stage in the consumer decision journey. Future studies can include more dimensions that may further affect these considerations and assessments to verify the research model. Second, the study only used positive eWoM communication to measure the “enjoy-advocate-bond” of consumption and usage in the post-purchase stage. Originality/value The study proposes the sequential relationship in the psychological decision procedure of participating in online group buying and provides valuable managerial implications for managers operating online group buying on third-party platforms. The findings provide good knowledge for the food industry to stay connected with customers and develop their satisfaction.
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 | 0,003 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 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 ».