MétaCan
Menu
Retour à la cohorte
Enregistrement W4210253105 · doi:10.1108/jcm-01-2021-4390

Development of a brand community engagement model: a service-dominant logic perspective

2022· article· en· W4210253105 sur OpenAlexaff
Kai Haverila, Matti Haverila, Caitlin McLaughlin

Notice bibliographique

RevueJournal of Consumer Marketing · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensMemorial University of NewfoundlandThompson Rivers UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésStructural equation modelingBrand communityOriginalityContext (archaeology)Value (mathematics)Customer engagementMarketingPerspective (graphical)EntertainmentService-dominant logicService (business)BusinessBrand managementSociologyKnowledge managementComputer sciencePsychologyMathematicsSocial mediaSocial psychologyGeographyPolitical scienceStatisticsWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to develop a model that examines motives as antecedents and consequences of brand community engagement (BCE) based on the recent service-dominant (S-D) logic framework, which considers the many actors involved in creating and consuming value in the context of brand communities (BCs). Design/methodology/approach Data were collected used an online survey and analyzed used partial least squares structural equation modeling. Findings The relationships and their significance were examined using S-D logic. The results indicate that motives of information, self-discovery, status enhancement and entertainment were positively and significantly related to BCE, except social integration. BCE was significantly related to relationship quality (RQ) and customer satisfaction (CS). Finally, CS had a significant positive impact on RQ. Originality/value The contribution stems from the incorporation of the recent iteration of S-D logic as a theoretical framework into the BC model and the assessment of the relationships in the structural model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,286
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer MarketingMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207