고객 만족도와 고객 충성도의 관계에서 공간 의존성과 공간 변화성에 대한 연구
Notice bibliographique
Résumé
For recent decades, a plethora of research in marketing literature has explored the relationship between customer (or market) metrics and firm financial performance. These studies have found that customer metrics have a positively significant impact on firm profitability. The literature has identified that among customer metrics, customer loyalty is one of the most important drivers for firm profitability, and customer satisfaction is a key antecedent to customer loyalty. However, the literature is challenged by the finding that customer satisfaction does not always equate to customer loyalty. This challenge may be due to researchers’ failure to identify the spatial dependence and spatial variation in customer satisfaction-loyalty data. Research on the customer satisfaction-loyalty relationship, in general, employs classical global empirical models that do not account for spatial dependence across customers’ satisfaction-loyalty behavior or spatial variation in customers’ behavior across different geographic spaces and product categories. Therefore, the parameter estimates of customer satisfaction obtained from these models could be biased and inconsistent, which leads to inconsistent empirical results. To remedy this problem, we employ global and multi-level spatial regression models to examine the customer satisfaction-customer loyalty relationship across different product categories, given that these spatial models can effectively handle spatial dependence and spatial variation. The empirical results indicate that customer satisfaction is a very significant antecedent to customer loyalty, and its impact is positive after controlling for spatial dependence. However, the strength of this positive customer satisfaction-loyalty association varies over geographic space and, more importantly, product category. These results provide significant academic and managerial implications for retailers.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».