MétaCan
Menu
Retour à la cohorte
Enregistrement W4281736127 · doi:10.4018/978-1-6684-4168-8.ch008

Modelling Socio-Digital Customer Relationship Management in the Hospitality Sector During the Pandemic Time

2022· book-chapter· en· W4281736127 sur OpenAlexaff
Ali B. Mahmoud, Alexander Berman, Shehnaz Tehseen, Dieu Hack‐Polay

Notice bibliographique

RevueAdvances in marketing, customer relationship management, and e-services book series · 2022
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensCrandall University
Organismes subventionnairesnon disponible
Mots-clésCustomer engagementBusinessCustomer retentionSocial mediaLoyalty business modelWord of mouthCustomer relationship managementMarketingCustomer intelligenceCustomer advocacySet (abstract data type)Customer delightCustomer to customerAdvertisingPsychologyComputer scienceService qualityService (business)

Résumé

récupéré en direct d'OpenAlex

The chapter builds on previous research and offers an updated theoretical model to determine the relationships among social media technologies, customer experience flow, customer relationship management, brand loyalty, word of mouth, firm performance, and customer engagement across a set of moderators in pandemic time. In line with the literature, customer engagement serves as a mediator that fully translates the effects of social media technology, customer flow experience, and customer relationship management into positive levels of brand loyalty, word of mouth, and firm performance. However, all of the relationships conceptualized in the model are hypothesized to be moderated by COVID-19 developments and perceptions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in marketing, customer relationship management, and e-services book seriesMême sujetDigital Marketing and Social MediaTravaux en français237 207