MétaCan
Menu
Retour à la cohorte
Enregistrement W4285189818 · doi:10.5267/j.uscm.2022.3.012

Mediating mechanism of customer satisfaction on customer relationship management implementation and customer loyalty among consolidated banks

2022· article· en· W4285189818 sur OpenAlexvenueno aff
Adams Adeiza, Mohammed Sani Abdullahi, Fadi Abdel Muniem Abdel Fattah, Olawole Fawehinmi, Noor Azizi Ismail, Marina Arnaut, Osaro Aigbogun, Ibraheem Salisu Adam, Amauche Ehido

Notice bibliographique

RevueUncertain Supply Chain Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessNonprobability samplingCustomer satisfactionCustomer relationship managementOperationalizationLoyaltyLoyalty business modelMarketingStructural equation modelingCustomer retentionService qualityOrder (exchange)Customer advocacyKnowledge managementService (business)Computer scienceFinance

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to investigate the mediating mechanism of customer satisfaction (CS) on customer relationship management (CRM) and customer loyalty (CL) among Nigerian consolidated banks. This paper used a survey research design, and the study unit of analysis consists of selected customers among Nigerian consolidated banks. This study used a purposive sampling technique whereby structured questionnaires were used to collect data from 750 customers of the 5 focused banks in Kano State, Nigeria. Partial least square–structural equation modelling (PLS-SEM) was used to evaluate the study hypotheses. The outcome of the study revealed that CRM has a significant effect on CL while CS partially mediates CRM and CL relationship. This paper provides substantial results to practitioners to realize the role of developing a CRM strategy in the Nigerian banking industry. In line with that, the management of the banks should build sound CRM components such as process fit, customer information quality and information system support to deliver sound services in order to operate and compete in the banking ecosystem effectively. This paper has made a substantial contribution to the body of knowledge in the CS, CL, and CRM literature by operationalizing it within the Nigerian banking industry.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,266
Écart entre enseignants0,245 · 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'étudeObservationnel
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207