Determinant factors of online purchase decision process via social commerce: An empirical study of organic black rice in Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Organic black rice (OBR) is a healthy food that is environmentally friendly which is better than organic white rice and organic brown rice. However, the demand for OBR in Indonesia is still low. In addition, some people consider OBR as black sticky rice. Meanwhile, black rice has great potential to be developed in Indonesia because it has local varieties that are still rare, have a high selling value, and are suitable for cultivation based on the analysis of their farming. The rapid development of social media users in Indonesia causes organic black rice to be traded online via social commerce (s-commerce). There has been a lot of research on social commerce, but there is still very few social commerce research offering framework design. The purpose of this research is to develop a conceptual model (framework) of the online OBR purchasing decision process via s-commerce, and to identify the factors underlying consumer assessment of the process. As a result, the conceptual model shows consumers recognize the need for OBR through free platforms, namely Search Engine Optimization (SEO), Instagram, blogs, article sites, through friends and through family. The factors underlying consumers' assessment of the online OBR purchasing decision process were security in purchasing decisions, Internet, friends, satisfaction with the results, Instagram and other social media, and family factor. These factors can be used as important considerations in online OBR marketing via s-commerce.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle