MétaCan
Menu
Retour à la cohorte
Enregistrement W4292959185 · doi:10.5267/j.ijdns.2022.8.001

The effect of e-commerce service quality on customer satisfaction, trust and loyalty

2022· article· en· W4292959185 sur OpenAlexvenueno aff
Fajar Pasaribu, Warsani Purnama Sari, Tapi Rondang Ni Bulan, Widia Astuty

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessLoyalty business modelService qualityCustomer satisfactionMarketingLoyaltyService (business)Quality (philosophy)Product (mathematics)AdvertisingMathematics

Résumé

récupéré en direct d'OpenAlex

This study aims to explain the effect of service quality on satisfaction, service quality on trust, service quality on loyalty, satisfaction on loyalty and trust on loyalty. The population in this study are all consumers who have made transactions at an Indonesian marketplace, Shopee.co.id. The number of respondents used as a sample is 300 respondents. The results showed a significant influence between variables in the four interaction effects, namely service quality on satisfaction, service quality on trust, satisfaction with loyalty, and trust in loyalty. Meanwhile the insignificant effect was service quality on loyalty, the results of the total effect calculation also showed that Trust is a mediating variable between service quality and loyalty. marketing stimuli that can be carried out include maintaining cash on delivery services to increase customer trust, optimizing customer satisfaction through service improvement, providing more organized information so that consumers are easier and more comfortable in transacting, providing a 'tracking order' stage for customers, so that customers can monitor the progress of product orders. For further research, it is hoped that it can develop more variables under study and make comparisons of other e-commerce both in Indonesia and internationally.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,028
Tête enseignante GPT0,326
Écart entre enseignants0,298 · 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'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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207