Understanding the Shopping Behaviour of Consumers towards FMCG Sector in Shopping Malls and Quick Commerce
Notice bibliographique
Résumé
The FMCG sector, India's fourth-largest industry, has undergone a remarkable transformation over the past 20 years and has an impact on everyone's daily lives. The FMCG sector has a significant impact on India's GDP. The study of consumer behaviour focuses on how individuals, groups, and organisations select, acquire, use, and discard products and services that satisfy their needs. India's FMCG industry is still recovering as consumers return to their regular routines. According to NielsenIQ's FMCG Snapshot for Q2 2022, the FMCG industry grew by 10.9% in the quarter ending in June 2022, up from 6% the previous quarter. A double-digit rise in FMCG is also anticipated for India in 2022 as a result of the consumer spending rebound and favourable macroeconomic indicators. We evaluated numerous FMCG Sector components as part of our research study's effort to better understand consumer behaviour. We aimed to analyse customer behaviour across a variety of aspects, including discovering cheaper pricing both online and offline, the impact of shopping malls on impulsive purchases, the mall shopping experience & quick commerce, the impact of online purchasing, & others. Key Words: Consumer Behaviour, Quick Commerce, Shopping Mall, FMCG Products and Online Shopping
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».