Exploring the critical success factors of s-commerce in social media platforms: The case of Jordan
Notice bibliographique
Résumé
The unprecedented growth of social media imposed fierce competition on business companies. That is investors found new methods to expand their business activities, and, in turn, boost their revenues. While there has been a plethora of research done to examine the critical success factors of social commerce (s-commerce) in developed countries, there is a dearth of studies conducted in developing countries. Meanwhile, it has been evident that the significance of these factors may vary across cultures. Therefore, this study, following the social cognitive theory, aims to explore the critical success factors of s-commerce from the perspective of consumers in a developing country. To achieve that, this study utilized a questionnaire that sought information related to factors driving consumers' intention to purchase in s-commerce. Seven hundred and fifty-seven subjects completed the survey. Structural equation modeling techniques were utilized to analyze the data. The findings of this study show that trust in sellers, sociability, electronic Word-Of-Mouth (eWOM), perceived economic benefit, and informational fit-to-task positively influence the intention to purchase in s-commerce. In addition to that, it was found that sociability and eWOM positively influence consumers' trust in sellers. The findings of this study are expected to contribute to the theoretical and practical areas of s-commerce. They are expected to make a significant contribution to the literature on s-commerce adoption from the perspective of a developing country. From a practical point of view, the results of this study should help stakeholders in s-commerce in developing business strategies to better their competitive advantage, retain existing consumers and attract new ones, and, in turn, increase sales and profits.
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 | 0,006 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 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 ».