Impact of Gamification on Consumers’ Favorability in Cause-Related Marketing Programs: Between-Subjects Experiments
Notice bibliographique
Résumé
BACKGROUND: Successful cause-related marketing (CRM) campaigns can help companies stand out from their competitors; however, CRM may not have pleasant outcomes, even if it receives substantial investment. OBJECTIVE: This research aimed to investigate how gamified CRM projects influence consumers' favorability. METHODS: We introduced 3 different CRM projects in 3 different studies. Every project had 2 versions according to the level of gamification, and participants were randomly assigned into these 2 groups. Additionally, we used a 2 (gamification: lower, higher) 2 (rules presentation: without visual cues, with visual cues) between-subjects design to test the moderation role of rules presentation in gamified CRM projects. RESULTS: =14.57, P<.001). Moreover, we found that enjoyment played a mediation role between gamification and favorability (P<.001) in Study 2. In addition, the results of Study 3 indicated rules presentation in a gamified CRM program can moderate the indirect effect of gamification on favorability via enjoyment (index of the moderated mediation: 95% CI -1.12 to -0.10; for rules presentation with visual cues: 95% CI 0.69 to 1.40; for rules presentation without visual cues: 95% CI 0.08 to 0.83). CONCLUSIONS: Overall, this research contributes to the CRM literature and suggests gamification is an effective way of managing CRM campaigns.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».