MétaCan
Menu
Retour à la cohorte
Enregistrement W4375930696 · doi:10.46568/gjmas.v3i3.90

SERVICE QUALITY IMPACTS CUSTOMER SATISFACTION AND CUSTOMER LOYALTY (EMPIRICAL EVIDENCE FROM APPAREL INDUSTRY OF PAKISTAN)

2022· article· en· W4375930696 sur OpenAlexaff
Reema Frooghi, Samina Qasim, Kashif Mehmood

Notice bibliographique

RevueGlobal Journal for Management and Administrative Sciences · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésBusinessCustomer satisfactionLoyalty business modelMarketingCustomer delightCustomer retentionCustomer advocacyService qualityCustomer to customerClothingCustomer equityCustomer intelligenceLoyaltyService (business)Advertising

Résumé

récupéré en direct d'OpenAlex

As customers are getting prone to technology and have easy access to information, creating loyal customers is becoming a challenge for service providers. Therefore, it becomes important for companies to take corresponding actions proactively. The study has been conducted within the apparel industry of Karachi. Data has been collected from the young Apparel Brand users within Karachi and analyzed through SPSS and PLS-SEM. It has been analyzed that customer satisfaction and rapport have a significant impact on customer loyalty and the repurchase intention of the customer. The quality of the service offered to the customer plays a significant role in achieving customer satisfaction and enhancing their loyalty which helps in achieving the repurchase intention of the customer. The present study highlights the measures that managers need to take for strengthening customer loyalty which results in repurchase behavior and positive word of mouth. It will develop an understanding of how the better allocation of the available organizational resources can be carried out which will help in increasing the repurchase intention of the customer. For the success of any organization, a greater proportion of satisfied customers is required and the organization needs to enhance its satisfaction and loyalty level.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,157
Tête enseignante GPT0,412
Écart entre enseignants0,256 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal for Management and Administrative SciencesMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207