The effects of digital marketing, word of mouth, and service quality on the purchase decisions: An empirical study of food SMEs products
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study is to analyze the influence of digital marketing, word of mouth, and service quality on purchasing decisions through a quantitative questionnaire using an accidental sampling method. The research is designed to find out the relationship between the influence of digital marketing, word of mouth and service quality on consumer purchasing decisions using a quantitative approach method. The variables in this study consist of independent variables and dependent variables. The variables studied include digital marketing, word of mouth, service quality and consumer purchasing decisions. The research was conducted at food SMEs in Jakarta, Indonesia. Sources of data in this study were primary data including consumer responses to digital marketing, word of mouth, service quality and purchasing decisions obtained from the results of distributing online questionnaires. The sample size used in this study was 680 people. The data collection method used in this study was an online questionnaire distributed by social media. The data were analyzed using SPSS software and structural equation modeling (SEM) with SmartPLS software tools. The results of this study indicate that the higher the digital marketing, word of mouth, and service quality, the higher the purchasing decision. SMEs must further optimize the use of digital marketing in marketing their companies such as uploading interesting content on one of the existing social media. From a word-of-mouth point of view, companies must promote more to their closest circle of benefits what they get from using SEMs products. Service quality must continue to provide excellent service to consumers or customers so that these consumers feel comfortable and satisfied.
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.
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 | 0,009 | 0,015 |
| 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 | 0,001 | 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 découle