MétaCan
Menu
Retour à la cohorte
Enregistrement W4385973795 · doi:10.5267/j.uscm.2023.7.005

Exploratory analysis of natural cosmetic products purchase intention: Evidence from Jakarta, Indonesia

2023· article· en· W4385973795 sur OpenAlexvenueno aff
Kilala Tilaar, Asep Mulyana, Rita Komaladewi, Kurniawan Saefullah

Notice bibliographique

RevueUncertain Supply Chain Management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStorytellingStructural equation modelingBusinessExploratory researchProduct (mathematics)MarketingAdvertisingConsumption (sociology)JudgementSociologyMathematicsNarrativeStatistics

Résumé

récupéré en direct d'OpenAlex

In the COVID-19 era, green consumption has risen into a global trend, leading beauty products to be more environmentally friendly to satisfy these new consumers’ needs. However, not every natural beauty brand, especially natural cosmetic products, survived in the market. This study aimed to examine the cause and effect of a phenomenon of storytelling marketing strategies on the public's purchase intention for cosmetic products made from natural ingredients. The literature study showed that the relationship between storytelling and purchase intention is somewhat inconsistent. As a countermeasure and study gap, this study implemented product innovation as a mediating variable. This research was carried out quantitatively in Jakarta, Indonesia. Data used in this study was primarily obtained through questionnaires in 2021 and judgement sampling of 200 respondents. The data were tested using Structural Equation Model Partial Least Square (SEM-PLS) models’ technique on SmartPLS 3.0. The results showed that storytelling positively increases natural cosmetic purchase intention through product innovation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,117
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,294
Écart entre enseignants0,254 · 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 tête enseignante, 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUncertain Supply Chain ManagementMême sujetSMEs Development and Digital MarketingTravaux en français237 207