The influence of financial literacy, digital literacy, digital marketing, brand image and word of mouth on the z generation's interest in Islamic banks
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
This study aims to examine the effect of digital literacy, digital marketing, and word of mouth on the interest of the z generation in Islamic banks. Researchers used primary data obtained from distributing questionnaires to students and students with a total sample of 460 respondents. In this study the sample acquisition technique used a purposive sample with the criteria for respondents being in the age range of 17 years to 25 years. The research method uses a quantitative approach and PLS analysis techniques assisted by SmartPLS version 3.0. The variables in this study include exogenous variables in the form of digital literacy, financial literacy, digital marketing, brand image and word of mouth as well as exogenous variables namely interest in Islamic banks. The results of this study indicate that financial literacy, digital marketing and word of mouth have an influence significant to the interest of the z generation in Islamic banks. Meanwhile, digital literacy and brand image have no significant effect on the z generation's interest in Islamic banks. The results of this study can be used as reference material in conducting further research, especially to determine Islamic banking marketing techniques for the z generation. For further research, it is expected to develop this research by adding other variables such as religiosity, location, level of service and other factors as well as other methods of research such as further and in-depth interview techniques with respondents so that more varied information results are obtained.
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 | 0,003 | 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 | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| 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