The effect of Instagram on millennials consumer’s purchase intentions in the fashion industry
Notice bibliographique
Résumé
The purpose of the current research is to explore the impact of Instagram pages on consumers’ purchasing intentions among millennials in the fashion industry in Jordan. This study uses a quantitative, cause-effect, and cross-sectional approach. Online surveys were used to collect data from 212 respondents through different social media tools. The collected data was analyzed by SPSS software and Smart PLS to test the research hypothesis. Results show that bloggers’ recommendations significantly affect eWOM and engagement; usefulness information significantly affects eWOM and engagement; while trust insignificantly affects eWOM and engagement; brand familiarity insignificantly affects eWOM and engagement; participation and socialization insignificantly affect eWOM and engagement. Finally, useful information, eWOM, and engagement significantly affect consumers buying intention on Instagram. The study gives new information about the influence of Instagram pages on consumers' intentions. Therefore, this research expands the knowledge about factors that affect customers’ buying intentions. Since the study is a quantitative cross-sectional conducted on fashion industry Instagram users through an online survey in Jordan, which may limit its generalization to other industries and countries, therefore, the study suggests applying similar studies to online users of different ages, industries, and countries. Marketers can use Instagram to contact, promote, advertise, and sell their products by developing strong relationships with their customers through different social media tools. Using social media tools for marketing and selling reduces paperwork, printed advertisement, and transportation, which positively affects corporate social responsibility and reduces the consumption of energy and pollution.
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 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 | 0,004 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».