Pengaruh E-Service Quality Terhadap E-Repurchase Intention dengan E-Consumer Satisfaction sebagai Variabel Intervening pada E-Commerce Bukalapak
Notice bibliographique
Résumé
Technological developments in the digital era are growing rapidly, with an important role played by technology in people's daily activities, including online shopping activities. The high number of e-commerce activities and the high level of visits to e-commerce sites represent the level of competition in the e-commerce industry and the high interest in buying on e-commerce platforms. Bukalapak has experienced a quite crucial decline, namely Bukalapak's monthly site visits which have continued to decline significantly since the first quarter of 2019. This study aims to determine the effect of E-Service Quality on E-Repurchase Intention mediated by E-Consumer Satisfaction on E- -Commerce Bukalapak. This type of research is quantitative research using descriptive analysis. The total number of respondents used in this study was 400 with the criteria of having made a purchase at Bukalapak at least once. The sampling technique used is non-probability sampling with purposive sampling and a Likert scale. The data analysis used was PLS (Partial Least Square) using SmartPLS 3.0 software. The results stated that E-Service Quality had a positive and significant influence on E-Repurchase Intention. E-Service Quality has a positive and significant influence on E-Consumer Satisfaction. E-Consumer Satisfaction has a positive and significant influence on E-Repurchase Intention. E-Service Quality has a positive and significant influence on E-Repurchase Intention through E-Consumer Satisfaction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».