Thinking fast and slow: a revised SOR model for an empirical examination of impulse buying at a luxury fashion outlet
Notice bibliographique
Résumé
Purpose Despite the extensive stimulus–organism–response (SOR) literature, little attention has been paid to the role of marketing activity as a key environmental stimulus, and there is a dearth of research examining the interplay between emotions and cognition on consumer behaviour, as well as the sequential effects of emotions on cognition. To address these gaps, this study aims to develop a revised SOR model by incorporating Kahneman’s fast and slow thinking theory to investigate the impulse buying of affordable luxury fashion (ALF). Design/methodology/approach The authors use outlet stores at Bicester village (BV) in England as the research context for ALF shopping. Partial least squares structural equation modelling was used to analyse a survey sample of 633 consumers with a BV shopping experience. Findings The authors find that impulse buying of ALF arises from the interplay of emotional and cognitive factors, as well as a sequential and dual process involving in-store stimuli affecting on-site emotion and in-store browsing. Research limitations/implications This study reveals that brand connection has a significant and negative influence on the relationship between on-site emotion and in-store browsing, advancing the SOR paradigm and reflecting the interactive effect of human emotion and reasoning on the impulse buying of ALF items. Practical implications Insights into consumers’ impulse buying offer practical implications for luxury brand management, specifically for ALF outlet retailers and store managers. Originality/value The results suggest a robust sequential effect of on-site emotion towards in-store browsing on impulse buying, providing updated empirical support for Kahneman’s theory of System 1 and System 2 thinking.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».