MétaCan
Menu
Retour à la cohorte
Enregistrement W4390989180 · doi:10.5267/j.ijdns.2023.12.011

Architectural framework of digital marketing: Examining its relationship with customers and the intermediary role of electronic quality in Saudi commercial banks

2024· article· en· W4390989180 sur OpenAlexvenueno aff
Ashraf Al-Adwan, Naoufel Mahfoudh, Basel Al-Shaer, Maha Alkhaffaf, Zaid M. Al-Zrigat, Haron ismail Al-lawama

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarketingStructural equation modelingContext (archaeology)Quality (philosophy)BusinessSample (material)PerceptionMarketing researchEmpirical researchPsychologyMathematicsStatisticsGeography

Résumé

récupéré en direct d'OpenAlex

This study on the moderating effect of electronic quality in mobile marketing aims to examine the factors that influence how Saudi commercial banks are viewed by their customers. A research framework that sheds light on the state of the research was developed after a comprehensive analysis of the accessible literature. The theoretical foundation of this study is the idea of perceived characteristics, which identifies five critical factors that influence adoption rates. The empirical results of this study are presented based on a sample of 300 respondents (n = 300). The research was conducted using the statistical technique of least squares structural equation modeling (PLS-SEM). The reporting format conforms to accepted PLS-SEM analysis standards. The results reveal a significant association between mobile marketing and customer perceptions in the context of Saudi commercial banks, especially when electronic quality is used as a mediating variable. Based on these findings, we suggest that Saudi commercial banks should strategically include e-quality in their digital marketing campaigns, paying special attention to mobile marketing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,088
Tête enseignante GPT0,408
Écart entre enseignants0,319 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetTechnology Adoption and User BehaviourTravaux en français237 207