The impact of the decision-making role on perceived satisfaction, value for money, and reinvest intentions at varying levels of perceived financial performance in the context of Big Data Marketing Analytics
Notice bibliographique
Résumé
Business resources and processes such as Big Data Marketing Analytics (BDMA) are becoming increasingly focused on meeting the needs and objectives of customers. Consequently, this research aims to use PLS-SEM to explain the interaction and relationships between the core user-centric performance measures of BDMA, such as user satisfaction, value for money and reinvestment intention. Also, the significance of the decision-making role was explored in this context. Finally, the impact of perceived financial performance was investigated to see its impact on the examined relationships. The impact of value for money on user satisfaction, the impact of the decision-making role on user satisfaction, and finally, the impact of the decision-making role on the reinvestment intentions were found to be significant for individuals who scored either low or high perceived financial performance. Furthermore, all the observed relationships in the dataset were positive, whereas only three were positive and significant for individuals who scored low on perceived financial performance. Overall, it is clear that perceived financial performance has a vital role in BDMA deployment, where understanding the influence of user authority in decision-making enables managers to design better organizational plans by integrating inputs from multiple organizational cross-layers. Also, the results indicate that a user’s decision-making role influences user-centric measures in BDMA deployment, which reveals how user perceptions and authority play a vital role in the context of BDMA in firms.
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 | 0,151 | 0,195 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; 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 ».