Analyzing the consumer journey for hiking of the John Muir Trail
Notice bibliographique
Résumé
Most research on the consumer journey has focused on product purchases. This research, however, examines the consumer journey for experiences – in this case a long-distance hike. Two studies examine how people become aware of, learn more about, prepare for, evaluate, and reflect on a 200-mile hike on the John Muir Trail in California. The first study interviewed hikers while on the trail. The second study analyzed online discussion groups dedicated to the trail. These studies reveal that the idea of a long-distance hike often arises from a mention by others where people add the idea to a mental “bucket list”. For those with whom the idea resonates, they may quickly decide to hike the trail, though their motivation may not always be clear, and the trip may not occur for quite some time. Getting a permit is frequently a barrier, but online communities often offer advice. Preparation for the hike is typically a high-involvement process that involves purchasing equipment and physical training. The hike itself is a paradox of aesthetic appreciation in the face of physical struggle. Importantly, many hikers later report the journey as an important experience and serve as evangelists for other hikers. The two studies corroborate certain notions about the consumer decision process while calling others into question. For instance, they validate the significance of word-of-mouth recommendations from individuals with similar backgrounds, which plays a pivotal role in raising awareness. Simultaneously, they challenge conventional thinking by demonstrating that the decision-making process is influenced not solely by rational factors but also by emotional elements. Finally, these findings underscore the importance of employing multiple research methods to comprehensively grasp the intricate aspects of the consumer journey, especially the consumption of experiences.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».