Exploring Ethical and Emotional Dimensions of Customer Value in Financial Services through Employee-Customer Dynamics
Notice bibliographique
Résumé
This study focuses on exploring the ethical and emotional dimensions of customer perceived value (CPV) in financial services. This area is crucial to understanding customer dynamics within the finances sector, yet it remains underexplored in existing literature. Utilizing a quantitative analysis of 652 customer surveys from Canadian financial institutions, this research employs SmartPLS3 for structural equation modeling to ascertain the impacts of frontline employee job satisfaction on customer's ethical and emotional perceptions as well as their overall CPV. The data analysis reveals that customer-perceived employee job satisfaction positively affects CPV by significantly influencing ethical and emotional benefits. Although ethical benefits alone do not directly impact loyalty or word-of-mouth (WOM) recommendations, their influence is significant when mediated through CPV, with emotional benefits directly amplifying WOM and indirectly boosting loyalty. Correspondingly, the results highlight the importance of employee-centric policies and their direct correlation to customer loyalty and satisfaction. As such, this study contributes to the body of knowledge by linking employee satisfaction with ethical and emotional customer benefits, suggesting a reevaluation of business practices to integrate these dimensions for enhanced customer value creation. Future research is encouraged to explore these dynamics across varied contexts to expound upon these relationships' applicability and robustness. Our inquiry into the subject concludes by highlighting the strategic importance of fostering employee satisfaction when seeking to elevate CPV and achieve enduring customer loyalty. Keywords: Customer Perceived Value, Customer Loyalty, Employee-Customer Interactions, Employee Satisfaction, Financial Services
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».