The Impact of Gamification on Customer Engagement in Small and Medium Enterprises
Notice bibliographique
Résumé
This study investigates the impact of social media gamification techniques on Small and Medium-Sized Enterprises (SMEs) in Indonesia, focusing on point-based rewards, leaderboards, and achievement badges. By analyzing data from 162 Indonesian SMEs using Partial Least Squares Structural Equation Modeling (PLS-SEM), the research reveals several key findings. Point-based rewards and leaderboards significantly boost customer engagement and loyalty by motivating customers to interact more frequently with the business, enhancing their overall experience and satisfaction. As customers accumulate points and see their names on leaderboards, their sense of competition and accomplishment drives continued participation and loyalty. Achievement badges play a crucial role in encouraging initial customer participation by providing immediate recognition of customer efforts, which motivates further interaction. While badges may not have as strong an impact on long-term loyalty as point-based rewards and leaderboards, they are effective in initially engaging customers. The study highlights the importance of tailoring gamification strategies to the specific needs and behaviors of SME customers to maximize social media engagement efforts. By doing so, businesses can effectively enhance customer retention and loyalty. Furthermore, this research fills a gap in the literature by providing measurable insights into the impact of gamification on SMEs, offering practical recommendations for businesses aiming to improve customer engagement through social media. The findings emphasize the effectiveness of customized gamification techniques and offer actionable strategies for fostering long-term customer loyalty, contributing to the broader understanding of social media’s role in SME growth and sustainability.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».