MétaCan
Menu
Retour à la cohorte
Enregistrement W4405258891 · doi:10.5267/j.dsl.2024.10.009

The effect of marketing 5.0 on marketing performance: The moderating effect of customer resources

2024· article· en· W4405258891 sur OpenAlexvenueno aff
Ahmad Saleh Altwaijri

Notice bibliographique

RevueDecision Science Letters · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarketingMarketing managementBusinessReturn on marketing investmentRelationship marketingMarketing strategyMarketing researchMarketing effectivenessDigital marketingMarketing mix

Résumé

récupéré en direct d'OpenAlex

This study aims at exploring the effect of marketing 5.0 as a whole construct on marketing performance and the moderating role of customer resources between these two variables. Moreover, the study aims at examining the effects of marketing 5.0 dimensions, i.e., predictive marketing, contextual marketing, augmented marketing, and agile marketing on marketing performance as well as the moderating role of customer resources in the effect of each dimension on marketing performance. Collecting data by a closed-end questionnaire from a sample consisting of 186 managers and sales persons in clothing shops, the results pointed out that there is a statistically significant effect of marketing 5.0 on marketing performance and there is a statistically significant moderating effect of customer resources between marketing 5.0 and marketing performance. Furthermore, the results revealed that three dimensions of marketing 5.0, i.e., predictive marketing, contextual marketing, and augmented marketing, exerted significant effects on marketing performance. As well, customer resources significantly moderated the effects of predictive marketing and augmented marketing on marketing performance. Such results contribute to marketing performance literature through highlighting the importance of both marketing 5.0 and customer resources together in enhancing marketing performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,266
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetConsumer Retail Behavior StudiesTravaux en français237 207