The Role of Emotional Advertising in Building Emotional Connections with Customers
Notice bibliographique
Résumé
This bibliometric analysis explores the role of emotional advertising in building deep emotional connections between brands and consumers. The research identifies key themes such as advertising, marketing, and consumer behavior, which are central to understanding how emotional appeals influence consumer engagement. By tapping into emotions, brands can foster customer loyalty, enhance brand differentiation, and influence purchasing decisions. The study highlights influential sources and authors in the field, with the Journal of Advertising leading with 44 documents, and Septianto F being the most relevant author with 19 publications. Additionally, the relationship between a country’s total research output and the average citation impact is analyzed, revealing that while the USA leads in total citations, Canada and Austria are noted for their high citation impact, demonstrating the importance of research quality over sheer volume. The findings emphasize the effectiveness of emotional advertising in creating lasting consumer-brand connections, and the increasing amount of study in this field indicates how important it is to contemporary marketing tactics. For brands, leveraging emotional advertising is a powerful way to differentiate themselves and build strong, loyal customer relationships. The study also offers a clear roadmap for future researchers to identify key trends and influential sources, thereby enhancing the existing literature on emotional advertising. A direction for future research includes investigating the role of emerging digital platforms, such as social media and influencers, in shaping emotional advertising strategies. This study's primary focus on bibliometric data may limit its ability to properly capture the qualitative elements of emotional advertising's efficacy in various cultural and commercial contexts.
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 | 0,007 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,044 | 0,059 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».