Exploring the influence of eWOM in live streaming on consumer purchase intentions in China: A qualitative analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rapid rise of live streaming commerce in China has transformed the retail environment, with electronic word-of-mouth (eWOM) emerging as a pivotal factor in shaping consumer behavior. As a digital evolution of traditional word-of-mouth, eWOM gains particular significance in live streaming contexts, where real-time interactions foster immediacy and engagement. This study investigates how eWOM influences consumer purchase intentions within Chinese live streaming platforms, employing the Information Adoption Model (IAM) as theoretical framework. Using a grounded theory approach, this research applies NVivo for data coding and analysis to explore the cognitive and emotional processes triggered by eWOM during live streaming. Findings indicate that argument quality, source credibility, and information quantity significantly enhance consumer trust and perceived usefulness of information, which, in turn, drives information adoption and purchase intention. Furthermore, the study reveals that social interaction between live streaming anchors and audiences amplifies the influence of consumers' internal states on information adoption. This study enhances the Information Adoption Model (IAM) by introducing social interaction as a moderator between consumers' internal states toward live streaming eWOM and their adoption of information, highlighting the value of social interaction in live streaming. It also incorporates information quantity, showing how eWOM quantity affects trust and perceived usefulness. Furthermore, the study contributes to exploring how factors like argument quality, source credibility, and information quantity shape consumer trust and perceived usefulness, offering insights into the cognitive and emotional processes of information adoption in live streaming.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle