The Impact of Word of Mouth, Product Quality, and Price on Trust and Repurchase Intentions: A SEM-Based Case Study of Indonesian Live Streaming E-Commerce
Notice bibliographique
Résumé
This study investigates how Word of Mouth (WoM), Product Quality (PQ), and Price (PR) influence Trust (TR) and Repurchase Intentions (RI) in the context of live streaming e-commerce in Indonesia. Using Structural Equation Modeling (SEM) and data from 300 respondents, the results show that trust plays a key role in influencing Repurchase Intentions. WoM and PR have a significant impact on trust, with WoM having a dual effect—it positively affects trust but negatively influences repurchase intentions directly. PQ does not significantly affect either trust or repurchase intentions, suggesting that in live streaming e-commerce, consumer interactions and experiences may be more influential than product attributes. The model fit indices support the reliability of the results, with strong explanatory power for both trust (R² = 0.765) and repurchase intentions (R² = 0.890). This research enhances our understanding of consumer behavior in live streaming e-commerce, highlighting the importance of trust-building strategies, managing WoM effectively, and transparent pricing to encourage consumer loyalty. Future studies should consider other factors like platform usability and influencer credibility for a broader view.
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 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 | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».