E-Branding and Customer Patronage in the International Market: Insights from Tantalizers Plc, Uyo
Notice bibliographique
Résumé
In an increasingly digitized and globalized economy, the importance of e-branding in fostering customer engagement and expanding international market reach has become vital particularly for indigenous firms seeking to tap into diaspora markets. The study investigated the effect of e-branding on customer patronage in the international market, using Tantalizers Plc, Uyo as a case study. Specifically, the research examined how five components of e-branding—website quality, social media engagement, online customer experience, search engine optimization (SEO), and digital advertising consistency influence key patronage indicators such as purchase frequency, retention, referral rate, sales volume, and brand loyalty among diaspora customers in the United Kingdom, United States, and Canada. The study adopted a quantitative survey research design. Data were collected from 380 respondents through a structured online questionnaire and analyzed using descriptive statistics and multiple linear regression. Findings revealed that all five e-branding components had statistically significant positive effects on customer patronage. Online customer experience emerged as the strongest predictor of patronage behavior, followed by website quality and digital advertising consistency. The regression model showed that 59.1% of the variance in customer patronage could be explained by the e-branding variables. The study concludes that effective digital branding strategies are critical for indigenous firms aiming to build loyalty and visibility in the international marketplace. It recommends that Tantalizers PLC, Uyo invest in optimized web platforms, interactive social media campaigns, personalized online experiences, SEO strategies, and consistent digital advertising to sustain and grow its international customer base. The study contributes to knowledge by providing a diaspora-focused e-branding framework for African firms expanding beyond local market
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 | 0,001 | 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».