The role of brand awareness, digital marketing and electronic word of mouth (E-WOM) toward purchase intention on social media: An empirical study on Indonesian SMEs
Notice bibliographique
Résumé
This research aims to analyze the relationship between brand awareness and purchase intention. Digital marketing purchase intention and word of mouth on purchase intention. This research is quantitative research with an explanatory method that aims to explain the relationship between symptoms. This study intends to conduct hypothesis testing to explain the relationship and influence between variables. The data used in this study are primary data through an online questionnaire method. The questionnaire answers are in the form of a Likert scale which is an interval scale with a scale of 1 to 7. Data processing in this study uses the Partial Least Square (PLS) method with the help of SmartPLS software. This method is Structural Equation Modeling (SEM) which can accommodate the relationship between very complex variables but the data sample size is small. The respondents who were sampled were 436 MSME owners, while the questionnaires that were returned completely and filled out properly amounted to 344 questionnaires. The questionnaires that were valid and reliable from the next stage were distributed to the research respondents whose results would be processed using SmartPLS software. The stages of data processing carried out include evaluation of the measurement model (outer model) and evaluation of the structural model (inner model). Evaluation of the measurement model consists of validity tests and reliability tests. Validity test can be seen from the standardized loading factor value. An indicator is said to be valid when the loading factor value is greater than or equal to 0.7. While the reliability test is seen from the Cronbach's Alpha and Average Variance Extracted (AVE) values. A construct is declared reliable when the Cronbach's Alpha value is greater than or equal to 0.7 and the minimum AVE value is 0.5. Furthermore, the hypothesis test is to see the significance of the relationship between constructs which can be seen from the path coefficient. This calculation looks at the t-statistic and p-value values generated from calculations using SmartPLS. Path coefficients that have a t-statistic value ≥ 1.96 or have a p-value ≤ 0.05 are declared significant. The results of this research are that Brand awareness has a positive and significant effect on purchase intention. Digital Marketing has a positive and significant effect on purchasing intention. Word of Mouth has a positive and significant effect on purchasing intention.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».