Comparing the direct, indirect and comparative effects of salespersons’ client and product knowledge in the financial services industry
Notice bibliographique
Résumé
Purpose The purpose of this study is to empirically examine and compare the effects of bankers’ customer knowledge and product knowledge on client satisfaction, trust, positive word of mouth and purchase intentions in the financial services industry. Design/methodology/approach This study investigated real-life buyer–seller dyads involving 402 bankers and 697 clients. Structural equation modeling was used for data analysis to test the proposed model. Findings In the client sample, bankers’ client knowledge demonstrated a stronger effect on client satisfaction and trust than product knowledge. In the banker sample, product knowledge had a stronger impact on client trust than client knowledge. In both samples, client satisfaction had a stronger effect on both positive word of mouth and purchase intentions than client trust. Practical implications Managers should consider client knowledge and human relations skills as major factors in their personnel selection and training strategies. At the marketing management level, it is suggested that policies and decisions of financial institutions must favor an in-depth understanding and sharing of knowledge of clients. Originality/value To the best of the author’s knowledge, this study is one of the first research to empirically compare the effects of bankers’ client knowledge and product knowledge, from both the client and banker perspectives. Although salesperson knowledge of customers has been assumed to be a key element of the marketing concept, it has received little attention despite its high managerial relevance.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».