MétaCan
Menu
Retour à la cohorte
Enregistrement W4416209172 · doi:10.52783/tangence.17

Perception of Cleanliness & its Role in Customer Loyalty-Evidence from Gurugram Multiplexes.

2025· article· W4416209172 sur OpenAlexvenueno aff

Notice bibliographique

RevueTangence · 2025
Typearticle
Langue
DomainePsychology
ThématiqueFacilities and Workplace Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHousekeepingService qualityClothingCustomer satisfactionExhibitionWord of mouthQuality (philosophy)Empirical researchCustomer intelligence

Résumé

récupéré en direct d'OpenAlex

The Indian cinema exhibition industry has witnessed remarkable transformation with the advent of multiplexes, fundamentally altering the moviegoing experience. This empirical study investigates customer satisfaction levels regarding housekeeping practices in multiplexes across Gurugram, India. Through a comprehensive analysis of 350 respondents visiting various multiplexes including PVR INOX, Carnival, and other prominent chains, this research examines the correlation between housekeeping quality and customer satisfaction. The study employs both primary and secondary research methodologies, utilizing structured questionnaires and statistical analysis to assess key housekeeping dimensions including cleanliness, maintenance, staff behavior, and overall service quality. Findings reveal that 78% of customers consider cleanliness as the most critical factor influencing their overall cinema experience (1), while 65% directly correlate housekeeping standards with their likelihood to return (2). The research identifies significant gaps between customer expectations and current service delivery, particularly in areas of restroom maintenance, seating cleanliness, and waste management. These insights provide valuable recommendations for multiplex operators to enhance customer satisfaction through improved housekeeping practices, ultimately contributing to increased customer retention and business sustainability in the competitive entertainment industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,511
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,334
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTangenceMême sujetFacilities and Workplace ManagementTravaux en français237 207