Unveiling the Trends in E-Commerce and Online Consumer Behaviour: A Bibliometric Analysis from 2018-2023
Notice bibliographique
Résumé
The online retail sector has undergone a remarkable surge, reshaping the global retail landscape and necessitating a nuanced comprehension of its intricate dynamics, particularly in understanding consumer behaviour. With e-commerce sales soaring to a monumental $5.7 trillion in 2022, the profound influence of consumer behaviour on market trends, business strategies, and policy formulation cannot be overstated. This study offers a comprehensive and diverse perspective by conducting an exhaustive bibliometric analysis of literature on online consumer behaviour, focusing on works published between 2018 and 2023. Leveraging the Bibliometrix R package and Biblioshiny user interfaces ensures the robustness of the analysis, which encompasses citation patterns, author collaboration dynamics, keyword frequencies, and international cooperation. By pinpointing influential articles, authors, journals, and emerging trends, the study identifies significant contributors, influential works, and fruitful collaborations, thereby illuminating the multifaceted nature of the e-commerce industry. The analysis underscores the pivotal role of interdisciplinary collaboration in fostering international partnerships and the growing significance of technological advancements. The findings of this study hold valuable insights for academics, industry professionals, and regulators, empowering them to devise effective strategies and foster sustainable e-commerce practices. By contributing significantly to the body of e-commerce research, this study has the potential to bolster consumer trust, enrich customer experiences, and steer future research endeavours in an industry characterised by rapid evolution.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,052 | 0,113 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».