Sprejemanje mobilnega trženja s strani porabnikov
Notice bibliographique
Résumé
UVODV zadnjem desetletju je mobilni telefon postal naš stalni spremljevalec in večina ljudi si ne zna predstavljati življenja brez njega.Mobilno trženje je opredeljeno kot vsaka oglaševalska dejavnost, ki spodbuja prodajo izdelkov ali storitev preko mobilnih naprav (Kenton, 2023).Ustvarilo je pomembne spremembe v poslovnem svetu z zagotavljanjem enostavnega dostopa do prilagojenih sporočil, ne glede na čas in lokacijo.To področje je eno najhitreje rastočih v tehnološko usmerjenem trženju.S pomočjo mobilne tehnologije je mogoče izmenjati različne vrste vsebin, kot so videoposnetki, zvočni posnetki, fotografije, pisanje blogov, brskanje po internetu in komuniciranje z ljudmi po vsem svetu (Bayas, Bayat & Yasar, 2019).Obstaja veliko različnih oblik mobilnega trženja, kot so mobilne aplikacije, družbena omrežja, e-pošta, SMS sporočila in koda QR.Vsaka prinaša porabniku različne prednosti in se torej med seboj razlikujejo.Porabnikom mobilno trženje prinaša številne prednosti, kot so priročnost in enostavnost, personalizacija, interakcija, številne prilagojene ponudbe in popusti ter odzivnost.Pomembno je omeniti, da porabniki pričakujejo, da bo njihova varnost osebnih podatkov zaščitena in zaupanje je zelo pomemben dejavnik pri njihovem sprejemanju mobilnega trženja (Salem, Althuwaini & Habib 2017).Večina prejšnjih raziskav temelji na točno določenem obravnavanem sklopu pri sprejemanju mobilnega trženja.V raziskavi Ching Kiat, Samadi in Hakimian (2017) se poglobijo v dejavnike mobilnega trženja in kako jih porabniki sprejemajo, medtem ko raziskava Salem, Althuwaini in Habib (2017) analizira različne primere sprejemanja mobilnega trženja in porabnikove odzive nanj.Sama se bom osredotočila na najpomembnejše osnovne podatke, ki vplivajo na porabnikovo sprejemanje mobilnega trženja.Namen zaključne naloge je teoretično in empirično preučiti sprejemanje mobilnega trženja s strani porabnikov.S pomočjo teorije bom prikazala različne plati mobilnega trženja, kasneje pa na podlagi tega izvedla empirično raziskavo z anketno metodo.V anketnem vprašalniku želim raziskati porabnikovo mišljenje o mobilnem trženju.Zaključna strokovna naloga je sestavljena iz treh poglavij.V prvem poglavju opredelim mobilno trženje in njegove učinkovitosti ter predstavim ključne faktorje, kot so lokacija, zabava, družbeni vpliv, zaupanje in kompatibilnost.Nato preučim osnovne prednosti in slabosti mobilnega trženja.V drugem poglavju podrobno opišem pet različnih oblik mobilnega trženja, in sicer trženje preko SMS sporočil, trženje preko e-pošte, družbena omrežja, mobilne aplikacije in QR kodo.V tretjem poglavju predstavim empirično raziskavo sprejemanja mobilnega trženja s strani porabnikov, postavim hipoteze, opišem metodologijo, predstavim analizo podatkov ter interpretiram podatke.Pri empiričnem delu se bom osredotočila na slovenske porabnike in s pomočjo ankete preverila raziskovalne
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,010 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,007 |
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 ».