Identifying the drivers of review generation in business-to-business e-commerce
Notice bibliographique
Résumé
Despite the significant larger scale of B2B e-commerce and the importance of online reviews for buyers and sellers in B2B context, research on online review generation primarily focuses on the B2C context. The global expansion also poses a challenge for firms to understand the generation of online reviews beyond national boundaries. Yet, current research on online reviews offers little guidance in this area, as most of the extant research on online reviews has focused on the U.S. or a single country. This dissertation is an attempt to shed light on the limited knowledge of review generation in B2B and in globalization context. Using a large-scale empirical study, I highlight the importance of online reviews, identify their drivers in the B2B context, and examine the effect of national culture on online review generation. In essay 1, I investigate the effects of customer-initiated contacts, relationship duration, free-tiered pricing, and competition on online review generation. I also examine how those effects vary in different situations and investigate the consequence of online review sharing in B2B context. In essay 2, I investigate how individualism and uncertainty avoidance affect the decision to share online reviews and how these national culture's dimensions moderate the effect between customers’ interactions with the firm and online review generation. My research shows that findings from the existing literature (which have primarily been based on a B2C context and a single market) have limited applications to B2B contexts and firms operating in different countries and cultures, and further research is required in these important, yet underexplored areas.
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 | 0,008 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».