Customer engagement in a retail setting: an examination of antecedents and outcomes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Studies examining customer engagement (CE) with retailers have been sparse. We propose and test a comprehensive model of CE in three separate retail contexts. Building on the relationship marketing framework, we propose that satisfaction, trust and affective commitment are antecedents of CE. CE, a second order construct, manifests in terms of attitudinal loyalty, as well as intention to repurchase, willingness to advocate and actual spending. Design/methodology/approach Two national surveys were conducted in Canada. Study 1 focused on apparel (N = 225) and grocery (N = 229) retail sectors. In Study 2, survey responses from customers of one specific pharmacy retail chain (N = 464) were combined with their actual spending with the retailer. Structural equation modeling was used to test CE as a second-order construct. Findings Data from both studies supported the proposed model and hypotheses across all datasets. CE requires retailers to provide customer experience that builds trust and emotional attachment, which in turn leads to brand advocacy and increased spending with the retailer. Practical implications These studies show that CE is determined by satisfaction, trust and commitment. Retailers must focus on meeting and exceeding customer expectations, so they are highly satisfied. By consistently delivering the brand promise retailers can build trust and elicit affective commitment from customers which are crucial for developing CE. Originality/value This study demonstrates the process of CE creation in retail as well as the outcomes of engagement, with validation in three different retail settings. We combine data on consumer spending from a retailer's CRM system with their survey responses to demonstrate the real-world validity of our model.
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 découle