Relationship norms, rewards and consumer-brand bonds: when cultural context and attachment anxiety matter
Notice bibliographique
Résumé
Purpose The consumer–brand relationship (CBR) literature is grounded in the notion that CBRs mirror interpersonal relationships. Yet little research has examined whether the relational norms that underpin these relationships operate consistently across cultural contexts. This study challenges the assumption that consumers universally value balanced and equitable relationships. It examines two contrasting national settings to explore how the norms guiding relational engagement vary across cultural contexts, focusing on differences in relational norms (communal vs exchange) and relational rewards (intrinsic vs extrinsic). Cultural dimensions such as power distance provide a useful interpretive lens for understanding these differences. Design/methodology/approach The study uses the student–university relationship as the empirical context to investigate cultural differences in CBRs. A cross-cultural survey was administered to 511 respondents in the United Kingdom and 263 respondents in Ghana. Findings The results reveal distinct relational patterns across the two cultural contexts examined. In the UK, communal and exchange-based CBRs aligned with conventional relationship theories. In Ghana, however, these patterns diverged from expected distinctions between communal and exchange norms. Furthermore, attachment anxiety interacted with cultural context, moderating the effects of relational norms and attenuating contextual differences. Originality/value This study contributes to the growing body of CBR research by introducing a cross-cultural perspective. It demonstrates that relational norms are not universally applied but vary across contrasting cultural contexts and are further shaped by individual attachment styles. These findings offer actionable insights for relationship marketing strategists, highlighting the importance of adapting approaches to both cultural and individual differences.
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 | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».