MétaCan
Menu
Retour à la cohorte
Enregistrement W7117777054 · doi:10.47772/ijriss.2025.914mg00250

Effect of Customer-Based Brand Equity on Brand Performance and Organizational Performance of Selected Manufacturing Companies in Nigeria

2025· article· W7117777054 sur OpenAlexaff
Kyauta Nathan Bawa

Notice bibliographique

RevueInternational Journal of Research and Innovation in Social Science · 2025
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésBrand equityBrand managementSample (material)Quality (philosophy)Brand awarenessEmpirical researchPopulationCorporate branding

Résumé

récupéré en direct d'OpenAlex

This study investigates the influence of customer-based brand equity (CBBE) on brand performance and organisational performance in selected manufacturing companies in Nigeria. The target population comprised 1,500 consumers, from which a sample size of 379 was determined using the Taro Yamane formula. The research examined how the four dimensions of CBBE – brand trust, brand loyalty, brand associations, and perceived quality – affect both brand and organisational outcomes. Findings from regression analysis revealed that all four dimensions exert a positive and significant impact, with perceived quality and brand trust emerging as the most influential drivers of performance. These results underscore the strategic importance of brand management in enhancing competitiveness within Nigeria’s manufacturing sector. The study contributes to branding literature by offering theoretical insights, empirical evidence specific to the Nigerian context, and a methodological contribution through the integration of consumer-based and financial data. It concludes that strengthening customer-based brand equity is vital for sustaining organisational growth and enhancing shareholder value. Accordingly, the study recommends that Nigerian manufacturing firms should invest in strategies that build and reinforce brand equity to achieve long-term success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,388
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research and Innovation in Social ScienceMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207