Mapping the Conceptual Structure of Digital Marketing and Customer Engagement: A Bibliometric Approach
Notice bibliographique
Résumé
The rapid evolution of technological advancements and shifting consumer behavior necessitates a comprehensive understanding of emerging trends and research directions in digital marketing and customer engagement. This study presents a comprehensive bibliometric analysis of 6,220 publications from SCOPUS and Web of Science (2010–2024) to map the conceptual structure and thematic evolution of digital marketing and customer engagement research. Utilizing tools such as Biblioshiny, the analysis identifies key trends through keyword co-occurrence, thematic mapping, and correspondence analysis. The findings reveal a dynamic shift from foundational consumer preferences and advertising themes to emerging domains such as influencer marketing, sustainability, and AI-driven strategies. Thematic clusters underscore the rising influence of social media, electric vehicles, and sentiment analysis in shaping consumer behavior, while motor themes like willingness to pay and choice experiments remain crucial. Niche areas such as game theory and e-commerce platforms highlight the underexplored research opportunities. This study emphasizes the transformative role of artificial intelligence in customer experiences and the necessity of interdisciplinary collaboration to address evolving market challenges. Despite limitations, including language biases and database constraints, this research offers actionable insights for academia and practice. This study advocates for future exploration of sustainability, global consumer trends, and advanced analytics, enabling businesses to craft adaptive strategies in a digitally competitive landscape. This analysis provides a roadmap for advancing theoretical frameworks and fostering deeper customer connections and sustainable brand growth.
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 | 0,015 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,251 | 0,311 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».