The Role of CEO Political Identity in Disrupting the Customer Journey: A Qualitative Case Study of Consumer Decision-Making in the EV Industry
Notice bibliographique
Résumé
This research examines the role of CEO political identity in shaping consumer behavior throughout the customer journey. Despite the increase in political polarisation, literature on political branding has been limited. To address this research gap, this thesis integrates political psychology and marketing literature, drawing on Social Identity Theory and the Customer Journey Framework. Using Tesla and its CEO, Elon Musk, as a case study, a qualitative, interpretivist approach was adopted, encompassing 16 semi-structured interviews with consumers from Denmark and Canada, which offer nuanced contrasts in political climate and patterns of consumer engagement. The analysis identifies three key themes in each of the pre- and post-purchase stages, categorised by: brand perception, CEO perception, and political identity within the customer journey. Findings show that CEO political identity shapes consumer decisions in the pre- and post-purchase stages, acting as a signal of brand values. Specifically,political misalignment often leads to rejection, even when the product performs well. These responses are shaped by emotional salience and national context: Danish participants are moresensitive to value conflicts, while Canadian participants focus more on functionality. To influence consumer decision-making, managers should limit politically sensitive CEO visibility,separate brand identity from leadership, and maintain neutral brand advocacy. To the authors’knowledge, this is the first study to examine how CEO political identity shapes consumerdecision-making across the customer journey in multiple national contexts, offering practical insights for managing brand trust in politically divided markets.
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 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 | 0,025 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».