Les caractéristiques d'un site web qui influencent la e-fidélité : le cas du tourisme
Bibliographic record
Abstract
Le tourisme est « un important moteur économique pour le Québec » (Dutilly, Lefrançois et Lemieux, 2006). Parallèlement, depuis plusieurs d'années, l'utilisation d'Internet dans les familles québécoises est en constante augmentation (CEFRIO, 2009 p.16). Les chercheurs s'intéressent au comportement du consommateur en ligne depuis plusieurs années afin de comprendre comment fidéliser cette nouvelle clientèle virtuelle (Cadiat et De Moerloose, 2002 ; Chouk et Perrien, 2004). Dans cet axe, ce projet de recherche porte sur l'influence des caractéristiques d'un site web sur la fidélité d'un consommateur dans l'industrie touristique. Le modèle développé par Toufaily (2011) a été retenu pour cette étude, car il conceptualise de manière intéressante celle influence dans le secteur financier. Cette recherche avait donc pour but de vérifier si son modèle est applicable à un autre secteur dans le domaine des services : le tourisme. Tout comme suggéré par Toufaily (2011), deux variables médiatrices (la satisfaction et la confiance) ont été relevées afin de faire le lien entre les caractéristiques web et la fidélité. Puis, onze caractéristiques d'un site ont été identifiées comme étant des antécédents de la satisfaction et de la confiance en ligne dans le secteur touristique. Les caractéristiques sont divisées en deux sous-groupes : fonctionnelle (le design, la facilité d'utilisation, la qualité du contenu, la sécurité/confidentialité, l'interactivité, et l'enjouement) et relationnelle (la personnalisation, la qualité du support, la communication intelligente, la présence sociale, et la présence d'une communauté virtuelle). Une caractéristique d'un site web propre au secteur touristique (l'enjouement) a été identifiée et a donc été ajoutée au modèle conceptuel de Toufaily (2011) dans cette recherche. La collecte de données a été effectuée auprès d'étudiants de l'UQAM à l'aide d'un questionnaire auto-administré. En tout, 220 questionnaires valides ont été obtenus. Les répondants devaient évaluer le dernier site touristique sur lequel ils ont magasiné ou effectué une transaction. C'est majoritairement les sites d'achats de voyage (tel qu'Expédia, Voyage à rabais) et des sites de billets d'avion (Air Canada) qui ont été analysés. L'analyse des résultats s'est déroulée en 3 temps. Tout d'abord, chaque échelle de mesure a été examinée pour sa fiabilité et sa validité. Puis, vu la présence de multicolinéarité entre certaines variables, chaque hypothèse de recherche a été vérifiée à l'aide de modèle de régression linéaire simple. Enfin, des régressions linéaires multiples ont été réalisées afin de souligner l'importance relative des caractéristiques web. Les tests permettent de conclure que toutes les caractéristiques fonctionnelles et relationnelles ont un impact significatif sur la satisfaction en ligne. Aussi, toutes les caractéristiques fonctionnelles ont un impact sur la confiance en ligne. On a pu aussi établir qu'il y a un effet partiel de la présence d'une communauté virtuelle et la présence sociale sur la confiance et un effet significatif de la personnalisation, la communication intelligente et la qualité du support sur la confiance. Enfin, la confiance et la satisfaction influencent significativement le niveau de fidélité d'un cybertouriste. Les résultats obtenus ressemblent à ceux de Toufaily (2011) obtenus dans le secteur financier. Les caractéristiques fonctionnelles qui ont le plus d'impact sur la confiance et la satisfaction sont l'utilité (le design, la facilité d'utilisation et la qualité du contenu), la sécurité/confidentialité et l'interactivité. La caractéristique relationnelle qui a le plus fort impact sur la confiance et la satisfaction est la qualité du support. À partir de ces conclusions, on peut conseiller aux administrateurs d'un site web touristique d'optimiser ces caractéristiques afin d'augmenter la fidélité de leurs consommateurs. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Commerce électronique, satisfaction, confiance, fidélité, tourisme, site web.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".