Comprendre les antécédents de la satisfaction des clients envers l’achat en ligne : une étude empirique de la théorie de l’autodétermination
Bibliographic record
Abstract
Cet article vise à comprendre les indices de la satisfaction des clients en ce qui concerne l’achat en ligne en Inde en utilisant la théorie de l’autodétermination (TDA). Cette recherche valide le plaisir perçu, l’influence sociale, les interactions sur les réseaux sociaux, la logistique inverse et le paiement à la livraison (pay on delivery ou POD) en tant que nouveaux indices de la satisfaction des clients pour l’achat en ligne. Les données ont été recueillies au moyen d’un questionnaire autoadministré et structuré ciblant les acheteurs en ligne dans les États de l’Inde du Nord. Un échantillon de 424 acheteurs en ligne a été validé à l’aide de la modélisation d’équations structurelles (SEM). Les conclusions de l’article révèlent que l’influence sociale, la logistique inverse et le paiement à la livraison (POD) ont eu un impact positif et significatif sur la satisfaction des clients. Le plaisir perçu apparaît comme étant le meilleur indice de l’achat en ligne. Cependant, les interactions sur les réseaux sociaux apparaissent comme un indice négligeable de la satisfaction des clients. Cette recherche constitue l’un des efforts initiaux qui valident empiriquement le POD, les interactions sur les réseaux sociaux, l’influence sociale, la logistique inverse et le plaisir perçu dans le contexte de l’achat en ligne en utilisant la TDA. Grâce à cette étude, les cybercommerçants qui se préparent à étendre leurs activités en Inde obtiennent des informations importantes sur les moteurs de l’achat en ligne menant à la satisfaction des clients. En retour, cela leur permettra de développer des stratégies de marketing et de les mettre en place pour cibler l’énorme marché inexploité.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".