L’impact de l’abandon ressenti sur l’intention d’achat des consommateurs : le cas de la pandémie de la COVID-19 dans l’industrie de l’événementiel au Québec
Bibliographic record
Abstract
La pandémie de la COVID-19 a entraîné l’annulation d’un volume important d’événements au Québec. On peut alors considérer que plusieurs consommateurs des industries de l’événementiel et du divertissement ont vécu une défaillance de service. Ce contexte unique a favorisé l’émergence d’une notion ayant fait l’objet de peu de recherche dans le domaine du marketing : l’abandon ressenti. Cette recherche a pour objectif d’étudier l’impact de l’abandon ressenti par la population québécoise à l’égard des grands événements auxquels ils devaient participer sur leur intention comportementale. Pour répondre à cette question de recherche, un panel a été utilisé pour rejoindre les 250 Québécois et Québécoises qui ont accepté de participer à cette étude en répondant au questionnaire élaboré. Les résultats du modèle d’équations structurelles utilisé pour tester le cadre conceptuel ont confirmé la présence de plusieurs relations significatives entre les variables étudiées. 1) L’attachement d’un consommateur envers un grand événement a un impact négatif sur son niveau d’abandon ressenti lors de la défaillance de service; 2) Un niveau élevé d’abandon ressenti par le consommateur a un impact négatif sur son attitude à l’égard de ce grand événement; 3) Une attitude favorable influence positivement l’intention comportementale à l’égard de ce grand événement. En réaction à ces résultats, les gestionnaires de grands événements peuvent ajuster leurs pratiques marketing afin de mieux répondre aux besoins et aux attentes des consommateurs. Ils doivent redoubler leurs efforts pour générer de l’attachement chez leurs consommateurs afin de minimiser l’abandon ressenti lors de mauvaises performances. Ils doivent aussi avoir accès à une base de données comportant les coordonnées de leurs consommateurs pour être capable de les rejoindre facilement et régulièrement. Pour minimiser l’abandon ressenti, les gestionnaires se doivent de tenir informés les consommateurs ponctuellement à propos de tout changement par l’envoi de communications claires, empathiques et sincères. L’adoption d’une politique de remboursement compréhensible et l’implantation d’un processus de remboursement accessible semblent également apaiser le sentiment d’abandon ressenti.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".