Key factors that influence purchase intention in consumers from metropolitan Lima who are eighteen years and older to acquire funerary products for the future
Bibliographic record
Abstract
La presente investigación tuvo como objetivo analizar los factores claves del comportamiento del consumidor de Lima metropolitana mayor de edad, que influyen en la intención de compra de productos funerarios a futuro en parques cementerio. Esta investigación se realizó con el fin de brindar un sustento valido a la industria funeraria para alinear las necesidades de los consumidores con la oferta de valor de los parques cementerios realizando una investigación mixta. La investigación cualitativa se aplicó a través de entrevistas semi-estructuradas a expertos en la industria. Posteriormente se aplicó la investigación cuantitativa, donde se encuestó a una muestra representativa de la población. El primer paso para la investigación fue la búsqueda y análisis de las principales teorías que explican el tema. Seguidamente se aplicó la investigación cuantitativa y tras su análisis, se concluyó que la hipótesis general es aceptada. Se concluyó que los factores que influyen en el comportamiento del consumidor y la intención de compra en orden de relevancia son: 1. Personales, 2. Sociales, 3. Psicológicos y 4. Culturales. Esto permite definir a los participantes del mercado estrategias y decisiones más relevantes con respecto a los consumidores. Secundariamente se concluyó que los cuatro factores son relevantes para el comportamiento del consumidor. Además, se descubrió que a diferencia de lo que indica la teoría, no es el factor cultural el más relevante, sino los factores personales. Finalmente, se recomienda el uso de la herramienta de investigación cuantitativa y el marco teórico para futuros análisis de la industria.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".