داده های بزرگ در رفتار مصرف کننده آنلاین
ترجمه نشده

داده های بزرگ در رفتار مصرف کننده آنلاین

عنوان فارسی مقاله: استفاده از مجموعه داده های بزرگ در رفتار مصرف کننده آنلاین: تجزیه و تحلیل کتاب شناختی و محاسباتی مبتنی بر متن کاوی تحقیقات قبلی
عنوان انگلیسی مقاله: The usage of large data sets in online consumer behaviour: A bibliometric and computational text-mining–driven analysis of previous research
مجله/کنفرانس: مجله تحقیقات کسب و کار – Journal of Business Research
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: بازاریابی
کلمات کلیدی فارسی: تجزیه و تحلیل کتاب شناختی، رفتار مصرف کننده، آنلاین، مجموعه های داده های بزرگ، تجزیه و تحلیل متن
کلمات کلیدی انگلیسی: Bibliometric analysis، Consumer behaviour، Online، Large datasets، Text analysis
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.jbusres.2019.09.009
دانشگاه: LUT University, LUT School of Business and Management, Finland
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2020
ایمپکت فاکتور: 5.352 در سال 2018
شاخص H_index: 158 در سال 2019
شاخص SJR: 1.684 در سال 2018
شناسه ISSN: 0148-2963
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 14
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14110
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


۱٫ Introduction


۲٫ Large data sets and online consumer behaviour


۳٫ Methodology


۴٫ Findings of the bibliometric analysis


۵٫ Topic modelling


۶٫ Discussion


References

نمونه متن انگلیسی مقاله

Abstract


The paper reports the evolution of scientific research on usage of large datasets in online consumer behaviour between 2000 and 2018. Thus, it affords information regarding the evolution of the field in terms of identifying key publications and authors as well as how certain topics have evolved over time. In addition, by utilising topic modelling and text analytic techniques, it is identified certain research themes from the papers within the published articles included in the dataset. This offers a guide to those who want to contribute to the field. In addition, paper contributes to the methodology related to literature surveys and bibliometric analyses by conducted topic modelling to extract the latent topics from the collected literature by utilising Structural Topic Modelling in order to gain more elaborated results.


Introduction


In the past two decades, advances in information technology as well as the Internet and digitalisation have transformed our daily lives and shifted the focus of commerce towards online digital environments. This change has also altered the ways consumers behave, for including how they shop and buy products and services (Darley, Blankson, & Luethge, 2010; Kim & Lennon, 2008). In the online environment, consumers’ decisions to purchase certain products and services are influenced by variables beyond the actual product or service, such as the design of the website or electronic word-of-mouth (including online reviews and recommendations) (see e.g. Cantallops & Salvi, 2014). Thus, online consumer behaviour has been one of the major research areas in marketing science, and it is the subject of a vast number of studies. For example, information system and marketing scholars have examined environmental site features (Manganari, Siomkos, Rigopoulou, & Vrechopoulous, 2011; Richard & Habibi, 2016), global search features (Hausman & Skiepe, 2009), language options (Hausman & Skiepe, 2009), site design (Ha, Kwon, & Lennon, 2007; Mummalaneni, 2005), site security (Hausman & Skiepe, 2009) and culture (Richard & Habibi, 2016). In recent years, there has been an increasing trend emphasising the importance of data analytics as well as the use of larger data sets. Data analytics is not new. Indeed, various kinds of data have been collected in one form or another for a very long time. However, technological improvements (e.g. in storing and transmitting information) have enabled the continuous and ubiquitous collection of data.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

داده های بزرگ در رفتار مصرف کننده آنلاین
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها