مقاله انگلیسی رایگان در مورد داده های بزرگ در رفتار مصرف کننده آنلاین – الزویر 2020

 

مشخصات مقاله
ترجمه عنوان 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
انتشار مقاله سال 2020
تعداد صفحات مقاله انگلیسی 14 صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
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
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مدیریت
گرایش های مرتبط بازاریابی
نوع ارائه مقاله
ژورنال
مجله / کنفرانس مجله تحقیقات کسب و کار – Journal of Business Research
دانشگاه  LUT University, LUT School of Business and Management, Finland
کلمات کلیدی تجزیه و تحلیل کتاب شناختی، رفتار مصرف کننده، آنلاین، مجموعه داده های بزرگ، تجزیه و تحلیل متن
کلمات کلیدی انگلیسی Bibliometric analysis، Consumer behaviour، Online، Large datasets، Text analysis
شناسه دیجیتال – doi
https://doi.org/10.1016/j.jbusres.2019.09.009
کد محصول  E14110
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
1. Introduction
2. Large data sets and online consumer behaviour
3. Methodology
4. Findings of the bibliometric analysis
5. Topic modelling
6. Discussion
References

 

بخشی از متن 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.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا