1 / 62
文档名称:

会展专题研究论文阅读.pptx

格式:pptx   大小:12,946KB   页数:62页
下载后只包含 1 个 PPTX 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

会展专题研究论文阅读.pptx

上传人:2623466021 2022/3/17 文件大小:12.64 MB

下载得到文件列表

会展专题研究论文阅读.pptx

相关文档

文档介绍

文档介绍:会展专题研究论文阅读
1
Customer-customer interactions (CCIs) at conferences:
An identity approach
会议中的顾客间互动:身份途径
Tourism 意义直接存在于关键关系中的客户体验
与会者参与度和客户间互动
研究概念框架
“Attendee-centric〞会议组织三元素框架〔创新〕:
会议与品牌组织相似:
1〕 会议描绘来客户在同一主题下高水平的互动
2〕 会议的成功取决于客户在个人间互动的参与程度
与会者参与度和客户间互动
“Self-concept〞:
个人本身:代表与会的个人身份
关系本身:通过会议设置所表达的与会者之间的互动关系
集体本身:与会者所了解的所参与会议的社会身份
总结:
“Attendee-centric〞会议组织三元素框架和“自我概念〞的结合提出了与会者之间互动体验的操作模型
“Attendee-centric〞会议组织三元素框架和“自我概念〞的结合指出了个人在组织中的身份或组织本身的身份在CCIs中可能产生的作用
卓越会议体验中客户间互动中的与会者参与度的影响
H1:与会者的互动体验会显著影响他们的卓越与会体验
H1a:与会者在客户间互动时的技能交换会显著影响他们的卓越与会体验
H1b:与会者在客户间互动时感觉到的社会情感支持会显著影响他们的卓越与会体验
研究假设与模型
卓越会议体验中客户间互动中的与会者参与度的影响
H2:与会者的客户间互动体验可能会显著影响他们对会议组织的组织认同的理解
H2a:与会者在客户间互动时的技术交流可能会显著影响他们在会议组织中的身份识别
H2b:与会者在客户间互动时感觉到的社会情感支持可能会影响他们在会议组织中的身份识别
H2c:与会者在客户间互动时的技术交流可能会显著影响他们基于组织的自我身份尊重
H2d:与会者在客户间互动时感觉到的社会情感支持可能会显著影响他们基于组织的自我身份尊重
研究假设与模型
研究假设与模型
组织认同对于基于组织的自我身份尊重的影响与卓越会议体验
H3:会议组织中与会者的身份识别对于其基于组织的自我身份尊重感的形成有积极作用
研究假设与模型
与会者组织认同与卓越与会体验
H4:会议组织中与会者身份识别的形成过程对卓越与会体验有积极作用
研究假设与模型
与会者组织认同与卓越与会体验
在“Attendee-centric〞会议组织三元素框架的根底上,运用SIT理论,研究假设CCIs通过组织认同途径对卓越会议体验产生的影响,因而提出CCIs体验产生影响的体制模型:
研究方法
研究方法:定量研究,检测客户间互动时时与会者的参与度通过组织认同的途径对与会者卓越与会体验的影响
测量尺度:现有的会议、心里和顾客行为研究提供了测量CCIs体验质量、组织认同和卓越会议体验的度量尺度
Pilot Research:
1〕 33名研究者的熟人
2〕 过去5年参与过各种类型的协会会议
正式研究调查:
1〕 对PR进展细微修改
2〕召集潜在研究参与者:通过一个专业研究调查软件公司的协助
3〕研究有效性保证:筛选问题的设置/ 研究注意强调 / 两个检测答题有效性问题的设置
研究
设计
研究方法
第1局部:参与者回忆五年内回忆记忆最深的协会会议的相关信息
第2局部:集中于参与者所回忆起会议中的CCIs体验〔分别测量CCIs体验的工具维度和体验维度〕
第3局部:关于与会者在所回忆的会议中构建的组织认同
1〕 组织认同的识别由一个视觉要素和两个口头要素组成
2〕 视觉要素:在所提出的8个事项中,选择个人身份与组织认同重叠的情况
第4局部:使用24个要素组成的7分量表测量与会者卓越的会议体验〔防止提问顺序造成的影响〕
第5局部:收集根本的人口信息
调查问卷和测量
数据分析与结果
分析方法:
描述性分析〔根本人口特征和参与会议情况〕
数据分析与结果
数据筛选与假设检验:
821份回复进展筛查,找出与缺失数据有关的潜在问题。对数据进展的初步检查只发现了一小局部缺失值,%%不等。

Little's完全随机〔MCAR〕检验的结果显示缺失数据是完全随机的〔MCAR〕〔卡方= ,df = 2095,p> 〕,这意味着缺失的工程是独立于测量的构造以及其他变量的值。
鉴于遗漏观测的比例小和随机性,决定使用基于模型的期望最大化〔EM〕算法来计算遗漏的观测值。具体而言,该方法首先用一系列回归中的预测分数代替缺失观察值,其中每个不完全变量在特定情况下对其余变量进展回归。然后,整个估算数据集提交最大似然估计。重复这