Artificial Neural Networks and Structural Equation Modeling
Marketing and Consumer Research Applications
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 171.19
-
71 001 Ft (67 620 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 14 200 Ft off)
- Kedvezményes ár 56 801 Ft (54 096 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
71 001 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1st ed. 2022
- Kiadó Springer Nature Singapore
- Megjelenés dátuma 2023. november 21.
- Kötetek száma 1 pieces, Book
- ISBN 9789811965111
- Kötéstípus Puhakötés
- Lásd még 9789811965081
- Terjedelem341 oldal
- Méret 235x155 mm
- Súly 539 g
- Nyelv angol
- Illusztrációk IX, 341 p. 18 illus., 8 illus. in color. Illustrations, black & white 514
Kategóriák
Hosszú leírás:
This book goes into a detailed investigation of adapting artificial neural network (ANN) and structural equation modeling (SEM) techniques in marketing and consumer research. The aim of using a dual-stage SEM and ANN approach is to obtain linear and non-compensated relationships because the ANN method captures non-compensated relationships based on the black box technology of artificial intelligence. Hence, the ANN approach validates the results of the SEM method. In addition, such the novel emerging approach increases the validity of the prediction by determining the importance of the variables. Consequently, the number of studies using SEM-ANN has increased, but the different types of study cases that show customization of different processes in ANNs method combination with SEM are still unknown, and this aspect will be affecting to the generation results. Thus, there is a need for further investigation in marketing and consumer research. This book bridges the significant gap in this research area.
The adoption of SEM and ANN techniques in social commerce and consumer research is massive all over the world. Such an expansion has generated more need to learn how to capture linear and non-compensatory relationships in such area. This book would be a valuable reading companion mainly for business and management students in higher academic organizations, professionals, policy-makers, and planners in the field of marketing. This book would also be appreciated by researchers who are keenly interested in social commerce and consumer research.
Több
Tartalomjegyzék:
Chapter 1. Artificial neural network and structural equation modeling techniques.- Chapter 2. Social commerce determinants.- Chapter 3. Technology acceptance model in social commerce.- Chapter 4. Mobile commerce and social commerce.- Chapter 5. Electronic word of mouth and social commerce.
