Mata Kuliah : Manajemen Pemasaran

Materi : Customer Engagement

Nama Mahasiswa : Sety Ani
NPM : 612010122079
Kelas : 3B

NO KETERANGAN PEMBAHASAN
1. Judul : keterlibatan pelanggan dalam konteks platform
Buku/Artikel,Pengarang,Tahun interaktif digital dalam ritel. SK Roy, G. Singh,
S. Sadeque, P. Harrigan, dan K. Coussement
(2023)
2. Isu yang dibahas : Dalam artikel jurnal tersebut, terdapat
beberapa isu yang dibahas, antara lain
1. keterlibatan pelanggan dalam konteks
platform interaktif digital dalam ritel
sepatu online. Studi ini mengeksplorasi
hubungan antara kepuasan kebutuhan
psikologis manusia (otonomi,
keterhubungan, dan kompetensi) dengan
keterlibatan pelanggan, yang pada
gilirannya memengaruhi kesejahteraan
subjektif.
2. Penelitian ini juga menguji peran
mediasi keterlibatan pelanggan yang
didukung oleh Digital Interactive
Platforms (DIP) antara kepuasan
kebutuhan dan kesejahteraan subjektif
pelanggan.
3. penelitian ini memiliki implikasi teoretis
dan manajerial yang penting untuk
bisnis ritel, serta menyoroti pentingnya
memperkuat interaksi dalam lingkungan
teknologi untuk menciptakan
pengalaman positif bagi pelanggan.
3. Teori yang digunakan : Dalam jurnal ini, teori yang dibahas adalah untuk
memahami keterlibatan pelanggan dalam konteks
platform interaktif digital (DIP) dalam industri ritel
online. SDT memberikan landasan motivasi untuk
memahami keterlibatan pelanggan, dengan fokus
pada tugas instruksional untuk merangsang sumber
daya motivasi intrinsik guna memungkinkan
keterlibatan pelanggan. Studi ini juga
mengintegrasikan logika dominan layanan (S-DL)
dan SDT untuk mengeksplorasi hubungan kompleks
antara kebutuhan psikologis manusia, keterlibatan
pelanggan, dan kesejahteraan subjektif. Temuan dari
penelitian ini mendukung hipotesis bahwa otonomi
dan kompetensi memiliki hubungan signifikan
dengan semua dimensi
keterlibatan pelanggan (kognitif, afektif, dan
perilaku) Studi ini juga membahas peran keterlibatan
pelanggan

4. Ontologi (tentang apa
yang ingin diketahui)
5. Epistimologi (bagaimana cara
mendapatkan pengetahuan)
6. Aksiologi (tujuan ilmu
pengetahuan digunakan untuk
apa)
sebagai mediator antara kepuasan kebutuhan
psikologis manusia dan kesejahteraan subjektif, yang
menyoroti kontribusi teoretis dan manajerial dari
penelitian ini .
SK Roy dkk. (2023).
: Dalam Jurnal tersebut ontologi membahas
tentang keterlibatan pelanggan dalam konteks
platform interaktif digital (DIP) dalam industri ritel
sepatu online. Studi ini mengeksplorasi hubungan
antara kepuasan kebutuhan psikologis manusia
(otonomi, keterhubungan, dan kompetensi) dengan
keterlibatan pelanggan, yang pada gilirannya
memengaruhi kesejahteraan subjektif. Penelitian ini
juga menguji peran mediasi keterlibatan pelanggan
yang didukung oleh Digital Interactive Platforms
(DIP) antara kepuasan kebutuhan dan kesejahteraan
subjektif pelanggan. Metode analisis yang digunakan
termasuk pendekatan hybrid SEM-ANN dan
Pemodelan Persamaan Struktural Parsial (PLS-
SEM). Temuan dari penelitian ini memiliki
implikasi teoretis dan manajerial yang penting untuk
bisnis ritel, serta menyoroti pentingnya memperkuat
interaksi dalam lingkungan teknologi untuk
menciptakan pengalaman positif bagi pelanggan.
Selain itu, artikel ini juga membahas tentang
penggunaan teknik multilayer perceptron (MLP)
feed-forward-back-propagation (FFBP) untuk
analisis Artificial Neural Network (ANN) dalam
konteks penelitian bisnis. Isu-isu yang dibahas
meliputi keterlibatan pelanggan, kepuasan
kebutuhan, kesejahteraan subjektif, dan pengaruh
Digital Interactive Platforms (DIP) terhadap
keterlibatan pelanggan dan kesejahteraan subjektif.
: Dalam artikel jurnal tersebut, epistemologi yang
digunakan adalah Studi ini mengeksplorasi
hubungan antara kepuasan kebutuhan psikologis
manusia (otonomi, keterhubungan, dan kompetensi)
dengan keterlibatan pelanggan, yang pada gilirannya
memengaruhi kesejahteraan subjektif. Penelitian ini
juga menguji peran mediasi keterlibatan pelanggan
yang didukung oleh Digital Interactive Platforms
(DIP) antara kepuasan kebutuhan dan kesejahteraan
subjektif pelanggan. Temuan dari penelitian ini
memiliki implikasi teoretis dan manajerial yang
penting untuk bisnis ritel, serta menyoroti pentingnya
memperkuat interaksi dalam lingkungan teknologi
untuk menciptakan pengalaman positif bagi
pelanggan. Selain itu, artikel ini juga membahas
tentang penggunaan teknik multilayer perceptron
(MLP) feed-forward-back-propagation (FFBP) untuk
analisis dalam konteks penelitian bisnis.
: Dalam artikel jurnal tersebut, aksiologi yang
digunakan adalah untuk menyelidiki hubungan
antara kepuasan kebutuhan psikologis manusia
 (otonomi, keterhubungan, dan kompetensi),
keterlibatan pelanggan yang didukung oleh
Digital Interactive Platforms (DIP), dan
kesejahteraan subjektif. Penelitian ini juga
bertujuan untuk menguji peran mediasi
keterlibatan pelanggan yang didukung oleh DIP
antara kepuasan kebutuhan dan kesejahteraan
subjektif pelanggan. Metode penelitian yang
digunakan mencakup pendekatan hybrid SEM-
ANN, penggunaan skenario berbasis teks, dan
analisis Artificial Neural Network (ANN)
dengan teknik multilayer perceptron (MLP)
feed- forward-back-propagation (FFBP). Selain
itu, tujuan dari artikel ini juga mencakup
identifikasi keterbatasan penelitian dan arah
penelitian masa depan, termasuk
mempertimbangkan faktor- faktor tambahan
yang mempengaruhi Customer
Engagement (CE) dan memperluas model
dengan jenis DIP yang berbeda.
7. Analisis Komprehensif : A. Latar belakang dalam artikel jurnal
tersebut adalah enelitian ini dilakukan
untuk menyelidiki hubungan antara
kepuasan kebutuhan psikologis manusia
(otonomi, keterhubungan, dan kompetensi)
dengan keterlibatan pelanggan yang
didukung oleh Digital Interactive Platforms
(DIP), serta dampaknya terhadap
kesejahteraan subjektif pelanggan. Metode
penelitian yang digunakan mencakup
pendekatan hybrid SEM-ANN, penggunaan
skenario berbasis teks, dan analisis Artificial
Neural Network (ANN) dengan teknik
multilayer perceptron (MLP) feed-forward-
back-propagation (FFBP). Studi ini juga
menguji hubungan nonlinier antara
kebutuhan psikologis manusia, keterlibatan
pelanggan, dan kesejahteraan subjektif
dalam konteks DIP. Selain itu, artikel ini juga
mencakup referensi dari berbagai jurnal
akademis yang membahas topik keterlibatan
pelanggan, media sosial, dan pengalaman
konsumen, serta profil singkat beberapa
profesor dan peneliti terkemuka dalam
bidang pemasaran, manajemen, dan analisis
bisnis.
B. Pembahasan dalam artikel jurnal
tersebut mencakup beberapa
aspek penting.
 1. penelitian menggunakan
skenario berbasis teks untuk
menggambarkan kasus nyata
dari pengecer sepatu Eropa
PIKKPACK yang memenuhi
kriteria APPI untuk ditetapkan
sebagai DIP.
2. Hal ini membantu dalam
memahami peran DIP dalam
konteks penelitian ini.
Selanjutnya, artikel
membahas peran mediasi
keterlibatan
pelanggan yang didukung oleh
DIP antara kepuasan
kebutuhan dan kesejahteraan
subjektif
pelanggan.
3. Selain itu, artikel juga
mencakup referensi dari
berbagai jurnal akademis yang
membahas topik keterlibatan
pelanggan, media sosial, dan
pengalaman
konsumen, serta profil singkat
beberapa profesor dan
peneliti terkemuka dalam
bidang
pemasaran, manajemen,
dan analisis bisnis.
C. Kesimpulan
Kesimpulan dalam jurnal ini adalah
Penelitian ini mengintegrasikan
teori
kebutuhan dasar dari Self-
Determination Theory (SDT) untuk
memahami hubungan antara kepuasan
kebutuhan, keterlibatan pelanggan, dan
kesejahteraan subjektif
Keseluruhan, penelitian ini
bertujuan untuk
memahami bagaimana kepuasan
kebutuhan pelanggan di bidang
otonomi, keterkaitan, dan kompetensi
berkontribusi terhadap kesejahteraan
subjektif pelanggan melalui keterlibatan
pelanggan yang didukung DIP. Penelitian
ini juga mengusulkan bahwa
pemenuhan kebutuhan dasar pelanggan
dapat
menjadi dorongan untuk melakukan
tindakan keterlibatan dengan DIP.
D. Kelebihan dan Kelemahan teori
1. Kelebihan dari artikel jurnal
tersebut adalah enggunaan
pendekatan hybrid SEM-
ANN yang relatif baru dalam
keterlibatan pelanggan dan
literatur DIP.
2. Pendekatan ini
memungkinkan peneliti untuk
menentukan tingkat
kepentingan variabel
masukan dan memberi peringkat
berdasarkan kemampuan
prediktifnya terhadap
variabel keluaran, serta fokus
pada hubungan nonlinier
antara prediktor dan variabel
dependen. Hal ini memberikan
kontribusi pada literatur
dengan menyoroti hubungan
kompleks antara kebutuhan
psikologis
manusia, keterlibatan
pelanggan, dan kesejahteraan
subjektif dalam konteks DIP.
3. Kelemahan dari artikel ini
adalah pembahasan mengenai
generalisasi temuan dan
aplikabilitasnya di luar
konteks penelitian.
4. Selain itu, artikel ini juga
tidak memberikan informasi
yang cukup mengenai
batasan
penelitian dan potensi bias
metode umum (CMB) yang
mungkin mempengaruhi hasil
penelitian.
E. Kritik dalam jurnal tersebut adalah.
kurangnya pembahasan mengenai
generalisasi temuan dan aplikabilitasnya di
luar konteks penelitian. Artikel ini juga
tidak memberikan informasi yang cukup
mengenai batasan penelitian dan potensi
bias metode umum (CMB) yang mungkin
mempengaruhi hasil penelitian Selain
itu,
artikel ini juga dapat dikritik karena tidak
 memberikan penjelasan yang memadai
mengenai bagaimana kepuasan
kebutuhan psikologis manusia (otonomi,
keterhubungan, dan kompetensi) diukur
dan diidentifikasi dalam penelitian. Hal ini
dapat mempengaruhi validitas dan
reliabilitas
temuan penelitian.
F. Implikasi dari jurnal ini adalah bahwa
kepuasan kebutuhan psikologis
manusia (otonomi, keterhubungan, dan
kompetensi) memiliki hubungan yang
signifikan dengan keterlibatan
pelanggan dalam platform interaktif
digital. Hal ini menunjukkan bahwa
pemenuhan
kebutuhan dasar pelanggan dapat
menjadi dorongan untuk
melakukan
tindakan keterlibatan dengan platform
interaktif digital, yang pada gilirannya
dapat memengaruhi kesejahteraan
subjektif pelanggan. Implikasi ini
penting bagi manajer yang
mengoperasikan Digital Interaction
Platforms (DIP) di lingkungan layanan
mereka, karena dapat membantu
mereka memahami bagaimana
kepuasan kebutuhan
pelanggan dapat
memengaruhi keterlibatan
pelanggan dan
kesejahteraan subjektif. Implikasi ini
juga dapat membantu dalam
pengembangan strategi pemasaran dan
pengalaman
pelanggan yang lebih efektif.
8. Pengembangan Tema Paper : Tentang hubungan antara kepuasan kebutuhan
yang bisa dilakukan psikologis manusia (otonomi, keterhubungan,
dan kompetensi) dengan keterlibatan pelanggan
dalam platform interaktif digital, serta
dampaknya terhadap kesejahteraan subjektif
pelanggan. Artikel ini juga membahas peran
mediasi keterlibatan pelanggan yang didukung
DIP antara kepuasan kebutuhan dan
kesejahteraan subjektif pelanggan.
 Journal of Business Research 164 (2023) 114001

Contents lists available at ScienceDirect

Journal of Business Research

journal homepage: www.elsevier.com/locate/jbusres

Customer engagement with digitalized interactive platforms in retailing

Sanjit K. Roy a, d,*, Gaganpreet Singh b, Saalem Sadeque c, Paul Harrigan d, Kristof Coussement e
a
Fellow at Centre for Business Data Analytics, Honorary Fellow at Australia-India Institute (UWA Chapter), UWA Business School, The University of Western
Australia, 35 Stirling Highway, Perth, WA 6009, Australia
b
OP Jindal Global University, Sonipat Narela Road, Near Jagdishpur Village, Sonipat, India
c
School of Business and Law, Edith Cowan University, 270 Joondalup Drive, Joondalup, WA 6027, Australia
d
UWA Business School, The University of Western Australia, 35 Stirling Highway, Perth, WA 6009, Australia
e
IE´SEG School of Management, Univ. Lille, CNRS, UMR 9221, LEM - Lille Economie Management, 3 Rue de la Digue, F-59000 Lille, France

A R T I C L E I N F O
A B S T R A C T
Keywords:
+
Customer engagement Digitalized interactive platforms (DIPs) such as Apple watch, Starbucks apps and Nike have seen enormous
Digitalized interactive platform
growth. This study empirically investigates the antecedents and consequences of customer engagement in a
Subjective well-being
digitalized interactive platform of an online shoe retailing start-up. Specifically, we integrate service-dominant
SEM-ANN
logic and self-determination theory to explore the complex relationships between human psychological needs,
Self-determination theory
Service dominant logic customer engagement and subjective well-being. We hypothesise that, in case of digitalized interactive platforms,
the direct relationship between human psychological needs satisfaction (autonomy, relatedness and competence)
and subjective well-being is mediated by customer engagement (cognitive, affective and behavioral). We applied
a hybrid SEM-ANN approach to unravel the relationships. Findings show that autonomy and competence have
significant relationships with all the dimensions of customer engagement (cognitive, affective and behavioral).
Results also show that subjective well-being is not influenced by cognitive engagement but is influenced by
affective and behavioral engagement. Theoretical and managerial contributions are discussed.

1. Introduction
Retailers are increasingly re-conceptualising their offerings, pro-
cesses, and interfaces holistically to design digitalized interactive plat-
forms (hereafter, DIPs) for creating value through interactions (He &
Zhang, 2022). A retail offering positioned as a DIP highlights a net-
worked arrangement of four dimensions; namely artifact, persons, pro-
cesses, and interfaces (APPI), thereby resulting in the development of
multiple interactive system environments that are capable of empow-
ering actors to engage in interactional value creation (Ramaswamy &
Ozcan, 2018a, 2018b). For instance, Apple retail stores act as a DIP that
institutes APPI to facilitate customer engagement. Specifically, products
on in-store display are represented as artifacts capable of enabling
playful interaction and enjoyment among potential customers, thereby
enabling customer engagement. Further, the Apple store as a DIP is
configured for ordinary people, where the focus is on customer experi-
ence and not on the predominant practice of disseminating information
about the features of products, typically adopted by most technology
companies. Specifically, Apple invites potential customers to engage
with its products, and experience them to play, explore, and discover
entertainment, productivity, and lifestyle media. Within its store, Apple
also facilitates a digital concierge process, available in both self-service
and employee-assisted modes, that directs customers to different sec-
tions of the store, allows them to scan the barcodes of accessories in the
store, get reviews, ratings and products specs and pay for purchases
within the app through Apple Pay using the self-checkout option.
Further, Apple manages the physical App Store as a DIP ‘with multiple
connective other assemblages entailing books, music, videos, and credit card
accounts to enable a variety of novel, personalized, co-creational experi-
ences’ (Ramaswamy & Ozcan, 2019, p.22). This suggests that DIPs can
help traditional firms accomplish digital transformation (He & Zhang,
2022). Other notable examples of brands offering DIPs include Burberry,
Starbucks, Amazon and others (Ramaswamy & Ozcan, 2019). With more
and more brands investing in DIPs, Servion Global Solutions predicts
that by 2025, ninty five per cent of customer-firm interactions will be
powered by technologies including DIPs, and without human involve-
ment (Ed Lauder, 2017). Therefore, as predicted by Forbes, DIP-enabled
customer engagement is likely to increase in the future and eventually

* Corresponding author.
E-mail addresses: sanjit.roy@uwa.edu.au (S.K. Roy), gaganpreet@jgu.edu.in (G. Singh), s.sadeque@ecu.edu.au (S. Sadeque), paul.harrigan@uwa.edu.au
(P. Harrigan), k.coussement@ieseg.fr (K. Coussement).

https://doi.org/10.1016/j.jbusres.2023.114001
Received 20 November 2022; Received in revised form 23 April 2023; Accepted 24 April 2023
Available online 4 May 2023
0148-2963/© 2023 The Author(s). Published by Elsevier Inc. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-
nc-nd/4.0/).
S.K. Roy et al. Journal of Business Research 164 (2023)
114001

replace human-to-human interactions in a transformational way (Mor- potential to

gan, 2018; Hollebeek et al., 2021).
With the deployment of DIPs, one area being transformed is value
creation. Conventionally, retailers and customers had distinct roles in
the process of retail value creation (Mostaghel et al., 2022). Specifically,
retailers viewed customers’ roles as limited to passive recipients of re-
tailers’ offerings. With the proliferation of DIPs in retail, the preferences
in customers’ shopping have transitioned from purchasing products,
through receiving services, to becoming engaged actors within the retail
ecosystem (Ramaswamy & Narayanan, 2022 press; Ramaswamy &
Ozcan, 2019). With the proliferation of digital technologies in the
retailing, customers have become active co-creators of their own
expe- riences through continuous ongoing interactions. Value is
created because of these ongoing interactions in a joint space
between cus- tomers, retailers, and the associated retail ecosystems
(He & Zhang, 2022). Therefore, customer engagement (CE), an
inherently interactive and reciprocal concept, can act as a prominent
mechanism to examine customers’ relationship with DIPs (Hollebeek
& Belk, 2021).
The significant body of CE research maintains a consensus that CE is
a ‘context-specific’ phenomenon (Hollebeek et al., 2021). Building on
this notion, the literature offers a clear understanding of how CE with
brands is enabled through digital contexts, including social media, vir-
tual/augmented/miXed reality-, gamification-, digital content market-
ing-, and artificial intelligence-based applications, to name a few (e.g.,
Huang & Rust, 2021; Singh et al., 2021; Hollebeek & Macky, 2019).
Despite these advances, there are several gaps. First, most research fo-
cuses on the brand as the focal object of CE (Hollebeek et al., 2021).
However, the literature acknowledges that CE can go beyond dyadic
interactions with a brand (Alexander et al., 2018). Indeed, customers
often direct their engagement to multiple actors (Brodie, et al., 2019;
Roy et al., 2018; Verleye et al., 2014; Vo-Thanh et al., 2021). This multi-
actor engagement situation is integral to the context of DIPs (Novak &
Hoffman, 2019; Hoffman & Novak, 2018; Apostolidis et al., 2021),
noting that DIPs refer to a networked configuration of artifacts, persons,
processes, and interfaces (Ramaswamy & Ozcan, 2018a, 2018b).
Therefore, we treat DIPs as the primary objects of engagement. This
proposed conceptualisation of DIP-enabled CE is rooted in service-
dominant logic (S-DL) (Vargo & Lusch, 2008, 2016), which considers
CE as an interactive experience between a customer and an object
(Hollebeek et al., 2014). With DIPs considered as the focal objects of
engagement, the processes around the interaction mechanism require a
deeper understanding (Novak & Hoffman, 2017). Second, despite
research investigating the nature of CE through a range of digital
channels, little research has gone beyond channel-specific findings. Our
focus on DIP-enabled CE provides a more holistic picture, which is
relevant to the majority of brands that operate across multiple channels.
We draw on self-determination theory (SDT) to explain how cus-
tomers interact with DIPs. SDT highlights the satisfaction of three basic
human psychological needs: autonomy (feeling unforced in one’s ac-
tions and following one’s goals and values), competence (feeling able
and effective), and relatedness (feeling connected to others, a sense of
belonging) (ARC) (Deci & Ryan, 2000). SDT is a macro theory that re-
veals the relationships between motivation, psychological needs satis-
faction, and well-being in social environments (Deci & Ryan, 2000).
However, we assume that, in the context of DIPs, the direct relationship
between human psychological needs satisfaction and subjective well-
being is mediated by CE. The more customers’ needs for autonomy,
competence and relatedness are satisfied, the more they will feel self-
determined in the regulation of their behaviors, resulting in greater
engagement with the DIPs. Thus, in SDT terms, where needs fulfilment
enhances well-being, co-creational interactions can contribute to the
subjective well-being of customers, and this will be stronger when
purposeful attention is given to how DIPs can support customers’ needs
for autonomy, competence, and relatedness (Engstro¨m & Elg,
2015; Wang, Lin, & Spencer, 2019). We argue that satisfaction of
customers’ needs for autonomy, competence and relatedness have the

2
 S.K. Roy et al. Journal of Business Research 164 (2023)
114001
impact value co-creation activities (based on S-DL). The literature in turn is
replete with examples supporting that need-satisfaction in these areas
contribute positively to wellbeing. However, limited attention has gone into
integrating the SDT and S-DL perspectives to examine the positive
relationship between need satisfaction, co-creation, and well- being. Thus,
this study has twofold objective:

1. To investigate the antecedents and consequences of DIP-enabled

customer engagement.
2. To test the mediating role of DIP-enabled customer engagement between
need satisfaction (autonomy, relatedness, and competence) and
customers’ subjective well-being.

This study makes several key contributions. First, this study applies SD-
Logic to understand DIP-enabled CE. Second, it integrates basic needs
theory, a sub-set of SDT, to conceptualise and empirically validate the
antecedents and consequences of DIP-enabled CE. Specifically, we unravel
the complex relationships between human psychological needs (autonomy,
relatedness and competence), customer engagement (cognitive, affective
and behavioral) and subjective well-being. Third, two-phased multi-
analytical models were used: SEM for evaluating the impact of
psychological needs satisfaction on DIP-enabled CE and sub- jective well-
being, and artificial neural network (ANN) analysis for the validation of
SEM outcomes and predicting the significance of the key relationships. This
combined approach provides a holistic understand- ing of the topic and,
equally important, the disadvantages of one approach can be offset by the
advantages of the other (Scott & Walczak, 2009). The findings have
important implications for managers, partic- ularly for those operating
DIPs in their service settings.
The organization of the remainder of this paper is laid out as follows.
The subsequent sections present the review of literature. Then, the research
model and hypothesis are detailed, followed by methodology, data analysis
techniques and statistical results. The subsequent sections detail discussion,
managerial and theoretical contributions. Finally, the paper rounds up with
limitations and direction for future studies.

2. Literature review

2.1. Customer engagement with DIPs

For several years, CE has been a topic of interest among researchers and
practitioners (Brodie et al., 2011; Pansari & Kumar, 2017; de Oli- veira
Santini et al., 2020). There is still an ongoing debate on the con- ceptualisation
and dimensionality of customer engagement (Hollebeek et al., 2021).
Grounded in different theoretical underpinnings, one group of scholars
argues that CE is comprised of both in-role and extra- role customer
cognitions, emotions, and behaviors (Harrigan et al., 2018; Kumar et al.,
2019). By contrast, other groups of scholars restrict CE to those expressions
that are primarily extra-role in nature (Van Doorn et al., 2010). In this study,
we adopt the former conceptualisation of CE that offers a more holistic view
of CE (Hollebeek et al., 2019; Groeger et al., 2016).
Van Doorn et al., (2010, p. 254) consider CE as unidimensional,
focusing much on the behavioral aspect of CE and conceptualising it as “the
customer’s behavioral manifestation toward a brand or firm, beyond purchase,
resulting from motivational drivers.” On the contrary, CE has been
conceptualised as a multidimensional construct encompassing cognitive,
affective and behavioral dimensions (Hollebeek et al., 2019; Brodie et al.,
2011; Islam et al., 2019). For instance, Hollebeek et al., (2019, p. 167) define
CE as a customer’s “investment of cognitive, emotional, behavioral, and social
operant, and operand resources in their brand interactions.” Similarly, Brodie et
al. (2013, p 107) define CE as “a multidimensional concept comprising cognitive,
emotional, and/ or behav- ioral dimensions [that] plays a central role in the
process of relational ex- change.” Consistent with these viewpoints, we posit
that DIP-enabled CE comprises of cognitive, emotional, and behavioral
dimensions. In the

3
S.K. Roy et al.
Fig. 1. Research Model.
context of DIPs, the cognitive dimension refers to customers’ mental
processing related to interactions with DIPs. The affective dimension
describes the degree of emotions customers experience towards the
DIPs. Finally, the behavioral dimension is defined as the customers’
amount of energy, time, and effort allocated to their interactions with
the DIPs (Hollebeek et al., 2014). Specifically, it is presumed that in their
interactions with DIPs, customers are more likely to invest effort
(behavior) to maintain interactions, be mentally engrossed (cognitive)
in their interactions, and be enthusiastically inspired (affective) in the
process of interactions (Dwivedi, 2015).
Thus, CE is an interactive concept that emerges during customer-
object [DIP] interactions (Harrigan et al., 2018). During these in-
teractions, CE represents customers’ resource investments (Behnam
et al., 2021). For example, customers may use their devices (i.e.,
operand resource) along with their cognitive skills (i.e., operant
resource) to interact with the DIPs (Islam et al., 2019). Based on the
preceding discussions, we consider DIP-enabled customer engagement
through the S-D logic perspective.
3. Research model and hypotheses
Following our review, we propose a conceptual model (Fig. 1) and
related research hypotheses.
3.1. Autonomy, relatedness and competence (ARC) and
customer engagement (CE)
The advent of DIPs has motivated customers to progressively engage
with such platforms. SDT offers the motivational foundation to under-
stand CE (Reeve, 2012). While other motivation theories examine how
expectations, beliefs, and goals influence CE, SDT is distinct in that it
focuses on the instructional task of stimulating inner motivational re-
sources to enable CE (Reeve & Halusic, 2009). That is, SDT identifies the
inner motivational resources that all customers hold, and it guides re-
tailers to involve, foster, and energize these customer resources to
facilitate engagement while interacting with the DIPs (Niemiec & Ryan,
2009).
Basic needs theory, one of the mini theories of SDT identifies the
three psychological needs of customers (i.e., autonomy, relatedness, and
competence) and categorises these as inherent inner motivational re-
sources imperative to facilitate CE (Reeve, 2012). Autonomy is the
psychological need to feel that one’s actions and behaviors are self-
4
Journal of Business Research 164 (2023)
114001
chosen, self-governed, and self-endorsed (Deci & Ryan, 1985; Loroz &
Braig, 2015). Competence reflects the need to be effective while inter-
acting with the environment. It showcases customers’ inherent aspira-
tion to employ one’s capacities and, in doing so, to seek out and manage
environmental challenges (Deci, 1975). Relatedness represents the
psychological need to form close emotional attachments and responsive
relationships (Deci & Ryan, 1991), thereby highlighting the need to feel
connected to others (Deci & Ryan, 2000). Overall, relatedness is
believed to increase the sense of belongingness and enables the process
of internalization (Deci & Ryan, 2000). Sense of belongingness is
considered a fundamental psychological need (Baumeisterop & Leary,
1995) as it is essential in establishing and sustaining strong relationships
with others (Maunder, 2018). There is a consensus in literature that
sense of belonging is a basic human need and a fundamental motivation,
sufficient to drive behaviors and perceptions (Strayhorn, 2008). This is
primarily related to the ‘relatedness need’ of ARC. Individuals tend to
internalize the values and practices of those with whom they are con-
nected, thereby enabling CE (Deci & Ryan, 2000). In summary, SDT
identifies three basic needs, and the satisfaction of these needs is known
to increase CE (Peters et al., 2018).
Previous studies have argued that the design of digital platforms
influence (vs. inhibit) CE (Lim & Rasul, 2022). Specifically, the existing
studies claim that platforms designed to require greater effort expec-
tancy and those that entail higher risks (e.g., privacy concerns) to cus-
tomers are likely to deter CE, whereas platforms that can perform as
expected and that can provide enjoyment in a trustworthy manner will
motivate customers to engage with the technological platform (Al
Mamun et al., 2020; Quach et al., 2020). Similarly, He & Zhang (2022)
posit that value created by DIPs directly influences customer engage-
ment. This is consistent with the propositions of SD-Logic which states
that value is always co-created by multiple actors including the bene-
ficiary (Vargo & Lusch, 2016). Based on SDT, the present study deviates
and add to this ongoing conversation by theorising that by tweaking the
design of DIPs through the lens of ARC, CE can be influenced. Thus,
satisfying the three basic needs of ARC through the functions, features
and contents of DIPs will influence CE (Peters et al., 2018). This ratio-
nale is based on the premise that technology designs support or under-
mine basic psychological needs, thereby increasing engagement (Peters
et al., 2018; Kim & Drumwright, 2016). For instance, DIPs may provide
autonomy to its customers by providing them with choices, which would
foster their understanding and interest in the DIPs, and encourage them
to think independently and critically (Assor et al., 2002). Likewise,
S.K. Roy et al.
researchers have argued that when customers have a sense of belong-
ingness and when they have the freedom to express their opinions, they
are more likely to engage with the brand/object (Chan et al., 2014).
Furthermore, authors have found that competence needs satisfaction has
a strong connection with attachment, thereby enabling CE (Loroz &
Braig, 2015). Consistent with the above theoretical support, the fulfil-
ment of customers’ needs for competence, relatedness and autonomy
can serve as an impetus to action of engaging with the DIPs (Bauer et al.,
2019). Since fulfilment of SDT’s three psychological needs of compe-
tence, relatedness and autonomy are universal in nature. The extent
to which these needs of people are satisfied, they will be intrinsically
motivated to engage in extra-role behaviors. Therefore, we hypothesise
the following:
H1: (a) Autonomy, (b) relatedness and (c) competence have direct
and positive impacts on DIP-enabled cognitive engagement.
H2: (a) Autonomy, (b) relatedness and (c) competence have direct
and positive impacts on DIP-enabled affective engagement.
H3: (a) Autonomy, (b) relatedness and (c) competence have direct
and positive impacts on DIP-enabled behavioral engagement.
3.2. Mediating role of customer engagement
Diener, Scollon, and Lucas (2009) define subjective well-being
(SWB) as a domain of behavioral science that allows individuals to
evaluate their lives and includes concepts ranging from momentary
mood to overall life satisfaction and from depression to unwarranted
excessive happiness. SWB is an individual’s emotional reactions to
events and cognitive judgements of satisfaction and fulfilment (Diener
et al., 2009). Prentice and Loureiro (2018) note that experience of
pleasant and exciting emotions together with greater life satisfaction
and lower negative moods is indicative of SWB. Prior study report that
customers’ likelihood of experiencing positive experience contribute to
SWB (Zhou et al., 2022). According to SDT, the satisfaction of three basic
needs (i.e., ARC) are imperative to enhancing an individual’s SWB
(Shulga & Busser 2021).
Empirical evidence suggests that helping others directly or indirectly
has a positive impact on an individual’s SWB (Cherrier & Munoz, 2007).
As CE includes customers’ extra-role behaviors, such as helping other
customers and providing feedback to the DIPs operators, it may have a
positive effect on customers’ subjective well-being (SWB), which reflects
an individual’s self-evaluation of his or her quality of life (Diener, Lucas,
& Oishi 2018). This is because people’s perceived happiness is higher
when they socialize and have close relationships with others (Kasser &
Sheldon, 2002; Liu & Aaker, 2008). Thus, when the DIPs enable cus-
tomers to socialise and help others, then these activities are likely to lead
to an increased levels of satisfaction about one’s life which in turn re-
flects in higher level of SWB. For example, prior studies show that
engaging with live stream services for e-sports (i.e., a form DIP where
interactions among players occur) is positively related to SWB (Kim &
Kim, 2020). Specifically, players who engage with e-sports feel better
about themselves and develop a more positive view of their own selves,
ultimately resulting in SWB (Raggiotto & Scarpi, 2022). Based on this
notion it is argued that customer engagement is likely to create and
sustain positive feelings which contribute to their SWB (Mathis et al.,
2016).
Prior studies suggest that SWB is the result of cognitive and affective
evaluation of one’s own life events (Tuan et al., 2023), whereas CE
represents the psychological state of the customers during the interac-
tive service experience process with a focal object (Brodie et al., 2011;
Japutra et al., 2022). A greater level of DIP enabled customer engage-
ment behaviors (i.e., cognitive, affective and behavioral) clearly reflects
customer’s satisfaction (i.e., a psychological state) with ARC needs
fulfilment by the DIPs. As satisfaction is positively related to SWB ( Su
et al., 2018), it can be hypothesised that the relationship between ARC
and SWB, while interacting with the DIPs, is mediated by CE. Based on
5
Journal of Business Research 164 (2023)
114001
the preceding discussions, we advance the following hypotheses:
H4: DIP-enabled cognitive engagement mediates the relationship
between (a) autonomy, (b) relatedness, (c) competence and subjec-
tive well-being.
H5: DIP-enabled affective engagement mediates the relationship
between (a) autonomy, (b) relatedness, (c) competence and subjec-
tive well-being.
H6: DIP-enabled behavioral engagement mediates the relationship
between (a) autonomy, (b) relatedness, (c) competence and subjec-
tive well-being.
4. Methodology
4.1. Research setting
This study uses the text-based scenario to describe the real case of a
European shoe retailer PIKKPACK that qualifies for the APPI criterion to
be designated as DIP (Ramaswamy & Ozcan, 2018a, 2018b).
• A (Artifact)- Unassembled shoe materials
• P (People)- Employees managing the in-store experience, online
support, other groups of people that customers can interact with to
co-create value
• P (Process)- Selecting between shoe colour, sole material along with
different types of shoelaces
• I (Interfaces)- Technological interface that allowed customisation
Text scenario-based design has been increasingly accepted in schol-
arly business studies because it offers greater realism (Henkens et al.,
2021) and presents standardized stimuli to all participants, increasing
the internal validity, measurement reliability, and ease of replication
(Hyman & Steiner, 1996). Also, its ability to overcome constraints
associated with examining real business situations (Fritzsche, 1988) (e.
g., time, expense) increases its acceptance among business scholars.
The scenario describes the case of a Hungary-based shoe start-up
PIKKPACK that configured its retail offerings as DIPs. The PIKKPACK
DIPs enable its customers to edit and design shoes that otherwise are not
available in the regular market. Further, the possibility of selecting from
shoe colour to sole material along with different types of shoelaces
through its DIP results in a plethora of shoe permutations. The PIKK-
PACK DIPs allow customers to seek any relevant product information,
including its use in different climatic conditions, country of origin, and
how to wash the shoes. PIKKPACK also maintains an appointment-based
showroom for its users to physically create and experience the product.
The ability of PIKKPACK to comply with all the DIP prerequisites makes
it an appropriate research context for this study.
To reduce confounding effects and determine scenario-based real-
ism, the scenario script was tested as follows (Tombs & McColl-Kennedy,
2013). First, the scenario was developed to ensure it meets the criterion
to qualify as DIP. Second, the scenario was tested by using an expert
panel comprising marketing professors from a leading Business School in
Australia. The complete text scenario and related snapshot are shown in
AppendiX A. Further, the realism of the scenario was tested
empirically using the following three-item scale (Henkens et al.,
2021): (1) What is described in this scenario could also happen in real
life, (2) the scenario seems realistic, and (3) I had no difficulty
imagining myself in the situation.
4.2. Sample and data collection
Data was gathered using Mechanical Turk (MTurk) between June –
August 2022. The following recommendations to set up MTurk were
followed (a) paying an appropriate remuneration to motivate customers
to fill out the questionnaire accurately (i.e., $2), (b) paying every
customer even if the results could not be used, and (c) setting an
S.K. Roy et al. Journal of Business Research 164 (2023)
114001

Table 1 5. Data analysis

Measurement items.
Construct (Source) Measurement Item
Cognitive engagement
(Hollebeek et al., 2011) Using PIKKPACK gets me to think about DIP (COG1)
I think about DIP a lot when I’m using SMARTAIL
(COG2)
Affective engagement
Using PIKKPACK stimulates my interest to learn
more about DIP (COG3)
Using PIKKPACK makes me happy (AFF1)
(Hollebeek et al., 2011) I feel good when I use PIKKPACK (AFF2)
I’m proud to use PIKKPACK (AFF3)
I feel very positive when I use PIKKPACK (AFF4)
Behavioral engagement Shopping at PIKKPACK makes me continue using DIP
(Hollebeek et al., 2011) (BE1)
Shopping at PIKKPACK makes me recommend the
DIP to other people (BE2)
Autonomy (Leung and I feel that the way I complete my shopping at
Matanda, 2013; PIKKPACK is an expression of myself (A1)
Halvari et al., (2010) I feel good when I can make choices when checking
out after shopping at PIKKPACK (A2)
I feel that I can make choices in the way I do my
shopping at PIKKPACK (A3)
Competence (Leung and I am fully capable of using PIKKPACK (C1)
Matanda, 2013 I am confident in my ability to use PIKKPACK (C2)
Meuter et al., (2005) My experience increases my confidence in successfully
Relatedness using PIKKPACK (C3)
I feel connected with other people who are using
(Sweeney et al., 2014) PIKKPACK (R1)
I share a common bond with other people who are
using PIKKPACK (R2)
I feel a sense of camaraderie with other people who
are using PIKKPACK (R3)
Subjective well-being In general, I consider myself a very happy person
(Su et al., (2016) (SWB1)
Compared to most of my peers, I consider myself
happier (SWB2)
I am generally very happy and enjoy life (SWB3)
approval rate on MTurk of 95% or higher (Aguinis et al., 2021; Goodman
& Paolacci, 2017). Section 1 of the questionnaire advised respondents to
read a text scenario that ensured respondents’ adequate understanding
of PIKKPACK implementing DIPs. Section 2 contained a series of de-
mographic questions, followed by a set of questions about antecedents
and consequences of DIP-enabled customer engagement in section 3.
The survey was administered to respondents who have had shopping
experience at online retail stores and/or shopping using apps within last
siX months. A total of 355 respondents agreed to participate in the
survey. After excluding 30 incomplete data entries, the final sample
contained 325 usable responses, thus complying with the Hair et al.,
(2017) minimum sample size requirement for running partial-least
squares-based path modelling.
4.3. Measures
To operationalise DIP-enabled CE and its antecedents & conse-
quences, we adapted relevant measurement scales from the literature.
Using a deductive approach (Newman, 2000), all measures were either
adopted directly or were slightly adapted to ensure their relevance to
our research context. For instance, customer engagement (cognitive,
affective and behavioral) was measured using the adapted scale pro-
posed by Hollebeek et al., 2011. Customer motivation to engage with
DIP (autonomy, competence and relatedness) was captured using
adapted items suggested by Leung and Matanda (2013), Halvari et al.,
(2010), Sweeney et al., (2014) and Meuter et al., (2005) respectively;
and SWB was measured using the scale proposed by Su et al. (2016).
Table 1 highlights all the measurement items used to test the conceptual
model.
5.1. PLS structural equation modelling (PLS-SEM)
PLS structural equation modelling (PLS-SEM) using SmartPLS 3.0
(Ringle et al., 2014) in this study. PLS-SEM was used because it enables
complex predictive models with small sample sizes (Hair et al., 2012);
the goal in this study was to predict the key target variable (i.e., sub-
jective well-being) and the objective is to use latent variable scores in
subsequent data analysis (Sarstedt et al., 2021); PLS-SEM has greater
statistical power compared to the covariance-based structural equation
modelling (Sarstedt et al., 2017) and it is suitable for prediction pur-
poses and maintaining interpretability (Henseler, 2018). A two-stage
approach was used to analyze the data (Becker et al., 2012): (a)
testing the measurement properties of the constructs, and (b) testing the
proposed hypotheses in the structural model (Sarstedt et al., 2022).
5.2. Artificial neural Network (ANN)
The multi-analytic technique of combining SEM with ANN has
gained traction in research in recent times (Sharma, 2019; Talukder
et al., 2020). Haykin (2009) defined ANN as “a massively parallel
distributed processor made up of simple processing units, having a neural
propensity for storing experimental knowledge and making it available for
use” (p. 2). ANN can capture non-linear relationships but can appear to
use a ‘black boX’ approach as the analysis creates hidden layers between
the input and the output neurons (Leong et al., 2020). Because these
hidden layers are created automatically, the ANN approach does not
lend itself to hypothesis testing (Priyadarshinee et al., 2017). To over-
come this limitation, researchers adopt a two-stage SEM-ANN approach
(i.e., combining ANN with SEM) where in the first stage, SEM is used to
test hypothesised relationships that are linear and ANN is used, in the
second stage, to understand non-linear relationships (Hew et al., 2018;
Xiong et al., 2022). Finally, the results from the ANN approach are
compared to the results obtained from the SEM approach to determine
the relative importance of the predictor constructs (Wang et al., 2022).
ANN approach does not require any distribution assumption, such as
normality, linearity or homoscedasticity to be met (Li´ebana-Cabanillas
et al., 2018; Wang et al., 2022; Xiong et al., 2022) and provides higher
prediction accuracy compared to traditional techniques such as multiple
linear regression (Leong et al., 2020; Lo et al., 2022).
The current study used the feed-forward-back-propagation (FFBP)
multilayer perceptron (MLP) technique for the ANN analysis which is
considered suitable for business research (Leong et al., 2020). This
method is suitable for business research because it mirrors the
complexity of human decision making where the business decision
makers continually adjust the resource inputs to obtain optimal level of
outputs. Feed-forward-back-propagation (FFBP) technique captures this
because it continuously adjusts the weights of the input neurons in the
hidden layers to obtain the output layer (Leong et al., 2020). The hidden
and the output layers are automatically generated by SPSS 26.0 version
and activated by the sigmoid functions (Leong et al., 2020; Li
´ebana- Cabanillas et al., 2018). The ANN analysis employs a 10-fold
cross- validation technique to manage the over-fitting problems.
Further- more, the sample of the current dataset was split into 90%
training and 10% testing dataset to assess the accuracy of the ANN
analysis results (Leong et al., 2020; Roy et al., 2017).
6. Results
6.1. Common method bias (CMB)
Based on the propositions of Podsakoff et al., (2012), both procedural
and statistical procedures were used to test the common method bias in
this study. For procedural remedies, we guaranteed participant ano-
nymity and requested the participants to respond as honestly as possible

6
 S.K. Roy et al. Journal of Business Research 164 (2023)
114001

Table 2 Table 3
Measurement Properties. Results of hypotheses testing.
Measurement items Loadings t-values α CR AVE Hypothesized Path t- p-value LCI UCI
Cognitive engagement paths coefficients values (2.5%) (97.5%)
COG1 0.84 33.86 Direct effects
COG2 0.81 30.76 0.77 0.87 0.69 (H1a)
COG3 0.84 29.70 Autonomy → DIP- enabled 0.65 6.34 0.00*** 0.44 0.82
ns
cognitive engagement(H1b) —0.06 1.23 0.22 —0.18 0.02
Affective engagement Relatedness → 0.32 3.38 0.007* 0.14 0.49
AFF1 0.86 37.91 0.68 8.37 0.00*** 0.49 0.80
AFF2 0.86 37.32 0.89 0.93 0.76 DIP-enabled 0.14 2.38 0.02* 0.02 0.24
AFF3 0.86 45.61 cognitive 0.14 2.07 0.001* 0.02 0.28
AFF4 0.89 52.16 engagement(H1c) 0.70 8.1 0.00*** 0.50 0.83
ns
Behavioral engagement Competence → 0.03 0.74 0.45 —0.06 0.12
BE1 0.92 92.85 DIP-enabled 0.20 2.63 0.009* 0.07 0.36
BE2 0.89 47.01 0.79 0.90 0.83 cognitive
Autonomy engagement(H2a)
A1 0.84 35.86 Autonomy → DIP-
A2 0.81 30.28 0.78 0.87 0.70 enabled affective
A3 0.86 37.90 engagement(H2b)
Relatedness →
Competence DIP-enabled
C1 0.85 41.18 affective
C2 0.80 26.69 0.79 0.87 0.70 engagement(H2c)
C3 0.86 46.47 Competence →
DIP-enabled
Relatedness affective
R1 0.85 26.08 0.70 0.75 0.55 engagement(H3a)
R2 0.51 3.90 Autonomy → DIP-
R3 0.52 3.84 enabled
Subjective well-being behavioral
SWB1 0.87 48.70 0.84 0.90 0.76 engagement(H3b)
SWB2 0.87 47.99 Relatedness →
SWB3 0.88 40.87 DIP-enabled
behavioral
Notes: α: Cronbach’s alpha; CR: Composite Reliability; AVE: Average variance engagement(H3c)
extracted. Competence →
DIP-enabled
behavioral
as there are no right or wrong answers (MacKenzie & Podsakoff, 2012).
engagement
Since Harman’s one-factor test has received criticism from researchers,
we used the marker variable technique to detect CMB (Hulland et al., Indirect effects
2018). Thus, we adopted the marker variable approach suggested by (H4a)
ns
Lindell and Whitney (2001) to test for the presence of common method Autonomy → DIP- 0.1 1.66 0.09 —0.01 0.23
ns
enabled cognitive —0.01 0.97 0.33 —0.03 0.01
bias. Based on their suggestions, we used respondents’ mobile phone ns
engagement → 0.04 1.52 0.13 —0.004 0.11
usage intensity as the marker variable. Mobile phone usage intensity is SWB(H4b) 0.31 4.29 0.00*** 0.176 0.464
defined as the extent of mobile phone integration into respondents’ daily Relatedness → 0.62 12.74 0.00*** 0.51 0.70
lives. This was measured by adapting the measurement items of mobile DIP-enabled 0.06 2.15 0.03* 0.014 0.129
cognitive
phone usage intensity from Valenzuela et al. (2009). The variance in the 0.17 3.06 0.003*
ns
0.05 0.28
engagement → 0.009 0.702 0.483 —0.011 0.04
dependent variable did not increase substantially with the inclusion of SWB(H4c) 0.05 2.313 0.02* 0.013 0.092
the marker variable in the structural model tested in this study. We Competence →
found that the average correlation between latent variables in the DIP-enabled
structural model and the marker variable is 0.045, and the average cognitive
engagement →
significance value was 0.65. This is greater than the threshold value of
SWB(H5a)
0.05. Thus, we conclude that common method bias is not a major Autonomy → DIP-
concern in this study. enabled affective
engagement →
SWB(H5b)
6.2. Measurement properties Relatedness →
DIP-enabled
affective
The measurement properties of the research model are shown in engagement →
Table 2. The measurement items of the constructs in the research model SWB(H5c)
loaded significantly onto the respective latent constructs. The respective Competence →
factor loadings are all greater than 0.7 with statistically significant t- DIP-enabled
affective
values (Henseler et al., 2015). Next, we examined the reliability and
engagement →
validity of the constructs in the research model. The Cronbach’s alpha SWB(H6a)
for all the constructs is greater than 0.72 which indicates the internal Autonomy → DIP-
consistency of the measurement model. The composite reliability of all enabled
the constructs is again greater than the threshold value of 0.70 indi- behavioral
engagement →
cating the reliability of the constructs (Hair et al., 2012). The average SWB(H6b)
variance extracted (AVE) value for all the constructs was above 0.5. It Relatedness →
implies that on average all the constructs explained more than 50% of (continued on next page)
the variance in its items (Sarstedt & Ringle, 2021), thus supporting the

7
S.K. Roy et al. Journal of Business Research 164 (2023)
114001

Table 3 (continued ) greater than zero for the constructs in the structural model. This shows
Hypothesized Path t- p-value LCI UCI that the proposed structural model performs better than the most naïve
paths coefficients values (2.5%) (97.5%) benchmark of the sampled indicator means.
DIP-enabled
Results (shown in Table 3) of the path analysis show that autonomy
behavioral (β =0.65, p < 0.001) and competence (β 0.32, p < 0.05) have positive
engagement → and significant impacts on DIP-enabled cognitive engagement support-
SWB(H6c)
ing H1a and H1c. H1b was not accepted as there was no significant
Competence →
impact of relatedness on cognitive engagement. Results also show that
DIP-enabled autonomy (β = 0.68, p < 0.001), relatedness (β = 0.14, p < 0.05) and
behavioral
engagement → competence (β = 0.14, p < 0.05) have significant impacts on DIP-
SWB enabled affective engagement supporting hypotheses H2a, H2b, and
H2c. Results support H3a and H3c as autonomy (β = 0.70, p < 0.001)
Note: * indicates p < 0.05; *** indicates p < 0.001; ‘ns’ indicates not and competence (β =0.20, p < 0.05) have direct and positive impacts on
significant.
DIP-enabled behavioral engagement. H3b was not accepted as there was
no significant impact of relatedness on DIP-enabled behavioral
model’s convergent validity. Discriminant validity was established as engagement.
the square root of the AVE values of constructs are greater than their Next, we tested the mediation hypotheses by using indirect effects’
correlation with other constructs in the model (Fornell & Larcker, 1981). bias-corrected, bootstrapped confidence intervals (Preacher & Hayes,
Discriminant validity was further examined using the heterotrait- 2008; Nitzl et al., 2016). Since the indirect effects between autonomy,
monotrait ratio (HTMT). Since the HTMT ratios of the constructs are relatedness and competence and subjective well-being (SWB) are not
less than 0.85 (Henseler et al., 2015) we can infer those constructs in the significant, we conclude that DIP-enabled cognitive engagement does
research model possess discriminant validity. not act as a mediator. Thus, hypotheses H4a, H4b and H4c are rejected.
The reported indirect effect between autonomy and SWB (βindirect =
6.3. Structural model 0.31, p < 0.001; LCI = 0.176, UCI 0.464) is significant and the con-
fidence intervals exclude zero. This shows that DIP-enabled affective
Next, we tested the structural model using 5,000 bootstrapped engagement mediates the relationship between autonomy and SWB,
resamples based on 325 cases. The predictive relevance of the structural supporting H5a. Similarly, the indirect effect between competence
2 2
model was examined by checking the R values and Stone-Geisser’s Q and SWB (βindirect = 0.06, p < 0.05; LCI = 0.014, UCI = 0.127) and the
2
values (Hair et al., 2017). Results show that the R value of the in- direct effects between relatedness and SWB (βindirect= 0.06, p < 0.05;
ultimate dependent variable (i.e., SWB) is 0.66 which is acceptable LCI = 0.014, UCI 0.129) are also significant. In addition, since the
(Hair et al., confidence intervals do not include zero, we accept hypotheses H5b and
2
2017). The R values for other endogenous variables such as cognitive H5c.
2 2
engagement (R = 0.68), affective engagement (R 0.74) and The reported indirect effects between autonomy and SWB (βindirect =
2
=
behavioral engagement (R 0.73) are acceptable too. 0.17, p < 0.05; LCI = 0.056, UCI = 0.277) and between competence and
Thereafter we conducted the blindfolding analysis using an omission SWB (βindirect =0.05, p < 0.05; LCI = 0.013, UCI 0.092) are significant
distance of 7 to assess the predictive relevance of the structural model and the confidence intervals exclude= zero. Thus, hypotheses H6a and
2
(Tenenhaus et al., 2005). The cross-validated redundancy (Q ) values of H6c are supported, and DIP-enabled behavioral engagement mediates
the endogenous constructs in the structural model are greater than 0.3. the relationship between autonomy, competence and SWB. Since the
This provides additional support to the predictive validity of the struc- indirect effect between relatedness and SWB is not significant we
tural model (Hair et al., 2017). In addition, we used the PLSpredict al- conclude that the hypothesis that DIP-enabled behavioral engagement
gorithm to provide further support for the structural model’s predictive
2
relevance (Shmueli et al., 2019). Results show that Q predict values
were

8
S.K. Roy et al. Journal of Business Research 164 (2023)
114001

Fig. 2. Results.

9
S.K. Roy et al. Journal of Business Research 164 (2023)
114001

mediates their relationship (H6b) is not supported. Fig. 2 shows results

0.148
0.060
0.269

0.139
0.179
0.137
0.068
0.148
0.094
0.107
0.107
0.235
of hypotheses testing.

SSE
Model D (R2 ¼ 55.18%)

Testing 6.4. ANN analysis

RMSE

0.066
0.013
0.093

0.062
0.074
0.057
0.051
0.067
0.051
0.070
0.055
0.084
As presented earlier, PLS-SEM analysis confirmed that all the path
relationships were statistically significant except for three hypothesised
relationships. These were DIP-enabled cognitive engagement to SWB,
Training

relatedness to DIP-enabled cognitive engagement and relatedness to DIP-

1.584
0.150
1.422

1.572
1.454
1.814
1.580
1.589
1.484
1.816
1.732
1.373
SSE

enabled behavioral engagement. Accordingly, these non-significant

relationships were not used in the ANN analysis (Hew et al., 2018; Xiong
et al., 2022). Next, four ANN models were created based only on the
RMSE

0.077
0.004
0.073

0.077
0.074
0.084
0.076
0.077
0.075
0.081
0.081
0.072
significant hypothesised relationships from the PLS-SEM analysis. The
results from the ANN analysis are provided in Appendi X B and the ANN
models are illustrated in Figs. B.1 to B.4 (see AppendiX B). As shown in
Table B.1, the Root Mean Square of Error (RMSE) for the four ANN
models ranged from 0.064 to 0.077 indicating high predictive accuracy
0.168
0.087

in the ANN analysis (Leong et al., 2020; Lo et al., 2022).

0.153

0.087
0.098
0.106
0.249
0.181
0.371
0.122
0.226
0.09
SSE

Next, sensitivity analysis was performed to calculate the normalised

importance of the input variables and rank these in terms of their pre-
Testing

Model D: Input neurons are DIP-enabled affective engagement and DIP-enabled behavioral engagement while output neuron is subjective well-being.
dicting capability on the output variable (Lo et al., 2022; Ng et al.,
RMSE

0.070
0.013
0.068
0.057
0.060
0.058
0.079
0.078
0.099
0.065
0.083
0.058

2022). The normalised importance score is the ratio of the relative

Model C (R2 ¼ 58.21%)

importance of each input variable by the input variable having the

largest relative importance (Talukder et al., 2020; Wang et al., 2022).
1.212
0.370
1.191

1.092
1.066
1.180
0.828
0.945
1.321
2.044
0.774
1.680

The results from Table B.2 demonstrate that in Model A, autonomy is the
SSE

most important variable in predicting DIP-enabled cognitive engage-

ment (100% normalised importance) followed by competence
Training

RMSE

0.067
0.010

(75.316%). In Model B, autonomy is the most important variable

0.067

0.064
0.063
0.067
0.057
0.059
0.071
0.087
0.054
0.079

Model B: Input neurons are autonomy, competence and relatedness while output neuron is DIP-enabled affective engagement.

(100%) followed by competence (36.357%) and relatedness (33.186%)

in predicting DIP-enabled affective engagement. Autonomy is also the
strongest predictor (100%) in predicting DIP-enabled behavioral
Model C: Input neurons are autonomy and competence while output neuron is DIP-enabled behavioral engagement.

R2 = 1 - RMSE/S2, where S2 is the variance of the desired output according to the average SSE for the testing data.
Model A: Input neurons are autonomy and competence while output neuron is DIP-enabled cognitive engagement.

engagement followed by competence (42.349%) in Model C. Finally,

Model D demonstrates that when predicting SWB, DIP-enabled affective
0.157
0.074
0.140

0.117
0.140
0.082
0.267
0.162
0.305
0.150
0.164
0.044
SSE

engagement has the highest influence (100%) followed by DIP-enabled

behavioral engagement (71.321%). In addition, R-square values were
calculated for each of the ANN models to determine the percentage of
Testing
RMSE

0.068
0.013
0.065
0.066
0.072
0.051
0.082
0.073
0.090
0.072
0.070
0.040

variance explained (Leong et al., 2020; Xiong et al., 2022). As shown in

Table B.2, the input variables can explain 56.99% of the variance in DIP-
Model B (R2 ¼ 56.64%)

enabled cognitive engagement (Model A), 56.64% of the variance in

1.180
0.173
1.172

1.495
0.984
1.139
1.062
1.049
1.153
1.511
1.045
1.186

DIP-enabled affective engagement (Model B), 58.21% of the variance in

SSE

DIP-enabled behavioral engagement (Model C) and 55.18% of the

variance in SWB (Model D).
Training

To determine if the results obtained from ANN analysis are consistent

RMSE

0.066
0.005
0.067

0.074
0.060
0.066
0.064
0.063
0.067
0.075
0.063
0.066

with results obtained from PLS-SEM, the normalised importance results

from the ANN analysis were compared with the path coefficient results
obtained from PLS-SEM (Lo et al., 2022; Ng et al., 2022). Table B.3
shows that the results from the ANN analysis support the findings of the
PLS-SEM obtained relationships. Specifically, the relative importance
0.155
0.100
0.149

0.061
0.282
0.099
0.159
0.194
0.379
0.095
0.077
0.050
SSE

magnitude of the path coefficients obtained from the PLS-SEM analysis

and the ANN normalised relative importance matches. For example, in
Model A, the path relationship from autonomy to DIP-enabled cognitive
Testing
RMSE

0.066
0.020
0.067
0.048
0.102
0.056
0.063
0.080
0.100
0.057
0.048
0.043

engagement (path coefficient of 0.646) is the most important, compared

to the relationship from competence to DIP-enabled cognitive engage-
Model A (R2 ¼ 56.99%)

ment (path coefficient of 0.315) according to PLS-SEM results. The same

finding is obtained from the ANN normalised relative importance per-
1.107
0.186
1.126

1.122
1.311
1.073
0.882
0.842
1.151
1.101
0.961
1.504
SSE

centage (100% normalised relative importance percentage for the rela-

tionship from autonomy to DIP-enabled cognitive engagement
Training

compared to 75.316% normalised relative importance percentage for

RMSE values of ANN models.

RMSE

0.064
0.005
0.065

0.064
0.070
0.064
0.059
0.056
0.067
0.064
0.060
0.075

the relationship from competence to DIP-enabled cognitive engage-

ment). Further comparison between PLS path coefficients and ANN
normalised relative importance percentage in Table B.3 for other re-
Neural Network

lationships show similar matches.

Table B1

ANN10
ANN1
ANN2
ANN3
ANN4
ANN5
ANN6
ANN7
ANN8
ANN9

Mean

Notes:
SD

1.
2.
3.
4.
5.

1
S.K. Roy et al. Journal of Business Research 164 (2023)
114001

Table B2
Sensitivity Analysis.

Sensitivity analysis

Model A Model B Model C Model D

Output: Cog_Eng Output: Aff_Eng Output: Beh_Eng Output: SWB

Neural Network Auto Comp Auto Comp Rel Auto Comp Aff_Eng Beh_Eng

ANN1 0.508 0.492 0.651 0.237 0.112 0.682 0.318 0.642 0.358
ANN2 0.556 0.444 0.437 0.301 0.262 0.768 0.232 0.533 0.467
ANN3 0.558 0.442 0.647 0.195 0.158 0.765 0.235 0.638 0.362
ANN4 0.503 0.497 0.627 0.205 0.168 0.708 0.292 0.505 0.495
ANN5 0.667 0.333 0.578 0.172 0.250 0.788 0.212 0.598 0.402
ANN6 0.662 0.338 0.617 0.202 0.180 0.749 0.251 0.524 0.476
ANN7 0.580 0.420 0.579 0.207 0.213 0.690 0.310 0.618 0.382
ANN8 0.544 0.456 0.456 0.255 0.289 0.526 0.474 0.505 0.495
ANN9 0.673 0.327 0.642 0.198 0.160 0.774 0.226 0.565 0.435
ANN10 0.453 0.547 0.663 0.172 0.165 0.575 0.425 0.709 0.291
Average relative importance 0.570 0.430 0.590 0.214 0.196 0.703 0.298 0.584 0.416
Normalized relative importance (%) 100.000% 75.316% 100.000% 36.357% 33.186% 100.000% 42.349% 100.000% 71.321%

Table B3
PLS-SEM and ANN results in comparison.
Path relationships PLS path
coefficient ANN normalised relative Ranking based on PLS Ranking based on ANN normalised Comment
importance (%) path coefficient relative importance (%)

Model A
Autonomy -> DIP-enabled 0.646 100.000% 1 1 Matched
cognitive_Eng
Competence -> DIP-enabled 0.315 75.316% 2 2 Matched
cognitive_Eng
Model B
Autonomy -> DIP-enabled 0.677 100.000% 1 1 Matched
affective_Eng
Competence -> DIP-enabled 0.138 36.357% 2 2 Matched
affective_Eng
Relatedness -> DIP-enabled 0.134 33.186% 3 3 Matched
affective_Eng
Model C
Autonomy -> DIP-enabled 0.701 100.000% 1 1 Matched
behavioral_Eng
Competence -> DIP-enabled 0.195 42.349% 2 2 Matched
behavioral_Eng
Model D
DIP-enabled affective_Eng -> 0.464 100.000% 1 1 Matched
SWB
DIP-enabled behavioral_Eng -> 0.243 71.321% 2 2 Matched
SWB

Fig. B1. ANN Model A.

1
S.K. Roy et al.
Fig. B2. ANN Model B.
Fig. B3. ANN Model C.
7. Discussion and implications
7.1. Theoretical implications
The goal of this study was to examine (a) the antecedents and con-
sequences of DIP-enabled customer engagement, and (b) the mediating
role of DIP-enabled customer engagement in linking the antecedents to
the consequences. We tested the above relationships by integrating S-DL
and SDT as our theoretical framework. Our findings can be grouped into
the following conclusions.
The findings from both the PLS-SEM and the ANN analysis supported
the hypothesised relationships for autonomy influencing all the di-
mensions of CE. These results can be explained by the idea that the DIPs
provide greater perceived autonomy or choice to the users leading them
to be cognitively engaged with the DIPs. Previous studies have shown
that greater perceived autonomy can lead users to believe in the
10
Journal of Business Research 164 (2023)
114001
perceived usefulness of the object (Tsai et al., 2021, Sweeney et al.,
2014) leading them to be cognitively involved. Moreover, the influence
of autonomy on all the dimensions of CE is greater than the influence of
competence and relatedness. This suggests that the CE with DIPs is
largely driven by the fact that the users prefer the independence,
freedom and choices available when using the DIPs.
Competence was found to have significant relationships with all the
dimensions of CE according to the PLS-SEM and ANN analysis. Com-
petency refers to the users’ ability to achieve specific goals using their
capacity (i.e., operant resource). As evident from the findings, users
believe that they possess higher competence when it comes to using the
DIPs which results in the continual use of the DIPs leading to greater CE.
This is not surprising, because the respondents were recruited from
M —Turk who generally would perceive that they have higher compe-
tency in using digital platforms.
Relatedness refers to the idea that users will feel connected or
S.K. Roy et al.
Fig. B4. ANN Model D.
belongingness with other users. This is important when users need
support from other users in the form of a community (Chui, 2022). This
may not be the case in the DIPs context since users do not interact with
other users. This could explain the non-significant relationships between
relatedness and cognitive and DIP-enabled behavioral engagement.
However, the relationship between relatedness and DIP-enabled affec-
tive engagement was found to be significant. This may be because the
users like using the DIPs resulting in positive emotions toward the DIPs.
In the context of this research, it was found that SWB is not influ-
enced by DIP-enabled cognitive engagement but is influenced by DIP-
enabled affective and DIP-enabled behavioral engagements. This is in
line with Kim et al., (2014) assertion that individuals’ SWB is influenced
more by affective responses compared to rational responses. SWB is a
psychological concept which measures individuals’ cognitive judge-
ments of overall life satisfaction and affective judgements of emotion.
Therefore, it is likely that the use of DIPs makes the users feel happy
about themselves which translates into greater SWB. This could be
because the DIPs are easy to use, making the users feel less stressed and
as a result, they do not have to spend cognitive effort (i.e., to think
about) using the DIPs. This is also evident from the results that show that
DIP-enabled cognitive engagement does not mediate any relationships
from ARC to SWB.
We also find that DIP-enabled affective engagement mediates the
relationship between ARC and SWB. This suggests that when the use of
DIPs influences the emotional aspects (i.e., affect) of the users, they are
more likely to develop a position perception of their life satisfaction and
overall emotion. As noted earlier in this section, affective engagement
with the DIPs is more likely when users perceive that they have fulfilled
the ARC aspects of needs satisfaction when using the DIPs.
The results show that DIP-enabled behavioral engagement mediates
the relationship between autonomy and competence and SWB but does
mediate the relationship between relatedness and SWB. This result can
be explained by the fact that the users were not able to see other users (i.
e., lack of relatedness) during their interaction with DIPs. Therefore, the
users mostly focus on their perceptions of autonomy and competency
when using the DIPs. In other words, the more autonomy (i.e., freedom)
and competency (i.e., capability) the users perceive they possess
when using the DIPs, the more likely they are to engage behaviorally
(e.g., by spending energy, time and effort) with the DIPs which in
turn make them emotionally satisfied and happy (i.e., increase their
sense of SWB). Lastly, we used SEM-ANN approach, which is
relatively new to the customer engagement and the DIP literature, and
unpacks the nonlinear association between human psychological needs,
customer engagement
1
1
Journal of Business Research 164 (2023)
114001
and subjective well-being. With the use of ANN analysis, we were able to
determine normalised importance of the input variables and rank these
based on their predictive capability on the output variable. This
approach contrasts with the existing studies that compute beta co-
efficients of the SEM analysis. Our analysis in this context is somewhat of
a paradigm shift, where researchers not only focus on testing linear
causal relationships but can also focus on the nonlinear associations
between predictors and dependent variables.
Overall, the study contributes to the literature by shedding light on
the complex relationships between human psychological needs,
customer engagement and subjective well-being, in the context of DIP,
and through the integrated theoretical lenses of service-dominant logic
and self-determination theory. The results explain that the direct rela-
tionship between human psychological needs satisfaction (autonomy,
relatedness and competence) and subjective well-being is mediated by
customer engagement (cognitive, affective and behavioral). Specifically,
findings show that autonomy and competence have significant re-
lationships with all the dimensions of customer engagement (cognitive,
affective and behavioral). Subjective well-being, though, is not influ-
enced by cognitive engagement, but is influenced by affective and
behavioral engagement.
7.2. Managerial implications
Understanding the enablers and consequences of DIP-enabled CE is
integral to re-conceptualizing retailers’ offerings as DIPs. This is spe-
cifically essential in the era of experience-driven service interactions
where positive experiences are critical in deriving value for both cus-
tomers and firms. CE has been cited as the source of competitive
advantage (Kumar & Pansari, 2016). Hence, by recognizing how this
practice could be motivated, service providers can strengthen their in-
teractions in the technological environments and enable positive brand
consequences.
First, our findings show that autonomy influences all the dimensions
of CE. Based on this finding, managers are advised to provide actions or
steps which increase the perception of autonomy among users of DIPs.
For example, the users can be allowed to choose and design their own
shoes/products using the DIPs. This will consequently increase
engagement with the DIPs and increase SWB. However, designers should
also be careful to not make the DIPs too complicated to operate, as this
may adversely impact the perceived competency among the users
leading to lower CE.
Previous studies have shown that relatedness positively influences
S.K. Roy et al.
behavior (Sweeney et al., 2014) and engagement (Chiu, 2022). In
contrast, our findings suggest that relatedness impacts only the affective
engagement. This implies that the DIPs should be designed to make them
feel relatable to the users which leads to affective engagement. For
example, companies can design the DIPs by providing instant feedbacks
to the users about their use of DIPs. This will likely create positive
feelings among the users and increase CE.
In the current study, relatedness was not found to impact cognitive
and behavioral engagement which could be because of scenario lacked
information on how the users may connect with other users of the DIPs.
Chiu (2022) noted that relatedness becomes important when support
from other users is needed because of uncertain and unfamiliar situa-
tion. Therefore, companies should allow the users to interact with each
other (i.e., receiving and giving feedback from other users) when using
the DIPs. This will likely increase CE because of greater relatedness.
The results also show that DIP-enabled affective engagement medi-
ates relationships between ARC and SWB. Technologies have been
shown to create feelings of SWB in several contexts (Kim et al., 2020).
This implies that DIPs should be designed to promote the feelings of
escapism, entertainment, challenge, fantasy, and pleasure which have
been shown influence psychological well-being (Li et al., 2014, Singh
et al., 2017). For example, the DIPs can be designed to make these
entertaining by utilising vivid sound and video.
Similarly, the DIPs should be easier to use or operate as the results
show that the influence on SWB by autonomy and competence are
mediated by DIP-enabled affective engagement. This implies that when
the users do not feel constraint or face difficulty in using the DIPs, they
are more likely to be engrossed in using the DIPs leading them to
perceive higher SWB.
8. Limitations and future research directions
Several limitations of this study reflect avenues for further research.
First, in our study, we identified one driver of DIP-enabled CE, namely
customer motivation (autonomy, relatedness, and competence). CE with
DIP may not only be triggered solely by their motivation but could also
be driven by trust, and commitment (Pansari & Kumar, 2017, de Oli-
veira Santini et al., 2021). Future research can extend the model to
include additional factors that capture the drive CE, such as those pro-
posed by Islam et al., (2019) and Lim and Rasul (2022) including several
brand-based, customer-based, industry-based, and marketer-based
platform-based factors. Secondly, while this paper integrates the theo-
retical underpinnings of S-D logic and the SDT, future research may
consider integrating other and/or complementary theoretical lenses into
its investigation, including social exchange (Hollebeek, 2011), resource-
based view (Hollebeek, 2019) relationship marketing theory (Vivek
et al., 2014), service logic (Gro¨nroos, 2008), regulatory
engagement theory (Higgins, 2006; Higgins & Scholer, 2009),
engagement theory (Pansari & Kumar, 2017) and others to accomplish
further theoretical understanding of DIP enabled CE (MacInnis, 2011).
Third, future research could contrast and validate the model’s
relationships across other types of DIPs with different characteristics,
such as search and advertising platforms, content platforms, social media
platforms, and other service platforms focused on, for example,
crowdsourcing or crowdfunding (Rangaswamy et al., 2020). Fourth,
extant research also highlights that customer well-being can operate as
an antecedent of CE (e.g., Horwood & Anglim, 2019). Future research
could also investigate the reciprocal relationships between well-being
and DIP-enabled customer engagement. Nevertheless, a text scenario-
based study has its limitations in terms of gaining insight into well-
being through the lens of customer need satisfaction. Therefore, future
research could use other research methods – such as field studies and
field experiments – and take different well-being aspects – like self-
efficacy and technology anxiety– into consideration (Henkens et al.,
2021). Finally, the empirical study examined one organisation
(PIKKPACK) through the con- ceptualisation of DIP as APPI with
respondents from one country (i.e.,
2
1
Journal of Business Research 164 (2023)
114001
Australia). As such, future research can explore the conditions under
which DIP-enabled CE emerges in other settings and/or countries.
CRediT authorship contribution statement
Sanjit K. Roy: Writing – review & editing, Writing – original draft,
Visualization, Validation, Supervision, Software, Project administration,
Methodology, Formal analysis, Data curation, Conceptualization.
Gaganpreet Singh: Writing – review & editing, Writing – original draft,
Visualization, Validation, Supervision, Software, Project administration,
Methodology, Investigation, Formal analysis, Data curation, Conceptu-
alization. Saalem Sadeque: Writing – original draft, Visualization,
Validation, Software, Methodology, Formal analysis, Data curation.
Paul Harrigan: Writing – review & editing, Supervision, Project
administration, Conceptualization. Kristof Coussement: Writing – re-
view & editing, Supervision, Methodology.
Declaration of Competing Interest
The authors declare that they have no known competing financial
interests or personal relationships that could have appeared to influence
the work reported in this paper.
Appendix A
Imagine you would like to buy a new pair of customized shoes for
yourself. You come across a service PIKKPACK that offers access to different
shoe items using the digitalized interactive platform (DIP). The DIP of
PIKKPACK offers you the autonomy to edit and design customised shoes that
are other- wise not available in the regular market. The possibility of
selecting between shoe colour and sole material along with different types of
sole colour and shoelace colour would result in multiple shoe permutations.
The PIKKPACK’s DIP also offers relevant product information, including its
use in different climatic conditions, country of origin, and how to wash the
product. The standard PIKKPACK kit shipped to you will consist of all
unassembled shoe items an instructions kit and a tutorial on how to assemble
the shoes yourself. Upon assembling, you can use the product. In this way,
you have control over creating your shoemaking and usage experience. The
engagement generated will be contingent on the autonomy, competence and
relatedness offered by the PIKKPACK’S DIP. PIKKPACK also maintains an
appointment-based showroom for its users to physically create, engage and
experience the product. Overall, positive engagement is likely to give you
higher satisfaction and eventually influence your well-being (and vice
versa).
Appendix B
See Tables B.1, B.2, B.3 and Figs. B.1 to B.4
References
Aguinis, H., Villamor, I., & Ramani, R. S. (2021). MTurk research: Review and
recommendations. Journal of Management, 47(4), 823–837.
Alexander, M. J., Jaakkola, E., & Hollebeek, L. D. (2018). Zooming out: Actor
engagement beyond the dyadic. Journal of Service Management, 29(3), 333–351.
Al Mamun, M. A., Lawrie, G., & Wright, T. (2020). Instructional design of scaffolded
online learning modules for self-directed and inquiry-based learning environments.
Computers & Education, 144, Article 103695.
Apostolidis, C., Brown, D., Wijetunga, D., & Kathriarachchi, E. (2021). Sustainable value
co-creation at the Bottom of the Pyramid: Using mobile applications to reduce food
waste and improve food security. Journal of Marketing Management, 37(9–10), 856–
886.
Assor, A., Kaplan, H., & Roth, G. (2002). The choice is good, but relevance is excellent:
Autonomy-enhancing and suppressing teacher behaviors predicting students’
engagement in schoolwork. British Journal of Educational Psychology, 72(2), 261–278.
Bauer, J. J., King, L. A., & Steger, M. F. (2019). Meaning making, self-determination
theory, and the question of wisdom in personality. Journal of Personality, 87(1),
82–101.
Baumeisterop, R. F., & Leary, M. R. (1995). The need to belong: Desire for interpersonal
attachments as a fundamental human motivation. Psychological Bulletin, 117(3),
 S.K. Roy et al. Journal of Business Research 164 (2023)
497–529. 114001

3
1
S.K. Roy et al.
Behnam, M., Hollebeek, L. D., Clark, M. K., & Farabi, R. (2021). E Xploring customer
engagement in the product vs. service context. Journal of Retailing and Consumer
Services, 60, Article 102456.
Becker, J. M., Klein, K., & Wetzels, M. (2012). Hierarchical latent variable models in PLS-
SEM: Guidelines for using reflective-formative type models. Long range planning, 45
(5–6), 359–394.
Brodie, R. J., Fehrer, J. A., Jaakkola, E., & Conduit, J. (2019). Actor engagement in
networks: Defining the conceptual domain. Journal of Service Research, 22(2),
173–188.
Brodie, R. J., Hollebeek, L. D., Juri´c, B., & Ili´c, A. (2011). Customer
engagement: Conceptual domain, fundamental propositions, and implications
for research. Journal of Service Research, 14(3), 252–271.
Brodie, R. J., Ilic, A., Juric, B., & Hollebeek, L. (2013). Consumer engagement in a
virtual brand community: An exploratory analysis. Journal of Business Research,
66(1), 105–114.
Chan, T. K., Zheng, X., Cheung, C. M., Lee, M. K., & Lee, Z. W. (2014). Antecedents and
consequences of customer engagement in online brand communities. Journal of
Marketing Analytics, 2(2), 81–97.
Cherrier, H., & Munoz, C. L. (2007). A Reflection on Consumers’ Happiness: The
Relevance of Care for Others, Spiritual Reflection, and Financial Detachment.
Journal of Research for Consumers, 12.
Chiu, T. K. (2022). Applying the self-determination theory (SDT) to explain student
engagement in online learning during the COVID-19 pandemic. Journal of Research
on Technology in Education, 54(sup1), S14–S30.
Deci, E. L. (1975). Intrinsic motivation. New York: Plenum Publishing Corp.
Deci, E. L., & Ryan, R. M. (2000). The“ what” and“ why” of goal pursuits: Human needs
and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.
Deci, E. L., & Ryan, R. M. (1985). Cognitive evaluation theory. In Intrinsic motivation and
self-determination in human behavior (pp. 43–85). Boston, MA: Springer.
Deci, E. L., & Ryan, R. M. (1991). Approach to self: Integration in personality. Perspectives
on Motivation, 38, 237.
de Oliveira Santini, F., Ladeira, W. J., Pinto, D. C., Herter, M. M., Sampaio, C. H., &
Babin, B. J. (2020). Customer engagement in social media: A framework and meta-
analysis. Journal of the Academy of Marketing Science, 48(6), 1211–1228.
Diener, E., Lucas, R. E., & Scollon, C. N. (2009). Beyond the hedonic treadmill: Revising
the adaptation theory of well-being. In The science of well-being (pp. 103–118).
Dordrecht: Springer.
Diener, E., Lucas, R. E., & Oishi, S. (2018). Advances and open questions in the science of
subjective well-being. Collabra. Psychology, 4(1), 15.
Dwivedi, A. (2015). A higher-order model of consumer brand engagement and its impact
on loyalty intentions. Journal of Retailing and Consumer Services, 24, 100–109.
Engstro¨m, J., & Elg, M. (2015). A self-determination theory perspective on
customer participation in service development. Journal of Services Marketing,
29(6/7), 511–521.
Fornell, C., & Larcker, D. F. (1981). Structural equation models with unobservable
variables and measurement error: Algebra and statistics.
Fritzsche, D. J. (1988). An examination of marketing ethics: Role of the decision maker,
consequences of the decision, management position, and sex of the respondent.
Journal of Macromarketing, 8(2), 29–39.
Goodman, J. K., & Paolacci, G. (2017). Crowdsourcing consumer research. Journal
of Consumer Research, 44(1), 196–210.
Groeger, L., Moroko, L., & Hollebeek, L. D. (2016). Capturing value from non-paying
consumers’ engagement behaviors: Field evidence and development of a theoretical
model. Journal of Strategic Marketing, 24(3–4), 190–209.
Gro¨nroos, C. (2008). Service logic revisited: Who creates value? And who co-
creates?
European Business Review, 20(4), 298–314.
Harrigan, P., Evers, U., Miles, M. P., & Daly, T. (2018). Customer engagement and the
relationship between involvement, engagement, self-brand connection and brand
usage intent. Journal of Business Research, 88, 388–396.
Hair, J., Hollingsworth, C. L., Randolph, A. B., & Chong, A. Y. L. (2017). An updated and
expanded assessment of PLS-SEM in information systems research. Industrial
Management & Data Systems, 117(3), 442–458.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use of
partial least squares structural equation modeling in marketing research. Journal of
the Academy of Marketing Science, 40(3), 414–433.
Halvari, A. E. M., Halvari, H., Bjørnebekk, G., & Deci, E. L. (2010). Motivation and
anxiety for dental treatment: Testing a self-determination theory model of oral self-
care behavior and dental clinic attendance. Motivation and Emotion, 34(1), 15–33.
Haykin, S. (2009). Neural networks and learning machines, 3/E. Pearson Education India.
He, J., & Zhang, S. (2022). How digitalized interactive platforms create new value for
customers by integrating B2B and B2C models? An empirical study in China. Journal
of Business Research, 142, 694–706.
Henkens, B., Verleye, K., & Larivi`ere, B. (2021). The smarter, the better?! Customer
well-
being, engagement, and perceptions in smart service systems. International Journal of
Research in Marketing, 38(2), 425–447.
Henseler, J. (2018). Partial least squares path modeling: Quo vadis? Quality & Quantity,
52(1), 1–8.
Hew, J.-J., Leong, L.-Y., Tan, G.-W.-H., Lee, V.-H., & Ooi, K.-B. (2018). Mobile social
tourism shopping: A dual-stage analysis of a multi-mediation model. Tourism
Management, 66, 121–139.
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing
discriminant validity in variance-based structural equation modeling. Journal of the
Academy of Marketing Science, 43(1), 115–135.
Higgins, E. T. (2006). Value from hedonic experience and engagement. Psychological
Review, 113(3), 439–460.
4
1
Journal of Business Research 164 (2023)
114001
Higgins, E. T., & Scholer, A. A. (2009). Engaging the Consumer: The Science and Art of
the Value Creation Process. Journal of Consumer Psychology, 19(2), 100–114.
Hoffman, D. L., & Novak, T. P. (2018). Consumer and object experience in the internet of
things: An assemblage theory approach. Journal of Consumer Research, 44(6), 1178–
1204.
Hollebeek, L. D., Glynn, M. S., & Brodie, R. J. (2014). Consumer brand engagement in
social media: Conceptualization, scale development and validation. Journal of
Interactive Marketing, 28(2), 149–165.
Hollebeek, L. D., & Belk, R. (2021). Consumers’ technology-facilitated brand engagement
and wellbeing: Positivist TAM/PERMA-vs. Consumer Culture Theory perspectives.
International Journal of Research in Marketing, 38(2), 387–401.
Hollebeek, L. D., Sprott, D. E., & Brady, M. K. (2021). Rise of the machines? Customer
engagement in automated service interactions. Journal of Service Research, 24(1),
3–8.
Hollebeek, L. D., & Macky, K. (2019). Digital content marketing’s role in fostering
consumer engagement, trust, and value: Framework, fundamental propositions, and
implications. Journal of Interactive Marketing, 45, 27–41.
Hollebeek, L. D. (2019). Developing business customer engagement through social media
engagement platforms: An integrative SD logic/RBV-informed model. Industrial
Marketing Management, 81, 89–98.
Hollebeek, L. D., Srivastava, R. K., & Chen, T. (2019). SD logic–informed customer
engagement: Integrative framework, revised fundamental propositions, and
application to CRM. Journal of the Academy of Marketing Science, 47(1), 161–185.
Horwood, S., & Anglim, J. (2019). Problematic smartphone usage and subjective and
psychological well-being. Computers in Human Behavior, 97, 44–50.
Huang, M. H., & Rust, R. T. (2021). Engaged to a robot? The role of AI in service. Journal
of Service Research, 24(1), 30–41.
Hulland, J., Baumgartner, H., & Smith, K. M. (2018). Marketing survey research best
practices: Evidence and recommendations from a review of JAMS articles. Journal of
the Academy of Marketing Science, 46(1), 92–108.
Hyman, M. R., & Steiner, S. D. (1996). The vignette method in business ethics research:
Current uses and recommendations. Marketing.
Islam, J. U., Hollebeek, L. D., Rahman, Z., Khan, I., & Rasool, A. (2019). Customer
engagement in the service context: An empirical investigation of the construct, its
antecedents and consequences. Journal of Retailing and Consumer Services, 50, 277–
285.
Japutra, A., Higueras-Castillo, E., & Liebana-Cabanillas, F. (2022). Building customer
engagement in mobile commerce through need fulfillment: An approach of self-
determination theory. Journal of Strategic Marketing, 1–20.
Kasser, T., & Sheldon, K. M. (2002). What makes for a merry Christmas? Journal of
Happiness Studies, 3(4), 313–329.
Kim, E., & Drumwright, M. (2016). Engaging consumers and building relationships in
social media: How social relatedness influences intrinsic vs. extrinsic consumer
motivation. Computers in Human Behavior, 63, 970–979.
Kim, J. Y., Chung, N., & Ahn, K. M. (2014). Why people use social networking services in
Korea: The mediating role of self-disclosure on subjective well-being. Information
Development, 30(3), 276–287.
Kim, J., & Kim, M. (2020). Spectator e-sport and well-being through live
streaming services. Technology in Society, 63, Article 101401.
Kim, M. J., Lee, C. K., & Preis, M. W. (2020). The impact of innovation and gratification
on authentic experience, subjective well-being, and behavioral intention in tourism
virtual reality: The moderating role of technology readiness. Telematics and
Informatics, 49, Article 101349.
Kumar, V., Rajan, B., Gupta, S., & Pozza, I. D. (2019). Customer engagement in service.
Journal of the Academy of Marketing Science, 47(1), 138–160.
Kumar, V., & Pansari, A. (2016). Competitive advantage through engagement. Journal of
Marketing Research, 53(4), 497–514.
Lauder, E. (2017), AI will power 95% of customer interactions by 2025, Online.
Available at: https://aibusiness.com/automation/ai-will-power-95-of-customer-in
teractions-by-2025. Accessed 23 February 2023.
Leung, L. S. K., & Matanda, M. J. (2013). The impact of basic human needs on the use of
retailing self-service technologies: A study of self-determination theory. Journal of
Retailing and Consumer Services, 20(6), 549–559.
Leong, L. Y., Hew, T. S., Ooi, K. B., & Chong, A. Y. L. (2020). Predicting the antecedents
of trust in social commerce–A hybrid structural equation modeling with neural
network approach. Journal of Business Research, 110, 24–40.
Li, C., Shi, X., & Dang, J. (2014). Online communication and subjective well-being in
Chinese college students: The mediating role of shyness and social self-efficacy.
Computers in Human Behavior, 34, 89–95.
Lim, W. M., & Rasul, T. (2022). Customer engagement and social media: Revisiting the
past to inform the future. Journal of Business Research, 148, 325–342.
Liu, W., & Aaker, J. (2008). The happiness of giving: The time-ask effect. Journal of
Consumer Research, 35(3), 543–557.
Li´ebana-Cabanillas, F., Marinkovic, V., Ramos de Luna, I., & Kalinic, Z. (2018).
Predicting the determinants of mobile payment acceptance: A hybrid SEM-neural
network approach. Technological Forecasting and Social Change, 129, 117–130.
Lindell, M. K., & Whitney, D. J. (2001). Accounting for common method variance in
cross-sectional research designs. Journal of Applied Psychology, 86(1), 114–121.
Loroz, P. S., & Braig, B. M. (2015). Consumer attachments to human brands: The “Oprah
effect”. Psychology & Marketing, 32(7), 751–763.
Lo, P.-S., Dwivedi, Y. K., Wei-Han Tan, G., Ooi, K.-B., Cheng-Xi Aw, E., & Metri, B.
(2022). Why do consumers buy impulsively during live streaming? A deep learning-
based dual-stage SEM-ANN analysis. Journal of Business Research, 147, 325–337.
Mathis, E. F., Kim, H. L., Uysal, M., Sirgy, J. M., & Prebensen, N. K. (2016). The effect of
co-creation experience on outcome variable. Annals of Tourism Research, 57, 62–75.
S.K. Roy et al.
MacKenzie, S. B., & Podsakoff, P. M. (2012). Common method bias in marketing: Causes,
mechanisms, and procedural remedies. Journal of Retailing, 88(4), 542–555.
MacInnis, D. J. (2011). A framework for conceptual contributions in marketing. Journal
of Marketing, 75(4), 136–154.
Meuter, M. L., Bitner, M. J., Ostrom, A. L., & Brown, S. W. (2005). Choosing among
alternative service delivery modes: An investigation of customer trial of self-service
technologies. Journal of Marketing, 69(2), 61–83.
Morgan, B. (2018), “10 Customer EXperience Implementations of Artificial Intelligence,”
(accessed February 1, 2022).
Mostaghel, R., Oghazi, P., Parida, V., & Sohrabpour, V. (2022). Digitalization driven
retail business model innovation: Evaluation of past and avenues for future research
trends. Journal of Business Research, 146, 134–145.
Newman, I. (2000). A Conceptualization of MiXed Methods: A Need for Inductive/
Deductive Approach to Conducting Research.
Ng, F.-Z.-X., Yap, H.-Y., Tan, G.-W.-H., Lo, P.-S., & Ooi, K.-B. (2022). Fashion shopping on
the go: A Dual-stage predictive-analytics SEM-ANN analysis on usage behavior,
experience response and cross-category usage. Journal of Retailing and Consumer
Services, 65, Article 102851.
Niemiec, C. P., & Ryan, R. M. (2009). Autonomy, competence, and relatedness in the
classroom: Applying self-determination theory to educational practice. Theory and
Research in Education, 7(2), 133–144.
Nitzl, C., Roldan, J. L., & Cepeda, G. (2016). Mediation analysis in partial least squares
path modeling: Helping researchers discuss more sophisticated models. Industrial
Management & Data Systems, 116(9), 1849–1864.
Novak, T. P., & Hoffman, D. L. (2019). Relationship journeys in the internet of things: A
new framework for understanding interactions between consumers and smart
objects. Journal of the Academy of Marketing Science, 47(2), 216–237.
Pansari, A., & Kumar, V. (2017). Customer engagement: The construct, antecedents, and
consequences. Journal of the Academy of Marketing Science, 45(3), 294–311.
Peters, D., Calvo, R. A., & Ryan, R. M. (2018). Designing for motivation, engagement and
well-being in digital experience. Frontiers in Psychology, 9, 797.
Podsakoff, P. M., MacKenzie, S. B., & Podsakoff, N. P. (2012). Sources of method bias in
social science research and recommendations on how to control it. Annual review of
psychology, 63(1), 539–569.
Prentice, C., & Loureiro, S. M. C. (2018). Consumer-based approach to customer
engagement–The case of luXury brands. Journal of Retailing and Consumer Services,
43, 325–332.
Priyadarshinee, P., Raut, R. D., Jha, M. K., & Gardas, B. B. (2017). Understanding and
predicting the determinants of cloud computing adoption: A two staged hybrid SEM
- Neural networks approach. Computers in Human Behavior, 76, 341–362.
Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing
and comparing indirect effects in multiple mediator models. Behavior research
methods, 40(3), 879–891.
Quach, S., Shao, W., Ross, M., & Thaichon, P. (2020). Customer engagement and co-
created value in social media. Marketing Intelligence & Planning, 38(6), 730–744.
Raggiotto, F., & Scarpi, D. (2022). It’s Not Just a Game: Virtual Edgework and Subjective
Well-Being in E-Sports. Journal of Interactive Marketing, 1–13.
Ramaswamy, V., & Narayanan, K. (2022). Into the eXperience-verse: The strategic
frontier of cloud business innovation and value co-creation. Strategy & Leadership.
https://www.emerald.com/insight/content/doi/10.1108/SL-06-2022-0061/full/h
tml.
Ramaswamy, V., & Ozcan, K. (2018a). Offerings as digitalized interactive platforms: A
conceptual framework and implications. Journal of Marketing, 82(4), 19–31.
Ramaswamy, V., & Ozcan, K. (2018b). What is co-creation? An interactional creation
framework and its implications for value creation. Journal of Business Research, 84,
196–205.
Ramaswamy, V., & Ozcan, K. (2019). Digitalized interactive platforms: Turning goods
and services into retail co-creation experiences. NIM Marketing Intelligence Review, 11
(1), 18–23.
Rangaswamy, A., Moch, N., Felten, C., Van Bruggen, G., Wieringa, J. E., & Wirtz, J.
(2020). The role of marketing in digital business platforms. Journal of Interactive
Marketing, 51(1), 72–90.
Reeve, J. (2012). A self-determination theory perspective on student engagement. In
Handbook of research on student engagement (pp. 149–172). Boston, MA: Springer.
Reeve, J., & Halusic, M. (2009). How K-12 teachers can put self-determination theory
principles into practice. Theory and Research in Education, 7(2), 145–154.
Ringle, C. M., Wende, S., & Becker, J. M. (2014). SmartPLS 3. Hamburg: SmartPLS.
Academy of Management Review, 9, 419–445.
Roy, S. K., Balaji, M. S., Soutar, G., Lassar, W. M., & Roy, R. (2018). Customer
engagement behavior in individualistic and collectivistic markets. Journal of
Business Research, 86, 281–290.
Roy, S. K., Balaji, M. S., Kesharwani, A., & Sekhon, H. (2017). Predicting Internet
banking adoption in India: A perceived risk perspective. Journal of Strategic
Marketing, 25(5–6), 418–438.
Sarstedt, M., Ringle, C. M., & Hair, J. F. (2021). Partial least squares structural
equation modeling. In Handbook of market research (pp. 587–632). Cham:
Springer International Publishing.
Sarstedt, M., Ringle, C. M., & Hair, J. F. (2017). Treating unobserved heterogeneity in
PLS-SEM: A multi-method approach. In Partial least squares path modeling (pp.
197–217). Cham: Springer.
Sarstedt, M., Hair, J. F., Pick, M., Liengaard, B. D., Radomir, L., & Ringle, C. M. (2022).
Progress in partial least squares structural equation modeling use in marketing
research in the last decade. Psychology & Marketing, 39(5), 1035–1064.
Scott, J. E., & Walczak, S. (2009). Cognitive engagement with a multimedia ERP training
tool: Assessing computer self-efficacy and technology acceptance. Information &
Management, 46(4), 221–232.
5
1
Journal of Business Research 164 (2023)
114001
Sharma, S. K. (2019). Integrating cognitive antecedents into TAM to explain mobile
banking behavioral intention: A SEM-neural network modeling. Information Systems
Frontiers, 21(4), 815–827.
Shmueli, G., Sarstedt, M., Hair, J. F., Cheah, J.-H., Ting, H., Vaithilingam, S., &
Ringle, C. M. (2019). Predictive model assessment in PLS-SEM: Guidelines for using
PLSpredict. European Journal of Marketing, 53(11), 2322–2347.
Shulga, L. V., & Busser, J. A. (2021). Customer self-determination in value co-creation.
Journal of Service Theory and Practice, 31(1), 83–111.
Singh, D. K. A., Rahman, N. N. A., Seffiyah, R., Chang, S. Y., Zainura, A. K., Aida, S. R., &
Rajwinder, K. H. S. (2017). Impact of virtual reality games on psychological well-
being and upper limb performance in adults with physical disabilities: A pilot study.
Med Journal Malaysia, 72(2), 119–121.
Singh, J., Nambisan, S., Bridge, R. G., & Brock, J. K. U. (2021). One-voice strategy for
customer engagement. Journal of Service Research, 24(1), 42–65.
Strayhorn, T. L. (2008). Fittin’ in: Do diverse interactions with peers affect sense of
belonging for black men at predominantly white institutions? Journal of Student
Affairs Research and Practice, 45(4), 501–527.
Su, L., Swanson, S. R., & Chen, X. (2016). The effects of perceived service quality on
repurchase intentions and subjective well-being of Chinese tourists: The mediating
role of relationship quality. Tourism management, 52, 82–95.
Su, L., Swanson, S. R., & Chen, X. (2018). Reputation, subjective well-being, and
environmental responsibility: The role of satisfaction and identification. Journal of
Sustainable Tourism, 26(8), 1344–1361.
Sweeney, J. C., Webb, D., Mazzarol, T., & Soutar, G. N. (2014). Self-determination
theory and word of mouth about energy-saving behaviors: An online experiment.
Psychology & Marketing, 31(9), 698–716.
Talukder, M. S., Sorwar, G., Bao, Y., Ahmed, J. U., & Palash, M. A. S. (2020). Predicting
antecedents of wearable healthcare technology acceptance by elderly: A combined
SEM-Neural Network approach. Technological Forecasting and Social Change, 150.
Tenenhaus, M., Vinzi, V. E., Chatelin, Y. M., & Lauro, C. (2005). PLS path modeling.
Computational statistics & data analysis, 48(1), 159–205.
Tombs, A. G., & McColl-Kennedy, J. R. (2013). Third party customers infecting
other customers for better or for worse. Psychology & Marketing, 30(3), 277–
292.
Tsai, T. H., Chang, Y. S., Chang, H. T., & Lin, Y. W. (2021). Running on a social exercise
platform: Applying self-determination theory to increase motivation to participate
in a sporting event. Computers in Human Behavior, 114, Article 106523.
Tuan, A., Visentin, M., & Di Domenico, G. (2023). Bridging Who They Are with Who
They Thought They’d Be: The Effects of Gen Zers’ Subjective Well-Being on Their
Boycott Responses to Online and Offline Unethical Situations. Journal of Interactive
Marketing.
Valenzuela, S., Park, N., & Kee, K. F. (2009). Is there social capital in a social network
site?: Facebook use and college students’ life satisfaction, trust, and participation.
Journal of Computer-mediated Communication, 14(4), 875–901.
Vargo, S. L., & Lusch, R. F. (2008). Service-dominant logic: Continuing the evolution.
Journal of the Academy of Marketing Science, 36(1), 1–10.
Vargo, S. L., & Lusch, R. F. (2016). Institutions and axioms: An extension and update of
service-dominant logic. Journal of the Academy of Marketing Science, 44(1), 5–23.
Van Doorn, J., Lemon, K. N., Mittal, V., Nass, S., Pick, D., Pirner, P., & Verhoef, P. C.
(2010). Customer engagement behavior: Theoretical foundations and research
directions. Journal of Service Research, 13(3), 253–266.
Verleye, K., Gemmel, P., & Rangarajan, D. (2014). Managing engagement behaviors in a
network of customers and stakeholders: Evidence from the nursing home sector.
Journal of Service Research, 17(1), 68–84.
Vivek, S. D., Beatty, S. E., Dalela, V., & Morgan, R. M. (2014). A generalized
multidimensional scale for measuring customer engagement. Journal of Marketing
Theory and Practice, 22(4), 401–420.
Vo-Thanh, T., Zaman, M., Hasan, R., Rather, R. A., Lombardi, R., & Secundo, G. (2021).
How a mobile app can become a catalyst for sustainable social business: The case of
Too Good To Go. Technological Forecasting and Social Change, 171, Article 120962.
Wang, X., Lin, X., & Spencer, M. K. (2019). EXploring the effects of extrinsic motivation
on consumer behaviors in social commerce: Revealing consumers’ perceptions of
social commerce benefits. International Journal of Information Management, 45, 163–
175.
Wang, G., Tan, G.-W.-H., Yuan, Y., Ooi, K.-B., & Dwivedi, Y. K. (2022). Revisiting TAM2
in behavioral targeting advertising: A deep learning-based dual-stage SEM-ANN
analysis. Technological Forecasting and Social Change, 175, Article 121345.
Xiong, L., Wang, H., & Wang, C. (2022). Predicting mobile government service
continuance: A two-stage structural equation modeling-artificial neural network
approach. Government Information Quarterly, 39(1), Article 101654.
Zhou, Z., Wang, R., & Zhan, G. (2022). Cultivating consumer subjective well-being
through online brand communities: A multidimensional view of social capital.
Journal of Product & Brand Management, 31(5), 808–822.
Dr. Sanjit K. Roy is an Associate Professor of Marketing at UWA Business School in
Perth, Australia. His research work is on cutting edge research on the impact of Artificial
Intel- ligence and Robotics on Services and Customer E Xperience Measurement and
Manage- ment. He is a thought leader in his field and regularly contribute and comment
on media stories, including a recent appearance on 7News and The West Australian. His
work has been published in leading international journals such as British Journal of
Management, Journal of Business Research, Industrial Marketing Management, European
Journal of Mar- keting, Journal of Travel Research, Journal of Marketing Management,
International Journal of Information Management, Journal of Services Marketing, Internet
Research, and Technological Forecasting and Social Change among others.
S.K. Roy et al.
Dr. Gaganpreet Singh is Associate Professor at OP Jindal Global University in Sonipat,
India. He did his PhD in Marketing from NITIE, Mumbai. His research has featured in
acknowledged marketing journals namely; Journal of Business Research, Journal of Mar-
keting Management, Journal of Strategic Marketing, Australasian Marketing Journal, Austral-
asian Journal of Information Systems, Benchmarking: An International Journal, Journal of
Fashion Marketing and Management, Journal of Revenue and Pricing Management, and In-
ternational Journal of Revenue Management. He has published case studies with Ivey Pub-
lishing and Emerald Emerging Markets Case Studies. He has co-authored a book on
primary case studies published by Pearson Education. He is a recipient of early career
scholarship from Australia New Zealand Marketing Academy (ANZMAC). He is a recipient
of several case study writing grants from UNSW, Australia. His industry stint of three
years was with Viom Networks Limited, a TATA Enterprise.
Dr. Saalem Sadeque is Lecturer in Marketing at the Edith Cowan University in
Joondalup, Australia. He completed PhD in Marketing from the University of Western
Australia. He also holds MSc in Marketing Research and Analysis from Umea University
(Sweden) and Master of Applied Finance from Monash University. Prior to joining ECU,
he worked at the University of Western Australia and CQ University (Perth campus). He
has extensive experience in teaching in both undergraduate and postgraduate levels as
well as devel- oping new units and course curriculum. His teaching experiences are
spread across Australian and overseas higher educational institutions. His research
interest includes place branding, higher education branding, digital marketing, retailing
and marketing analytics. He has published in Journal of Business Research, Technological
Forecasting and Social Change, International Journal of Disaster Risk Reduction,
International Journal of Sus- tainability in Higher Education and Journal of Gambling
Business and Economics among others.
6
1
Journal of Business Research 164 (2023)
114001
Dr. Paul Harrigan is an Associate Professor of Marketing at UWA Business School in Perth,
Australia. He is also an Adjunct Professor at IESEG School of Management. His research
expertise is in marketing and information systems, specifically digital transformation. He
has published his research in over 50 international journal articles and books, and pre-
sented it at over 40 international conferences. His work has appeared in the Journal of
the Academy of Marketing Science, International Journal of Information Management,
Interna- tional Journal of Electronic Commerce, Journal of Business Research, Technological
Forecasting and Social Change, Psychology & Marketing, and Journal of Marketing
Management.
Prof. Dr. Kristof Coussement is Full Professor of Business Analytics at IE´ SEG
School of Management in Lille, France. He founded and chairs the IE´ SEG School of
Management EXcellence Center for Marketing Analytics (ICMA) that is a research
center focusing on
developing innovation trajectories in data science with companies. His academic work
has been published in international peer-reviewed journals such as Decision Support
Systems, Information & Management, International Journal of Information Management,
European Journal of Operational Research, Annals of Operations Research, Sensors, Computers
in Human Behavior, International Journal of Forecasting, Data Mining and Knowledge
Discovery, Computational Statistics & Data Analysis, Expert Systems with Applications,
Knowledge-based Systems, Research Policy, Journal of Product Innovation Management,
Journal of Business Research, Journal of Advertising Research, Industrial Marketing
Management, Journal of Marketing Management, European Journal of Marketing, among
others. His main research interests are all aspects in business analytics with a focus on
embedding textual data in predictive modeling contexts.
Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.com

Jurnal Riset Bisnis 164 (2023) 114001

Daftar isi tersedia diSains Langsung

Jurnal Riset Bisnis

beranda jurnal:www.elsevier.com/locate/jbusres

Keterlibatan pelanggan dengan platform interaktif digital dalam ritel

Sanjit K.RoyA,D,*, Gaganpreet SinghB, Saalem SadequeC, Paul HarriganD, Kristof Coussemente
ARekandi Pusat Analisis Data Bisnis, Rekan Kehormatan di Institut Australia-India (Bab UWA), Sekolah Bisnis UWA, Universitas Western Australia, 35 Stirling
Highway, Perth, WA 6009, Australia
BUniversitas Global OP Jindal, Jalan Sonipat Narela, Dekat Desa Jagdishpur, Sonipat, India
CSekolah Bisnis dan Hukum, Universitas Edith Cowan, 270 Joondalup Drive, Joondalup, WA 6027, Australia
DSekolah Bisnis UWA, Universitas Western Australia, 35 Stirling Highway, Perth, WA 6009, Australia
eSekolah Manajemen IÉSEG, Univ. Lille, CNRS, UMR 9221, LEM - Lille Economie Management, 3 Rue de la Digue, F-59000 Lille, Prancis

INFO PASAL ABSTRAK

Kata kunci:
Platform interaktif digital (DIP) seperti jam tangan Apple, aplikasi Starbucks, dan Nike+telah melihat pertumbuhan yang sangat
Keterlibatan pelanggan
besar. Studi ini secara empiris menyelidiki anteseden dan konsekuensi dari keterlibatan pelanggan dalam platform interaktif
Platform interaktif digital
Kesejahteraan subyektif digital dari sebuah start-up ritel sepatu online. Secara khusus, kami mengintegrasikan logika dominan layanan dan teori
SEM-ANN penentuan nasib sendiri untuk mengeksplorasi hubungan kompleks antara kebutuhan psikologis manusia, keterlibatan
Teori penentuan nasib sendiri pelanggan, dan kesejahteraan subjektif. Kami berhipotesis bahwa, dalam kasus platform interaktif digital, hubungan langsung
Melayani logika dominan antara kepuasan kebutuhan psikologis manusia (otonomi, keterhubungan, dan kompetensi) dan kesejahteraan subjektif
dimediasi oleh keterlibatan pelanggan (kognitif, afektif, dan perilaku). Kami menerapkan pendekatan hybrid SEM-ANN untuk
mengungkap hubungan. Temuan menunjukkan bahwa otonomi dan kompetensi memiliki hubungan yang signifikan dengan
seluruh dimensi keterlibatan pelanggan (kognitif, afektif dan perilaku). Hasil penelitian juga menunjukkan bahwa
kesejahteraan subjektif tidak dipengaruhi oleh keterlibatan kognitif tetapi dipengaruhi oleh keterlibatan afektif dan perilaku.
Kontribusi teoretis dan manajerial dibahas.

1. Perkenalan
Pengecer semakin mengkonsep ulang penawaran, proses, dan antarmuka
mereka secara holistik untuk merancang platform interaktif digital (selanjutnya
disebut DIP) untuk menciptakan nilai melalui interaksi (Dia & Zhang, 2022).
Penawaran ritel yang diposisikan sebagai DIP menyoroti susunan jaringan empat
dimensi; yaitu artefak, orang, proses, dan antarmuka (APPI), sehingga
menghasilkan pengembangan berbagai lingkungan sistem interaktif yang mampu
memberdayakan aktor untuk terlibat dalam penciptaan nilai interaksional (
Ramaswamy & Ozcan, 2018a, 2018b). Misalnya, toko ritel Apple bertindak sebagai
DIP yang melembagakan APPI untuk memfasilitasi keterlibatan pelanggan. Secara
khusus, produk yang dipajang di dalam toko direpresentasikan sebagai artefak
yang mampu memungkinkan interaksi dan kesenangan yang menyenangkan di
antara calon pelanggan, sehingga memungkinkan keterlibatan pelanggan. Lebih
lanjut, toko Apple sebagai DIP dikonfigurasikan untuk masyarakat biasa, yang
fokusnya adalah pada pengalaman pelanggan dan bukan pada praktik utama
penyebaran informasi tentang fitur produk, yang biasanya diadopsi oleh sebagian
besar perusahaan teknologi. Secara khusus, Apple mengundang calon pelanggan
untuk terlibat
dengan produknya, dan rasakan pengalaman mereka bermain, menjelajahi, dan
menemukan media hiburan, produktivitas, dan gaya hidup. Di dalam tokonya, Apple juga
memfasilitasi proses pramutamu digital, tersedia dalam mode layanan mandiri dan
bantuan karyawan, yang mengarahkan pelanggan ke berbagai bagian toko,
memungkinkan mereka memindai kode batang aksesori di toko, mendapatkan ulasan,
peringkat dan spesifikasi produk serta membayar pembelian dalam aplikasi melalui
Apple Pay menggunakan opsi pembayaran mandiri. Selanjutnya, Apple mengelola App
Store fisik sebagai DIP 'dengan beberapa kumpulan lain yang saling berhubungan yang
mencakup buku, musik, video, dan akun kartu kredit untuk memungkinkan beragam
pengalaman baru, personal, dan kreasi bersama' (Ramaswamy & Ozkan, 2019, hal.22).
Hal ini menunjukkan bahwa DIP dapat membantu perusahaan tradisional mencapai
transformasi digital (Dia & Zhang, 2022). Contoh penting lainnya dari merek yang
menawarkan DIP termasuk Burberry, Starbucks, Amazon, dan lainnya (Ramaswamy &
Ozkan, 2019). Dengan semakin banyaknya merek yang berinvestasi pada DIP, Servion
Global Solutions memperkirakan bahwa pada tahun 2025, sembilan puluh lima persen
interaksi pelanggan-perusahaan akan didukung oleh teknologi termasuk DIP, dan tanpa
keterlibatan manusia (Ed.Lauder, 2017). Oleh karena itu, seperti yang diperkirakan oleh
Forbes, keterlibatan pelanggan yang mendukung DIP kemungkinan besar akan
meningkat di masa depan dan pada akhirnya

* Penulis yang sesuai.

Alamat email:sanjit.roy@uwa.edu.au (SK Roy),gaganpreet@jgu.edu.in (G.Singh),s.sadeque@ecu.edu.au (S.Sadeque),paul.harrigan@uwa.edu.au (P.Harrigan),
k.coussement@ieseg.fr (K. Coussement).

https://doi.org/10.1016/j.jbusres.2023.114001
Diterima 20 November 2022; Diterima dalam bentuk revisi 23 April 2023; Diterima 24 April 2023
Tersedia online 4 Mei 2023
0148-2963/© 2023 Penulis. Diterbitkan oleh Elsevier Inc. Ini adalah artikel akses terbuka di bawah lisensi CC BY-NC-ND (http://creativecommons.org/licenses/bync-nd/4.0/).
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

menggantikan interaksi antar manusia dengan cara yang transformasional (

kegiatan kreasi bersama nilai dampak (berdasarkan S-DL). Literatur yang ada juga penuh
Morgan, 2018; Hollebeek dkk., 2021).
dengan contoh-contoh yang mendukung bahwa pemuasan kebutuhan di bidang-bidang
Dengan penerapan DIP, salah satu bidang yang mengalami transformasi
ini berkontribusi positif terhadap kesejahteraan. Namun, perhatian yang diberikan masih
adalah penciptaan nilai. Secara konvensional, pengecer dan pelanggan
terbatas pada pengintegrasian perspektif SDT dan S-DL untuk menguji hubungan positif
memiliki peran berbeda dalam proses penciptaan nilai ritel (Mostaghel dkk.,
antara kepuasan kebutuhan, kreasi bersama, dan kesejahteraan. Dengan demikian,
2022). Secara khusus, pengecer memandang peran pelanggan hanya
penelitian ini memiliki dua tujuan:
sebatas penerima pasif penawaran pengecer. Dengan menjamurnya DIP di
ritel, preferensi belanja pelanggan telah beralih dari membeli produk,
1. Untuk menyelidiki anteseden dan konsekuensi dari keterlibatan pelanggan
menerima layanan, menjadi pelaku yang terlibat dalam ekosistem ritel (
yang mendukung DIP.
Ramaswamy & Narayanan, 2022tekan;Ramaswamy & Ozkan, 2019).
2. Untuk menguji peran mediasi keterlibatan pelanggan yang didukung DIP
Dengan berkembangnya teknologi digital di bidang ritel, pelanggan telah
antara kepuasan kebutuhan (otonomi, keterkaitan, dan kompetensi) dan
menjadi pencipta pengalaman mereka sendiri secara aktif melalui interaksi
kesejahteraan subjektif pelanggan.
yang berkelanjutan. Nilai tercipta karena interaksi berkelanjutan dalam
ruang bersama antara pelanggan, pengecer, dan ekosistem ritel terkait (Dia
Studi ini memberikan beberapa kontribusi penting. Pertama, penelitian ini
& Zhang, 2022). Oleh karena itu, keterlibatan pelanggan (CE), sebuah
menerapkan SD-Logic untuk memahami CE berkemampuan DIP. Kedua,
konsep yang bersifat interaktif dan timbal balik, dapat bertindak sebagai
pendekatan ini mengintegrasikan teori kebutuhan dasar, yang merupakan bagian
mekanisme utama untuk menguji hubungan pelanggan dengan DIP (
dari SDT, untuk mengkonseptualisasikan dan memvalidasi secara empiris
Hollebeek & Belk, 2021).
anteseden dan konsekuensi dari CE yang mendukung DIP. Secara khusus, kami
Sebagian besar penelitian CE mempertahankan konsensus bahwa CE adalah
mengungkap hubungan kompleks antara kebutuhan psikologis manusia
fenomena 'konteks spesifik' (Hollebeek dkk., 2021). Berdasarkan gagasan ini,
(otonomi, keterhubungan dan kompetensi), keterlibatan pelanggan (kognitif,
literatur menawarkan pemahaman yang jelas tentang bagaimana CE dengan
afektif dan perilaku) dan kesejahteraan subjektif. Ketiga, model multi-analitis dua
merek dimungkinkan melalui konteks digital, termasuk media sosial, virtual/
fase digunakan: SEM untuk mengevaluasi dampak kepuasan kebutuhan psikologis
augmented/mixed reality-, gamification-, digital content marketing-, dan aplikasi
pada CE yang diaktifkan DIP dan kesejahteraan subjektif, dan analisis jaringan
berbasis kecerdasan buatan, untuk sebutkan beberapa (misalnya, Huang & Karat,
saraf tiruan (ANN) untuk validasi hasil SEM dan memprediksi signifikansinya. dari
2021; Singh dkk., 2021; Hollebeek & Macky, 2019). Meskipun terdapat kemajuan-
hubungan kunci. Pendekatan gabungan ini memberikan pemahaman holistik
kemajuan ini, terdapat beberapa kesenjangan. Pertama, sebagian besar penelitian
mengenai topik tersebut dan, yang sama pentingnya, kelemahan dari satu
berfokus pada merek sebagai objek fokus CE (Hollebeek dkk., 2021). Namun,
pendekatan dapat diimbangi dengan kelebihan dari pendekatan yang lain (Scott &
literatur mengakui bahwa CE dapat melampaui interaksi diadik dengan suatu
Walczak, 2009). Temuan ini mempunyai implikasi penting bagi para manajer,
merek (Alexander dkk., 2018). Memang benar, pelanggan sering kali
khususnya bagi mereka yang mengoperasikan DIP di lingkungan layanan mereka.
mengarahkan keterlibatan mereka ke banyak aktor (Brodie, dkk., 2019; Roy dkk.,
2018; Verleye dkk., 2014; Vo-Thanh dkk., 2021). Situasi keterlibatan multiaktor ini Susunan sisa makalah ini diuraikan sebagai berikut. Bagian
merupakan bagian integral dari konteks DIP (Novak & Hoffman, 2019; Hoffman & selanjutnya menyajikan tinjauan literatur. Kemudian dirinci model
Novak, 2018; Apostolidis dkk., 2021), mencatat bahwa DIP mengacu pada penelitian dan hipotesisnya, dilanjutkan dengan metodologi, teknik
konfigurasi jaringan artefak, orang, proses, dan antarmuka (Ramaswamy & Ozcan, analisis data, dan hasil statistik. Bagian selanjutnya merinci diskusi,
2018a, 2018b). Oleh karena itu, kami memperlakukan DIP sebagai objek utama kontribusi manajerial dan teoritis. Terakhir, makalah ini merangkum
keterlibatan. Konseptualisasi CE berkemampuan DIP yang diusulkan ini berakar keterbatasan dan arahan untuk penelitian di masa depan.
pada logika dominan layanan (S-DL) (Vargo & Lusch, 2008, 2016), yang
menganggap CE sebagai pengalaman interaktif antara pelanggan dan objek ( 2. Tinjauan Pustaka
Hollebeek dkk., 2014). Karena DIP dianggap sebagai objek utama keterlibatan,
proses seputar mekanisme interaksi memerlukan pemahaman yang lebih 2.1. Keterlibatan pelanggan dengan DIP
mendalam (Novak & Hoffman, 2017). Kedua, meskipun ada penelitian yang
menyelidiki sifat CE melalui berbagai saluran digital, hanya sedikit penelitian yang Selama beberapa tahun, CE telah menjadi topik yang menarik di
melampaui temuan saluran tertentu. Fokus kami pada CE yang mendukung DIP kalangan peneliti dan praktisi (Brodie dkk., 2011; Pansari & Kumar, 2017; de
memberikan gambaran yang lebih holistik, yang relevan dengan sebagian besar Oliveira Santini dkk., 2020). Masih ada perdebatan mengenai konseptualisasi
merek yang beroperasi di berbagai saluran. dan dimensi keterlibatan pelanggan (Hollebeek dkk., 2021). Berdasarkan
landasan teoretis yang berbeda, sekelompok pakar berpendapat bahwa CE
Kami memanfaatkan teori penentuan nasib sendiri (SDT) untuk menjelaskan terdiri dari kognisi, emosi, dan perilaku pelanggan dalam peran dan
bagaimana pelanggan berinteraksi dengan DIP. SDT menyoroti kepuasan tiga kebutuhan ekstrarole (Harrigan dkk., 2018; Kumar dkk., 2019). Sebaliknya, kelompok
psikologis dasar manusia: otonomi (merasa tidak dipaksa dalam tindakan dan mengikuti cendekiawan lain membatasi CE hanya pada ungkapan-ungkapan yang pada
tujuan dan nilai-nilai seseorang), kompetensi (merasa mampu dan efektif), dan dasarnya bersifat peran ekstra (Van Doorn dkk., 2010). Dalam studi ini, kami
keterhubungan (merasa terhubung dengan orang lain, rasa memiliki) (ARC) (Desi & Ryan, mengadopsi konseptualisasi CE sebelumnya yang menawarkan pandangan
2000). SDT merupakan teori makro yang mengungkap hubungan antara motivasi,
CE yang lebih holistik (Hollebeek dkk., 2019; Groeger dkk., 2016).
kepuasan kebutuhan psikologis, dan kesejahteraan dalam lingkungan sosial (Desi &
Van Doorn dkk., (2010, hal. 254)menganggap CE sebagai sesuatu yang unidimensi,
Ryan, 2000). Namun, kami berasumsi bahwa, dalam konteks DIP, hubungan langsung
dengan banyak fokus pada aspek perilaku CE dan mengkonseptualisasikannya sebagai
antara kepuasan kebutuhan psikologis manusia dan kesejahteraan subjektif dimediasi
sesuatu yang unidimensional “manifestasi perilaku pelanggan terhadap suatu merek
oleh CE. Semakin banyak kebutuhan pelanggan akan otonomi, kompetensi dan
atau perusahaan, di luar pembelian, yang dihasilkan dari pendorong motivasi.”
keterhubungan terpenuhi, semakin mereka akan merasa menentukan nasib sendiri
Sebaliknya, CE telah dikonseptualisasikan sebagai konstruksi multidimensi yang
dalam mengatur perilaku mereka, sehingga menghasilkan keterlibatan yang lebih besar
mencakup dimensi kognitif, afektif, dan perilaku (Hollebeek dkk., 2019; Brodie dkk., 2011;
dengan DIP. Jadi, dalam istilah SDT, ketika pemenuhan kebutuhan meningkatkan
Islam dkk., 2019). Contohnya,Hollebeek dkk., (2019, hal. 167)mendefinisikan CE sebagai
kesejahteraan, interaksi co-creational dapat berkontribusi pada kesejahteraan subjektif
“ investasi operan kognitif, emosional, perilaku, dan sosial, serta sumber daya operan
pelanggan, dan hal ini akan menjadi lebih kuat ketika perhatian diberikan pada
dalam interaksi merek mereka.”Demikian pula,Brodie dkk. (2013, hal 107)mendefinisikan
bagaimana DIP dapat mendukung kebutuhan otonomi pelanggan. kompetensi, dan
CE sebagai “sebuah konsep multidimensi yang terdiri dari dimensi kognitif, emosional,
keterkaitan (Engstrom & Elg, 2015; Wang, Lin, & Spencer, 2019). Kami berpendapat
dan/atau perilaku [yang] memainkan peran sentral dalam proses pertukaran
bahwa kepuasan kebutuhan pelanggan akan otonomi, kompetensi, dan keterhubungan
relasional.” Konsisten dengan sudut pandang ini, kami berpendapat bahwa CE yang
mempunyai potensi untuk mencapai hal tersebut
mendukung DIP terdiri dari dimensi kognitif, emosional, dan perilaku. Dalam

2
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

Gambar 1.Model Penelitian.

Dalam konteks DIP, dimensi kognitif mengacu pada proses mental

dipilih, diatur sendiri, dan didukung sendiri (Desi & Ryan, 1985; Loroz & Braig,
pelanggan terkait interaksi dengan DIP. Dimensi afektif menggambarkan
2015). Kompetensi mencerminkan kebutuhan untuk menjadi efektif saat
tingkat emosi yang dialami pelanggan terhadap DIP. Terakhir, dimensi
berinteraksi dengan lingkungan. Hal ini menunjukkan aspirasi bawaan pelanggan
perilaku didefinisikan sebagai jumlah energi, waktu, dan upaya pelanggan
untuk menggunakan kapasitas yang dimiliki dan, dengan melakukan hal tersebut,
yang dialokasikan untuk interaksi mereka dengan DIP (Hollebeek dkk., 2014
untuk mencari dan mengelola tantangan lingkungan (Desi, 1975). Keterhubungan
). Secara khusus, diasumsikan bahwa dalam interaksi mereka dengan DIP,
mewakili kebutuhan psikologis untuk membentuk keterikatan emosional yang
pelanggan lebih cenderung menginvestasikan upaya (perilaku) untuk
erat dan hubungan yang responsif (Desi & Ryan, 1991), sehingga menyoroti
mempertahankan interaksi, asyik secara mental (kognitif) dalam interaksi
kebutuhan untuk merasa terhubung dengan orang lain (Desi & Ryan, 2000).
mereka, dan terinspirasi dengan antusias (afektif) dalam proses interaksi (
Secara keseluruhan, keterhubungan diyakini dapat meningkatkan rasa memiliki
Dwivedi, 2015).
dan memungkinkan terjadinya proses internalisasi (Desi & Ryan, 2000). Rasa
Dengan demikian, CE adalah konsep interaktif yang muncul selama interaksi
memiliki dianggap sebagai kebutuhan psikologis yang mendasar (Baumeisterop &
objek pelanggan [DIP] (Harrigan dkk., 2018). Selama interaksi ini, CE mewakili
Leary, 1995) karena penting dalam membangun dan mempertahankan hubungan
investasi sumber daya pelanggan (Behnam dkk., 2021). Misalnya, pelanggan dapat
yang kuat dengan orang lain (Maunder, 2018). Terdapat konsensus dalam literatur
menggunakan perangkat mereka (yaitu, sumber daya operan) bersama dengan
bahwa rasa memiliki adalah kebutuhan dasar manusia dan motivasi mendasar,
keterampilan kognitif mereka (yaitu, sumber daya operan) untuk berinteraksi
yang cukup untuk mendorong perilaku dan persepsi (Strayhorn, 2008). Hal ini
dengan DIP (Islam dkk., 2019). Berdasarkan diskusi sebelumnya, kami
terutama terkait dengan 'kebutuhan keterkaitan' ARC. Individu cenderung
mempertimbangkan keterlibatan pelanggan yang mendukung DIP melalui
menginternalisasi nilai-nilai dan praktik orang-orang yang berhubungan dengan
perspektif logika SD.
mereka, sehingga memungkinkan CE (Desi & Ryan, 2000). Singkatnya, SDT
mengidentifikasi tiga kebutuhan dasar, dan kepuasan terhadap kebutuhan ini
3. Model penelitian dan hipotesis
diketahui meningkatkan CE (Peters dkk., 2018).
Penelitian sebelumnya berpendapat bahwa desain platform digital
Setelah tinjauan kami, kami mengusulkan model konseptual (Gambar 1) dan
mempengaruhi (vs. menghambat) CE (Lim & Rasul, 2022). Secara khusus,
hipotesis penelitian terkait.
penelitian yang ada menyatakan bahwa platform yang dirancang memerlukan
upaya yang lebih besar dan platform yang memiliki risiko lebih tinggi (misalnya,
3.1. Otonomi, keterhubungan dan kompetensi (ARC) dan
masalah privasi) bagi pelanggan cenderung menghalangi CE, sedangkan platform
keterlibatan pelanggan (CE)
yang dapat bekerja sesuai harapan dan dapat memberikan kesenangan dengan
cara yang dapat dipercaya akan memotivasi pelanggan untuk terlibat dengan
Munculnya DIP telah memotivasi pelanggan untuk semakin terlibat dengan
platform teknologi (Al Mamun dkk., 2020; Quach dkk., 2020). Demikian pula,Dia &
platform tersebut. SDT menawarkan landasan motivasi untuk memahami
Zhang (2022) berpendapat bahwa nilai yang diciptakan oleh DIP secara langsung
berdiri CE (Reeve, 2012). Sementara teori motivasi lain menguji bagaimana ekspektasi,
memengaruhi keterlibatan pelanggan. Hal ini sesuai dengan proposisi SD-Logic
keyakinan, dan tujuan mempengaruhi CE, SDT berbeda karena teori ini berfokus pada
yang menyatakan bahwa nilai selalu diciptakan bersama oleh banyak aktor
tugas instruksional untuk menstimulasi sumber daya motivasi batin untuk
termasuk penerima manfaat (Vargo & Lusch, 2016). Berdasarkan SDT, penelitian
memungkinkan CE (Reeve & Halusic, 2009). Artinya, SDT mengidentifikasi sumber
ini menyimpang dan menambah percakapan yang sedang berlangsung dengan
daya motivasi batin yang dimiliki semua pelanggan, dan memandu mereka
berteori bahwa dengan mengubah desain DIP melalui lensa ARC, CE dapat
tailer untuk melibatkan, membina, dan memberi energi pada sumber daya pelanggan ini
dipengaruhi. Dengan demikian, pemenuhan tiga kebutuhan dasar ARC melalui
untuk memfasilitasi keterlibatan saat berinteraksi dengan DIP (Niemiec & Ryan,
fungsi, fitur dan isi DIP akan mempengaruhi CE (Peters dkk., 2018). Rasio ini-
2009).
nale didasarkan pada premis bahwa desain teknologi mendukung atau
Teori kebutuhan dasar, salah satu teori mini SDT mengidentifikasi
melemahkan kebutuhan psikologis dasar, sehingga meningkatkan keterlibatan (
tiga kebutuhan psikologis pelanggan (yaitu, otonomi, keterhubungan, dan kompetensi)
Peters dkk., 2018; Kim & Penulis Drum, 2016). Misalnya, DIP dapat memberikan
dan mengkategorikannya sebagai sumber daya motivasi bawaan yang penting untuk
otonomi kepada pelanggannya dengan memberikan mereka pilihan, yang akan
memfasilitasi CE (Reeve, 2012). Otonomi adalah kebutuhan psikologis untuk merasa
menumbuhkan pemahaman dan minat mereka terhadap DIP, dan mendorong
bahwa tindakan dan perilaku seseorang adalah hasil dari diri sendiri.
mereka untuk berpikir secara mandiri dan kritis (Assor dkk., 2002). Juga,

3
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

Para peneliti berargumentasi bahwa ketika pelanggan mempunyai rasa memiliki
dan ketika mereka mempunyai kebebasan untuk mengekspresikan pendapat
mereka, mereka akan lebih cenderung terlibat dengan merek/objek tersebut (
Chan dkk., 2014). Selain itu, penulis telah menemukan bahwa kepuasan
kebutuhan kompetensi memiliki hubungan yang kuat dengan keterikatan,
sehingga memungkinkan CE (Loroz & Braig, 2015). Konsisten dengan dukungan
teoritis di atas, pemenuhan kebutuhan pelanggan akan kompetensi,
keterhubungan dan otonomi dapat menjadi dorongan untuk melakukan tindakan
keterlibatan dengan DIP (Bauer dkk., 2019). Karena pemenuhan tiga kebutuhan
psikologis SDT yaitu kompetensi, keterhubungan dan otonomi bersifat universal.
Sejauh mana kebutuhan orang-orang ini terpuaskan, mereka secara intrinsik akan
termotivasi untuk terlibat dalam perilaku peran ekstra. Oleh karena itu, kami
berhipotesis sebagai berikut:
diskusi sebelumnya, kami mengajukan hipotesis berikut:
H4: Keterlibatan kognitif yang didukung DIP memediasi hubungan
antara (a) otonomi, (b) keterhubungan, (c) kompetensi dan
kesejahteraan subjektif.
H5: Keterlibatan afektif yang didukung DIP memediasi hubungan antara
(a) otonomi, (b) keterhubungan, (c) kompetensi dan kesejahteraan
subjektif.
H6: Keterlibatan perilaku yang didukung DIP memediasi hubungan
antara (a) otonomi, (b) keterhubungan, (c) kompetensi dan
kesejahteraan subjektif.
4. Metodologi

H1: (a) Otonomi, (b) keterhubungan dan (c) kompetensi mempunyai dampak
4.1. Pengaturan penelitian
langsung dan positif terhadap keterlibatan kognitif yang mendukung DIP.
H2: (a) Otonomi, (b) keterhubungan dan (c) kompetensi mempunyai dampak
Penelitian ini menggunakan skenario berbasis teks untuk menggambarkan
langsung dan positif terhadap keterlibatan afektif yang dimungkinkan oleh DIP.
kasus nyata dari pengecer sepatu Eropa PIKKPACK yang memenuhi kriteria APPI
H3: (a) Otonomi, (b) keterhubungan dan (c) kompetensi mempunyai dampak
untuk ditetapkan sebagai DIP (Ramaswamy & Ozcan, 2018a, 2018b).
langsung dan positif terhadap keterlibatan perilaku yang mendukung DIP.

• A (Artefak) - Bahan sepatu belum dirakit

3.2. Peran mediasi keterlibatan pelanggan
• P (Orang) – Karyawan yang mengelola pengalaman di dalam toko, dukungan online,
kelompok orang lain yang dapat berinteraksi dengan pelanggan untuk bersama-sama
Diener, Scollon, dan Lucas (2009) mendefinisikan kesejahteraan subjektif
menciptakan nilai
(SWB) sebagai domain ilmu perilaku yang memungkinkan individu mengevaluasi
• P (Proses) - Memilih antara warna sepatu, bahan sol serta berbagai
kehidupan mereka dan mencakup konsep mulai dari suasana hati sesaat hingga
jenis tali sepatu
kepuasan hidup secara keseluruhan dan dari depresi hingga kebahagiaan
• I (Antarmuka)- Antarmuka teknologi yang memungkinkan penyesuaian
berlebihan yang tidak beralasan. SWB adalah reaksi emosional individu terhadap
peristiwa dan penilaian kognitif atas kepuasan dan pemenuhan (Diener dkk., 2009
Desain berbasis skenario teks semakin diterima dalam studi bisnis ilmiah
).Prentice dan Loureiro (2018)Perhatikan bahwa pengalaman emosi yang
karena menawarkan realisme yang lebih besar (Henkens dkk., 2021) dan
menyenangkan dan menggairahkan bersama dengan kepuasan hidup yang lebih
menyajikan rangsangan standar kepada semua peserta, meningkatkan validitas
besar dan suasana hati negatif yang lebih rendah merupakan indikasi SWB. Studi
internal, keandalan pengukuran, dan kemudahan replikasi (Hyman & Steiner, 1996
sebelumnya melaporkan bahwa kemungkinan pelanggan mengalami pengalaman
). Juga, kemampuannya untuk mengatasi kendala yang terkait dengan
positif berkontribusi terhadap SWB (Zhou dkk., 2022). Menurut SDT, kepuasan tiga
pemeriksaan situasi bisnis nyata (Fritzsche, 1988) (misalnya, waktu, biaya)
kebutuhan dasar (yaitu ARC) sangat penting untuk meningkatkan SWB individu (
meningkatkan penerimaannya di kalangan pakar bisnis. Skenario ini
Shulga & Busser 2021).
menggambarkan kasus PIKKPACK, perusahaan rintisan sepatu yang berbasis
Bukti empiris menunjukkan bahwa membantu orang lain secara langsung maupun
di Hongaria, yang mengonfigurasi penawaran ritelnya sebagai DIP. DIP
tidak langsung berdampak positif terhadap SWB seseorang (Cherrier & Munoz, 2007).
PIKKPACK memungkinkan pelanggannya mengedit dan mendesain sepatu
Karena CE mencakup perilaku ekstra-peran pelanggan, seperti membantu pelanggan lain
yang tidak tersedia di pasar reguler. Lebih jauh lagi, kemungkinan memilih warna
dan memberikan umpan balik kepada operator DIP, hal ini mungkin berdampak positif
sepatu hingga bahan sol serta berbagai jenis tali sepatu melalui DIP-nya
pada kesejahteraan subjektif pelanggan (SWB), yang mencerminkan evaluasi diri individu
menghasilkan banyak permutasi sepatu. DIP PIKK-PACK memungkinkan
terhadap dirinya atau kualitas hidupnya (Diener, Lucas, &Oishi 2018). Hal ini disebabkan
pelanggan mencari informasi produk yang relevan, termasuk penggunaannya
karena persepsi kebahagiaan masyarakat akan lebih tinggi ketika mereka bersosialisasi
dalam kondisi iklim yang berbeda, negara asal, dan cara mencuci sepatu.
dan mempunyai hubungan dekat dengan orang lain (Kasser & Sheldon, 2002; Liu &
PIKKPACK juga memiliki ruang pamer berbasis janji temu bagi penggunanya
Aaker, 2008). Jadi, ketika DIP memungkinkan pelanggan untuk bersosialisasi dan
untuk membuat dan merasakan produk secara fisik. Kemampuan PIKKPACK
membantu orang lain, maka aktivitas ini cenderung mengarah pada peningkatan tingkat
dalam memenuhi seluruh prasyarat DIP menjadikannya konteks penelitian yang
kepuasan hidup seseorang yang pada gilirannya mencerminkan tingkat SWB yang lebih
sesuai untuk penelitian ini.
tinggi. Misalnya, penelitian sebelumnya menunjukkan bahwa keterlibatan dengan
layanan streaming langsung untuk e-sports (yaitu, bentuk DIP di mana interaksi antar
Untuk mengurangi efek perancu dan menentukan realisme berbasis skenario,
pemain terjadi) berhubungan positif dengan SWB (Kim & Kim, 2020). Secara khusus,
skrip skenario diuji sebagai berikut (Makam & McColl-Kennedy, 2013). Pertama,
pemain yang terlibat dengan e-sports merasa lebih baik tentang diri mereka sendiri dan
skenario dikembangkan untuk memastikan memenuhi kriteria untuk memenuhi
mengembangkan pandangan yang lebih positif terhadap diri mereka sendiri, yang pada
syarat sebagai DIP. Kedua, skenario diuji dengan menggunakan panel ahli yang
akhirnya menghasilkan SWB (Raggiotto & Scarpi, 2022). Berdasarkan gagasan ini
terdiri dari profesor pemasaran dari Sekolah Bisnis terkemuka di Australia.
dikatakan bahwa keterlibatan pelanggan cenderung menciptakan dan mempertahankan
Skenario teks lengkap dan cuplikan terkait ditunjukkan pada Lampiran A.
perasaan positif yang berkontribusi terhadap SWB mereka (Mathis dkk., 2016).
Selanjutnya, realisme skenario diuji secara empiris menggunakan skala tiga item
berikut (Henkens dkk., 2021): (1) Apa yang digambarkan dalam skenario ini
Penelitian sebelumnya menunjukkan bahwa SWB adalah hasil evaluasi
mungkin juga terjadi dalam kehidupan nyata, (2) skenario tersebut tampak
kognitif dan afektif terhadap peristiwa kehidupan seseorang (Tuan dkk.,
realistis, dan (3) Saya tidak kesulitan membayangkan diri saya berada dalam
2023), sedangkan CE mewakili keadaan psikologis pelanggan selama proses
situasi tersebut.
pengalaman layanan interaktif dengan objek fokus (Brodie dkk., 2011;
Japutra dkk., 2022). Tingkat yang lebih besar dari DIP memungkinkan
4.2. Sampel dan pengumpulan data
perilaku keterlibatan pelanggan (yaitu kognitif, afektif dan perilaku) jelas
mencerminkan kepuasan pelanggan (yaitu keadaan psikologis) dengan
Data dikumpulkan menggunakan Mechanical Turk (MTurk) antara Juni –
pemenuhan kebutuhan ARC oleh DIP. Karena kepuasan berhubungan positif
Agustus 2022. Rekomendasi berikut untuk mendirikan MTurk diikuti (a)
dengan SWB (Su dkk., 2018), dapat dihipotesiskan bahwa hubungan antara
membayar remunerasi yang sesuai untuk memotivasi pelanggan mengisi
ARC dan SWB, saat berinteraksi dengan DIP, dimediasi oleh CE.
kuesioner secara akurat (yaitu $2), (b) membayar setiap pelanggan
Berdasarkan
meskipun hasilnya tidak dapat digunakan, dan (c) menetapkan

4
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

Tabel 1 5. Analisis data

Item pengukuran.
Bangun (Sumber) Barang Pengukuran 5.1. Pemodelan persamaan struktural PLS (PLS-SEM)

Keterlibatan kognitif
Menggunakan PIKKPACK membuat saya berpikir tentang DIP (COG1) Saya
(Hollebeek dkk., 2011)
banyak memikirkan tentang DIP ketika saya menggunakan SMARTAIL
Pemodelan persamaan struktural PLS (PLS-SEM) menggunakan SmartPLS 3.0 (
(COG2) Ringle dkk., 2014) dalam penelitian ini. PLS-SEM digunakan karena memungkinkan
model prediktif yang kompleks dengan ukuran sampel yang kecil (Rambut dkk.,
Penggunaan PIKKPACK merangsang minat saya untuk mempelajari lebih lanjut
Keterlibatan afektif 2012); tujuan dalam penelitian ini adalah untuk memprediksi variabel target
tentang DIP (COG3)
(Hollebeek dkk., 2011) utama (yaitu, kesejahteraan subjektif) dan tujuannya adalah untuk menggunakan
Menggunakan PIKKPACK membuat saya senang (AFF1)
Saya merasa senang saat menggunakan PIKKPACK
skor variabel laten dalam analisis data selanjutnya (Sarstedt dkk., 2021); PLS-SEM

Keterlibatan perilaku (AFF2) Saya bangga menggunakan PIKKPACK memiliki kekuatan statistik yang lebih besar dibandingkan dengan pemodelan
(Hollebeek dkk., 2011) (AFF3) persamaan struktural berbasis kovarians (Sarstedt dkk., 2017) dan cocok untuk
Saya merasa sangat positif saat menggunakan PIKKPACK (AFF4) Belanja
tujuan prediksi dan menjaga interpretabilitas (Henseler, 2018). Pendekatan dua
di PIKKPACK membuat saya terus menggunakan DIP (BE1)
tahap digunakan untuk menganalisis data (Becker dkk., 2012): (a) menguji sifat
Otonomi (Leung dan
Belanja di PIKKPACK membuat saya pengukuran konstruk, dan (b) menguji hipotesis yang diajukan dalam model
Matanda, 2013;
Halvari dkk., (2010) merekomendasikan DIP ke orang lain (BE2) struktural (Sarstedt dkk., 2022).
Saya merasa cara saya menyelesaikan belanjaan saya
di PIKKPACK adalah ekspresi dari diri saya sendiri (A1)
5.2. Jaringan Syaraf Tiruan (JST)
Saya merasa senang ketika dapat menentukan pilihan saat

Kompetensi (Leung dan check out setelah berbelanja di PIKKPACK (A2)

Matanda, 2013 Saya merasa dapat menentukan pilihan dalam Teknik multi-analitik yang menggabungkan SEM dengan ANN telah mendapatkan
Meuter dkk., (2005) berbelanja di PIKKPACK (A3) perhatian dalam penelitian belakangan ini (Sharma, 2019; Talukder dkk., 2020).Haykin
Saya sepenuhnya mampu menggunakan PIKKPACK (C1)
(2009)mendefinisikan ANN sebagai “prosesor terdistribusi paralel secara masif yang
Keterkaitan Saya yakin dengan kemampuan saya menggunakan PIKKPACK (C2)
terdiri dari unit pemrosesan sederhana, yang memiliki kecenderungan saraf untuk
(Sweeney dkk., 2014) Pengalaman saya menambah kepercayaan diri saya untuk berhasil
menggunakan PIKKPACK (C3) menyimpan pengetahuan eksperimental dan membuatnya tersedia untuk digunakan” (P.
Saya merasa terhubung dengan orang lain yang menggunakan 2). ANN dapat menangkap hubungan non-linier tetapi dapat menggunakan pendekatan
PIKKPACK (R1) 'kotak hitam' karena analisisnya menciptakan lapisan tersembunyi antara neuron
Saya memiliki ikatan yang sama dengan orang lain yang
masukan dan keluaran (Leong dkk., 2020). Karena lapisan tersembunyi ini dibuat secara
Kesejahteraan subyektif menggunakan PIKKPACK (R2)
otomatis, pendekatan ANN tidak cocok untuk pengujian hipotesis (Priyadarshinee dkk.,
(Su dkk., (2016) Saya merasakan rasa persahabatan dengan orang lain yang
menggunakan PIKKPACK (R3) 2017). Untuk mengatasi keterbatasan tersebut, peneliti mengadopsi pendekatan SEM-
Secara umum, saya menganggap diri saya orang yang sangat bahagia ANN dua tahap (yaitu menggabungkan ANN dengan SEM) dimana pada tahap pertama,
(SWB1)
SEM digunakan untuk menguji hubungan hipotesis yang bersifat linier dan ANN
Dibandingkan dengan kebanyakan teman-teman saya, saya menganggap diri saya
digunakan, pada tahap kedua, untuk menguji hubungan hipotesis yang bersifat linier
lebih bahagia (SWB2)

Saya secara umum sangat bahagia dan menikmati hidup (SWB3)

dan ANN digunakan pada tahap kedua untuk menguji hubungan hipotesis yang bersifat

tingkat persetujuan pada MTurk sebesar 95% atau lebih tinggi (Aguinis dkk., 2021;
Orang baik &Paolacci, 2017).Bagian 1kuesioner menyarankan responden untuk
membaca skenario teks yang memastikan pemahaman responden yang memadai
tentang pelaksanaan DIP PIKKPACK.Seksi 2berisi serangkaian pertanyaan
demografis, diikuti dengan serangkaian pertanyaan tentang anteseden dan
konsekuensi keterlibatan pelanggan yang didukung DIP di bagian 3. Survei ini
diberikan kepada responden yang pernah memiliki pengalaman berbelanja di
toko ritel online dan/atau berbelanja menggunakan aplikasi dalam waktu terakhir.
enam bulan. Sebanyak 355 responden setuju untuk berpartisipasi dalam survei.
Setelah mengecualikan 30 entri data yang tidak lengkap, sampel akhir berisi 325
tanggapan yang dapat digunakan, sehingga memenuhi persyaratanRambut dkk.,
(2017)persyaratan ukuran sampel minimum untuk menjalankan pemodelan jalur
berbasis parsial-kuadrat terkecil.
4.3. Pengukuran
Untuk mengoperasionalkan CE berkemampuan DIP serta pendahulunya &
konsekuensinya, kami mengadaptasi skala pengukuran yang relevan dari literatur.
Menggunakan pendekatan deduktif (Newman, 2000), semua tindakan diadopsi
secara langsung atau sedikit disesuaikan untuk memastikan relevansinya dengan
konteks penelitian kami. Misalnya, keterlibatan pelanggan (kognitif, afektif, dan
perilaku) diukur menggunakan skala adaptasi yang diusulkan oleh Hollebeek dkk.,
2011. Motivasi pelanggan untuk terlibat dengan DIP (otonomi, kompetensi, dan
keterkaitan) diukur dengan menggunakan item adaptasi yang disarankan oleh
Leung dan Matanda (2013), Halvari dkk., (2010), Sweeney dkk., (2014)DanMeuter
dkk., (2005)masing-masing; dan SWB diukur menggunakan skala yang diusulkan
olehSu dkk. (2016). Tabel 1menyoroti semua item pengukuran yang digunakan
untuk menguji model konseptual.
linier. memahami hubungan non-linier (Hew dkk., 2018; Xiong dkk., 2022). Terakhir, hasil
dari pendekatan ANN dibandingkan dengan hasil yang diperoleh dari pendekatan SEM
untuk menentukan kepentingan relatif dari konstruksi prediktor (Wang dkk., 2022).
Pendekatan JST tidak memerlukan terpenuhinya asumsi distribusi apa
pun, seperti normalitas, linearitas, atau homoskedastisitas (Liébana-
Cabanillas dkk., 2018; Wang dkk., 2022; Xiong dkk., 2022) dan memberikan
akurasi prediksi yang lebih tinggi dibandingkan teknik tradisional seperti
regresi linier berganda (Leong dkk., 2020; Lo dkk., 2022).
Penelitian saat ini menggunakan teknik multilayer perceptron (MLP) feed-
forward-back-propagation (FFBP) untuk analisis ANN yang dianggap cocok
untuk penelitian bisnis (Leong dkk., 2020). Metode ini cocok untuk penelitian
bisnis karena mencerminkan kompleksitas pengambilan keputusan
manusia dimana pengambil keputusan bisnis terus-menerus menyesuaikan
masukan sumber daya untuk memperoleh tingkat keluaran yang optimal.
Teknik feed-forward-back-propagation (FFBP) menangkap hal ini karena
teknik ini secara terus menerus menyesuaikan bobot neuron masukan
pada lapisan tersembunyi untuk mendapatkan lapisan keluaran ( Leong
dkk., 2020). Lapisan tersembunyi dan lapisan keluaran secara otomatis
dihasilkan oleh SPSS versi 26.0 dan diaktifkan oleh fungsi sigmoid ( Leong
dkk., 2020; Liébana-Cabanillas dkk., 2018). Analisis ANN menggunakan
teknik validasi silang 10 kali lipat untuk mengatasi masalah over-fitting.
Selanjutnya sampel dari dataset saat ini dibagi menjadi 90% dataset
pelatihan dan 10% dataset pengujian untuk menilai keakuratan hasil
analisis ANN (Leong dkk., 2020; Roy dkk., 2017).
6. Hasil
6.1. Bias metode umum (CMB)

Berdasarkan dalil dariPodsakoff dkk., (2012), prosedur prosedural dan

statistik digunakan untuk menguji bias metode umum dalam penelitian ini.
Untuk penyelesaian prosedural, kami menjamin anonimitas peserta dan
meminta peserta untuk merespons sejujur mungkin

5
 SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

Meja 2 Tabel 3
Properti Pengukuran. Hasil pengujian hipotesis.

Item pengukuran Memuat T-nilai α Kr jalan Dihipotesiskan Jalur T- P-nilai LCI UCI
jalur koefisien nilai-nilai (2,5%) (97,5%)
Keterlibatan kognitif
COG1 0,84 33.86 Efek langsung
COG2 0,81 30.76 0,77 0,87 0,69 (H1a)
COG3 0,84 29.70 Otonomi→MENCELUPKAN- 0,65 6.34 0,00*** 0,44 0,82
mengaktifkan kognitif - 0,06 1.23 0,22ns - 0,18 0,02
Keterlibatan afektif pertunangan (H1b) 0,32 3.38 0,007* 0,14 0,49
AFF1 0,86 37.91 Keterkaitan→ 0,68 8.37 0,00*** 0,49 0,80
AFF2 0,86 37.32 0,89 0,93 0,76 berkemampuan DIP 0,14 2.38 0,02* 0,02 0,24
AFF3 0,86 45.61 kognitif 0,14 2.07 0,001* 0,02 0,28
AFF4 0,89 52.16 pertunangan (H1c) 0,70 8.1 0,00*** 0,50 0,83
Keterlibatan perilaku Kompetensi→ 0,03 0,74 0,45ns - 0,06 0,12
BE1 0,92 92,85 berkemampuan DIP 0,20 2.63 0,009* 0,07 0,36
BE2 0,89 47.01 0,79 0,90 0,83 kognitif
Otonomi pertunangan (H2a)
A1 0,84 35.86 Otonomi→MENCELUPKAN-

A2 0,81 30.28 0,78 0,87 0,70 mengaktifkan afektif

A3 0,86 37.90 pertunangan (H2b)
Keterkaitan→
Kompetensi berkemampuan DIP

C1 0,85 41.18 afektif

C2 0,80 26.69 0,79 0,87 0,70 pertunangan (H2c)
C3 0,86 46.47 Kompetensi→
berkemampuan DIP

Keterkaitan afektif
R1 0,85 26.08 0,70 0,75 0,55 pertunangan (H3a)
R2 0,51 3.90 Otonomi→MENCELUPKAN-

R3 0,52 3.84 diaktifkan

Kesejahteraan subyektif perilaku
SWB1 0,87 48.70 0,84 0,90 0,76 pertunangan (H3b)
SWB2 0,87 47,99 Keterkaitan→
SWB3 0,88 40.87 berkemampuan DIP

perilaku
Catatan::alfa Cronbach; CR: Keandalan Komposit; AVE: Varians rata-rata pertunangan (H3c)
diekstraksi. Kompetensi→
berkemampuan DIP

karena tidak ada jawaban yang benar atau salah (MacKenzie & Podsakoff, perilaku
2012).
pertunangan
Karena uji satu faktor Harman mendapat kritik dari para peneliti, kami
menggunakan teknik variabel penanda untuk mendeteksi CMB (Hulland dkk., 2018 Efek tidak langsung

). Oleh karena itu, kami mengadopsi pendekatan variabel penanda yang (H4a)
disarankan oleh Lindell dan Whitney (2001)untuk menguji adanya bias metode Otonomi→MENCELUPKAN- 0,1 1.66 0,09ns - 0,01 0,23
mengaktifkan kognitif - 0,01 0,97 0,33ns - 0,03 0,01
umum. Berdasarkan saran mereka, kami menggunakan intensitas penggunaan
pertunangan→ 0,04 1.52 0,13ns - 0,004 0,11
ponsel responden sebagai variabel penanda. Intensitas penggunaan telepon SWB(H4b) 0,31 4.29 0,00*** 0,176 0,464
seluler didefinisikan sebagai sejauh mana telepon seluler terintegrasi ke dalam Keterkaitan→ 0,62 12.74 0,00*** 0,51 0,70
kehidupan sehari-hari responden. Hal ini diukur dengan mengadaptasi item berkemampuan DIP 0,06 2.15 0,03* 0,014 0,129
kognitif 0,17 3.06 0,003* 0,05 0,28
pengukuran intensitas penggunaan telepon seluler dariValenzuela dkk. (2009). Varians variabel
pertunangan→ 0,009 0,702 0,483ns - 0,011 0,04
dependen tidak meningkat secara signifikan dengan dimasukkannya variabel penanda ke
SWB(H4c) 0,05 2.313 0,02* 0,013 0,092
dalam model struktural yang diuji dalam penelitian ini. Kami menemukan bahwa rata-rata Kompetensi→
korelasi antara variabel laten dalam model struktural dan variabel penanda adalah 0,045, dan berkemampuan DIP

nilai signifikansi rata-rata adalah 0,65. Ini lebih besar dari nilai ambang batas 0,05. Dengan kognitif
pertunangan→
demikian, kami menyimpulkan bahwa bias metode umum tidak menjadi perhatian utama
SWB(H5a)
dalam penelitian ini.
Otonomi→MENCELUPKAN-

mengaktifkan afektif
pertunangan→
6.2. Properti pengukuran SWB(H5b)
Keterkaitan→
Sifat pengukuran model penelitian ditunjukkan pada Meja 2. Item berkemampuan DIP

afektif
pengukuran konstruk dalam model penelitian dimuat secara signifikan ke
pertunangan→
dalam konstruk laten masing-masing. Pemuatan faktor masing-masing SWB(H5c)
semuanya lebih besar dari 0,7 dengan nilai t yang signifikan secara statistik ( Kompetensi→
Henseler dkk., 2015). Selanjutnya, kami menguji reliabilitas dan validitas berkemampuan DIP

konstruk dalam model penelitian. Alfa Cronbach untuk semua konstruk lebih afektif
pertunangan→
besar dari 0,72 yang menunjukkan konsistensi internal model pengukuran.
SWB(H6a)
Reliabilitas gabungan seluruh konstruk kembali lebih besar dari nilai Otonomi→MENCELUPKAN-
ambang batas 0,70 yang menunjukkan reliabilitas konstruk (Rambut dkk., diaktifkan

2012). Nilai rata-rata varians yang diekstraksi (AVE) untuk seluruh konstruk perilaku
pertunangan→
berada di atas 0,5. Hal ini menyiratkan bahwa rata-rata seluruh konstruk
SWB(H6b)
menjelaskan lebih dari 50% varians dalam item-itemnya (Sarstedt & Ringle,
Keterkaitan→
2021), sehingga mendukung hipotesis tersebut. (bersambung di halaman berikutnya)

6
SK Roy dkk.
Tabel 3(lanjutan)
Dihipotesiskan Jalur T- P-nilai
jalur koefisien nilai-nilai
berkemampuan DIP
perilaku
pertunangan→
SWB(H6c)
Kompetensi→
berkemampuan DIP
perilaku
pertunangan→
SWB
Catatan: * menunjukkan hal<0,05; *** menunjukkan hal<0,001; 'ns' menunjukkan tidak signifikan.
validitas konvergen model. Validitas diskriminan ditetapkan karena akar
kuadrat nilai AVE suatu konstruk lebih besar dibandingkan korelasinya
dengan konstruk lain dalam model (Fornell & Larcker, 1981). Validitas
diskriminan diperiksa lebih lanjut menggunakan rasio heterotraitmonotrait
(HTMT). Karena rasio HTMT konstruksi kurang dari 0,85 (Henseler dkk.,
2015) kita dapat menyimpulkan bahwa konstruk dalam model penelitian
tersebut memiliki validitas diskriminan.
6.3. Model struktural
Selanjutnya, kami menguji model struktural menggunakan 5.000 sampel
bootstrap berdasarkan 325 kasus. Relevansi prediktif model struktural
diperiksa dengan memeriksa R2nilai-nilai dan Stone-Geisser's Q2
nilai (Rambut dkk., 2017). Hasil menunjukkan bahwa R2nilai variabel
terikat akhir (yaitu SWB) adalah 0,66 yang dapat diterima (Rambut dkk.,
2017). R2nilai untuk variabel endogen lainnya seperti keterlibatan
kognitif (R2= 0,68), keterlibatan afektif (R2= 0,74) dan keterlibatan
perilaku (R2= 0,73) juga dapat diterima.
Setelah itu kami melakukan analisis penutup mata menggunakan jarak
kelalaian 7 untuk menilai relevansi prediktif model struktural (Tenenhaus
dkk., 2005). Redundansi yang divalidasi silang (Q2) nilai konstruksi endogen
dalam model struktural lebih besar dari 0,3. Hal ini memberikan
dukungan tambahan terhadap validitas prediktif model struktural (Rambut
dkk., 2017). Selain itu, kami menggunakan algoritma PLSpredict untuk
memberikan dukungan lebih lanjut untuk prediksi model struktural
relevansi (Shmueli dkk., 2019). Hasil menunjukkan bahwa Q2
Jurnal Riset Bisnis 164 (2023) 114001
lebih besar dari nol untuk konstruksi dalam model struktural. Hal ini menunjukkan
LCI UCI bahwa model struktural yang diusulkan berkinerja lebih baik daripada tolok ukur
(2,5%) (97,5%) paling naif dari rata-rata indikator sampel.
Hasil (ditunjukkan padaTabel 3) dari analisis jalur menunjukkan bahwa
otonomi (β=0,65,hal <0,001) dan kompetensi (β=0,32,hal <0,05) memiliki dampak
positif dan signifikan terhadap keterlibatan kognitif yang mendukung DIP yang
mendukung H1a dan H1c. H1b tidak diterima karena tidak ada dampak signifikan
dari keterhubungan terhadap keterlibatan kognitif. Hasil juga menunjukkan
bahwa otonomi (β=0,68,hal <0,001), keterkaitan (β=0,14,hal <0,05) dan kompetensi
(β=0,14,hal <0,05) memiliki dampak signifikan terhadap keterlibatan afektif
DIPenabled yang mendukung hipotesis H2a, H2b, dan H2c. Hasil mendukung H3a
dan H3c sebagai otonomi (β=0,70,hal <0,001) dan kompetensi (β=0,20,hal <0,05)
mempunyai dampak langsung dan positif terhadap keterlibatan perilaku yang
didukung oleh DIP. H3b tidak diterima karena tidak ada dampak keterkaitan yang
signifikan terhadap keterlibatan perilaku yang didukung DIP.
Selanjutnya, kami menguji hipotesis mediasi dengan menggunakan interval
kepercayaan bootstrap yang dikoreksi bias dan efek tidak langsung (Pengkhotbah &
Hayes, 2008; Nitzl dkk., 2016). Karena efek tidak langsung antara otonomi,
keterhubungan dan kompetensi serta kesejahteraan subjektif (SWB) tidak signifikan,
kami menyimpulkan bahwa keterlibatan kognitif yang didukung DIP tidak bertindak
sebagai mediator. Dengan demikian hipotesis H4a, H4b dan H4c ditolak.
Efek tidak langsung yang dilaporkan antara otonomi dan SWB (βtidak
langsung= 0,31, hal<0,001; LCI = 0,176, UCI = 0,464) signifikan dan interval
kepercayaan tidak termasuk nol. Hal ini menunjukkan bahwa keterlibatan
afektif yang didukung DIP memediasi hubungan antara otonomi dan SWB,
mendukung H5a. Demikian pula pengaruh tidak langsung antara
kompetensi dan SWB (βtidak langsung= 0,06, hal<0,05; LCI = 0,014, UCI =
0,127) dan pengaruh tidak langsung antara keterhubungan dan SWB (βtidak
langsung= 0,06, hal<0,05; LCI = 0,014, UCI = 0,129) juga signifikan. Selain itu,
karena interval kepercayaan tidak mencakup nol, kami menerima hipotesis
H5b dan H5c.
Efek tidak langsung yang dilaporkan antara otonomi dan SWB (βtidak langsung=
0,17, hal<0,05; LCI = 0,056, UCI = 0,277) dan antara kompetensi dengan SWB
(βtidak langsung= 0,05, hal<0,05; LCI = 0,013, UCI = 0,092) signifikan dan interval
kepercayaan tidak termasuk nol. Dengan demikian, hipotesis H6a dan H6c
didukung, dan keterlibatan perilaku yang didukung DIP memediasi hubungan
antara otonomi, kompetensi, dan SWB. Karena pengaruh tidak langsung antara
keterkaitan dan SWB tidak signifikan, kami menyimpulkan bahwa hipotesis bahwa
meramalkannilai-nilai itu keterlibatan perilaku mendukung DIP
Gambar 2.Hasil.
7
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

memediasi hubungan mereka (H6b) tidak didukung.Gambar 2menunjukkan hasil

0,148
0,060
0,269

0,139
0,179
0,137
0,068
0,148
0,094
0,107
0,107
0,235
pengujian hipotesis.

SSE
Pengujian 6.4. Analisis JST
RMSE
Model D (R2¼55,18%)

0,066
0,013
0,093

0,062
0,074
0,057
0,051
0,067
0,051
0,070
0,055
0,084
Seperti yang disajikan sebelumnya, analisis PLS-SEM mengkonfirmasi bahwa
semua hubungan jalur signifikan secara statistik kecuali tiga hubungan yang
dihipotesiskan. Ini adalah keterlibatan kognitif yang didukung DIP dengan SWB,
Pelatihan

keterkaitan dengan keterlibatan kognitif yang didukung DIP, dan keterkaitan

1.584
0,150
1.422

1.572
1.454
1.814
1.580
1.589
1.484
1.816
1.732
1.373
SSE

dengan keterlibatan perilaku yang didukung DIP. Oleh karena itu, hubungan yang
tidak signifikan ini tidak digunakan dalam analisis ANN (Hew dkk., 2018; Xiong
dkk., 2022). Selanjutnya, empat model JST dibuat hanya berdasarkan hubungan
RMSE

0,077
0,004
0,073

0,077
0,074
0,084
0,076
0,077
0,075
0,081
0,081
0,072
signifikan yang dihipotesiskan dari analisis PLS-SEM. Hasil analisis JST disajikan
pada Lampiran B dan model JST diilustrasikan padaGambar. B.1 sampai B.4(lihat
Lampiran B). Seperti yang ditunjukkan di Tabel B.1, Root Mean Square of Error
(RMSE) untuk keempat model JST berkisar antara 0,064 hingga 0,077 yang
menunjukkan akurasi prediksi yang tinggi dalam analisis JST (Leong dkk., 2020; Lo
0,168
0,087

dkk., 2022).
0,153

0,087
0,098
0,106
0,249
0,181
0,371
0,122
0,226
0,09
SSE

Selanjutnya, analisis sensitivitas dilakukan untuk menghitung

kepentingan variabel masukan yang dinormalisasi dan memberi peringkat
Pengujian

RMSE

berdasarkan kemampuan prediksinya terhadap variabel keluaran (Lo dkk.,

0,070
0,013
0,068

0,057
0,060
0,058
0,079
0,078
0,099
0,065
0,083
0,058

2022; Ng dkk., 2022). Skor kepentingan yang dinormalisasi adalah rasio

Model D: Neuron masukan adalah keterlibatan afektif yang didukung DIP dan keterlibatan perilaku yang didukung DIP, sedangkan neuron keluaran adalah kesejahteraan subjektif.

kepentingan relatif setiap variabel masukan dengan variabel masukan yang

Model C (R2¼58,21%)

mempunyai kepentingan relatif terbesar (Talukder dkk., 2020; Wang dkk.,

1.212
0,370
1.191

1.092
1.066
1.180
0,828
0,945
1.321
2.044
0,774
1.680
SSE

2022). Hasil dariTabel B.2menunjukkan bahwa dalam Model A, otonomi

adalah variabel paling penting dalam memprediksi keterlibatan kognitif
yang mendukung DIP (100% kepentingan yang dinormalisasi) diikuti oleh
Pelatihan
RMSE

0,067
0,010

kompetensi (75,316%). Dalam Model B, otonomi merupakan variabel

0,067

0,064
0,063
0,067
0,057
0,059
0,071
0,087
0,054
0,079

terpenting (100%) diikuti oleh kompetensi (36,357%) dan keterkaitan

(33,186%) dalam memprediksi keterlibatan afektif yang didukung DIP.
Otonomi juga merupakan prediktor terkuat (100%) dalam memprediksi
Model B: Neuron masukan adalah otonomi, kompetensi, dan keterhubungan sedangkan neuron keluaran adalah keterlibatan afektif yang didukung oleh DIP.

keterlibatan perilaku yang didukung DIP diikuti oleh kompetensi (42,349%)

Model C: Neuron masukan adalah otonomi dan kompetensi sedangkan neuron keluaran adalah keterlibatan perilaku yang mendukung DIP.
Model A: Neuron masukan adalah otonomi dan kompetensi sedangkan neuron keluaran adalah keterlibatan kognitif yang mendukung DIP.

pada Model C. Terakhir, Model D menunjukkan bahwa ketika memprediksi

0,157
0,074
0,140

0,117
0,140
0,082
0,267
0,162
0,305
0,150
0,164
0,044
SSE

R2= 1 - RMSE/dtk2, dimana2adalah varian keluaran yang diinginkan menurut rata-rata SSE untuk data pengujian.

SWB, keterlibatan afektif yang didukung DIP memiliki pengaruh tertinggi

(100%). ) diikuti oleh keterlibatan perilaku yang didukung DIP (71,321%).
Selain itu, nilai R-square dihitung untuk masing-masing model ANN untuk
Pengujian

RMSE

0,068
0,013
0,065

0,066
0,072
0,051
0,082
0,073
0,090
0,072
0,070
0,040

menentukan persentase varians yang dijelaskan (Leong dkk., 2020; Xiong

dkk., 2022). Seperti yang ditunjukkan di Tabel B.2, variabel masukan dapat
Model B (R2¼56,64%)

menjelaskan 56,99% varians keterlibatan kognitif yang didukung DIPen

1.180
0,173
1.172

1.495
0,984
1.139
1.062
1.049
1.153
1.511
1.045
1.186

(Model A), 56,64% varians keterlibatan afektif yang mendukung DIP (Model
SSE

B), 58,21% varians keterlibatan perilaku yang mendukung DIP (Model C). )
dan 55,18% varians pada SWB (Model D).
Pelatihan
RMSE

Untuk mengetahui apakah hasil yang diperoleh dari analisis JST

0,066
0,005
0,067

0,074
0,060
0,066
0,064
0,063
0,067
0,075
0,063
0,066

konsisten dengan hasil yang diperoleh dari PLS-SEM, maka hasil normalisasi
kepentingan dari analisis JST dibandingkan dengan hasil koefisien jalur yang
diperoleh dari PLS-SEM (Lo dkk., 2022; Ng dkk., 2022).Tabel B.3
menunjukkan bahwa hasil analisis JST mendukung temuan hubungan yang
diperoleh PLS-SEM. Secara khusus, besaran kepentingan relatif dari
0,155
0,100
0,149

0,061
0,282
0,099
0,159
0,194
0,379
0,095
0,077
0,050
SSE

koefisien jalur yang diperoleh dari analisis PLS-SEM dan kecocokan

kepentingan relatif yang dinormalisasi dengan ANN. Misalnya, dalam Model
A, hubungan jalur dari otonomi ke keterlibatan kognitif yang mendukung
Pengujian

RMSE

0,066
0,020
0,067

0,048
0,102
0,056
0,063
0,080
0,100
0,057
0,048
0,043

DIP (koefisien jalur 0,646) adalah yang paling penting, dibandingkan dengan
hubungan dari kompetensi ke keterlibatan kognitif yang mendukung DIP
(koefisien jalur 0,315) menurut PLS -Hasil SEM. Temuan yang sama
Model A (R2¼56,99%)

diperoleh dari persentase kepentingan relatif yang dinormalisasi ANN (100%

1.107
0,186
1.126

1.122
1.311
1.073
0,882
0,842
1.151
1.101
0,961
1.504
SSE

persentase kepentingan relatif yang dinormalisasi untuk hubungan dari

otonomi hingga keterlibatan kognitif yang mendukung DIP dibandingkan
Pelatihan

dengan 75,316% persentase kepentingan relatif yang dinormalisasi untuk

RMSE

0,064
0,005
0,065

0,064
0,070
0,064
0,059
0,056
0,067
0,064
0,060
0,075

hubungan dari kompetensi ke keterlibatan kognitif yang mendukung DIP) .

Perbandingan lebih lanjut antara koefisien jalur PLS dan persentase
Nilai RMSE model ANN.

kepentingan relatif yang dinormalisasi ANNTabel B.3untuk hubungan lain

menunjukkan kecocokan serupa.
Jaringan syaraf
Tabel B1

Berarti
JST10
JST1
JST2
JST3
JST4
JST5
JST6
JST7
JST8
JST9

Catatan:
SD

1.
2.
3.
4.
5.

8
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

Tabel B2
Analisis Sensitivitas.

Analisis sensitivitas

Model A Model B Model C Model D

Keluaran: Cog_Eng Keluaran: Aff_Eng Keluaran: Beh_Eng Keluaran: SWB

Jaringan syaraf Mobil Komp Mobil Komp Rel

JST1 0,508 0,492 0,651 0,237 0,112
JST2 0,556 0,444 0,437 0,301 0,262
JST3 0,558 0,442 0,647 0,195 0,158
JST4 0,503 0,497 0,627 0,205 0,168
JST5 0,667 0,333 0,578 0,172 0,250
JST6 0,662 0,338 0,617 0,202 0,180
JST7 0,580 0,420 0,579 0,207 0,213
JST8 0,544 0,456 0,456 0,255 0,289
JST9 0,673 0,327 0,642 0,198 0,160
JST10 0,453 0,547 0,663 0,172 0,165
Kepentingan relatif rata-rata Kepentingan 0,570 0,430 0,590 0,214 0,196
relatif yang dinormalisasi (%) 100.000% 75,316% 100.000% 36,357% 33,186%

Tabel B3
Hasil PLS-SEM dan ANN dibandingkan.

Hubungan jalur jalur tolong ANN menormalkan Pemeringkatan berdasarkan Pemeringkatan berdasarkan kepentingan Komentar
koefisien kepentingan relatif (%) koefisien jalur PLS relatif yang dinormalisasi ANN (%)

Model A
Otonomi ->berkemampuan DIP 0,646 100.000% 1 1 Cocok
kognitif_Inggris
Kompetensi ->berkemampuan DIP 0,315 75,316% 2 2 Cocok
kognitif_Inggris
Model B
Otonomi ->berkemampuan DIP 0,677 100.000% 1 1 Cocok
afektif_Eng
Kompetensi ->berkemampuan DIP 0,138 36,357% 2 2 Cocok
afektif_Eng
Keterkaitan ->berkemampuan DIP 0,134 33,186% 3 3 Cocok
afektif_Eng
Model C
Otonomi ->berkemampuan DIP 0,701 100.000% 1 1 Cocok
perilaku_Inggris
Kompetensi ->berkemampuan DIP 0,195 42,349% 2 2 Cocok
perilaku_Inggris
Model D
Afektif_Eng yang diaktifkan DIP -> 0,464 100.000% 1 1 Cocok
SWB
behavioral_Eng yang diaktifkan DIP -> 0,243 71,321% 2 2 Cocok
SWB

Gambar.B1.JST Model A.

9
SK Roy dkk.
Gambar.B2.JST Model B.
Gambar.B3.JST Model C.
7. Pembahasan dan implikasinya
7.1. Implikasi teoritis
Tujuan dari penelitian ini adalah untuk menguji (a) anteseden dan konsekuensi dari
keterlibatan pelanggan yang mendukung DIP, dan (b) peran mediasi dari keterlibatan
pelanggan yang mendukung DIP dalam menghubungkan anteseden dengan
konsekuensinya. Kami menguji hubungan di atas dengan mengintegrasikan S-DL dan
SDT sebagai kerangka teoritis kami. Temuan kami dapat dikelompokkan ke dalam
kesimpulan berikut.
Temuan dari analisis PLS-SEM dan ANN mendukung hipotesis hubungan
otonomi yang mempengaruhi semua dimensi CE. Hasil ini dapat dijelaskan
dengan gagasan bahwa DIP memberikan persepsi otonomi atau pilihan yang
lebih besar kepada pengguna sehingga mengarahkan mereka untuk terlibat
secara kognitif dengan DIP. Penelitian sebelumnya menunjukkan bahwa persepsi
otonomi yang lebih besar dapat membuat pengguna percaya pada hal tersebut
1
Jurnal Riset Bisnis 164 (2023) 114001
kegunaan yang dirasakan dari objek tersebut (Tsai dkk., 2021, Sweeney dkk.,
2014) mengarahkan mereka untuk terlibat secara kognitif. Selain itu, pengaruh
otonomi
pada seluruh dimensi CE lebih besar dibandingkan pengaruh kompetensi dan
keterhubungan. Hal ini menunjukkan bahwa CE dengan DIP sebagian besar
didorong oleh fakta bahwa pengguna lebih menyukai kemandirian, kebebasan
dan pilihan yang tersedia saat menggunakan DIP.
Kompetensi ditemukan memiliki hubungan yang signifikan dengan semua
dimensi CE menurut analisis PLS-SEM dan ANN. Kompetensi mengacu pada
kemampuan pengguna untuk mencapai tujuan tertentu dengan menggunakan
kapasitas mereka (yaitu, sumber daya operan). Terbukti dari temuan tersebut,
pengguna percaya bahwa mereka memiliki kompetensi yang lebih tinggi dalam
menggunakan DIP sehingga penggunaan DIP secara terus-menerus akan
menghasilkan CE yang lebih besar. Hal ini tidak mengherankan, karena responden
yang direkrut dari M− Turk umumnya merasa memiliki kompetensi yang lebih
tinggi dalam menggunakan platform digital.
Keterhubungan mengacu pada gagasan bahwa pengguna akan merasa terhubung atau
SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001

Gambar.B4.JST Model D.

rasa memiliki dengan pengguna lain. Hal ini penting ketika pengguna membutuhkan
dan kesejahteraan subjektif. Dengan menggunakan analisis ANN, kami dapat
dukungan dari pengguna lain dalam bentuk komunitas (Chui, 2022). Hal ini mungkin
menentukan tingkat kepentingan variabel masukan yang dinormalisasi dan
tidak terjadi dalam konteks DIP karena pengguna tidak berinteraksi dengan pengguna
memberi peringkat berdasarkan kemampuan prediktifnya terhadap variabel
lain. Hal ini dapat menjelaskan hubungan yang tidak signifikan antara keterhubungan
keluaran. Pendekatan ini kontras dengan penelitian yang ada yang menghitung
dan keterlibatan kognitif dan perilaku yang mendukung DIP. Namun, hubungan antara
koefisien beta dari analisis SEM. Analisis kami dalam konteks ini merupakan
keterhubungan dan keterlibatan afektif yang didukung oleh DIP ditemukan signifikan.
perubahan paradigma, di mana peneliti tidak hanya fokus pada pengujian
Hal ini mungkin karena pengguna suka menggunakan DIP sehingga menimbulkan emosi
hubungan sebab akibat linier namun juga dapat fokus pada hubungan nonlinier
positif terhadap DIP.
antara prediktor dan variabel dependen.
Dalam konteks penelitian ini, ditemukan bahwa SWB tidak dipengaruhi oleh
Secara keseluruhan, penelitian ini berkontribusi pada literatur dengan
keterlibatan kognitif yang didukung DIP, melainkan dipengaruhi oleh keterlibatan
menyoroti hubungan kompleks antara kebutuhan psikologis manusia,
afektif yang didukung DIPen dan keterlibatan perilaku yang didukung DIP. Hal ini
keterlibatan pelanggan, dan kesejahteraan subjektif, dalam konteks DIP,
sejalan denganKim dkk., (2014)penegasan bahwa SWB individu lebih dipengaruhi
dan melalui lensa teoretis terintegrasi dari logika dominan layanan dan teori
oleh respon afektif dibandingkan respon rasional. SWB adalah konsep psikologis
penentuan nasib sendiri. . Hasil penelitian menjelaskan bahwa hubungan
yang mengukur penilaian kognitif individu terhadap kepuasan hidup secara
langsung antara kepuasan kebutuhan psikologis manusia (otonomi,
keseluruhan dan penilaian afektif terhadap emosi. Oleh karena itu, kemungkinan
keterkaitan dan kompetensi) dengan kesejahteraan subjektif dimediasi oleh
besar penggunaan DIP membuat pengguna merasa senang dengan diri mereka
keterlibatan pelanggan (kognitif, afektif dan perilaku). Secara khusus,
sendiri yang berarti SWB yang lebih besar. Hal ini mungkin terjadi karena DIP
temuan menunjukkan bahwa otonomi dan kompetensi memiliki hubungan
mudah digunakan, sehingga stres pengguna berkurang dan sebagai hasilnya,
yang signifikan dengan semua dimensi keterlibatan pelanggan (kognitif,
mereka tidak perlu mengeluarkan upaya kognitif (yaitu, memikirkan) penggunaan
afektif, dan perilaku). Namun, kesejahteraan subjektif tidak dipengaruhi oleh
DIP. Hal ini juga terlihat dari hasil yang menunjukkan bahwa keterlibatan kognitif
keterlibatan kognitif, namun dipengaruhi oleh keterlibatan afektif dan
yang didukung DIP tidak memediasi hubungan apa pun dari ARC ke SWB.
perilaku.

Kami juga menemukan bahwa keterlibatan afektif yang didukung DIP memediasi
hubungan antara ARC dan SWB. Hal ini menunjukkan bahwa ketika penggunaan DIP
7.2. Implikasi manajerial
mempengaruhi aspek emosional (yaitu pengaruh) pengguna, mereka lebih cenderung
mengembangkan persepsi posisi mengenai kepuasan hidup dan emosi mereka secara
Memahami faktor pendukung dan konsekuensi dari CE yang mendukung DIP
keseluruhan. Seperti disebutkan sebelumnya di bagian ini, keterlibatan afektif dengan
merupakan bagian integral dalam mengkonsep ulang penawaran pengecer
DIP lebih mungkin terjadi ketika pengguna merasa bahwa mereka telah memenuhi
sebagai DIP. Hal ini khususnya penting dalam era interaksi layanan berbasis
aspek kepuasan kebutuhan ARC saat menggunakan DIP.
pengalaman di mana pengalaman positif sangat penting dalam memberikan nilai
Hasilnya menunjukkan bahwa keterlibatan perilaku yang didukung DIP memediasi
bagi pelanggan dan perusahaan. CE telah disebut-sebut sebagai sumber
hubungan antara otonomi dan kompetensi dan SWB namun tidak memediasi hubungan
keunggulan kompetitif (Kumar & Pansari, 2016). Oleh karena itu, dengan
antara keterkaitan dan SWB. Hasil ini dapat dijelaskan oleh fakta bahwa pengguna tidak
mengetahui bagaimana praktik ini dapat dimotivasi, penyedia layanan dapat
dapat melihat pengguna lain (yaitu kurangnya keterhubungan) selama interaksi mereka
memperkuat interaksi mereka dalam lingkungan teknologi dan memungkinkan
dengan DIP. Oleh karena itu, sebagian besar pengguna berfokus pada persepsi mereka
konsekuensi merek yang positif.
tentang otonomi dan kompetensi ketika menggunakan DIP. Dengan kata lain, semakin
Pertama, temuan kami menunjukkan bahwa otonomi mempengaruhi semua
banyak otonomi (yaitu kebebasan) dan kompetensi (yaitu kemampuan) yang dirasakan
dimensi CE. Berdasarkan temuan ini, pengelola disarankan untuk memberikan
pengguna saat menggunakan DIP, semakin besar kemungkinan mereka untuk terlibat
tindakan atau langkah yang meningkatkan persepsi otonomi di kalangan
secara perilaku (misalnya dengan menghabiskan energi, waktu dan tenaga) dengan DIP.
pengguna DIP. Misalnya, pengguna diperbolehkan memilih dan mendesain
DIP yang pada gilirannya membuat mereka puas dan bahagia secara emosional (yaitu,
sepatu/produknya sendiri menggunakan DIP. Hal ini akan meningkatkan
meningkatkan rasa SWB).
keterlibatan dengan DIP dan meningkatkan SWB. Namun, perancang juga harus
Terakhir, kami menggunakan pendekatan SEM-ANN, yang relatif baru dalam
berhati-hati untuk tidak membuat DIP terlalu rumit untuk dioperasikan, karena
keterlibatan pelanggan dan literatur DIP, dan mengungkap hubungan
hal ini dapat berdampak buruk pada persepsi kompetensi di antara pengguna yang
nonlinier antara kebutuhan psikologis manusia, keterlibatan pelanggan.
menyebabkan rendahnya CE.
Penelitian sebelumnya menunjukkan bahwa keterkaitan berpengaruh positif

1
SK Roy dkk.
perilaku (Sweeney dkk., 2014) dan pertunangan (Chiu, 2022). Sebaliknya, temuan
kami menunjukkan bahwa keterhubungan hanya berdampak pada keterlibatan
afektif. Hal ini menyiratkan bahwa DIP harus dirancang agar dapat diterima oleh
pengguna sehingga mengarah pada keterlibatan afektif. Misalnya, perusahaan
dapat merancang DIP dengan memberikan masukan instan kepada pengguna
tentang penggunaan DIP. Hal ini kemungkinan besar akan menciptakan perasaan
positif di antara pengguna dan meningkatkan CE.
Dalam studi saat ini, keterkaitan tidak ditemukan berdampak pada keterlibatan kognitif dan
perilaku yang mungkin disebabkan oleh kurangnya informasi dalam skenario tentang bagaimana
pengguna dapat terhubung dengan pengguna DIP lainnya. Chiu (2022)mencatat bahwa
keterhubungan menjadi penting ketika dukungan dari pengguna lain diperlukan karena situasi
yang tidak pasti dan asing. Oleh karena itu, perusahaan harus mengizinkan pengguna untuk
berinteraksi satu sama lain (yaitu, menerima dan memberikan umpan balik dari pengguna lain)
ketika menggunakan DIP. Hal ini kemungkinan besar akan meningkatkan CE karena
keterhubungan yang lebih besar.
Hasilnya juga menunjukkan bahwa keterlibatan afektif yang didukung
DIP memediasi hubungan antara ARC dan SWB. Teknologi telah terbukti
menciptakan perasaan SWB dalam beberapa konteks (Kim dkk., 2020). Hal
ini menyiratkan bahwa DIP harus dirancang untuk meningkatkan perasaan
pelarian, hiburan, tantangan, fantasi, dan kesenangan yang telah terbukti
mempengaruhi kesejahteraan psikologis (Li dkk., 2014, Singh dkk., 2017).
Misalnya, DIP dapat dirancang untuk menjadikannya menghibur dengan
memanfaatkan suara dan video yang jelas.
Demikian pula, DIP harus lebih mudah digunakan atau dioperasikan karena hasilnya
menunjukkan bahwa pengaruh otonomi dan kompetensi terhadap SWB dimediasi oleh
keterlibatan afektif yang didukung oleh DIP. Hal ini berarti bahwa ketika pengguna tidak
merasa terkendala atau menghadapi kesulitan dalam menggunakan DIP, mereka
cenderung akan asyik menggunakan DIP sehingga mereka akan merasakan SWB yang
lebih tinggi.
8. Keterbatasan dan arah penelitian kedepannya
Beberapa keterbatasan penelitian ini mencerminkan jalan untuk penelitian lebih
lanjut. Pertama, dalam penelitian kami, kami mengidentifikasi satu pendorong CE yang
mendukung DIP, yaitu motivasi pelanggan (otonomi, keterkaitan, dan kompetensi). CE
dengan DIP mungkin tidak hanya dipicu semata-mata oleh motivasi mereka tetapi juga
bisa didorong oleh kepercayaan, dan komitmen (Pansari & Kumar, 2017, de Oliveira
Santini dkk., 2021). Penelitian di masa depan dapat memperluas model ini dengan
memasukkan faktor-faktor tambahan yang menjadi pendorong CE, seperti yang
diusulkan olehIslam dkk., (2019)DanLim dan Rasul (2022)termasuk beberapa faktor
berbasis platform berbasis merek, berbasis pelanggan, berbasis industri, dan berbasis
pemasar. Kedua, meskipun makalah ini mengintegrasikan landasan teoritis logika SD dan
SDT, penelitian di masa depan mungkin mempertimbangkan untuk mengintegrasikan
lensa teoritis lain dan/atau pelengkap ke dalam penyelidikannya, termasuk pertukaran
sosial (Hollebeek, 2011), pandangan berbasis sumber daya (resourcebased view).
Hollebeek, 2019) teori pemasaran hubungan (Vivek dkk., 2014), logika layanan
(Gronroos, 2008), teori keterlibatan regulasi (Higgins, 2006; Higgins & Scholer, 2009),
teori keterlibatan (Pansari & Kumar, 2017) dan lainnya untuk mencapai pemahaman
teoritis lebih lanjut tentang CE yang mendukung DIP (MacInnis, 2011). Ketiga, penelitian
di masa depan dapat membandingkan dan memvalidasi hubungan model tersebut
dengan jenis DIP lain dengan karakteristik berbeda, seperti platform pencarian dan
periklanan, platform konten, platform media sosial, dan platform layanan lain yang
berfokus pada, misalnya, crowdsourcing atau crowdfunding (Rangaswamy dkk., 2020).
Keempat, penelitian yang masih ada juga menyoroti bahwa kesejahteraan pelanggan
dapat berperan sebagai pendahulu CE (misalnya,Horwood & Anglim, 2019). Penelitian di
masa depan juga dapat menyelidiki hubungan timbal balik antara kesejahteraan dan
keterlibatan pelanggan yang didukung oleh DIP. Namun demikian, studi berbasis
skenario teks memiliki keterbatasan dalam hal memperoleh wawasan mengenai
kesejahteraan melalui kacamata kepuasan kebutuhan pelanggan. Oleh karena itu,
penelitian di masa depan dapat menggunakan metode penelitian lain – seperti studi
lapangan dan eksperimen lapangan – dan mempertimbangkan berbagai aspek
kesejahteraan – seperti efikasi diri dan kecemasan terhadap teknologi – (Henkens dkk.,
2021). Terakhir, studi empiris menguji satu organisasi (PIKKPACK) melalui
konseptualisasi DIP sebagai APPI dengan responden dari satu negara (yaitu,
1
Jurnal Riset Bisnis 164 (2023) 114001
Australia). Oleh karena itu, penelitian di masa depan dapat mengeksplorasi kondisi di
mana CE yang mendukung DIP muncul di lingkungan dan/atau negara lain.
Pernyataan kontribusi kepenulisan CReditT
Sanjit K.Roy:Penulisan – review & penyuntingan, Penulisan – draf
asli, Visualisasi, Validasi, Pengawasan, Perangkat Lunak,
Administrasi proyek, Metodologi, Analisis formal, Kurasi data,
Konseptualisasi.
Gaganpreet Singh:Penulisan – review & penyuntingan, Penulisan –
draf asli, Visualisasi, Validasi, Pengawasan, Perangkat Lunak,
Administrasi proyek, Metodologi, Investigasi, Analisis formal, Kurasi
data, Konseptualisasi.Saalem Sadeque:Penulisan – draf asli,
Visualisasi, Validasi, Perangkat Lunak, Metodologi, Analisis formal,
Kurasi data.
Paul Harrigan:Penulisan – review & editing, Pengawasan, Administrasi
proyek, Konseptualisasi.Kristof Coussement:Penulisan – review &
editing, Pengawasan, Metodologi.
Deklarasi Kepentingan Bersaing
Para penulis menyatakan bahwa mereka tidak mempunyai kepentingan finansial
atau hubungan pribadi yang saling bersaing yang dapat mempengaruhi pekerjaan yang
dilaporkan dalam makalah ini.
Lampiran A
Bayangkan Anda ingin membeli sepasang sepatu baru yang disesuaikan untuk Anda
sendiri. Anda menemukan layanan PIKKPACK yang menawarkan akses ke berbagai item
sepatu menggunakan platform interaktif digital (DIP). DIP PIKKPACK menawarkan Anda
otonomi untuk mengedit dan mendesain sepatu khusus yang tidak tersedia di pasar
reguler. Kemungkinan memilih antara warna sepatu dan bahan sol serta jenis warna sol
dan warna tali sepatu yang berbeda akan menghasilkan banyak permutasi sepatu. DIP
PIKKPACK juga memberikan informasi produk yang relevan, termasuk penggunaannya
dalam berbagai kondisi iklim, negara asal, dan cara mencuci produk. Kit PIKKPACK
standar yang dikirimkan kepada Anda akan terdiri dari semua item sepatu yang belum
dirakit, kit instruksi, dan tutorial tentang cara merakit sepatu sendiri. Setelah dirakit,
Anda dapat menggunakan produk tersebut. Dengan cara ini, Anda memiliki kendali
dalam menciptakan pengalaman pembuatan dan penggunaan sepatu. Keterlibatan yang
dihasilkan akan bergantung pada otonomi, kompetensi dan keterhubungan yang
ditawarkan oleh DIP PIKKPACK. PIKKPACK juga memiliki ruang pamer berbasis janji
temu bagi penggunanya untuk membuat, berinteraksi, dan merasakan produk secara
fisik.
Secara keseluruhan, keterlibatan yang positif kemungkinan besar akan memberi
Anda kepuasan yang lebih tinggi dan pada akhirnya memengaruhi kesejahteraan
Anda (dan sebaliknya).
Lampiran B
MelihatTabel B.1,B.2,B.3DanGambar. B.1 sampai B.4
Referensi
Aguinis, H., Villamor, I., & Ramani, RS (2021). Penelitian MTurk: Review dan
rekomendasi.Jurnal Manajemen, 47(4), 823–837. Alexander, MJ, Jaakkola,
E., & Hollebeek, LD (2018). Memperkecil: Aktor
keterlibatan di luar diadik.Jurnal Manajemen Pelayanan, 29(3), 333–351. Al
Mamun, MA, Lawrie, G., & Wright, T. (2020). Desain instruksional perancah
modul pembelajaran online untuk lingkungan pembelajaran mandiri dan berbasis
penyelidikan. Komputer & Pendidikan, 144, Pasal 103695.
Apostolidis, C., Brown, D., Wijetunga, D., & Kathriarachchi, E. (2021). Nilai berkelanjutan
kreasi bersama di Dasar Piramida: Menggunakan aplikasi seluler untuk mengurangi limbah makanan
dan meningkatkan ketahanan pangan.Jurnal Manajemen Pemasaran, 37(9–10), 856–886.
Assor, A., Kaplan, H., & Roth, G. (2002). Pilihannya bagus, tetapi relevansinya luar biasa:
Meningkatkan otonomi dan menekan perilaku guru yang memprediksi keterlibatan siswa
dalam tugas sekolah.Jurnal Psikologi Pendidikan Inggris, 72(2), 261–278. Bauer, JJ, King, LA,
& Steger, MF (2019). Artinya pembuatan, penentuan nasib sendiri
teori, dan pertanyaan tentang kebijaksanaan dalam kepribadian.Jurnal Kepribadian, 87(1), 82–
101.
 SK Roy dkk. Jurnal Riset Bisnis 164 (2023) 114001
Baumeisterop, RF, & Leary, MR (1995). Kebutuhan untuk menjadi bagian: Keinginan untuk saling berinteraksi
keterikatan sebagai motivasi mendasar manusia.Buletin Psikologi, 117(3), 497– 529.

1
SK Roy dkk.
Behnam, M., Hollebeek, LD, Clark, MK, & Farabi, R. (2021). Menjelajahi pelanggan
keterlibatan dalam konteks produk vs. layanan.Jurnal Ritel dan Layanan
Konsumen, 60, Pasal 102456.
Becker, JM, Klein, K., & Wetzels, M. (2012). Model variabel laten hierarki di PLS-
SEM : Pedoman penggunaan model tipe reflektif-formatif.Perencanaan jangka panjang, 45
(5–6), 359–394.
Brodie, RJ, Fehrer, JA, Jaakkola, E., & Conduit, J. (2019). Keterlibatan aktor dalam
jaringan: Mendefinisikan domain konseptual.Jurnal Penelitian Pelayanan, 22(2), 173–
188.
Brodie, RJ, Hollebeek, LD, Jurić, B., & Ilić, A. (2011). Keterlibatan pelanggan:
Domain konseptual, proposisi mendasar, dan implikasi terhadap penelitian.
Jurnal Penelitian Pelayanan, 14(3), 252–271.
Brodie, RJ, Ilic, A., Juric, B., & Hollebeek, L. (2013). Keterlibatan konsumen secara virtual
komunitas merek: Analisis eksplorasi.Jurnal Riset Bisnis, 66(1), 105–114.
Chan, TK, Zheng, X., Cheung, CM, Lee, MK, & Lee, ZW (2014). Anteseden dan
konsekuensi keterlibatan pelanggan dalam komunitas merek online.Jurnal
Analisis Pemasaran, 2(2), 81–97.
Cherrier, H., & Munoz, CL (2007). Refleksi Kebahagiaan Konsumen: The
Relevansi Kepedulian terhadap Sesama, Refleksi Spiritual, dan Detasemen Finansial.
Jurnal Penelitian Konsumen, 12.
Chiu, TK (2022). Menerapkan teori penentuan nasib sendiri (SDT) untuk menjelaskan siswa
keterlibatan dalam pembelajaran online selama pandemi COVID-19.Jurnal
Penelitian Teknologi Pendidikan, 54(sup1), S14–S30.
Desi, EL (1975).Motivasi intrinsik. New York: Pleno Publishing Corp.
Deci, EL, & Ryan, RM (2000). “Apa” dan “mengapa” dalam upaya mencapai tujuan: Kebutuhan manusia
dan penentuan nasib sendiri atas perilaku.Penyelidikan Psikologis, 11(4), 227–268.
Desi, EL, & Ryan, RM (1985). Teori evaluasi kognitif. Di dalamMotivasi intrinsik dan
penentuan nasib sendiri dalam perilaku manusia(hal.43–85). Boston, MA: Peloncat.
Deci, EL, & Ryan, RM (1991). Pendekatan terhadap diri sendiri: Integrasi dalam
kepribadian.Perspektif tentang Motivasi, 38, 237.
de Oliveira Santini, F., Ladeira, WJ, Pinto, DC, Herter, MM, Sampaio, CH, &
Babin, BJ (2020). Keterlibatan pelanggan di media sosial: Kerangka kerja dan
metaanalisis.Jurnal Akademi Ilmu Pemasaran, 48(6), 1211–1228. Diener, E., Lucas,
RE, & Scollon, CN (2009). Melampaui treadmill hedonis: Merevisi
teori adaptasi kesejahteraan. Di dalamIlmu kesejahteraan(hal.103–118).
Dordrecht: Peloncat.
Diener, E., Lucas, RE, & Oishi, S. (2018). Kemajuan dan pertanyaan terbuka dalam ilmu
kesejahteraan subjektif.Kolaborasi.Psikologi, 4(1), 15.
Dwivedi, A. (2015). Model keterlibatan merek konsumen tingkat tinggi dan dampaknya
pada niat kesetiaan.Jurnal Ritel dan Layanan Konsumen, 24, 100–109. Engström,
J., & Elg, M. (2015). Perspektif teori penentuan nasib sendiri pada pelanggan
partisipasi dalam pengembangan layanan.Jurnal Pemasaran Jasa, 29(6/7), 511–
521.
Fornell, C., & Larcker, DF (1981). Model persamaan struktural dengan tidak dapat diobservasi
variabel dan kesalahan pengukuran: Aljabar dan statistik.
Fritzsche, DJ (1988). Pemeriksaan etika pemasaran: Peran pengambil keputusan,
konsekuensi dari keputusan, posisi manajemen, dan jenis kelamin responden.
Jurnal Pemasaran Makro, 8(2), 29–39.
Goodman, JK, & Paolacci, G. (2017). Riset konsumen crowdsourcing.Jurnal dari
Riset Konsumen, 44(1), 196–210.
Groeger, L., Moroko, L., & Hollebeek, LD (2016). Mendapatkan nilai dari tidak membayar
perilaku keterlibatan konsumen: Bukti lapangan dan pengembangan model teoritis.
Jurnal Pemasaran Strategis, 24(3–4), 190–209.
Grönroos, C. (2008). Logika layanan ditinjau kembali: Siapa yang menciptakan nilai? Dan siapa yang ikut menciptakan?
Tinjauan Bisnis Eropa, 20(4), 298–314.
Harrigan, P., Evers, U., Miles, MP, & Daly, T. (2018). Keterlibatan pelanggan dan
hubungan antara keterlibatan, keterlibatan, koneksi merek sendiri dan niat
penggunaan merek.Jurnal Riset Bisnis, 88, 388–396.
Rambut, J., Hollingsworth, CL, Randolph, AB, & Chong, AYL (2017). Diperbarui
dan penilaian yang diperluas PLS-SEM dalam penelitian sistem informasi.
Manajemen Industri & Sistem Data, 117(3), 442–458.
Rambut, JF, Sarstedt, M., Ringle, CM, & Mena, JA (2012). Penilaian penggunaan
pemodelan persamaan struktural kuadrat terkecil parsial dalam riset pemasaran.
Jurnal Akademi Ilmu Pemasaran, 40(3), 414–433.
Halvari, AEM, Halvari, H., BjHairnebekk, G., & Deci, EL (2010). Motivasi dan
kecemasan untuk perawatan gigi: Menguji model teori penentuan nasib sendiri perilaku
perawatan diri mulut dan kehadiran di klinik gigi.Motivasi dan Emosi, 34(1), 15–33. Haykin,
S. (2009).Jaringan saraf dan mesin pembelajaran, 3/E. Pendidikan Pearson India. Dia, J., & Zhang,
S. (2022). Bagaimana platform interaktif digital menciptakan nilai baru
pelanggan dengan mengintegrasikan model B2B dan B2C? Sebuah studi empiris di Cina.
Jurnal Riset Bisnis, 142, 694–706.
Henkens, B., Verleye, K., & Larivière, B. (2021). Semakin pintar, semakin baik?! Pelanggan
baik- keberadaan, keterlibatan, dan persepsi dalam sistem layanan cerdas.Jurnal
Internasional Penelitian Pemasaran, 38(2), 425–447.
Henseler, J. (2018). Pemodelan jalur kuadrat terkecil parsial: Apa yang terjadi?Kualitas kuantitas,
52(1), 1–8.
Hew, J.-J., Leong, L.-Y., Tan, G.-W.-H., Lee, V.-H., & Ooi, K.-B. (2018). Sosial
seluler belanja pariwisata: Analisis dua tahap model multi-mediasi.Manajemen
Pariwisata, 66, 121–139.
Henseler, J., Ringle, CM, & Sarstedt, M. (2015). Kriteria baru untuk menilai
validitas diskriminan dalam pemodelan persamaan struktural berbasis varians.
Jurnal Akademi Ilmu Pemasaran, 43(1), 115–135.
Higgins, ET (2006). Nilai dari pengalaman dan keterlibatan hedonis.Psikologis
Ulasan, 113(3), 439–460.
1
Jurnal Riset Bisnis 164 (2023) 114001
Higgins, ET, & Scholer, AA (2009). Melibatkan Konsumen: Sains dan Seni
Proses Penciptaan Nilai.Jurnal Psikologi Konsumen, 19(2), 100–114. Hoffman, DL, &
Novak, TP (2018). Pengalaman konsumen dan objek di internet
hal: Pendekatan teori kumpulan.Jurnal Riset Konsumen, 44(6), 1178–1204.
Hollebeek, LD, Glynn, MS, & Brodie, RJ (2014). Keterlibatan merek konsumen di
media sosial: Konseptualisasi, pengembangan skala dan validasi.Jurnal
Pemasaran Interaktif, 28(2), 149–165.
Hollebeek, LD, & Belk, R. (2021). Keterlibatan merek konsumen yang difasilitasi teknologi
dan kesejahteraan: Positivis TAM/PERMA-vs. Perspektif Teori Budaya Konsumen.
Jurnal Internasional Penelitian Pemasaran, 38(2), 387–401.
Hollebeek, LD, Sinta, DE, & Brady, MK (2021). Bangkitnya mesin? Pelanggan
keterlibatan dalam interaksi layanan otomatis.Jurnal Penelitian Pelayanan,
24(1), 3–8.
Hollebeek, LD, & Macky, K. (2019). Peran pemasaran konten digital dalam membina
keterlibatan konsumen, kepercayaan, dan nilai: Kerangka kerja, proposisi mendasar,
dan implikasi.Jurnal Pemasaran Interaktif, 45, 27–41.
Hollebeek, LD (2019). Mengembangkan keterlibatan pelanggan bisnis melalui media sosial
platform keterlibatan: Model berbasis logika SD/RBV yang integratif.Manajemen
Pemasaran Industri, 81, 89–98.
Hollebeek, LD, Srivastava, RK, & Chen, T. (2019). Pelanggan yang mendapat informasi logika SD
keterlibatan: Kerangka integratif, revisi proposisi fundamental, dan penerapan
CRM.Jurnal Akademi Ilmu Pemasaran, 47(1), 161–185. Horwood, S., & Anglim, J.
(2019). Penggunaan smartphone bermasalah dan subjektif dan
kesejahteraan psikologis.Komputer dalam Perilaku Manusia, 97, 44–50.
Huang, MH, & Karat, RT (2021). Bertunangan dengan robot? Peran AI dalam layanan.Jurnal
Riset Pelayanan, 24(1), 30–41.
Hulland, J., Baumgartner, H., & Smith, KM (2018). Riset survei pemasaran
terbaik praktik: Bukti dan rekomendasi dari review artikel JAMS.Jurnal
Akademi Ilmu Pemasaran, 46(1), 92–108.
Hyman, MR, & Steiner, SD (1996). Metode sketsa dalam penelitian etika bisnis:
Penggunaan dan rekomendasi saat ini.Pemasaran.
Islam, JU, Hollebeek, LD, Rahman, Z., Khan, I., & Rasool, A. (2019). Pelanggan
keterlibatan dalam konteks layanan: Investigasi empiris terhadap konstruksi,
pendahulunya dan konsekuensinya.Jurnal Ritel dan Layanan Konsumen, 50, 277–
285.
Japutra, A., Higueras-Castillo, E., & Liebana-Cabanillas, F. (2022). Membangun pelanggan
keterlibatan dalam perdagangan seluler melalui pemenuhan kebutuhan: Sebuah pendekatan
teori penentuan nasib sendiri.Jurnal Pemasaran Strategis, 1–20.
Kasser, T., & Sheldon, KM (2002). Apa yang membuat Natal menjadi meriah?Jurnal dari
Studi Kebahagiaan, 3(4), 313–329.
Kim, E., & Penulis Drum, M. (2016). Melibatkan konsumen dan membangun hubungan
media sosial: Bagaimana keterhubungan sosial mempengaruhi motivasi konsumen intrinsik vs
ekstrinsik.Komputer dalam Perilaku Manusia, 63, 970–979.
Kim, JY, Chung, N., & Ahn, KM (2014). Mengapa orang menggunakan layanan jejaring sosial di
Korea: Peran mediasi keterbukaan diri terhadap kesejahteraan subjektif.Perkembangan
Informasi, 30(3), 276–287.
Kim, J., & Kim, M. (2020). Penonton e-sport dan kesejahteraan melalui streaming langsung
jasa.Teknologi dalam Masyarakat, 63, Pasal 101401.
Kim, MJ, Lee, CK, & Preis, MW (2020). Dampak inovasi dan gratifikasi
tentang pengalaman otentik, kesejahteraan subjektif, dan niat perilaku dalam
realitas virtual pariwisata: Peran moderat dari kesiapan teknologi.Telematika dan
Informatika, 49, Pasal 101349.
Kumar, V., Rajan, B., Gupta, S., & Pozza, ID (2019). Keterlibatan pelanggan dalam layanan.
Jurnal Akademi Ilmu Pemasaran, 47(1), 138–160.
Kumar, V., & Pansari, A. (2016). Keunggulan kompetitif melalui keterlibatan.Jurnal dari
Riset Pemasaran, 53(4), 497–514.
Lauder, E. (2017), AI akan mendukung 95% interaksi pelanggan pada tahun 2025, Online.
Tersedia di:https://aibusiness.com/automation/ai-will-power-95-of-customer-in
teractions-by-2025. Diakses 23 Februari 2023.
Leung, LSK, & Matanda, MJ (2013). Dampak kebutuhan dasar manusia terhadap pemanfaatan
ritel teknologi swalayan: Sebuah studi tentang teori penentuan nasib sendiri.Jurnal
Ritel dan Layanan Konsumen, 20(6), 549–559.
Leong, LY, Hew, TS, Ooi, KB, & Chong, AYL (2020). Memprediksi pendahulunya
kepercayaan dalam perdagangan sosial – Pemodelan persamaan struktural hibrid
dengan pendekatan jaringan saraf.Jurnal Riset Bisnis, 110, 24–40.
Li, C., Shi, X., & Dang, J. (2014). Komunikasi online dan kesejahteraan subjektif di
Mahasiswa Tiongkok: Peran mediasi rasa malu dan kemanjuran diri sosial.
Komputer dalam Perilaku Manusia, 34, 89–95.
Lim, WM, & Rasul, T. (2022). Keterlibatan pelanggan dan media sosial: Meninjau kembali
masa lalu untuk menginformasikan masa depan.Jurnal Riset Bisnis, 148, 325–342.
Liu, W., & Aaker, J. (2008). Kebahagiaan memberi: Efek permintaan waktu.Jurnal dari
Riset Konsumen, 35(3), 543–557.
Liébana-Cabanillas, F., Marinkovic, V., Ramos de Luna, I., & Kalinic, Z. (2018).
Memprediksi faktor-faktor penentu penerimaan pembayaran seluler: Pendekatan
jaringan saraf SEM hybrid.Peramalan Teknologi dan Perubahan Sosial, 129, 117–
130. Lindell, MK, & Whitney, DJ (2001). Akuntansi untuk varians metode umum di
desain penelitian cross-sectional.Jurnal Psikologi Terapan, 86(1), 114–121. Loroz, PS,
& Braig, BM (2015). Keterikatan konsumen pada merek manusia: “Oprah
memengaruhi".Psikologi & Pemasaran, 32(7), 751–763.
Lo, P.-S., Dwivedi, YK, Wei-Han Tan, G., Ooi, K.-B., Cheng-Xi Aw, E., & Metri, B.
(2022). Mengapa konsumen membeli secara impulsif saat live streaming? Analisis
SEM-ANN dua tahap berbasis pembelajaran mendalam.Jurnal Riset Bisnis, 147,
325–
337. Mathis, EF, Kim, HL, Uysal, M., Sirgy, JM, & Prebensen, NK (2016). Efek dari
pengalaman kreasi bersama pada variabel hasil.Sejarah Penelitian Pariwisata, 57, 62–75.
SK Roy dkk.
MacKenzie, SB, & Podsakoff, PM (2012). Bias metode umum dalam pemasaran: Penyebab,
mekanisme, dan solusi prosedural.Jurnal Ritel, 88(4), 542–555. MacInnis, DJ (2011).
Kerangka kerja untuk kontribusi konseptual dalam pemasaran.Jurnal
Pemasaran, 75(4), 136–154.
Meuter, ML, Bitner, MJ, Ostrom, AL, & Brown, SW (2005). Memilih di antara
mode pemberian layanan alternatif: Investigasi uji coba teknologi layanan mandiri
oleh pelanggan.Jurnal Pemasaran, 69(2), 61–83.
Morgan, B. (2018), “10 Implementasi Pengalaman Pelanggan dari Kecerdasan Buatan,”
(diakses 1 Februari 2022).
Mostaghel, R., Oghazi, P., Parida, V., & Sohrabpour, V. (2022). Didorong oleh digitalisasi
inovasi model bisnis ritel: Evaluasi masa lalu dan jalan untuk tren penelitian masa
depan.Jurnal Riset Bisnis, 146, 134–145.
Newman, I. (2000). Konseptualisasi Metode Campuran: Kebutuhan akan Induktif/
Pendekatan Deduktif dalam Melakukan Penelitian.
Ng, F.-Z.-X., Yap, H.-Y., Tan, G.-W.-H., Lo, P.-S., & Ooi, K.-B. (2022). Belanja fesyen aktif
perjalanan: Analisis SEM-ANN analitik prediktif dua tahap tentang perilaku penggunaan,
respons pengalaman, dan penggunaan lintas kategori.Jurnal Ritel dan Layanan
Konsumen, 65, Pasal 102851.
Niemiec, CP, & Ryan, RM (2009). Otonomi, kompetensi, dan keterkaitan dalam
kelas: Menerapkan teori penentuan nasib sendiri dalam praktik pendidikan.Teori dan Penelitian di
Bidang Pendidikan, 7(2), 133–144.
Nitzl, C., Roldan, JL, & Cepeda, G. (2016). Analisis mediasi dalam kuadrat terkecil parsial
pemodelan jalur: Membantu peneliti mendiskusikan model yang lebih canggih.
Manajemen Industri & Sistem Data, 116(9), 1849–1864.
Novak, TP, & Hoffman, DL (2019). Perjalanan hubungan di internet of things: A
kerangka kerja baru untuk memahami interaksi antara konsumen dan objek
pintar.Jurnal Akademi Ilmu Pemasaran, 47(2), 216–237.
Pansari, A., & Kumar, V. (2017). Keterlibatan pelanggan: Konstruk, pendahulunya, dan
konsekuensi.Jurnal Akademi Ilmu Pemasaran, 45(3), 294–311. Peters, D., Calvo, RA, &
Ryan, RM (2018). Merancang untuk motivasi, keterlibatan dan
kesejahteraan dalam pengalaman digital.Perbatasan dalam Psikologi, 9, 797.
Podsakoff, PM, MacKenzie, SB, & Podsakoff, NP (2012). Sumber bias metode di
penelitian ilmu sosial dan rekomendasi tentang cara mengendalikannya.Tinjauan tahunan
psikologi, 63(1), 539–569.
Prentice, C., & Loureiro, SMC (2018). Pendekatan berbasis konsumen terhadap pelanggan
keterlibatan – Kasus merek mewah.Jurnal Ritel dan Layanan Konsumen, 43, 325–
332.
Priyadarshinee, P., Raut, RD, Jha, MK, & Gardas, BB (2017). Memahami dan
memprediksi faktor-faktor penentu adopsi komputasi awan: SEM hybrid dua tahap -
Pendekatan jaringan saraf.Komputer dalam Perilaku Manusia, 76, 341–362. Pengkhotbah,
KJ, & Hayes, AF (2008). Strategi asimtotik dan pengambilan sampel ulang untuk penilaian
dan membandingkan efek tidak langsung dalam beberapa model mediator.Metode penelitian
perilaku, 40(3), 879–891.
Quach, S., Shao, W., Ross, M., & Thaichon, P. (2020). Keterlibatan pelanggan dan kerja sama
menciptakan nilai di media sosial.Intelijen & Perencanaan Pemasaran, 38(6), 730–744.
Raggiotto, F., & Scarpi, D. (2022). Ini Bukan Sekadar Game: Edgework Virtual dan Subjektif
Kesejahteraan di E-Sports.Jurnal Pemasaran Interaktif, 1–13. Ramaswamy, V., &
Narayanan, K. (2022). Ke dalam ayat pengalaman: Strategis
garis depan inovasi bisnis cloud dan penciptaan nilai bersama.Strategi & Kepemimpinan.
https://www.emerald.com/insight/content/doi/10.1108/SL-06-2022-0061/full/h tml.
Ramaswamy, V., & Ozcan, K. (2018a). Penawaran sebagai platform interaktif digital: A
kerangka konseptual dan implikasinya.Jurnal Pemasaran, 82(4), 19–31. Ramaswamy, V.,
& Ozcan, K. (2018b). Apa itu kreasi bersama? Sebuah ciptaan interaksional
kerangka kerja dan implikasinya terhadap penciptaan nilai.Jurnal Riset Bisnis, 84,
196–205.
Ramaswamy, V., & Ozcan, K. (2019). Platform interaktif digital: Mengubah barang
dan layanan ke dalam pengalaman kreasi bersama ritel.Tinjauan Intelijen Pemasaran NIM, 11
(1), 18–23.
Rangaswamy, A., Moch, N., Felten, C., Van Bruggen, G., Wieringa, JE, & Wirtz, J.
(2020). Peran pemasaran dalam platform bisnis digital.Jurnal Pemasaran
Interaktif, 51(1), 72–90.
Reeve, J. (2012). Perspektif teori penentuan nasib sendiri tentang keterlibatan siswa. Di dalam
Buku pegangan penelitian tentang keterlibatan siswa(hal.149–172). Boston, MA: Peloncat. Reeve, J.,
& Halusic, M. (2009). Bagaimana guru K-12 dapat mengemukakan teori penentuan nasib sendiri
prinsip-prinsip ke dalam praktek.Teori dan Penelitian di Bidang Pendidikan, 7(2), 145–
154. Ringle, CM, Wende, S., & Becker, JM (2014). SmartPLS 3. Hamburg: SmartPLS.
Tinjauan Akademi Manajemen, 9, 419–445.
Roy, SK, Balaji, MS, Soutar, G., Lassar, WM, & Roy, R. (2018). Pelanggan
perilaku keterlibatan di pasar individualistis dan kolektivistik.Jurnal Riset Bisnis, 86,
281–290.
Roy, SK, Balaji, MS, Kesharwani, A., & Sekhon, H. (2017). Memprediksi
Internet adopsi perbankan di India: Perspektif risiko yang dirasakan.Jurnal
Pemasaran Strategis, 25(5–6), 418–438.
Sarstedt, M., Ringle, CM, & Rambut, JF (2021). Persamaan struktural kuadrat terkecil parsial
pemodelan. Di dalamBuku Pegangan riset pasar(hal.587–632). Cham: Penerbitan
Internasional Springer.
Sarstedt, M., Ringle, CM, & Rambut, JF (2017). Mengobati heterogenitas yang tidak teramati dalam
PLS-SEM: Pendekatan multi-metode. Di dalamPemodelan jalur kuadrat terkecil parsial(hal.197–
217). Cham : Peloncat.
Sarstedt, M., Rambut, JF, Pick, M., Liengaard, BD, Radomir, L., & Ringle, CM (2022).
Kemajuan dalam penggunaan pemodelan persamaan struktural kuadrat terkecil parsial dalam
riset pemasaran dalam dekade terakhir.Psikologi & Pemasaran, 39(5), 1035–1064.
Scott, JE, & Walczak, S. (2009). Keterlibatan kognitif dengan pelatihan ERP
multimedia alat: Menilai kemanjuran komputer dan penerimaan
teknologi.Informasi & Manajemen, 46(4), 221–232.
1
Jurnal Riset Bisnis 164 (2023) 114001
Sharma, SK (2019). Mengintegrasikan anteseden kognitif ke dalam TAM untuk menjelaskan seluler
niat perilaku perbankan: Pemodelan jaringan saraf SEM.Perbatasan Sistem
Informasi, 21(4), 815–827.
Shmueli, G., Sarstedt, M., Rambut, JF, Cheah, J.-H., Ting, H., Vaithilingam, S., &
Ringle, CM (2019). Penilaian model prediktif dalam PLS-SEM: Pedoman
penggunaan PLSpredict.Jurnal Pemasaran Eropa, 53(11), 2322–2347.
Shulga, LV, & Busser, JA (2021). Penentuan nasib sendiri pelanggan dalam penciptaan nilai bersama.
Jurnal Teori dan Praktek Pelayanan, 31(1), 83–111.
Singh, DKA, Rahman, NNA, Seffiyah, R., Chang, SY, Zainura, AK, Aida, SR, &
Rajwinder, KHS (2017). Dampak permainan realitas virtual terhadap kesejahteraan psikologis dan
kinerja ekstremitas atas pada orang dewasa penyandang disabilitas fisik: Sebuah studi percontohan.
Jurnal Kedokteran Malaysia, 72(2), 119–121.
Singh, J., Nambisan, S., Bridge, RG, & Brock, JKU (2021). Strategi satu suara untuk
keterlibatan pelanggan.Jurnal Penelitian Pelayanan, 24(1), 42–65.
Strayhorn, TL (2008). Kesesuaian dalam: Apakah interaksi yang beragam dengan teman sebaya memengaruhi perasaan
menjadi milik pria kulit hitam di institusi yang didominasi kulit putih?Jurnal Penelitian
dan Praktek Kemahasiswaan, 45(4), 501–527.
Su, L., Swanson, SR, & Chen, X. (2016). Pengaruh kualitas layanan yang dirasakan pada
niat membeli kembali dan kesejahteraan subjektif wisatawan Tiongkok: Peran
mediasi kualitas hubungan.Manajemen pariwisata, 52, 82–95.
Su, L., Swanson, SR, & Chen, X. (2018). Reputasi, kesejahteraan subjektif, dan
tanggung jawab lingkungan: Peran kepuasan dan identifikasi.Jurnal Pariwisata
Berkelanjutan, 26(8), 1344–1361.
Sweeney, JC, Webb, D., Mazzarol, T., & Soutar, GN (2014). Teori penentuan nasib sendiri
dan informasi dari mulut ke mulut tentang perilaku hemat energi: Eksperimen online.Psikologi &
Pemasaran, 31(9), 698–716.
Talukder, MS, Sorwar, G., Bao, Y., Ahmed, JU, & Palash, MAS (2020). Memprediksi
pendahuluan penerimaan teknologi perawatan kesehatan yang dapat dipakai oleh lansia:
Pendekatan gabungan SEM-Neural Network.Peramalan Teknologi dan Perubahan Sosial,
150. Tenenhaus, M., Vinzi, VE, Chatelin, YM, & Lauro, C. (2005). Pemodelan jalur PLS.
Statistik komputasi & analisis data, 48(1), 159–205.
Makam, AG, & McColl-Kennedy, JR (2013). Pelanggan pihak ketiga menulari pelanggan lain
pelanggan baik atau buruk.Psikologi & Pemasaran, 30(3), 277–292. Tsai, TH, Chang,
YS, Chang, HT, & Lin, YW (2021). Berlari dalam latihan sosial
platform: Menerapkan teori penentuan nasib sendiri untuk meningkatkan motivasi berpartisipasi
dalam acara olahraga.Komputer dalam Perilaku Manusia, 114, Pasal 106523.
Tuan, A., Visentin, M., & Di Domenico, G. (2023). Menjembatani Siapa Mereka dengan Siapa
Mereka Mengira Akan Menjadi: Pengaruh Kesejahteraan Subjektif Generasi Z pada Respons
Boikot Mereka terhadap Situasi Tidak Etis Online dan Offline.Jurnal Pemasaran Interaktif.
Valenzuela, S., Taman, N., & Kee, KF (2009). Apakah ada modal sosial dalam jejaring sosial
situs?: Penggunaan Facebook dan kepuasan hidup, kepercayaan, dan partisipasi
mahasiswa. Jurnal Komunikasi yang Dimediasi Komputer, 14(4), 875–901.
Vargo, SL, & Lusch, RF (2008). Logika dominan layanan: Melanjutkan evolusi.
Jurnal Akademi Ilmu Pemasaran, 36(1), 1–10.
Vargo, SL, & Lusch, RF (2016). Institusi dan aksioma: Perpanjangan dan pembaruan
logika dominan layanan.Jurnal Akademi Ilmu Pemasaran, 44(1), 5–23. Van Doorn,
J., Lemon, KN, Mittal, V., Nass, S., Pick, D., Pirner, P., & Verhoef, PC
(2010). Perilaku keterlibatan pelanggan: Landasan teoretis dan arah penelitian.
Jurnal Penelitian Pelayanan, 13(3), 253–266.
Verleye, K., Gemmel, P., & Rangarajan, D. (2014). Mengelola perilaku keterlibatan dalam a
jaringan pelanggan dan pemangku kepentingan: Bukti dari sektor panti jompo.
Jurnal Penelitian Pelayanan, 17(1), 68–84.
Vivek, SD, Beatty, SE, Dalela, V., & Morgan, RM (2014). Sebuah digeneralisasi
skala multidimensi untuk mengukur keterlibatan pelanggan.Jurnal Teori dan
Praktek Pemasaran, 22(4), 401–420.
Vo-Thanh, T., Zaman, M., Hasan, R., Sebaliknya, RA, Lombardi, R., & Secundo, G. (2021).
Bagaimana aplikasi seluler dapat menjadi katalis bagi bisnis sosial yang berkelanjutan:
Kasus Too Good To Go.Peramalan Teknologi dan Perubahan Sosial, 171, Pasal 120962.
Wang, X., Lin, X., & Spencer, MK (2019). Menjelajahi efek motivasi ekstrinsik
tentang perilaku konsumen dalam perdagangan sosial: Mengungkap persepsi konsumen
tentang manfaat perdagangan sosial.Jurnal Internasional Manajemen Informasi, 45, 163–
175.
Wang, G., Tan, G.-W.-H., Yuan, Y., Ooi, K.-B., & Dwivedi, YK (2022). Mengunjungi kembali TAM2
dalam periklanan penargetan perilaku: Analisis SEM-ANN dua tahap berbasis
pembelajaran mendalam.Peramalan Teknologi dan Perubahan Sosial, 175, Pasal 121345
. Xiong, L., Wang, H., & Wang, C. (2022). Memprediksi layanan pemerintah seluler
kelanjutan: Pendekatan pemodelan persamaan struktural dua tahap-jaringan
saraf tiruan.Informasi Pemerintah Triwulanan, 39(1), Pasal 101654.
Zhou, Z., Wang, R., & Zhan, G. (2022). Menumbuhkan kesejahteraan subjektif konsumen
melalui komunitas merek online: Pandangan multidimensi tentang modal
sosial. Jurnal Manajemen Produk & Merek, 31(5), 808–822.
Dr.Sanjit K.Royadalah Associate Professor Pemasaran di UWA Business School di Perth,
Australia. Pekerjaan penelitiannya adalah penelitian mutakhir tentang dampak Kecerdasan
Buatan dan Robotika pada Layanan dan Pengukuran dan Manajemen Pengalaman Pelanggan.
Dia adalah pemimpin pemikiran di bidangnya dan secara rutin berkontribusi dan mengomentari
berita media, termasuk kemunculannya baru-baru ini di 7News dan The West Australian.
Karyanya telah dipublikasikan di jurnal internasional terkemuka sepertiJurnal Manajemen Inggris,
Jurnal Riset Bisnis,Manajemen Pemasaran Industri,Jurnal Pemasaran Eropa,Jurnal Penelitian
Perjalanan,Jurnal Manajemen Pemasaran,Jurnal Internasional Manajemen Informasi,Jurnal
Pemasaran Jasa,Pencarian internet, DanPeramalan Teknologi dan Perubahan Sosialdiantara yang
lain.
SK Roy dkk.
Dradalah Associate Professor di OP Jindal Global University di Sonipat, India. Beliau
meraih gelar PhD di bidang Pemasaran dari NITIE, Mumbai. Penelitiannya telah
ditampilkan dalam jurnal pemasaran yang diakui yaitu;Jurnal Riset Bisnis,Jurnal
Manajemen Pemasaran,Jurnal Pemasaran Strategis,Jurnal Pemasaran Australasia,Jurnal
Sistem Informasi Australasia,Benchmarking: Jurnal Internasional, Jjurnal Pemasaran
dan Manajemen Mode,Jurnal Manajemen Pendapatan dan Harga, DanJurnal
Internasional Manajemen Pendapatan. Dia telah menerbitkan studi kasus dengan Ivey
Publishing dan Studi Kasus Emerald Emerging Markets. Dia ikut menulis buku tentang
studi kasus utama yang diterbitkan oleh Pearson Education. Beliau adalah penerima
beasiswa karir awal dari Australia New Zealand Marketing Academy (ANZMAC). Beliau
adalah penerima beberapa hibah penulisan studi kasus dari UNSW, Australia. Tugas
industrinya selama tiga tahun adalah di Viom Networks Limited, sebuah TATA Enterprise.
Dr. Saalem Sadequeadalah Dosen Pemasaran di Edith Cowan University di Joondalup, Australia.
Beliau menyelesaikan PhD di bidang Pemasaran dari University of Western Australia. Beliau juga
memegang gelar MSc dalam Riset dan Analisis Pemasaran dari Umea University (Swedia) dan
Master of Applied Finance dari Monash University. Sebelum bergabung dengan ECU, beliau
bekerja di University of Western Australia dan CQ University (kampus Perth). Beliau memiliki
pengalaman luas dalam mengajar di tingkat sarjana dan pascasarjana serta mengembangkan
unit baru dan kurikulum kursus. Pengalaman mengajarnya tersebar di institusi pendidikan tinggi
Australia dan luar negeri. Minat penelitiannya mencakup pencitraan merek tempat, pencitraan
merek pendidikan tinggi, pemasaran digital, ritel, dan analisis pemasaran. Dia telah menerbitkan
diJurnal Riset Bisnis,Peramalan Teknologi dan Perubahan Sosial,Jurnal Internasional
Pengurangan Risiko Bencana,Jurnal Internasional Keberlanjutan di Pendidikan TinggiDanJurnal
Bisnis dan Ekonomi Perjudiandiantara yang lain.
Jurnal Riset Bisnis 164 (2023) 114001
Dr.Paul Harriganadalah Associate Professor Pemasaran di UWA Business School di Perth,
Australia. Ia juga merupakan Adjunct Professor di IESEG School of Management. Keahlian
penelitiannya di bidang pemasaran dan sistem informasi, khususnya transformasi digital. Ia telah
mempublikasikan penelitiannya di lebih dari 50 artikel dan buku jurnal internasional, dan
mempresentasikannya di lebih dari 40 konferensi internasional. Karyanya telah muncul diJurnal
Akademi Ilmu Pemasaran,Jurnal Internasional Manajemen Informasi,Jurnal Internasional
Perdagangan Elektronik,Jurnal Riset Bisnis,Peramalan Teknologi dan Perubahan Sosial,Psikologi
& Pemasaran, DanJurnal Manajemen Pemasaran.
Prof Dr Kristof Coussementadalah Profesor Penuh Analisis Bisnis di IÉSEG School of
Management di Lille, Prancis. Ia mendirikan dan memimpin IÉSEG School of
Management Excellence Center for Marketing Analytics (ICMA) yang merupakan pusat
penelitian yang berfokus pada pengembangan lintasan inovasi dalam ilmu data dengan
perusahaan. Karya akademisnya telah diterbitkan di jurnal peer-review internasional
sepertiSistem Pendukung Keputusan, Informasi & Manajemen, Jurnal Internasional
Manajemen Informasi, Jurnal Riset Operasional Eropa, Sejarah Riset Operasi, Sensor,
Komputer dalam Perilaku Manusia, Jurnal Internasional Peramalan, Penambangan
Data dan Penemuan Pengetahuan, Statistik Komputasi & Analisis Data, Pakar Sistem
dengan Aplikasi, Sistem Berbasis Pengetahuan, Kebijakan Penelitian, Jurnal Manajemen
Inovasi Produk, Jurnal Riset Bisnis, Jurnal Riset Periklanan, Manajemen Pemasaran
Industri, Jurnal Manajemen Pemasaran, Jurnal Pemasaran Eropa, diantara yang lain.
Minat penelitian utamanya adalah semua aspek dalam analisis bisnis dengan fokus pada
penyematan data tekstual dalam konteks pemodelan prediktif.