MH
Mohammad Habibi
Author with expertise in Impact of Social Media on Consumer Behavior
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
10
(20% Open Access)
Cited by:
2,781
h-index:
21
/
i10-index:
29
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

To be or not to be in social media: How brand loyalty is affected by social media?

Michel Laroche et al.Aug 14, 2012
There is an ongoing debate over the activities of brands and companies in social media. Some researchers believe social media provide a unique opportunity for brands to foster their relationships with customers, while others believe the contrary. Taking the perspective of the brand community building plus the brand trust and loyalty literatures, our goal is to show how brand communities based on social media influence elements of the customer centric model (i.e., the relationships among focal customer and brand, product, company, and other customers) and brand loyalty. A survey-based empirical study with 441 respondents was conducted. The results of structural equation modeling show that brand communities established on social media have positive effects on customer/product, customer/brand, customer/company and customer/other customers relationships, which in turn have positive effects on brand trust, and trust has positive effects on brand loyalty. We find that brand trust has a fully mediating role in converting the effects of enhanced relationships in brand community to brand loyalty. The implications for marketing practice and future research are discussed.
0
Paper
Citation771
0
Save
0

Stochastic Optimal Reconfiguration and Placement of Photovoltaic Systems in Distribution Networks: A Real Case Study

Mehrnaz Najafi et al.Jan 1, 2024
In this paper, a stochastic multi‐objective (MO) modeling for the optimal reconfiguration and placement of photovoltaic (PV) systems in distribution networks (DNs) is presented. The main objectives are to jointly maximize the profit of generating companies (GenCos) as well as to minimize the distribution company’s (DisCo) costs and the expected interruption cost (ECOST). This approach can provide numerous economic and technical advantages for all players in the restructured power system, including GenCos, DisCos, and customers. To attain more practical and accurate results in the simultaneous placement of PVs and reconfiguration, uncertainties are considered in the problem formulation. To cope with the stochastic behavior of PV systems, electricity prices, and demands in the DN, the scenario approach is used. The proposed optimization problem is solved by the dragonfly algorithm (DA) and the best compromise solution is chosen using a fuzzy satisfying criterion. The results are also compared with the particle swarm optimization (PSO) algorithm. To confirm the effectiveness of the proposed MO model, it is implemented on the IEEE 33‐bus DN and simulated in various case studies. The model is also applied to a real DN. The results confirm that the proposed model gives a more desired schedule than previous approaches, as all players in the DN including the PV owners, DisCo, and customers are satisfied at the same time.