MétaCan
Menu
Retour à la cohorte
Enregistrement W1561659128

Surrogate Buyers in Corporate Buying of Luxury Hotel Rooms

2012· article· en· W1561659128 sur OpenAlexaboutno aff
Ajith K Thomas, Philip James

Notice bibliographique

RevueEuropean Journal of Business and Management · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarketingBusinessTourismHospitalitySample (material)Hotel industryStakeholderQuarter (Canadian coin)Hospitality industryAdvertisingEconomicsManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Hotel industry is a significant stakeholder in the Indian tourism sector. According to Knight Frank research, 2008 Indian hotel industry is currently adding about 42,022 five and four star category rooms in the major cities. Hotel demand has grown much faster than supply, but the need to market the hotels, optimally remains. The persons who handle the travel arrangements for corporate houses are not buying the hotel services for their own personal use. This is the reason why, they can be termed as surrogate buyers. An identification of the how these surrogate buyers contribute to sales of luxury hotels, is what the researchers are trying to establish through this research. A study of a stratified sample of Sales Managers of all the hotels which fall into the luxury category of hotels in the city of Kochi, Kerala is undertaken during the first quarter of 2012, using the tools like a questionnaire and personal interview of Sales managers of these hotels. Thus the observations were arrived at. Hotel managers have to recognize this fact and should try to pamper these surrogate buyers by creation of business relationships. Also we would like to argue that that out of all the room business received from corporate, almost all (up to 95%) are routed through these surrogate buyers and they are definitely a business source. Managing them can surely bring additional business for any luxury hotel. Keywords: Hotel, Bookers, Surrogate buyers, Corporate business

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,197
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Business and ManagementMême sujetIslamic Finance and Banking StudiesTravaux en français237 207