Purchasing Higher-Value, Higher-Price Offerings in Business Markets
Notice bibliographique
Résumé
Purpose: A conceptual framework is proposed and tested to better understand customers' purchase of higher-value, higher-price offerings in business markets. Ambiguity about superior value and consequences of obtaining superior value are the constructs in this framework. Ambiguity about superior value is meant to capture the concern and doubt that managers at customer firms have about whether their business will actually realize the cost savings or ability to earn incremental revenue and profits that suppliers claim for their offerings. Consequences of obtaining superior value refers to the outcomes that a customer manager anticipates or experiences in making a purchase decision for higher-value, higher-price offerings. Methodology: Two operationalizations of each construct are studied in a pair of experiments with purchasing managers and plant maintenance managers. Findings: Value evidence and incentive to change each receive significant support as mechanisms to reduce ambiguity about superior value. Notably, reference customers and pilot programs appear to be equally effective as value evidence in reducing ambiguity about superior value. In addition, the results provide strong empirical support that incentive to change operates as a threshold phenomenon, as predicted from social judgment theory. While no significant differences in purchase preferences are found for area of responsibility (purchasing versus plant maintenance managers), significant support is found for performance review and reward system as a manipulation of consequences of obtaining superior value. Contribution: The conceptual framework and empirical results significantly contribute to our understanding of how suppliers in business markets can use monetary as well as nonmonetary means to persuade customers to purchase higher-value, yet higher-price offerings.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».