Salesforce control system in high‐tech contexts: do environment and industry matter?
Notice bibliographique
Résumé
Purpose Aims to examine the influence exerted by two key actors – sales person and sales manager – on the salesforce control system used by high‐tech industries. First, since these industries evolve in a highly turbulent environment, external conditions can be expected to modify the relationships between the antecedents and the control system. Also seeks to study the differences in two industries' reactions to an uncertain environment. Design/methodology/approach The investigation was empirical, and a total of 200 managers were surveyed across two industries (the computer and the electrical/electronic industries) in the province of Quebec, Canada. Findings Results suggest that both sales person and sales manager characteristics predict the control system. Second, environment uncertainty and technological turbulence modify the relationships between most of the antecedents and the control system. Third, few differences were found in how the two industries respond to a turbulent environment. The results cannot be generalized, mainly because of the geographical context of this research, meaning that their use is somewhat limited for managers in other regions. The findings nonetheless give managers insight into which characteristics influence the control system and how environment influences the relationships investigated. Originality/value Contributes to the marketing literature since it is the only study other than Krafft's that measures the direct effects that the two key actors exert on the control system. This research is also the first to empirically show the indirect effects attributable to environment. The results are exploratory and should be replicated in other contexts to improve their external validity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».