MétaCan
Menu
Retour à la cohorte
Enregistrement W2122714989 · doi:10.3917/riges.344.0071

Nouvelles technologies de l'information et de la communication, nouvelles stratégies marketing

2009· article· fr· W2122714989 sur OpenAlexvenueno aff
Laurence Attuel‐Mendès, Djamchid Assadi

Notice bibliographique

RevueGestion · 2009
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Résumé L’approche client et la relation client sont bouleversées par les nouvelles technologies de l’information et de la communication. Ainsi, Internet permet aux sociétés de personnaliser davantage leurs produits, leurs services et leur communication. S’appuyant sur des banques de données sophistiquées, Internet permet aussi de créer un lien avec chaque client et de lui offrir des produits et des services personnalisés. De plus, Internet peut faire participer les clients aux transactions de services, leur proposer de rester en contact avec le site de l’entreprise ou négocier en ligne. Par ailleurs, le Web 2.0 amène des sociétés à pratiquer un marketing communautaire en donnant la possibilité aux internautes de clavarder avec d’autres internautes ou de leur transmettre par courriel des composantes du site. Cet article décrit ces récentes tendances électroniques dans l’approche client en comparant les sites Web de sociétés bancaires françaises et américaines. Ensuite, les atouts et les limites de ces innovations dans la relation client sont traités. Finalement, nous offrons des conseils afin d’aider les entreprises à optimiser l’usage et les retombées de ces nouvelles stratégies marketing : continuer à miser sur le marketing individualisé, connaître et respecter les obligations légales, sonder et former les employés au sujet des nouvelles stratégies marketing et de la nouvelle relation client et, enfin, sonder les clients et les internautes pour mieux répondre à leurs attentes. Secteur : banque et finance Options : GRH, marketing, finance

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,861

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 savante0,0010,004
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 Opus0,009
Tête enseignante GPT0,239
Écart entre enseignants0,230 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGestionMême sujetService and Product InnovationTravaux en français237 207