Potential of the social media as instruments of higher education marketing: a segmentation study
Notice bibliographique
Résumé
The importance of social media as platforms of social interaction, communication and marketing is growing. Increasing numbers of businesses in various industries have already integrated or plan to integrate social media applications into their marketing programs. Higher education institutions show increased interest in the potential of social media as a marketing tool. Particularly important is the potential of these tools to reach and attract future students. An important issue for research is to understand how potential students use social media and what their role is in the decision making process of choosing a program of study, a University, or College. This paper identifies market segments among future students based on the use of the social media and examines the impact of the social media on the choice of a higher education program and institution. The study is based on data collected by means of a national survey among future university students in the Netherlands. Future students are pupils from the last two years of secondary education. Market segmentation was carried out based on the use of social media, by means of a cluster analysis and a factor analysis; the latter proved to be the best choice since it produced more differentiated market segments. The findings indicate the existence of three distinct segments in the population of future students in the Netherlands on the basis of social media use. Another major finding of the study is that future students are mostly interested in social interaction and information seeking when using social media, while the content contributed by this group is limited to photo and video sharing. Compared to traditional communication channels social media still play a secondary role in the students' choice. While penetration of social media is extremely high among future students, the impact of these in the choice of study and institution is relatively low compared to more traditional forms of university marketing. This paper provides university marketers with a useful insight into the developments in the market and discusses various options and opportunities for engaging social media as effective marketing tools.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».