Empirical Determinants of the Choice of Intermediaries by Selected Multinationals Operating in Nigeria’s Food/Drinks Market
Notice bibliographique
Résumé
This study examines in an empirical manner variables that producers tend to consider in order to determine the choice for a profitable business in the entire distributive process. This endeavor however poses a number of problems for the producers. Seven problems were however identified around which objectives, research questions and hypotheses were generated. In order to provide solutions, descriptive research design was adopted. A sample of 5 (five) multinational companies with well over 30 years of operations in Nigeria, N100billion in Assets, with extensive distributive networks across the country were used for the study. Each of these companies fundamentally operates a network of over 100,000 intermediaries across the nation on a sustainable basis. The instrument for data collection from respondents was a closed-ended questionnaire, piloted for reliability and validity tests. On the strength of these tests, the instrument was adjudged suitable for data collection. Five (5) of the variables investigated, turned up significant. Intermediary’s Knowledge of Product, Market and Customer; Financial Standing of Intermediary and Extent of Competitive and Complementary products being carried by an Intermediary tied as the three most important determinants in producers’ selection of intermediaries. Other determinants are as indicated under the discussion and conclusion. Findings revealed the extent to which each of these empirical factors effectively and efficiently determine the choice of marketing intermediaries in the multinational companies surveyed. Our conclusions and recommendations are relevant to other developing countries especially in Africa.
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 | 0,011 |
| 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 | 0,001 |
| 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 ».