MétaCan
Menu
Retour à la cohorte
Enregistrement W2309134478 · doi:10.1108/jbim-08-2014-0156

Multiple marketing plans: an analytical template

2016· article· en· W2309134478 sur OpenAlexaff
Lindsay Meredith

Notice bibliographique

RevueJournal of Business and Industrial Marketing · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMarketingBusinessDistrustStakeholderAdversarial systemOriginalityMarketing researchValue (mathematics)Marketing strategyBusiness marketingPublic relationsQualitative researchComputer scienceSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to introduce a template to guide practitioners in the creation of multiple marketing plans that are intended to target different groups of stakeholders – some of whom are supportive, others adversarial, namely, the business-to-business (B2B) marketer’s agenda. Design/methodology/approach The methodology involved a combination of purposeful sampling, real-time participatory observation, action research and secondary data analysis. The main method of this research is analytical and conceptual with the objective of identifying the diverse groups of stakeholders with whom business marketers must interact. Findings In cases where multiple marketing plans were used for different stakeholder groups, B2B firms encountered lower levels of negative attribution from social network systems, mass media and subsequently public and governmental stakeholders. Originality/value This paper suggests the need for multiple marketing plans that target not only supportive customers but also neutral and adversarial stakeholders who represent a source of negative attribution because they have the potential to derail or even destroy the B2B firm’s marketing agenda. It is suggested that practitioners must also address those stakeholders who distrust or even dislike their firm and its marketing objectives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,059
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,059
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0070,011
Communication savante0,0120,017
Science ouverte0,0040,009
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,067
Tête enseignante GPT0,265
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business and Industrial MarketingMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207