How do business-to-business companies use Twitter? A case study of global forest and paper product companies' tweets
Notice bibliographique
Résumé
The objective of this study is to find out how business-to-business companies are using social media through a case study of global forest and paper product companies' use of Twitter. Previous social media research has placed focus on business-to-consumer types of organizations and this study aims to add to research of business-to-business types of organizations' use of social media through study of Twitter content. The intention of this study is to answer two main research questions and two sub questions. The first main research question: (1) How do forest and paper product companies use Twitter?, is answered by two sub questions: (1a) What different types of content do forest and paper product companies publish on Twitter?, and, (1b) Do forest and paper product companies use elements that support interaction on Twitter? The second research question asks: (2) Are there differences between North American and Northern European companies? This research project uses a quantitative content analysis to study the content of tweets and find differences between the chosen companies. This study looks at the 713 tweets published by 16 forest and paper product companies from Canada, Finland, Sweden and the United States of America. Dialogic principles are used to study the use of interaction supporting elements. The main use of Twitter as a communication channel is defined through three main categories composed of fifteen individual tweet types. The main findings of this study are: (1) forest and paper product companies use Twitter to inform the public, (2) forest and paper product companies use interaction supporting elements in their tweets and (3) North American forest and paper product companies use Twitter to build rapport and interact with the public and (4) Northern European forest and paper product companies use Twitter to inform the public. These findings implicate that (1) the nationality of a company affects the use of social media, (2) Twitter is not used for mobilization of audiences and (3) business-to-business companies use information messages to both inform and spread a positive image of themselves to the public.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».