Analisis Pemasaran Sepatu Boots (Studi Kasus Di Tegep Boots, Bandung)
Notice bibliographique
Résumé
Perusahaan Tegep Boots merupakan salah satu perusahaan yang bergerak dalam industri alas kaki di Bandung yang memanfaatkan ceruk yang terdapat di pasar. Perusahaan ini berdiri pada awal tahun 2000 yang merupakan sebuah perusahaan home industri. Perusahaan ini mempunyai kesulitan dalam memenuhi target penjualan yang telah ditetapkan oleh manajemen perusahaan.Target penjualan Tegep Boots didapatkan berdasarkan data masa lalu dan adanya pangsa pasar baru yang ingin dimasuki. Target penjualan rata-rata dari Tegep Boots pada tahun ini ialah sebanyak 1000 pasang/tahun, sedangkan sampai saat ini hanya mencapai 850 pasang/tahun. Masalah lain yang dihadapi ialah target dan segmen pasar dari perusahaan belum jelas, strategi pemasaran yang digunakan belum tepat, kemampuan produksi perusahaan masih sedikit, masyarakat luas belum terlalu mengenal produk-produk dari Tegep Boots, adanya pesaing dari produk sepatu yang menawarkan produk sepatu yang modern dan nyaman dipakai.. Penelitian ini ditujukan untuk mengetahui variabel-variabel apa saja yang dibutuhkan untuk dapat menentukan keinginan konsumen dalam membeli sepatu produk Tegep Boots, mengetahui kesenjangan antara persepsi dan harapan, dan mengetahui upaya–upaya yang perlu dilakukan pihak manajemen untuk mencapai target penjualan ditinjau dari segi kesenjangan, kekuatan, kelemahan, peluang dan tantangan. Variabel penelitian yang digunakan berdasarkan pengembangan bauran pemasaran 7P (Product, Price, Place, Promotion, People, Process, and Physical Evidence). Pengumpulan data dilakukan dengan melakukan observasi,wawancara, dan penyebaran kuesioner. Penyebaran kuesioner ditunjukan pada responden yang pernah membeli atau datang ke toko Tegep Boots. Teknik sampling yang digunakan adalah dengan teknik purposive sampling. Metode-metode pemecahan masalah yang digunakan ialah dengan pengujian hipotesis, analisis matriks IPA dan analisis matriks SWOT. Dari hasil penyebaran kuesioner penelitian didapatkan variabel-variabel yang dibutuhkan untuk dapat menentukan keinginan konsumen dalam membeli sepatu boots. Dari pengujian hipotesis didapatkan hasil bahwa terdapat kesenjangan antara persepsi dan harapan konsumen yang signifikan sehingga dilanjutkan dengan melakukan analisis matriks IPA untuk melihat variabel-variabel yang menjadi prioritas perbaikan dan perlu dipertahankan oleh perusahaan. Berdasarkan analisis SWOT, dapat diketahui strategi yang diglongkan ke dalam 4 strategi yaitu strategi SO, WO, ST, dan WT. Adapun usulan yang diberikan kepada Tegep Boots ialah melakukan pengembangan produk sesuai dengan keinginan konsumen pada ceruk yang dimasuki, membuat sistem member yang menguntungkan kedua pihak, lokasi toko tidak perlu dipindahkan, melakukan kerjasama secara kontinyu dengan para desaigner ternama untuk dipromosikan dalam fashion show, menguatkan promosi melalui situs web, memperbaiki kinerja karyawan secara keseluruhan dan mem- perhatikan saran/ keluhan konsumen, memperbaiki sistem pengiriman, dan melakukan pembersihan ruangan secara rutin.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».