SWOT Analysis of Web 2.0 Entrepreneur Strategy in Enhancing Competitive Advantage: A Case Study of IACE Food Start-up Business in Surakarta
Notice bibliographique
Résumé
Web 2.0 technology that supports social media is now one type of media used in marketing strategies for entrepreneurs that is considered effective because of its worldwide impact. The wide range of businesses offered through social media today are not always well-known brands but also start-up endeavors. Analysis of data from social media can provide information that is very useful for a business, but maybe it is a beginner’s business able to compete in the market with this marketing strategy? This study provides evidence of how effective SWOT analysis of social media strategy can improve a business’ competitive advantage. The research data obtained are qualitative data relating to the use of social media (Instagram and website) from the results of interviews with employees of start-up businesses engaged in the field of food and which are members of food start-up of the Indonesia Agency for Creative Economy (IACE) that is well-known as BEKRAF (Badan Ekonomi Kreatif) in Surakarta. The research was carried out by conducting SWOT analysis of social-media usage data and then through strategy formulation, separating the strategies referring to cost advantage and differentiation advantage. The researchers present the results of the research by providing recommendations for social-media strategies to achieve competitive advantage for start-up entrepreneurs in Surakarta. Keywords: SWOT, Web 2.0, food start-up business, competitive advantage, entrepreneur
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».