MétaCan
Menu
Retour à la cohorte
Enregistrement W2912155953 · doi:10.1142/s1363919620500127

THE INNOVATION VALUE CANVAS: A GUIDE TO DEFINING VALUE PROPOSITIONS AND TARGET CUSTOMERS FOR COMMERCIALIZATION OF TECHNOLOGICAL INNOVATIONS

2019· article· en· W2912155953 sur OpenAlexaff
Hossein MahdaviMazdeh, Loren Falkenberg, Madelynn Stackhouse

Notice bibliographique

RevueInternational Journal of Innovation Management · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCommercializationValue propositionBusiness modelValue (mathematics)Value captureOpen innovationValue creationBusinessMarketingIndustrial organizationPropositionTechnological changeProduct innovationEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Many innovations result from firms following theories and models of innovation such as disruptive innovation, blue ocean innovation, etc. Yet, there are many other innovations that are not developed through these models and rather stem from technological pushes and research and development efforts. The commercial success of these innovations is contingent upon existence of a good fit between the technological innovation and the accompanying business model. To date, this fit has been mostly sought through trials and errors. In this paper, we develop a framework for analytically choosing and aligning two important components of the business model — value proposition and target market — to fit the technological innovations. We illustrate the framework using case examples of products in the market.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,292
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation ManagementMême sujetInnovation and Knowledge ManagementTravaux en français237 207