MétaCan
Menu
Retour à la cohorte
Enregistrement W2990882691 · doi:10.5539/ijms.v11n4p91

Introducing Investment Promotion: A Marketing Approach to Attracting Foreign Direct Investment

2019· article· en· W2990882691 sur OpenAlexvenueno aff
Bamituni E. Abamu

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarketingPromotion (chess)BusinessForeign direct investmentInvestment (military)Marketing researchMarketing mixEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper introduces the concept of investment promotion, a form of marketing used by national governments to attract foreign investments into their country. While it is not a new concept, it barely makes it to academic literature. The paper brings investment promotion to the forefront for the purpose of creating a research interest in this topic and also contributes to the development of literature. It attempts to integrate investment promotion activities into already established marketing models and frameworks and set a marketing research agenda on the topic. Since attracting foreign investment is a policy and country situation issue, this paper will support and serve as a reference for governments as they design foreign investment policies and improve the attractiveness of their country as an investment destination using marketing tools. The paper first discusses the influence of marketing on investment promotion and how investors should be viewed as consumers who have needs to be satisfied. Various frameworks and concepts like the consumer decision-making process, market segmentation and marketing communications mix are discussed to show how they can be applied in investment promotion. The application of marketing concepts and theories has been beneficial in the business world, and this paper argues that there are potential benefits for countries who decide to apply the same concept and theories to attract investors.

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)0,007
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,031
Tête enseignante GPT0,272
Écart entre enseignants0,241 · 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'étudeObservationnel
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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetInternational Business and FDITravaux en français237 207