Corporate listening: unlocking insights from VOC, VOE and VOS for mutual benefits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Comparatively, while the voice of customers, employees, and other stakeholders have been identified as key components of corporate and marketing communication, little attention has been paid to how organizations listen to, make sense of, and use the information provided. The research reported in this article examined how a multinational corporation and its subsidiaries listen to their customers, employees, and other stakeholders and explored how corporate listening can be improved for mutual benefits. Design/methodology/approach This article reports participatory action research within a multinational corporation operating in Europe, Canada and Australia, which set out to become a “listening organization” to improve its relationships and performance. The research was informed by interviews, observation, content analysis of relevant documents, and critical reflection. Findings This analysis illustrates the need for and benefits of looking beyond statistical data to analyze textual, aural and visual data available from call centers, open-end survey comments, complaints, correspondence, social media and other sources, and it identifies methods, tools and technologies for ethical insightful corporate listening. Research limitations/implications This article advocates a “turn” from a focus on voice to focus on listening, noting that expression of the voice of customers, employees and other stakeholders has no value to them or organizations without active listening. Originality/value This paper reports an in-depth study of corporate listening to multiple stakeholders and identifies opportunities for increased insights and understanding that can lead to tangible benefits for both organizations and their stakeholders.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 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 découle