Advanced services and differentiation advantage: an empirical investigation
Notice bibliographique
Résumé
Purpose This study theoretically articulates and empirically validates a model of relationships between market complexity (competition intensity, heterogeneity and technological change), strategic focus on product and service differentiation, ADS offerings and differentiation advantage. Design/methodology/approach The authors develop and test hypotheses through structural equation modeling based on data from the Sixth International Manufacturing Strategy Survey (IMSS-VI), involving 931 manufacturers from 22 countries. Findings The results indicate that (1) market complexity has a positive impact on strategic focus on product and service differentiation; (2) focus on product and service differentiation, but not market complexity, has a positive impact on the extent to which business units offer ADS to their customers; (3) ADS have a positive impact on service differentiation advantage, but no influence on product differentiation advantage. Practical implications Managers should incorporate decisions related to ADS provision as part of their manufacturing strategy formulation processes to align markets, strategic focus on product and service differentiation, and ADS provision. ADS seem an appropriate lever for market differentiation, because they appear not only to support service differentiation advantage, but also to be consistent with strategic focus on product differentiation. Originality/value The study provides novel insights and large-scale empirical evidence on the influence of the market environment on the offering of ADS, as well as on how relationships between the product and service activity in the manufacturing organization may affect differentiation advantage.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».