MétaCan
Menu
Retour à la cohorte
Enregistrement W3044745487 · doi:10.5539/ibr.v13n8p66

A Longitudinal Study of American and Canadian Convenience Store Marketing Strategies

2020· article· en· W3044745487 sur OpenAlexvenueaboutno aff
Lise Héroux

Notice bibliographique

RevueInternational Business Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMarketingBusinessQuality (philosophy)Marketing mixService (business)Advertising

Résumé

récupéré en direct d'OpenAlex

Convenience stores are part of the Canadian and American landscape. Consumers depend on them for fuel, coffee, tobacco, snacks, fast-food, bathrooms, and more. Convenience stores account for more than one third of the retail brick-and-mortar sales. Yet, there is a paucity of marketing research on this retail format. The present study examines the marketing strategies of convenience stores in 2008 and 2018, assessing the changes in strategy over a decade in the U.S. and Canada. The findings indicate that convenience stores in both regions have been able to offer products and services that will bring about repeat sales and increase their profitability. Convenience stores offer customers time saving while providing what they value most: fast service, expedient locations, quality customer service and an adapted marketing mix.  Although there were more similarities than differences in marketing strategies in both regions, Quebec convenience stores were the most effective in implementing their marketing mix and adapting their strategy. Implications for convenience stores are discussed.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,818

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,132
Tête enseignante GPT0,372
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetConsumer Retail Behavior StudiesTravaux en français237 207