Assessing industry differences in marketing innovation using multi-level modeling
Notice bibliographique
Résumé
Purpose Currently, the bulk of research on marketing innovation focuses on various firm-level dimensions using relationships from the technological (product and process) innovation literature. Research on industry-level differences in marketing innovation is lacking. Testing relationships form the technological paradigm in the context of the marketing innovation paradigm is also lacking. This paper aims to present empirical evidence on both aspects using a large-scale data set. Design/methodology/approach This study uses two large-scale datasets, each consisting of approximately 4,000 Canadian enterprises in 18 industries. The data was collected by Statistics Canada in 2009 and 2012 through its nationwide Survey of Innovation and Business Strategies program. Two widely used theoretical frameworks, resource-based view of the firm and the competitive perspective, are used to generate constructs and hypotheses in relation to marketing innovation. The data was analyzed using multi-level logistic regression. Findings The findings show that industry-level competition is a much more important driver of marketing innovation than firm-level competition. The authors also show that marketing constructs that are significant in the context of technological innovation are also significant for marketing innovation. Research limitations/implications This study extends the firm-level literature by providing evidence of how industry-level dynamics enhances marketing innovation. The study also provides empirical evidence from Canadian enterprises that complement those from other countries. Practical implications A deeper understanding of the drivers of marketing innovation can enable managers to enact innovation strategies that can enhance organizational performance, differentiate themselves and enhance customer engagement and brand image. Originality/value As one of the few studies to examine industry-level differences in marketing innovation, the authors show that disaggregating competition into industry-level and firm-level provides a clearer picture of how competition advances marketing innovation. Additionally, this study is the first of its kind to provide empirical evidence on Canadian enterprises, thereby complementing evidence on marketing innovation from other countries. Thus, this study makes a theoretical and empirical contribution to the emerging marketing innovation literature.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».