MétaCan
Menu
Retour à la cohorte
Enregistrement W3174471512 · doi:10.37535/104001120216

Perencanaan Model Bisnis pada UMKM dalam Mengembangkan Oleh-oleh Khas Bekasi

2021· article· id· W3174471512 sur OpenAlexaff
Jati Paras Ayu

Notice bibliographique

RevueJournal of Research on Business and Tourism · 2021
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesBusiness administrationBusinessBusiness Model CanvasMarketingBusiness modelArt

Résumé

récupéré en direct d'OpenAlex

Penelitian ini bertujuan untuk mengidentifikasi model bisnis yang digunakan oleh bisnis kuliner Bekasi Salaku dengan menggunakan business model canvas. Identifikasi dilakukan dalam 9 elemen dalam business model canvas yaitu customer segments, value proposition, channels, customer relationship, revenue streams, key resources, key activities, key partnership, dan cost structure. Penelitian ini menggunakan pendekatan kualitatif dan metode penelitian ini adalah studi kasus. Pengumpulan data primer pada penelitian ini dilakukan yaitu dengan menggunakan wawancara. Hasil penelitian yang ditemukan ialah belum adanya perencanaan Business Model Canvas yang memenuhi 9 elemen model bisnis, oleh karena itu peneliti membantu membuatkan atau merencanakan usaha kuliner khas Bekasi Salaku ke dalam 9 elemen model bisnis. Setelah merancang dari 9 elemen model bisnis Salaku miliki maka hasil simpulan dan saran yang dapat diberikan yaitu, Salaku perlu membuat strategi marketing yang lebih gencar dan menarik untuk memasarkan produk yang spesifik kepada pasar yang potensial. Strategi marketing yang lebih gencar seperti membuat suatu jadwal posting Sosial Media dalam satu timetable lalu bekerja sama dengan banyak Lembaga terkait seperti Dinas Pariwisata daerah, lalu memasarkan produk yang menarik yaitu membuat design postingan sosial media yang lebih atraktif dari warna dan angle foto lalu mengemas produk yang sesuai pada tren saat ini.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,091
Tête enseignante GPT0,371
Écart entre enseignants0,281 · 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.

Devis d'étudeSans objet
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research on Business and TourismMême sujetSMEs Development and Digital MarketingTravaux en français237 207