MétaCan
Menu
Retour à la cohorte
Enregistrement W3175686559 · doi:10.1177/10946705211022841

Demand-Enhancing Services for Tangible Products in a Distribution System With Online and Off-Line Channels

2021· article· en· W3175686559 sur OpenAlexaff
Guiomar Martín‐Herrán, Simon Pierre Sigué

Notice bibliographique

RevueJournal of Service Research · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensAthabasca University
Organismes subventionnairesConsejería de Educación, Junta de Castilla y León
Mots-clésBusinessOutsourcingDelegateService providerMarketingContext (archaeology)Service (business)Product (mathematics)WarrantyBusiness service providerControl (management)Industrial organizationComputer scienceService design

Résumé

récupéré en direct d'OpenAlex

Services such as delivery, warranty, and product returns that are bundled with various tangible products play a critical role in their market performance. As manufacturers strive to streamline operations and deliver consistent services across channels, this article analytically examines whether those who sell their products directly online and off-line through retailers should direct control, delegate to retailers, or outsource to third parties the delivery of these services. Our main findings are as follows. Manufacturers should not outsource demand-enhancing services to third parties if they do not ensure relatively low operating costs, as they reduce the level of service provided to customers. Assuming no channel partner has a cost advantage in service delivery, manufacturers should directly control the provision of services that are used identically by online and off-line customers. Manufacturers may not be able to directly and cost effectively offer services that are used differently by online and off-line customers. In such a context, depending on the relative sizes of off-line and online market bases, retailers may be considered either as single providers of the service for both online and off-line customers or jointly with manufacturers as providers for off-line customers only. We discuss the implications of these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,002

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 Opus0,075
Tête enseignante GPT0,334
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Service ResearchMême sujetConsumer Retail Behavior StudiesTravaux en français237 207