The Value of Long-term Relationships when Selling to Informal Retailers - Evidence from India
Notice bibliographique
Résumé
Attempts to distribute durable, life-improving goods to customers at the Base of the Pyramid (BoP) – the more than three billion customers who live on less than US$2.50/day – through traditional supply chains or e-commerce have struggled to succeed at scale. One hypothesis for why distributors struggle to scale last-mile distribution is poor relationship management with small informal retailers, who are the primary source of retail purchases for BoP customers. These retailers are often embedded within communities, where local and long-term relationships are particularly important to business transactions. We provide empirical evidence for this hypothesis through an analysis of panel data from a distributor selling to 331 formal retailers and 493 informal retailers in India from April 2016-December 2019. Specifically, we study the role of long-term relationships in selling durable goods to informal retailers, by leveraging a staged natural experiment that allows us to examine the effect of a sales agent reallocation on subsequent orders placed by informal and formal retailers. Using two different quasi-experimental methods, we find that formal retailers experience an average performance decrease of at least 35.7% relative to predicted order value and then recover within three sales cycles of a sales agent reallocation; in contrast, informal retailers experience an average performance decrease of at least 70.4% relative to predicted order value, and do not experience sustained recovery within five sales cycles of a sales agent reallocation. This indicates that business relationships, and disruptions to these relationships, are particularly important when selling to retailers in informal markets.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».