Customer Value Creation for the Emerging Market Middle Class: Perspectives from Case Studies in India
Notice bibliographique
Résumé
This paper examines the customer value creation framework and discusses the design of the key elements for product development in emerging markets. A scientometric/bibliometric scoping literature review identifies a clear gap in the current research in studying prerequisites for customer value creation in emerging market contexts. Observing experiences of Daikin and Renault in the context of India, the purpose of this paper is to identify value creation strategic choices following which comprehensive customer value offerings in products and services can be successfully created by firms across the four facets of the framework in emerging markets. Value creation strategies include having a nuanced understanding of the latent contextual needs to offer localized high-quality products that embody distinct functional attributes that provide a functional value and being responsive to specific emotional needs and epistemic experiences of the target customers in product and service offerings to deliver a greater experiential value. Furthermore, the products should adopt a localized operational excellence strategy throughout the value chain to reduce costs for competitive price offerings in order to deliver superior cost value and develop brand image and equity strategy, thereby allowing for the provision of a greater symbolic value. Experiences of successful firms demonstrate the need for extensive local research into the emerging market followed by localization of production and development of a distribution network to be able to offer customized products at competitive prices whilst maintaining the brand value. We thus extend the customer value creation framework by introducing localization as a necessary condition for successful organizational performance in emerging 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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».