Pengaruh Strategi Digital Marketing Terhadap Minat Beli Konsumen Di Era Pandemi Covid-19
Notice bibliographique
Résumé
Shopee is a marketplace from Singapore, and has started to expand the Southeast Asian market since 2015 including Indonesia. Lifestyle changes amid the pandemic have increased the use of digital media to support online shopping activities. The number of E-commerce usage has increased by 38.3% during the Covid-19 pandemic which started from January to July 2020. Shopee, which is under the auspices of the SEA Group company, is able to get the attention of consumers in Indonesia. It is known that in the first quarter of 2020 Shopee received 71.5 million visits and in the second quarter of 2020 there were 93.4 million visits with the number of orders entering the number of 260 million orders or an increase of 130% from the previous. The purpose of this study is to find out what digital marketing strategy is being carried out by Shopee, and how it affects consumer buying interest, especially in West Java Province during the Covid-19 pandemic, as well as what efforts can be made by Shopee to improve digital marketing strategies. they. Based on the results of the research, it is known that there are 3 digital marketing strategies carried out by Shopee, namely marketing techniques that are in accordance with the trend, maximizing digital media as a place of promotion, and implementing the 4C marketing mix which has influenced consumer buying interest by 51.50% and the remaining 48. ,50% is influenced by other factors not examined in this study such as needs, quality products, and so on.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,009 |
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 ».