STRATEGI MEMBANGUN E-COMMERCE (Studi Kasus Pegipegi.com)
Notice bibliographique
Résumé
Pegipegi.com (Go Online Destination) merupakan salah satu biro atau agen perjalanan (Online Travel Agent) berbasis online yang tujuan memberikan kemudahan dalam mengatur dan merancang perjalanan baik dari segi transportasi maupun akomodasi. Dengan pegipegi.com, calon konsumen dapat melakukan reservasi hotel ataupun tiket pesawat dengan biaya yang murah dan kemudahan dari segi transaksi.Pegipegi.com didirikan pada tanggal 1 Januari 2012. Meskipun travel agen ini masih tergolong baru, akan tetapi pegipegi sudah memiliki begitu banyak afiliasi dengan hotel dan maskapai penerbangan di seluruh wilayah Indonesia. Hingga kini, pegipegi tercatat sudah memiliki afiliasi dengan lebih dari 1700 hotel dan penginapan di semua daerah di Indonesia dan beberapa maskapai penerbangan seperti Citilink, Sriwijaya Air, Lion Air dan Merpati yang juga bisa bisa dipesan di pegipegi.com.Reservasi perjalanan online pegipegi bisa dilakukan dengan metode pembayaran yang universal dan bisa dilakukan oleh semua wisatawan baik mereka yang datang dari lokal maupun internasional. Adapun pembayaran yang disediakan adalah e-banking, melalui ATM, serta kartu debit atau kartu kredit yang kesemuanya bisa dilakukan tanpa adanya pungutan biaya transaksional.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».