MétaCan
Menu
Retour à la cohorte
Enregistrement W4294866203 · doi:10.2991/aebmr.k.220307.111

The Marketing Model of Chinese Warehouse Retailers under the New Retail Background

2022· article· en· W4294866203 sur OpenAlexaff
Fei Yi, Weiye Zhang, Zhao Zhang

Notice bibliographique

RevueAdvances in economics, business and management research/Advances in Economics, Business and Management Research · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueE-commerce and Technology Innovations
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWarehouseBusinessMarketingData warehouseComputer scienceAdvertisingDatabase

Résumé

récupéré en direct d'OpenAlex

New retailing refers to companies relying on the Internet to upgrade and transform the production, circulation, and sales processes of commodities through the use of advanced technology such as big data and artificial intelligence, thereby reshaping the business structure and ecosystem, and providing online services. It is a new retail model that integrates offline experience and modern logistics deeply. New media marketing is an increasingly vigorous marketing model, and more and more industries have begun to participate in it, including warehouse supermarkets. This article will start from this point and discuss how warehouse supermarkets can use new media to market under the background of new retail. This study found that warehouse supermarkets can increase their awareness and sales in the short term through influencers, but this approach does not provide the company with long-term sustainability. To avoid the possible negative effects of influencer marketing, the company inevitably needs to establish brand image and customer loyalty. Underlying the rapid development of China's e-commerce, it can be possible to conduct more research in the future on how to conduct new media marketing while also establishing a brand image faster and ensuring customer retention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,609
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,002
Communication savante0,0010,004
Science ouverte0,0020,006
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,314
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in economics, business and management research/Advances in Economics, Business and Management ResearchMême sujetE-commerce and Technology InnovationsTravaux en français237 207