MétaCan
Menu
Retour à la cohorte
Enregistrement W4309886327 · doi:10.54097/hbem.v2i.2356

Analysis of Marketing Strategy and Sales Model in the Chinese Cosmetics Industry

2022· article· en· W4309886327 sur OpenAlexaff
Ziru Ye

Notice bibliographique

RevueHighlights in Business Economics and Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCosmeticsCompetitor analysisMarketingBusinessCosmetic industryAdvertisingSustainabilityProduct (mathematics)

Résumé

récupéré en direct d'OpenAlex

The purpose of this research was to study the sales model in the Chinese cosmetics industry. The following research questions guided the study; How does domestic makeup innovate under the solid and constant pressure from the international competitors’ brand influences? What marketing strategy the domestic makeup apply to turn crisis into opportunity? What experience and inspiration can be absorbed and used in other businesses or industries? To analyze the rise of domestic cosmetics brands, this study first introduce the research background including the preliminary introduction of domestic and global cosmetics and the reasons for lagged domestic cosmetics. This study use the case study method in this research and Florasis as a typical domestic cosmetics brand growing fast is the object of study. By discussing its practices in the cosmetics market including branding and marketing, this study acquired some inspiration for developing other domestic cosmetics brands. The research is ended with the recommendations for Florasis’ sustainability and other domestic brands’ development, in addition to the conclusion which will cover the research significance, as well as the problems cannot solve in this research.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,237
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Business Economics and ManagementMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207