Understanding relationship marketing strategy in Ghana’s informal economy: a case of micro, small and medium enterprises
Notice bibliographique
Résumé
Purpose Relationship marketing (RM) has rarely been applied to micro-, small- and medium-sized enterprises (MSMEs) in the informal economy (IE). Thus, this study aims to explore the RM strategy of service rendering micro-enterprises in the IE of a sub-Saharan African country like Ghana. Design/methodology/approach This study used a qualitative research approach using a multiple case study design, semi-structured interview and a random sampling technique to sample 15 micro-enterprises. Thereafter, the case was analysed thematically. Findings Results show that micro-enterprises in the IE engage in multiple dimensions of RM in their line of business. Also, micro-enterprises in the IE perceived RM as customer care and somewhat their standard of RM benefits measurement are different from those firms in the formal sector. Furthermore, micro-enterprises in the IE face challenges such as high resource commitment, harassment and the technological gap in practising their RM strategy. Practical implications MSMEs in the IE should develop a framework to minimise the shortfall of the challenges associated with RM implementation for business continuity and growth because customers are the lifeblood of the business. Originality/value To the best of the authors’ knowledge, this is the first known study that looks at RM practices of MSMEs in the IE. It has thrown light on the understudied subject of RM in MSMEs. For micro-enterprises operating in the Ghanaian IE, the benefits to be derived from practising RM are rewarding. The adopted qualitative methodology has provided an in-depth insight into a vital area for both academics and practitioners.
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 | 0,028 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».