MétaCan
Menu
Retour à la cohorte
Enregistrement W4311962953 · doi:10.3846/btp.2022.17223

BRAND POSITIONING STRATEGY IN THE COMPETITIVE ASPECT

2022· article· en· W4311962953 sur OpenAlexaboutno aff
Lidija Kraujalienė, Saulius Kromalcas

Notice bibliographique

RevueVerslas teorija ir praktika · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSWOT analysisCompetitor analysisOriginalityMarketingBusinessAttendanceQuarter (Canadian coin)Public relationsCompetitive advantageAdvertisingQualitative researchSociologyPolitical scienceGeographySocial science

Résumé

récupéré en direct d'OpenAlex

A new brand for an organization is inseparable from organizational identity. The aim of the research is to investigate the positioning strategy in terms of competitiveness and visitors of Kaunas District Public Library (KDPL). Research methodology: analysis of scientific literature and statistical data, staff survey, SWOT analysis. Main findings: the flow of visitors of KDPL in the period of 2018–2020 has decreased by a quarter, the user portrait consists of 5 user groups (employed, studying, pre-school children, unemployed persons and others), the number of library users by gender did not change, 70% consists of women, attendance of four user groups decreased or remained virtually unchanged, when the amount of employed users increased by about 16 percent. SWOT analysis has shown the absence of a brand positioning strategy. Qualitative study of the library competitors users’ needs and expectations can be analysed further. The local position of KDPL’s has shown the potential to grow up in Kaunas city. The originality of the paper covers individualized research on a brand positioning strategy of public sector organization, while the available research has been carried out on private branding. The current research will be useful for KDPL and other public organisations.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,938
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,246
Écart entre enseignants0,224 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVerslas teorija ir praktikaMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207