Strategic responses to the pandemic: a case study of the US department store industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The study focuses on (1) the success of three strategies employed during the pandemic – two “persevering” strategies, curbside pickup and return window extension and one innovative strategy, virtual try-on technology and (2) whether the strategies are likely to be successful in the post-pandemic world. Design/methodology/approach The authors utilize a panel dataset containing 17 department store chains in the US The panel includes weekly sales by the retailers at the city level from 2018 to 2021, encompassing both a pre-COVID-19 period and a period during the pandemic. A two-way fixed effects model, including retailer-city fixed effects and year-week fixed effects, is used to estimate department store sales. Findings The authors find that the two persevering strategies offset the negative impact of government-imposed containment and health measures on sales performance. On the other hand, the innovative strategy is more effective with a low level of containment and health measures, leading to our observation that virtual try-on may be more sustainable than the other two strategies in a post-pandemic environment. Originality/value This paper makes the following contributions: First, the authors contribute to the literature on strategies that may be used to respond to crises. Second, the authors contribute to the retail management literature, assessing the impact of the three retail strategies on department store sales. Finally, the authors compare the impact on sales of the two persevering strategies to the innovative strategy and conclude that a mix of these types of strategies may be most effective at generating short-term sales during a crisis and longer-term sales post crisis.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle