Consequences of Multigenerational Services Adoption Behavior: Global Client Engagement
Notice bibliographique
Résumé
This study uses adoption and usage data on the client and firm–client interactions across four technology generations of new-age products/services from 13 developed and emerging markets over an eight-year period to describe how multigenerational service (MGS) adoption behavior influences direct (purchases) and indirect (references and feedback) global client engagement and whether this relationship is moderated by product/service failures and cultural factors. The authors propose metrics to measure the number of generations adopted (MGD), the number of products and features within a generation (MGFs), and the adoption time between generations (MGT). They find that client usage revenue (CUR) is enhanced by greater MGD and higher MGFs combined with lower MGT. However, CUR varies by differences in the needs of clients' own customers, failures, and culture. Greater direct engagement affects reference and feedback behavior, moderated by cultural differences in individualism, power distance, and masculinity. For a typical client in the United States and Canada, a one-unit improvement in MGD and MGFs and a one-year improvement in MGT enhance CUR by $8,150, $5,200, and $2,310 per client, respectively, versus a corresponding enhancement of $4,820, $3,640, and $1,620, respectively, per client in Colombia and Mexico. These findings provide several implications for executives who manage multigenerational innovations across countries regarding client engagement, launching MGS, market entry, and failure recovery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».