Coopetition and the marketing/entrepreneurship interface in an international arena
Notice bibliographique
Résumé
Purpose Guided by resource-based theory, this study unpacks the relationship between an export entrepreneurial marketing orientation (EMO) and export performance. This is undertaken by investigating quadratic effects and the moderating role of export coopetition (cooperation amongst competitors in an international arena). Design/methodology/approach Survey responses were collected from a sample of 282 smaller-sized wine producers in Italy. This empirical context was ideal, as it hosted varying degrees of the constructs within the conceptual model. Put another way, it was suitable to test the underlying issues for theorising purposes. The hypotheses and control paths were tested through a three-step hierarchical regression analysis. Findings An export EMO had a non-linear (inverted U-shaped) association with export performance. Furthermore, this link was positively moderated by export coopetition. With too little of an export EMO, small enterprises might struggle to create value for their overseas customers. With too much of an export EMO, owner-managers could experience harmful performance outcomes. By cooperating with appropriate industry rivals, small companies can acquire new resources, capabilities and opportunities to help them to boost their export performance. That is, export coopetition can stabilise some of the potential dangers of employing an export EMO. Originality/value The empirical findings signified that an export EMO has potential dark-sides if these firm-wide behaviours are not implemented effectively. Nevertheless, cooperating with competitors in export markets can alleviate some of these concerns. Collectively, unique insights have emerged, whereby entrepreneurs are advantaged by being strategically flexible and collaborating with appropriate key stakeholders to enhance their export performance.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».