MétaCan
Menu
Retour à la cohorte
Enregistrement W4328095691 · doi:10.54691/bcpbm.v38i.4090

Better Solutions Based on the Analysis of Keurig’s Marketing Strategy and Its Marketing Approach

2023· article· en· W4328095691 sur OpenAlexaff
Shicheng Liang, Yuhan Wang, Junjie Yang

Notice bibliographique

RevueBCP Business & Management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésMarketingBusinessGreen marketingMarketing strategyVariety (cybernetics)Market shareMathematics

Résumé

récupéré en direct d'OpenAlex

Keurig Green Mountain Inc., the former name Green Mountain Coffee Roasters, is well-known for leading in making coffee makers and also offers a large variety of coffees and fast brews. In 2006, the company finished the acquisition of Keurig Inc, buying the remaining 65 percent of its interests for $104.3 million, and eventually changed its name to Keurig Green Mountain Inc. in 2014. In 2015, Bart Becht, Chairman at JAB Holding Company, announced the acquisition of Keurig Green Mountain Inc to obtain the U.S. market. In addition, the company acquired Dr Pepper Snapple Group to capture more market share in the North America Market. Using a case study approach, this study explores the current state of marketing in the coffee retail industry using Keurig as a backdrop, identifies problems with its marketing, and makes guiding recommendations. On the one hand, this study can improve the literature on marketing in the retail industry. On the other hand, this study serves as a guide for other companies marketing strategies.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,047
Tête enseignante GPT0,277
Écart entre enseignants0,230 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Business & ManagementMême sujetDigital Marketing and Social MediaTravaux en français237 207