Investigating the resilience of micro, small and medium enterprises in entering the digital market us-ing social media: Evidence from Aceh province, Indonesia
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
Technological developments are increasingly sophisticated, so micro, small and medium enterprises (MSMEs) must maintain their business through digital markets. The main problem faced by MSMEs in Aceh province is the lack of use of social media as a medium for promoting or selling products online. Thus, this study analyzes the MSMEs' product marketing model, determines the factors that influence MSME labor productivity, and determines MSMEs' resilience strategies in entering the digital market. The research location is Aceh Province which consists of 23 districts/cities. The population in this study were all MSME actors in Aceh Province who were spread across districts/cities, using a purposive random sampling technique. The samples in the study were related agencies and MSMEs actors in Aceh Province, which are spread across 13 regencies/cities, namely Banda Aceh, Sabang, Lhokseumawe, Subulussalam, Langsa, Aceh Tamiang, East Aceh, North Aceh, Central Aceh, West Aceh, Aceh Singkil, Aceh Besar and Aceh Jaya. The results of the study show that (1) the marketing model that is used effectively is the marketing mix, namely the marketing mix, (2) the productivity of MSME workers is influenced by the level of education, age, work experience, gender and expertise or skills possessed by the workforce, (3) The MSMEs resilience strategy is dealing with the digital market can be pursued through government policies by providing training or assistance to business actors to increase product innovation and increase promotion or product sales online through various types of social media, such as Instagram, Facebook, WhatsApp, and market places other.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 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