Resource-based Commitment to a Customer-centered Strategy
Notice bibliographique
Résumé
Abstract To create and sustain a resource-based competitive advantage, managers acquire and develop specialized resources as they grow their firms. The authors argue that an important part of committing to a resource-based strategy is a willingness to keep spending on specialized resources during periods when sales and profits are down. The authors seek to validate this conjecture by examining whether such resource-based commitment to a customer-centered strategy results in improved customer satisfaction. The authors use the stickiness of selling, general, and administrative (SG&A) expenses to capture this commitment empirically. The authors first document that future customer satisfaction is positively associated with SG&A cost stickiness, consistent with the premise that the retention of specialized SG&A resources during low demand periods helps firms to build and maintain relationships with customers over time. Next, the authors test whether expected future benefits of customer satisfaction are enhanced when SG&A cost stickiness is higher. The authors find that the positive relation between Tobin’s Q and customer satisfaction is positively moderated by SG&A cost stickiness. Finally, the authors test whether earnings persistence, a quality of earnings associated with sustained performance over time, is positively associated with the interaction between customer satisfaction and SG&A cost stickiness. The authors find that it is. Their evidence supporting these predictions is consistent with the conjecture that resource-based commitment reflected in cost stickiness is an important dimension of creating and sustaining a resource-based competitive advantage.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».