Charting the course: a framework for networking across the selling ecosystem
Notice bibliographique
Résumé
Purpose The purpose of this paper is to conceptualize the notion of thin crossing points from a social network perspective and to outline the concrete networking strategies that enable salespeople to foster mutually valuable resource exchange (i.e. to thin crossing points) across a selling ecosystem. Design/methodology/approach The authors integrate extant theoretical perspectives to advance a conceptual framework of sales-related networking across three key actors in a selling ecosystem: intraorganizational selling actors and actors in customers and external partner organizations. Findings Thin crossing points are defined as figurative transaction points at the boundary between organizations or organizational subunits at which actors engage in mutually valuable resource exchange in the process of value cocreation. To thin crossing points with key ecosystem actors, salespeople must adapt networking strategies considering the time and trust constraints inherent in a network relationship. Such constraints inform the most advantageous network centralities (degree, eigenvector and betweenness) and actions to impact key network properties (tie strength, contact diversity) that enable salespeople to efficiently develop social capital and thus to optimally thin crossing points across a selling ecosystem. Originality/value To the best of the authors’ knowledge, this study is the first social network-based exploration of salespeople’s role in thinning crossing points with key ecosystem actors. It advances a novel conceptual framework of sales-related networking strategies that foster social capital development and optimally thin crossing points across a selling ecosystem.
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 | 0,048 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».