Increasing the competitive advantage and the performance of SMEs using entrepreneurial marketing architectural innovation capability in North Sumatera, Indonesia
Notice bibliographique
Résumé
The aim of this study is to analyze how to improve the competitive advantage and performance of small and medium-sized enterprises (SMEs) in North Sumatra through marketing entrepreneurship and architectural innovation capabilities. The type of research is quantitative research. The study focused on UMKM in North Sumatra who offered the following categories of products: handicrafts, food and beverages, coffee shops, bakeries, fashion, clothing, and services. The research population consists of all 84,758 UMKMs in North Sumatra. As for the sample number ranging between 100 and 200, or at least 5 times the number of variable indicators, when using Structural Equation Modeling (SEM). The entire sample size for stage 1 was 102 SME samples from Medan city. To analyze the research data, the study used SmartPLS (Partial Least Squares). The findings of this study show that market orientation (MO) has a negative and insignificant impact on SME performance from data processing and hypothesis testing results. Entrepreneurship Marketing Architecture Innovation Capacity (EMAIC) has a beneficial and significant impact on Competitive Advantage (CA). The ability of Enterprise Marketing Architectures (EMAC) to innovate has a significant and beneficial impact on their success. Entrepreneurship orientation (EO) provides tangible proof of SME success through competitive advantage (CA). Corporate orientation has no direct impact on SME performance through competitiveness (CA).
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».