Toward an understanding of the personal traits needed in a digital selling environment
Notice bibliographique
Résumé
Purpose The digital transformation is dramatically changing the business-to-business (B2B) sales environment, challenging long-standing views regarding the critical competencies required of salespeople. This paper aims to explore the personal traits associated with sales performance in a digital selling environment. Design/methodology/approach Using template analysis, the researchers captured and coded over 21 h of in-depth, semi-structured interviews with senior sales leaders from various industry sectors, exploring their perceptions of the personal traits now required of B2B salespeople in the digital landscape. Findings The research identifies three high-level trait types critical to sales success within a digital selling environment: “analytical curiosity” – the natural motivation and ability to gather and synthesize sales-related knowledge, “empathetic citizenship” – the ability to establish initial rapport while building long-term trust and “disciplined drive” – the exertion of selling effort in a highly focused and methodical manner across all stages of the sales process. Research limitations/implications The present data came from interviews with sales leaders in Canada. A more global sample may lead to additional insights. Moreover, the sample was drawn from long-cycle B2B sales environments; conclusions may differ for short-cycle or business-to-consumer markets. Practical implications This paper presents a framework for hiring and developing salespeople in the digital sales environment, identifying personal trait types that sales leaders should look for when hiring: analytical curiosity, empathetic citizenship and disciplined drive. The paper identifies how these trait types influence sales success, suggesting that sales leaders could coach and educate their teams to make the best use of them. Originality/value This paper presents a conceptual framework for hiring in the digital sales environment and introduces the trait of analytical curiosity not previously discussed in the literature.
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 | 0,003 | 0,006 |
| 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 | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».