MétaCan
Menu
Retour à la cohorte
Enregistrement W4400470268 · doi:10.20944/preprints202407.0546.v1

Adapting Supplier Relationship Management Strategies to Evolving E-Commerce Trends

2024· preprint· en· W4400470268 sur OpenAlexaff
Oliver Grant

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusinessSupply chainLeverage (statistics)Competitive advantageSupply chain managementContext (archaeology)Agile software developmentIndustrial organizationTransparency (behavior)Process managementMarketingKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

This qualitative study explores how businesses are adapting their Supplier Relationship Management (SRM) strategies to address the challenges and capitalize on the opportunities presented by evolving e-commerce trends. Through in-depth interviews with key industry stakeholders, the research investigates the integration of advanced technologies such as artificial intelligence (AI), blockchain, and the Internet of Things (IoT) into SRM practices. Findings reveal that these technologies enhance efficiency, transparency, and responsiveness within supply chains, enabling businesses to navigate complexities such as supply chain dynamics, fluctuating consumer demand, and regulatory compliance. The study identifies effective strategies employed by businesses, including enhancing communication channels with suppliers, diversifying supplier bases, and investing in technological advancements. These strategies enable businesses to mitigate risks, improve collaboration, and drive innovation, thereby maintaining competitive advantage in the digital marketplace. Collaborative practices such as joint product development, shared risk management, and co-investment in technology emerge as critical drivers of successful SRM. Ultimately, this research contributes to a deeper understanding of SRM in the context of e-commerce, offering insights into how businesses can optimize their supply chain operations amidst technological disruptions and market fluctuations. The findings underscore the importance of proactive adaptation and strategic alignment with suppliers to foster resilient and agile supply chains. As e-commerce continues to evolve, businesses must leverage these insights to refine their SRM strategies and sustain growth in an increasingly competitive environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,003
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,149
Tête enseignante GPT0,346
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetQuality and Supply ManagementTravaux en français237 207