MétaCan
Menu
Retour à la cohorte
Enregistrement W4400835926 · doi:10.20944/preprints202407.1252.v1

The Role of Supplier Relationship Management in Enhancing E-Commerce User Experience

2024· preprint· en· W4400835926 sur OpenAlexaff
Oliver Grant

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueOrganizational and Employee Performance
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésSupply chainProcess managementBusinessSupply chain managementSupplier relationship managementTransparency (behavior)Competitive advantageAnalyticsOperational excellenceCustomer satisfactionKnowledge managementRisk analysis (engineering)MarketingComputer science

Résumé

récupéré en direct d'OpenAlex

This study investigates the critical role of Supplier Relationship Management (SRM) in enhancing the e-commerce user experience. In an increasingly competitive digital marketplace, effective SRM practices are essential for optimizing supply chain operations and meeting customer expectations. The research employs a qualitative approach, combining semi-structured interviews with industry stakeholders, extensive literature review, and case studies to explore various dimensions of SRM. Key findings reveal that strategic supplier selection criteria, including quality, cost efficiency, reliability, innovation, and sustainability, are pivotal in ensuring a robust and adaptable supply chain. Effective communication practices, such as transparency, frequent updates, and digital tools, foster strong supplier relationships and enable timely issue resolution. Performance management strategies, centered on KPI monitoring and continuous improvement, support operational excellence and customer satisfaction. Risk management practices, including diversification, contingency planning, and advanced analytics, are crucial for mitigating disruptions and ensuring supply chain resilience, as highlighted by the challenges posed during the COVID-19 pandemic. Technological integration with blockchain, AI, IoT, data analytics, and automation enhances efficiency, transparency, and decision-making capabilities in SRM. Furthermore, the study underscores the evolving integration of sustainability and ethical sourcing into SRM strategies, reflecting broader corporate responsibility goals. Ultimately, this research contributes to understanding how effective SRM strategies drive competitive advantage in e-commerce by enhancing supply chain reliability, responsiveness, and customer-centricity. As e-commerce continues to evolve, adapting and innovating SRM practices will be vital for companies aiming to sustain growth and meet the dynamic demands of global markets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,007
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,055
Tête enseignante GPT0,312
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetOrganizational and Employee PerformanceTravaux en français237 207