MétaCan
Menu
Retour à la cohorte
Enregistrement W4402424606 · doi:10.30640/abdimas45.v3i2.3127

Manajemen Strategi Pemasaran Produk Manulife Saving Protector pada PT Asuransi Jiwa Manulife Surabaya Pusat

2024· article· en· W4402424606 sur OpenAlexaboutno aff
Ananda Putri Kartika Dewi, I Gede Wiyasa

Notice bibliographique

RevueJurnal Pengabdian Masyarakat · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessBusiness administration

Résumé

récupéré en direct d'OpenAlex

One of the best insurance companies in Indonesia is PT Asuransi Jiwa Manulife Indonesia, a financial services provider from Canada that operates in Asia, Canada and the United States. Headquartered in Toronto, Canada, Manulife has been serving customers for more than 155 years. Manulife is traded under the symbol ‘MFC’ on the Toronto, New York and Philippine stock exchanges, and under the symbol ‘945’ in Hong Kong. Manulife Indonesia has offered a variety of financial services including life insurance, accident and health insurance, investment services and pension funds to individual customers and business actors in Indonesia. Manulife Indonesia has served more than 2 million customers in Indonesia through a network of more than 11,000 employees and professional agents spread across 30 marketing offices. Given the increasing market potential in Indonesia, many insurance companies, both local and foreign, are trying to reach the market in Indonesia. In order for the company to be able to compete with other insurance companies, a sales strategy and product are needed that can attract the interest of its customers. One of the most popular products owned by PT AJ Manulife Indonesia is Manulife Saving Protector, which is the only individual dual-purpose life insurance product (endowment) that can provide Insurance Money of up to IDR 1.5 billion without having to undergo a medical examination first. The insurance industry in 2023 is projected to increase along with improving economic conditions in Indonesia. However, the level of public distrust can hinder the development of this industry. This causes many people to tend to delay opening an insurance policy.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0320,008

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 Opus0,025
Tête enseignante GPT0,220
Écart entre enseignants0,195 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Pengabdian MasyarakatMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207