Transforming business-to-business marketing from tradition to digitalization: a taxonomic review of current trends, methodologies and future paths
Notice bibliographique
Résumé
Purpose Despite the numerous benefits of digitalization, many business-to-business (B2B) firms have yet to rely on data-driven decision-making, wavering the decision to adopt digital marketing practices. Topical scholarship is scattered across disciplines, schools of thought and methodological approaches, leading to an inability to suggest better management practices. This study aims to review the extant B2B marketing digitalization literature and addresses these concerns. Design/methodology/approach This paper conducted a systematic literature review of 96 high-quality articles extracted from the Web of Science database. Thereafter, this paper carried out descriptive statistical and content analyses of these articles. Findings Six primary research streams have been identified, and 16 research propositions have been formulated to comprehensively overview the B2B marketing digitalization landscape. The study delves into the factors and barriers influencing the pace of B2B marketing digitalization, sales lead generation and sales performance. Additionally, it introduces B2B digital value creation frameworks, emphasizing the crucial role of marketing analytics and decision tools in effective B2B marketing. The research also underscores various digitalization strategies aimed at bridging the digitalization gap in B2B companies at both strategic and tactical levels. Finally, the study presents an agenda to stimulate future research on theoretical and managerial topics critical to enriching the field. Originality/value This research outlines 16 research propositions that could be further tested to get more detailed insights into the digitalization of B2B marketing. Additionally, practitioners, authorities and researchers in the field may find this review valuable as it provides a comprehensive overview of current research in the domain.
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 | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,018 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».