In-Depth Study of the Strategic Interaction between Electronic Commerce, Innovation, and Attainment of Competitive Advantage in the Context of SMEs
Notice bibliographique
Résumé
E-commerce has experienced significant growth in recent years. The advancement of information and communication technology has enabled businesses, including Small, and Medium Enterprises (SMEs), to conduct their operations online more efficiently and effectively. This research aims to analyze the influence of e-commerce and innovation on the competitive advantage of SMEs. This study employs a quantitative approach using Structural Equation Modeling (SEM) method supported by Partial Least Squares (PLS). The quantitative approach was chosen to allow for the quantitative and objective measurement of the variables involved. An online Likert scale survey was conducted among SMEs in Semarang City from September to October 2023, resulting in 152 initial respondents. After excluding 11 respondents who did not meet the study's requirements, the final sample size was 141 SMEs. The results of the study indicate that the utilization of e-commerce and innovation significantly influences the competitive advantage of SMEs in Semarang City. Through e-commerce, SMEs can reach a wider market, optimize operations, and strengthen their brand image. MSMEs in Semarang City should focus on developing responsive and engaging e-commerce platforms, enhancing targeted online marketing and promotion efforts, investing in research and development of new products and services, adopting new technologies to improve operational efficiency and product quality, as well as fostering mutually beneficial partnerships to expand market reach and resources.
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 | 0,002 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».