Rising from the crisis by raising their businesses exploring the social media strategies for micro-level women entrepreneur success
Notice bibliographique
Résumé
Purpose This study examines the social media strategies adopted by micro-level women entrepreneurs who successfully transitioned their businesses from “brick and mortar” to online operations during the coronavirus (COVID-19) pandemic. Design/methodology/approach The research consisted of two phases: semi-structured interviews followed by focus group discussions (FGDs). Twelve participants were selected through a judgmental sampling method for the interviews. The sample included contemporary successful micro-level female entrepreneurs who shifted to online platforms during the crisis. New factors were identified as determinants of success for online-based small businesses. The FGDs provided insights into these determinants, which were analyzed thematically. Findings The findings indicate that the success of online businesses is influenced by an active presence on social media, the maintenance of a strong online network with customers and industry partners, vigilance in seizing strategic opportunities in a diverse environment, and the generation of powerful word-of-mouth (WOM) through excellent customer service. In contrast to gender inequality typically observed in business across Asian regions, no such gender stereotype issues were found among micro-level Sri Lankan women entrepreneurs. Originality/value This study enhances the understanding of social media strategies in micro-entrepreneurship by identifying key success factors that have been underexplored in existing literature. It challenges assumptions about gender barriers in Asian entrepreneurship, demonstrating that Sri Lankan women entrepreneurs navigate digital business environments effectively. Unlike prior studies focused on larger firms or developed economies, this research highlights unique success determinants in an emerging market. The study introduces a conceptual framework that integrates social media engagement, strategic adaptability and network strength as critical components for online business success. These insights provide a foundation for future empirical studies in digital entrepreneurship.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».