Quality perception in a meat department of a retail store
Notice bibliographique
Résumé
HEB is a privately-held grocery retailer founded in 1905 in Kerrville, TX. Since then, HEB has grown to 399 stores in 155 communities. Although the majority of its operations have been in southern Texas, nearly 10 percent of HEB’s stores (39) are in Mexico. This may be considered an impressive feat since its entry into Mexico occurred in 1997 to take advantage of the growth opportunities in Mexico and the North American Free Trade Agreement involving Canada, the U.S. and Mexico. The research was conducted using primary data collected through a survey. Secondary data from the Shapiro Index were also employed to explain the observations from the survey. Econometric and statistical models were used in the analyses. Customer quality perception is an important metric for the retail industry. This research evaluates the effect of purchase history, frequency of shopping, price perception, quality and service changes through time on the quality perception of a meat department in a supermarket. The impact of additional labor was analyzed to determine the effect on those variables. The quality perception of the customers of other meat retailers in the same trading areas was also evaluated. The results of the study were then compared to the actual metric used to measure quality perception (Shapiro Index). The study found that the company has a significant higher quality perception than other supermarkets, that labor had a positive effect on quality and service change, customers noticed the change, and with time, it will increase their quality perception. The results show a different perception from customers than the Shapiro Index, customers do not notice a decrement on quality in the meat departments. Based on these results, a further research on the actual methodology used was performed, training and new purchasing specifications were applied to improve the intrinsic characteristics of the products and a new marketing campaign was launched based on quality and freshness.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».