The role of market intelligence in enhancing regional buyer-supplier relationships in agri-food SMEs
Notice bibliographique
Résumé
In an increasingly competitive retail landscape, blighted by cost inflation, shifting supermarket strategies and evolving buying structures, small to medium-sized enterprises (SMEs) are more vulnerable than ever to the hazards of retailer processes, such as range rationalisation and product de-listing. Recent research reveals that the longevity of buyer-supplier relationships no longer assures security of retail product listings, rather, the best means of managing channels is through an espousal of market focus (Golgeci et al., 2021).This is of particular concern to regional SMEs, who lack access and expertise to deploy formal market intelligence (MI) and often rely on the familiarity and colloquial nature of their retail buyer relationship to ensure financial stability (Malagueño et al., 2019). There is limited empirical research that explores buyer-supplier relationships from a regional perspective, highlighting the nuances in regional buyer behaviour and the resources SMEs require to support their permanence in retail supermarket sector. Drawing on extant Resource-based View (RBV) literature, our study explores the role of MI in enhancing regional SME channel management capabilities and the buyer supplier relationship. To facilitate this, a longitudinal case-based study of seven agri-food SMEs was conducted to monitor the development of channel management capabilities pre, during and post MI provision. Semi-structured interviews were also conducted with seven supermarket retail buyers. Interview transcripts were thematically analysed using QSR NVivo 12 to identify pertinent themes in the datasets. Post-MI provision, we observed an increase in SME retail contract acquisitions, lucrative price promotional changes, and improved sales performance. Thus, we suggest that the adoption of digitally driven, MI resources provide regional SMEs with a pathway to leverage their power through improved channel management capabilities. This is based upon the condition of an increased learning orientation, driving supplier preparedness, confidence in communication and increased value-add. In modifying behaviours, suppliers facilitated their buyers and enhanced the buying experience. Our research contributes to the channel and marketing capabilities literature by providing new insight into how MI and recent worldwide environmental forces have altered the longstanding buyer-supplier power asymmetry. It answers calls by Morgan (2012) to explore how market intelligence resources are utilised to enhance SME capabilities. Consequently, we contribute to the limited body of literature pertaining to MI usage in SMEs and assess the effectiveness of MI as a marketing resource in the SME context (Kozlenkova et al., 2014). This responds to theoretical criticism of the RBV that little is known about how firm resources are isolated and transformed into impactful capabilities (Corredoira & McDermott, 2020).
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 | 0,003 | 0,006 |
| 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 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».