A Case Study on Key Success Factors in Delivering e-CRM Solutions
Notice bibliographique
Résumé
Over the past 10 years, a number of studies have pointed out that many e-CRM projects fail to deliver the expected benefits. In the business-to-business e-CRM market, many customers have faced issues with technology implementation, management of organizational change, and/or e-CRM effectiveness. However, none of these studies mentioned PeopleSoft. In fact, PeopleSoftâs e-CRM has been a best-of-breed solution. The purpose of this case study is to explain the determinants of the success of PeopleSoftâs e-CRM. This study was carried out in PeopleSoftâs Canadian subsidiary in 2004 (before the acquisition by Oracle). The findings reveal the superiority of PeopleSoft on the financial, marketing, and technological dimensions. In fact, the sustainable competitive advantage of PeopleSoftâs e-CRM lies in what is called a value-based business model. This unique business model is based on a 100% Internet architecture, a pricing model customized according to the value delivered to the customer (not the number of users), and the sharing of e-CRM risk with customers. This case study describes a striking reality: PeopleSoftâs CRM vision is the key success factor. Other e- CRM vendors, including Siebel, lack a vision for selling their e-CRM technology.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».