The evolution of international marketing management: AI applications and emerging markets driving international selling in the digital era
Notice bibliographique
Résumé
Purpose This research systematically investigates the main themes in international marketing and management (IMM) literature published between 1983 and March 2025. Drawing on a comprehensive review of academic publications, it uncovers prevailing research trends and outlines a future agenda, with special attention to the role of artificial intelligence (AI) in shaping the field. A distinctive feature of this review is its focus on international selling, which serves as the lens for examining how AI is reshaping IMM theory, practice and research development. Design/methodology/approach The analysis is based on a dataset of 450 peer-reviewed articles sourced from 38 top-tier (Q1) marketing journals. These articles were selected through a keyword-based search strategy targeting titles and keywords explicitly related to IMM. The study employed a hybrid systematic review combining bibliometric analysis and qualitative content analysis, utilizing KH Coder 3.0. Techniques such as multidimensional scaling and co-occurrence network analysis were applied to extract thematic structures and research patterns. Findings The findings indicate a notable shift in IMM research over time, reflected in evolving topics, methods and theoretical approaches. Four main themes and eleven sub-themes were identified. These include (1) international management strategies; (2) market entry strategies – covering cultural distance, strategic alliances, Chinese market contexts, international joint ventures and cross-border acquisitions; (3) digital marketing strategies, with emphasis on platform-based sales and online retail and (4) internationalization and global expansion, informed by transaction cost theory, institutional environments and the roles of small and medium-sized enterprises and multinational corporations. Five emerging themes in the application of AI contribute to enhanced customer satisfaction, stronger engagement and loyalty, more effective co-creation processes, refined market entry strategies, deeper insights into consumer behavior and technological trends and improved performance in omnichannel retailing. Originality/value Unlike prior reviews that examine digitalization and international marketing in isolation, this study uniquely positions international selling as the central lens to explore how AI is transforming research themes, theoretical foundations and managerial practices in IMM.
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 | 0,012 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».