Online Marketing Strategies Adopted by Retailers in Organised Retail store During Covid-19 Period: A Study in Balasore City, Odisha, India
Notice bibliographique
Résumé
In India, retail industry attained enormous growth in terms of available opportunities and their potential for development of multiple segments and sectors. Presently, the economy of India in retail is considered as a flourishing sector. This sector has been considered as one of the rapid development sectors. The selling of products and services by companies to final consumers is known as retail. The process by which merchants raise interest in and knowledge of their products and services in an attempt to increase sales from customers is known as retail marketing. Retailers may sell their products and services using a wide range of techniques and tactics. The goal of online retail marketing is to draw consumers to various shop formats and online transactions. The best kind of marketing for the store should be used to draw in as many consumers as possible and increase sales for the company. This is the aim of all firms. Traditional retailers are switching from conventional marketing to online marketing. The impact of covid-19 is making a challenge for all retail industry to switch to online mode of retailing. There is a high customer demand for delivery all retail things on a single click on internet. People’s adoption to online retailing has a positive response. The key factors like ease of payment, delivery time and quality of product making the most important element before formulating a new marketing strategy. In India, retail industry attained enormous growth in terms of available opportunities and their potential for development of multiple segments and sectors. This sector has been considered as one of the rapid development sectors. The Indian consumer market is predicted to raise its revenue by 13 per cent per annum.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».