MétaCan
Menu
Retour à la cohorte
Enregistrement W7131960362

Mary Kay China: "People and Love" over "Profit and Loss"

2024· other· en· W7131960362 sur OpenAlexaff
Siew Kim Jean Lee, Liman Zhao, Yunting Lu

Notice bibliographique

RevueCEIBS Institutional Repository · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensCentre Casa
Organismes subventionnairesnon disponible
Mots-clésBeautyChinaProduct (mathematics)Product lineQuality (philosophy)Organizational culture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This case illustrates how Mary Kay China sticks to the direct selling model and keeps promise to the beauty consultants and employees by following its mission – “enriching women’s lives”, and its guiding philosophies. As Mr. Paul Mak, President of Mary Kay’s Greater China Region, has explained, to Mary Kay China, P&L not only means “Profit and Loss,” but, more importantly, refers to “People and Love.” Mak believed that the survival and development of Mary Kay China relied on its corporate culture, which was tied to trust among employees and close connections among beauty consultants. However, looking into the future, Mak inevitably worried about its corporate culture in some regards. Along with the expansion of the company, would the new employees accept and fit into the corporate culture? Would the network of beauty consultants be strong enough in the Internet era? In addition, it was clear to Mak that the performance of Mary Kay China, to a great extent, benefited from its strategy of focusing on the third- and fourth-tier cities across China. However, its market share was still not large enough. Thus, his second concern was how to expand into other cities. Finally, cosmetics were only one kind of product for female consumers, who had a consistent need for various beauty-related products. How could Mary Kay China diversify its product line and provide female consumers with quality products with which to help them remain beautiful?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0150,007
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,228
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCEIBS Institutional RepositoryTravaux en français237 207