Transsion Holdings: Leveraging Disruption in Emerging Markets
Notice bibliographique
Résumé
This case describes how Transsion Holdings ("Transsion"), a company with Chinese origins and strong advantages in the low-cost production of quality products, has used disruptive innovation to drive its many achievements in African and other emerging markets (such as India). As a startup with few resources, it was able to surpass global mobile phone brands (such as Samsung and Nokia) and take the lead position in the African mobile phone market (in terms of market share by volume). However, Transsion has been facing fierce competition in recent years. In January 2019, Xiaomi, a well-known Chinese smartphone brand, also entered the African market after gaining a firm foothold in the Indian market, and thus became a threat to Transsion’s efforts to retain its lead position in Africa. In India, Transsion has to compete against Xiaomi as well as aggressive local competitors. Furthermore, due to consumption upgrading, the development of feature phones is making way for that of smartphones. How can Transsion, as the world’s largest feature phone brand, expand its business in such an environment? Based on the disruptive innovation theory proposed by Dr. Clayton M. Christensen, this case will lead a discussion on why Transsion successfully entered Africa and achieved a leading position there and how Transsion should act in other emerging but competitive markets. By doing so, it aims to explore the implications of technology-based companies' growth strategy in emerging markets.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».