Notice bibliographique
Résumé
Over the past three to four decades, explosive growth in data collection, storage, and processing has changed marketing practice substantially. For example, in business-to-business industries, advanced marketing analytics has supported salespeople’s decision-making by providing predictions based on new types of information. Furthermore, companies can reach consumers and ask their opinions more easily. The first essay of my dissertation quantifies the impact of the availability of such information on the marketing-sales interface. While marketing analytics intended to aid salesforce decision-making has developed rapidly, there is little empirical understanding of how the adoption of such marketing analytics may affect sales performance. Using data from a global business-to-business information technology company, we provide empirical evidence that the adoption of a new marketing analytics tool improved salespeople’s performance. By further exploring the outcomes by salespeople- and account-specific characteristics, we find that marketing analytics enabled high-performing salespeople to achieve greater sales from customers without recent transactions. In contrast, for low-performing salespeople, marketing analytics led them to winning more sales opportunities from accounts with recent transactions. Overall, marketing analytics empowers the high performers to reach a more balanced customer account portfolio and supports the low performers to seize the opportunities that might have been missed. Digitization has not only provided more information on customers but enhanced the means of communications between companies and their customers. The extant literature has explored positive behaviors that can occur after completing a survey, sometimes called the mere-measurement effect, but has neglected how the effect may depend on the valence of previous experience. In the second essay, we examine the impact of product performance on the mere-measurement effect using a unique natural experiment dataset from a securities brokerage company. Our results confirm mere-measurement effects in transaction intensity, transaction volume, and sales of other products. More importantly, the effects are greater for customers with negative pre-survey performance. The finding suggests that participation in satisfaction surveys leads to asymmetric positive effect. These results can help companies assess the return of resources invested in conducting surveys beyond the value of information and more accurately understand the relation between consumer behavior and marketing interventions.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».