Les PME face à l’achat d’offres low-cost : une approche exploratoire par la valeur perçue
Bibliographic record
Abstract
Alors que lelow-costconstitue un segment de marché bien établi en grande consommation, son développement reste plus restreint au sein des échanges interorganisationnels. Toutefois, son évolution ces dernières années témoigne d’un intérêt croissant des offreurs et de la clientèle d’affaires pour ce type d’offres simplifiées à prix bas. En particulier, l’observation des stratégies des entrepriseslow-costet l’analyse de la demande conduisent à l’identification d’une cible prioritairement concernée par ces offres : les PME. Dans ce contexte, cet article vise à mieux cerner l’attractivité des produits et serviceslow-costdu point de vue des clients PME. Pour cela, l’approche de la valeur perçue est mobilisée. À l’issue d’une étude qualitative exploratoire menée auprès de vingt-huit PME, il est constaté qu’au-delà de la dégradation de la qualité perçue, d’autres sources de destruction de valeur peuvent exister (valeurs émotionnelle, éthique et relationnelle). Par ailleurs, les sources de création de valeur ne se limitent pas au seul gain monétaire perçu, mais peuvent aussi concerner les aspects sociaux et non monétaires perçus de l’offre. La variabilité constatée des effets dulow-costsur la valeur perçue peut s’expliquer par la diversité des parties prenantes concernées par les conséquences de l’achat de l’offre, par les caractéristiques liées au produit ou service low-cost et par celles relatives au contexte d’achat et de consommation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.024 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".