MBA Marketing : Tout ce qu'il faut savoir sur le marketing par les meilleurs professeurs et praticiens Ed. 1
Bibliographic record
Abstract
Dans cet ouvrage tout en un, 26 auteurs prestigieux experts dans leur domaine vous offrent, pour la premiere fois, une synthese complete de la fonction marketing. Tous les themes de la science marketing sont abordes : Etudes de marche, positionnement, Segmentation, ciblage, lancement, Distribution, prix, communication, Marque, CRM, strategie, Design, B-to-B, globalisation... Et... Des themes transversaux pour mettre en perspective vos savoirs. Chaque article repond clairement a une problematique, avec des encadres illustratifs et, a chaque fois, une bibliographie utile et l'essentiel de ce qu'il faut retenir. S'adressant aussi bien aux etudiants en MBA, en ecole de commerce, en institut de gestion ou en 3e cycle universitaire, qu'aux professionnels, MBA Marketing est la reference indispensable pour tous ceux qui veulent actualiser et approfondir leurs connaissances. La mutation des consommateurs inherente a une periode porteuse de reperes nouveaux et souvent meconnus, renforce l'importance strategique des informations pointues et des angles d'analyse creatifs que Kantar Worldpanel delivre partout dans le monde. Concentre de savoir utile, ce livre est probablement l'un des ouvrages les plus aboutis pour inspirer marketeurs et autres createurs de marques... Josep Montserrat, CEO de Kantar Worldpanel Les auteurs Alain d'Astous (HEC Montreal) - Christophe Benaroya (ecole superieure de commerce de Toulouse) - Christophe Benavent (universite Paris-Ouest) - Michelle Bergadaa (universite de Geneve) - Jerome Bon (ESCP Europe) - Francois A. Carrillat (HEC Montreal) - Franck Cochoy (universite de Toulouse II) - Benoit Cordelier (universite du Quebec a Montreal) - Bernard Cova (Euromed Management Marseille) - Charles Croue (Institut de gestion - universite de La Rochelle) - Olivier Droulers (universite Rennes 1) - Marc Filser (IAE de Dijon - universite de Bourgogne) - Jean-Luc Giannelloni (Institut de management - universite de Savoie) - Benoit Heilbrunn (ESCP Europe et Institut francais de la mode) - Jean-Noel Kapferer (HEC Paris) - Jean-Marc Lehu (universite Paris 1 Pantheon-Sorbonne) - Emmanuelle Le Nagard (ESSEC) - Michel Maffesoli (universite Paris V - Rene-Descartes) - Philippe Malaval (ecole superieure de commerce de Toulouse) - Delphine Manceau (ESCP Europe) - Bruno Martins (directeur de projet chez Dagobert) - Paul-Valentin Ngobo (IAE - universite d'Orleans) - Bernard Roullet (universite de Bretagne-Sud) - Jean-Francois Trinquecoste (IAE - universite de Bordeaux) - Eric Vernette (IAE - universite Toulouse 1 Capitole) - Pierre Volle (universite Paris-Dauphine).
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.024 | 0.020 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.039 | 0.013 |
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".