La planification des points de contact : une étude de la stratégie marketing des PME
Bibliographic record
Abstract
Cette étude tente de déterminer si le parcours client ou « Consumer Decision Journey » est un bon outil pour guider la prise de décision en stratégie de marketing des entreprises, et permet ainsi de contribuer à la pérennité des PME du Québec. Pour ce faire, une revue de la littérature a d'abord permis de mieux comprendre le parcours client et de choisir un modèle plus susceptible de répondre aux besoins des PME québécoises. Ce cadre conceptuel a permis de déterminer comment cartographier et mesurer le parcours du client. Des résidents du Québec ont par la suite été sondés à l'aide d'un questionnaire électronique visant à déterminer s'il existe un lien entre le type de parcours du client et sa fidélité. Grâce aux groupes de consommateurs formés à l'aide des 300 questionnaires complétés, nous avons pu constater qu'il existe effectivement un lien entre le type de parcours et certains antécédents de la fidélité, soit notamment la perception de bénéfices et de qualité fonctionnelle. Les résultats de cette recherche démontrent ainsi que le type de points de contact utilisés au cours du stade de l'achat et du post-achat a une influence sur la perception de bénéfice du client. De plus, le niveau d'influence de ces points de contact, tel que déclaré par les répondants, a un impact positif sur leur perception de bénéfices et de qualité fonctionnelle au stade du préachat et de l'achat, ainsi que sur leur fidélité au stade du post-achat. Les résultats de cette recherche démontrent également l'importance du type de produit dans une étude traitant de la relation entre le parcours client et la fidélité. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : stratégie marketing, petites et moyennes entreprises, points de contact, parcours client, fidélité.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".