Niş Pazarlama Yaklaşımının Bibliyometrik Analiz İle İncelenmesi (The Review of Niche Marketing Approach With Bibliometric Analysis)
Bibliographic record
Abstract
Amaç -Bu çalışmanın amacı, pazarlama literatüründe yer alan niş pazarlama yazınındaki ana temaları belirleyip pazarlama alanında niş pazarlama kavramına yönelik gelecek araştırmalara kavramsal bir çerçeve hazırlamaktır.Yöntem -Nicel araştırma yönteminin kullanıldığı bu çalışmada araştırmanın amacı doğrultusunda VOSviewer 1.6.15yazılım programı aracılığıyla bibliyometrik analiz yöntemi kullanılmıştır.Web of Science Core Collection veri tabanında yer alan tüm çalışmalar (makale, bildiri, kitap incelemesi vs.) Boolean taraması temel alınarak "niche marketing" şeklinde konu başlığı olarak taranmıştır.1983-2020 yılları arasındaki 32 çalışma ortak atıf, yazar ve varlık ile bibliyografik eşleme analizleri bibliyometrik analiz yöntemi ile incelenmiştir.Bulgular -Araştırma sonuçları niş pazarlama ile ilgili olarak 2017 yılından itibaren yapılan çalışmalarda artış yaşandığını, çalışmaların yaygın olarak ABD'de yapıldığını, Anzuka, Cuthbert ve Hsu gibi yazarların literatüre en çok katkı yapan yazarlar arasında yer aldığını, Brown (1995), Drea ve Hanna (2000), Hollingsworth (2001), Eaton (2006), Malin (2010) ve Anzaku ve Salau'nun (2017) çalışmalarının en çok atıf alan çalışmalar olduğunu, Kanada, Yeni Zelanda, Çin ve Türkiye gibi ülkelerde en fazla atıf yapıldığını, tarım, giyim, tekstil, bilgi teknolojileri gibi kavramların bir arada kullanıldığını göstermiştir.Tartışma -Niş pazarlama, son yıllarda teorik çalışmalarda artış yaşandığı bir çalışma alanı olsa da bu alanda sınırlı sayıda çalışmanın olduğu düşünüldüğünde gerek pazarlama uygulayıcıları gerekse akademisyenler açısından araştırılması ve incelenmesi gereken, işletmelere farklı sektörler ve pazar bölümlerinde rekabet avantajı sağlayabilecek bir konu olarak karşımıza çıkmaktadır.
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 | 0.021 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.056 | 0.103 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.008 |
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".