Nouvelles entreprises internationales technologiques : étude comparative sur les pratiques de communication marketing à l’entrée et à la post-entrée
Bibliographic record
Abstract
En raison de l’obsolescence de la technologie et de la forte compétition, les entreprises technologiques détiennent une courte fenêtre d’opportunité pour développer leur clientèle afin de rentabiliser leurs frais de recherche et développement. Or, le taux d’échec de ces nouvelles entreprises internationales, dans leur transition vers l’étape de post-entrée, est très élevé. La présente étude exploratoire contribue à la littérature émergente sur la comparaison des pratiques à l’entrée et à la post-entrée des nouvelles entreprises internationales dans les marchés étrangers. Plus spécifiquement, elle analyse l’utilisation des outils traditionnels et numériques de communication marketing de dix entreprises technologiques canadiennes. Les résultats suggèrent que, à l’étape d’entrée, les entreprises privilégient des outils de communication indirects plutôt que directs et qu’elles en utilisent une moins grande variété que celles en post-entrée. Des ressources restreintes, financières ou humaines, constituent des facteurs explicatifs. Toutefois, à l’intérieur d’une stratégie de communication intégrée mieux planifiée, des ajustements peu coûteux sont possibles pour déployer leurs ventes dans un plus grand nombre de pays.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".