بینش روش شناختی از پارتیشن بندی داده ها
ترجمه نشده

بینش روش شناختی از پارتیشن بندی داده ها

عنوان فارسی مقاله: بیشینه سازی داده ها و منابع در آزمایش های بازاریابی B2B: بینش روش شناختی از پارتیشن بندی داده ها
عنوان انگلیسی مقاله: Data and resource maximization in business-to-business marketing experiments: Methodological insights from data partitioning
مجله/کنفرانس: مدیریت بازاریابی صنعتی - Industrial Marketing Management
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: بازاریابی، مدیریت بازرگانی، مدیریت کسب و کار، مدیریت دانش
کلمات کلیدی فارسی: تجارت به تجارت، مدیریت داده ، بیشینه سازی داده ها ، تقسیم بندی داده ها ، تجربه بازاریابی ، مهندسی دانش ، مدیریت منابع ، بیشینه سازی منابع
کلمات کلیدی انگلیسی: B2B، Data management، Data maximization، Data partitioning، Marketing experiment، Knowledge engineering، Resource management، Resource maximization
نوع نگارش مقاله: مقاله پژوهشی (Research article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.indmarman.2018.08.007
دانشگاه: School of Business, Swinburne University of Technology, Sarawak, Malaysia
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 6/511 در سال 2018
شاخص H_index: 114 در سال 2019
شاخص SJR: 2/375 در سال 2018
شناسه ISSN: 0019-8501
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: دارد
کد محصول: E11520
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Data partitioning


3- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


Data management is an integral part of knowledge engineering in business-to-business (B2B) marketing experiments. This article introduces the concept of data partitioning as a fresh and useful form of data management in the process of knowledge engineering in B2B marketing experiments; articulates the method for partitioning data in B2B marketing experiments; and discusses the implications of data partitioning in the form of data and resource maximization for B2B marketing experiments. It is the hope of the authors that this article will encourage greater visibility and contribute to the advancement of resource-efficient B2B marketing experiments.


Introduction


Experimental research is undertaken to engineer new knowledge1 about cause-and-effect relationships. In the field of business-to-business (B2B) marketing, the experimental method of research allows B2B marketers to control and manipulate one or more independent marketing variables and measure the corresponding changes in dependent marketing variables in B2B settings. Some B2B marketers qualitatively measure, through interviews, the outcomes of control and manipulation of B2B independent marketing variables (e.g. task manipulation; Laursen & Andersen, 2016; Van Bockhaven & Matthyssens, 2017). However, most B2B marketers, including the authors of this article, choose to do so quantitatively (e.g. Bonney, Plouffe, & Wolter, 2014; Ruiz & Kowalkowski, 2014). The results of statistical analyses used by quantitative experimenters to interpret cause-and-effect relationships are more narrowly defined. This makes them more reliable and valid than their qualitative counterparts. A narrow definition of the research and experimentation is encouraged as it allows other researchers to easily replicate the study and validate the results. This is becoming increasingly visible among elite business journals (Babin, Lopez, Herrmann, & Ortinau, 2018; Harzing, 2016), including Industrial Marketing Management (Laplaca, Lindgreen, & Vanhamme, 2018). Thus, the discussion of B2B marketing experiments will focus on quantitative experimental research.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

بینش روش شناختی از پارتیشن بندی داده ها
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها