مقاله انگلیسی پیش بینی عینی نتایج دقیق در بازاریابی تجارت به تجارت (2018 امرالد)

LaPlaca and colleagues (Hadjikhani & LaPlaca, 2013; LaPlaca, 1997; LaPlaca & da Silva, 2016) described in-depth the first paradigm shift in business-to-business (B-to-B) research from description and explanation of business exchanges based on transactions to description and explanation of business exchanges based on relationships. Equally important, they identify what is still necessary to accomplish for B-to-B research to achieve scientific legitimacy, “B2B relationships as a subject of scientific enquiry will need to seriously engage into what can be termed a true paradigm shift, one that advances discovery in this area from sheer descriptive analysis and reporting to the development of explanatory schemata and theoretical frameworks of a kind that allow for more accurate prediction of underlying B2B phenomena” (LaPlaca & da Silva, 2016, p. 232). LaPlaca and colleagues provide foundation insights into the steps necessary to be taken to achieve scientific legitimacy, including embracing prediction and control as necessary objectives in B-to-B research
research focusing on description and explanation is necessary but insufficient for advancing science in the B-to-B discipline. “In conducting scientific investigations, researchers, particularly scientists studying physical phenomena, progress through a hierarchy of types of research: descriptive, explanatory, predictive, and control (LaPlaca, 2013). The ultimate goal of science is to control events where possible … Improved understanding and predictive capabilities will reduce marketing errors and improve overall marketing effectiveness and efficiency. In this way, B-to-B marketing research will truly make a contribution to society” (LaPlaca & da Silva, 2016, p. 232). The following discussion focuses on how to accomplish the true paradigm shift that LaPlaca and colleagues identify. The study here provides examples of research contributing to knowledge and theory that advance prediction and control in B-to-B contexts. The study indicates that shifting beyond linear model construction and symmetric tests (i.e., multiple regression analysis (MRA) and structural equation modeling (SEM)) and embracing complexity theory and asymmetric tests (i.e., constructing and testing algorithms by “computing with words,” Zadeh, 1996, 2010) are necessary steps to be taken to accomplish the true paradigm shift. Researchers in B-to-B research benefit from recognizing that the current dominant logic of performing null hypothesis testing (NHST via MRA and SEM) is “corrupt research” (Hubbard, 2016) practice and from recognizing that predicting by algorithms via somewhat precise outcome testing (SPOT) advances B-to-B research toward achieving scientific legitimacy. Following this introduction, the second section answers the question, “Predicting what
directions or outcomes?” The third section provides examples of predicting precise outcomes in the B-to-B research literature.

LaPlaca و همکاران (Hadjikhani & LaPlaca، 2013؛ LaPlaca، 1997؛ LaPlaca و دا سیلوا، 2016) در عمق اولین تغییر پارادایم در تحقیق کسب و کار (B-to-B) را شرح و توضیح مبادلات کسب و کار بر مبنای معاملات به شرح و توضیح مبادلات تجاری براساس روابط است. به همان اندازه مهم است که آنها هنوز آنچه را که لازم است برای تحقیق B-to-B برای رسیدن به مشروعیت علمی انجام دهند، مشخص می کنند. “روابط B2B به عنوان یک موضوع تحقیق علمی، باید جدی به آنچه که می تواند یک تغییر پارادایم واقعی تبدیل شود، کشف در این زمینه از تجزیه و تحلیل مستقل توصیفی و گزارش به توسعه طرح های توضیحی و چارچوب نظری نوعی که امکان پیش بینی دقیق تر پدیده های B2B را فراهم می کند “(LaPlaca & da Silva، 2016، ص 232). LaPlaca و همکارانش در مورد گام هایی که لازم است برای دستیابی به مشروعیت علمی از جمله پیش بینی و کنترل به عنوان اهداف ضروری در تحقیق B-B بپردازند، بینش بنیادی را در بر دارد. تحقیق با تمرکز بر توصیف و توضیح ضروری است اما برای پیشرفت علم در رشته B-B ضروری است. “در انجام تحقیقات علمی، محققان، به ویژه دانشمندان که پدیده های فیزیکی را مطالعه می کنند، از طریق یک سلسله مراتب از نوع تحقیق پیشرفت می کنند: توصیفی، توضیحی، پیش بینی و کنترل (LaPlaca، 2013). هدف نهایی علم کنترل حوادث است که در آن ممکن است … درک بهتر و قابلیت پیش بینی خواهد خطاهای بازاریابی را کاهش دهد و بهبود کلی و بازده اثربخشی و بهره وری. به این ترتیب، تحقیقات بازاریابی B-to-B واقعا به جامعه کمک خواهد کرد “(LaPlaca & da Silva، 2016، ص 232). بحث زیر در مورد چگونگی دستیابی به تغییر پارادایم حقیقی است که LaPlaca و همکاران آن را شناسایی می کنند. این مطالعه در اینجا نمونه هایی از تحقیقات را در زمینه دانش و تئوری ارائه می دهد که پیش بینی و کنترل را در زمینه B-to-B پیش می برد. این مطالعه نشان می دهد که تغییر فراتر از ساخت مدل خطی و آزمون های متقارن (به عنوان مثال تجزیه و تحلیل رگرسیون چندگانه (MRA) و مدل سازی معادلات ساختاری (SEM)) و در نظر گرفتن تئوری پیچیدگی و آزمون های نامتقارن (یعنی ساخت و آزمایش الگوریتم های “محاسبه با کلمات” زاده، 1996، 2010) گام های لازم برای تحقق تغییر پارادایم حقیقی است. محققان در تحقیق B-to-B از شناختن این که منطق غالب فعلی انجام آزمون فرضیه صفر (NHST از طریق MRA و SEM)، “تحقیق فاسد” (Hubbard، 2016) است و از شناخت پیشبینی توسط الگوریتم ها از طریق نتایج دقیق دقیق تست (SPOT) پیشرفت تحقیق B-to-B برای دستیابی به مشروعیت علمی است. پس از این مقدمه، بخش دوم به این پرسش پاسخ می دهد: «پیش بینی چه چیزی؟ جهت ها یا نتایج؟ “بخش سوم نمونه هایی از پیش بینی نتایج دقیق در ادبیات تحقیق B-B را ارائه می دهد.

توجه؛ (این ترجمه توسط نرم افزار انجام شده و ویرایش نشده است و احتمال وجود اشتباه در آن وجود دارد. در صورت ثبت سفارش، ترجمه توسط مترجمین مجرب انجام خواهد شد. برای مشاهده نمونه ترجمه های تخصصی و اخیر مترجمین جهت اطمینان از کیفیت ترجمه، اینجا کلیک نمایید.)