Brand Management and Strategies Against Counterfeits
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, I provide a theory for brand‐protection strategies to reduce counterfeiting under weak intellectual property rights. My theoretical framework has general implications for endogenous sunk cost investments as a means of deterring counterfeiters. My model incorporates two layers of asymmetric information that counterfeits can incur: counterfeiters fooling consumers and buyers of counterfeits fooling other consumers. Brands have a number of tools at their disposal to maintain a separating equilibrium in the face of counterfeits. One of the theoretical predictions of this study is that counterfeit entry induces incumbent brands to introduce new products. This helps to explain the innovation strategies that authentic firms employ in response to entry by counterfeiters in practice. Authentic prices rise if and only if the counterfeit quality is lower than a threshold level. In addition, the model demonstrates how authentic producers could invest in self‐enforcement to increase counterfeiters' incentives to separate themselves from brands. Better channel management through company stores and other costly devices are forms of nonprice signals and complement a company's own enforcements against counterfeits. These predictions are validated using unique panel data collected from Chinese shoe companies covering the years 1993–2004. Data further reveal that companies with worse relationships with the government invest more in various self‐enforcement strategies, which are effective in reducing counterfeit sales, and that the set of strategies are complements rather than substitutes for each other.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle