Is Oprah Contagious? Identifying Demand Spillovers in Product Networks
Notice bibliographique
Résumé
We study the online contagion of exogenous demand shocks generated by book reviews featured on the Oprah Winfrey TV show and published in the New York Times, through the co-purchase recommendation network on Amazon.com. These exogenous events may ripple through and affect the demand for a 'network' of related books that were not explicitly mentioned in a review but were located 'close' to reviewed books in this network. Using a difference-in-differences matched-sample approach, we identify the extent of the variations caused by the visibility of the online network and distinguish this effect from variation caused by hidden product complementarities. Our results show that the demand shock diffuses to books that are upto five links away from the reviewed book, and that this diffused shock persists for a substantial number of days, although the depth and the magnitude of diffusion varies widely across books at the same network distance from the focal product. We then analyze how product characteristics, assortative mixing and local network structure, play a role in explaining this variation in the depth and persistence of the contagion. Specifically, more clustered local networks 'trap' the diffused demand shocks and cause it to be more intense and of a greater duration but restrict the distance of its spread, while less clustered networks lead to wider contagion of a lower magnitude and duration. Our results provide new evidence of the interplay between a firm's online and offline media strategies and we contribute methods for modeling and analyzing contagion in networks.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».