Notice bibliographique
Résumé
Purpose The aim of this paper is to propose an approach to international market segmentation that identifies meaningful cross‐national consumer segments, which focuses on airline passengers in the NAFTA market. Design/methodology/approach A conjoint analysis is used to evaluate consumers' preferences for six flight attributes: price, in‐flight service, number of stops before destination, on‐time performance, frequent flyer programme, and country of airline. A cluster analysis based on the relative importance scores of each of the six flights attributes then identifies five segments that prioritize similar product attributes within each country. Findings A representative sample of 4,787 airline passengers from the three countries reveal that price is the most important attribute for consumers from the USA and Canada, while on‐time performance is the most important attribute for Mexican consumers. A cluster analysis identifies five segments that prioritize similar product attributes within each country. It is also found that there are five cross‐national consumer segments in the NAFTA market that are homogeneous in terms of consumer preferences but heterogeneous in terms of relative group size and demographic variables. Research limitations/implications The study is based on a purposive sample, which limits the ability to generalize to the whole population with any known degree of precision. Practical implications The research produces practical operational information on each segment that is translatable into strategy, specifically in terms of positioning, promotion, and targeting of the airline service. Originality/value The paper sheds light on the nature of cross‐national segmentation in the NAFTA air passengers market and the resulting cross‐national segmentation will be highly relevant for international marketing management.
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 | 0,007 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».