MétaCan
Menu
Retour à la cohorte
Enregistrement W1785742855 · doi:10.1287/mnsc.2016.2449

Demonstrations and Price Competition in New Product Release

2016· article· en· W1785742855 sur OpenAlexaff
Raphael Boleslavsky, Christopher Cotton, Haresh Gurnani

Notice bibliographique

RevueManagement Science · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)Profit (economics)Industrial organizationFlexibility (engineering)EconomicsMonopolyProduct (mathematics)New product developmentMicroeconomicsMarketingProduct proliferationStrategic complementsProduct marketMarket shareBusinessProduct managementIncentive

Résumé

récupéré en direct d'OpenAlex

We incorporate product demonstrations into a game theoretic model of price competition. Demonstrations may include product samples, trials, return policies, online review platforms, or any other means by which a firm allows consumers to learn about their value for a new product. In our model, demonstrations help individual consumers to learn whether they prefer an innovative product over an established alternative. The innovative firm controls demonstration informativeness. When the innovative firm commits to demonstration policies and there is flexibility in prices, the firm is best off offering fully informative demonstrations that divide the market and dampen price competition. In contrast, when a firm can adjust its demonstration strategy in response to prices, the firm prefers only partially informative demonstrations, designed to maximize its market share. Such a strategy can generate the monopoly profit for the innovative firm. We contrast the strategic role of demonstrations in our framework with the strategic role of capacity limits in models of judo economics, which also allow firms to divide a market and reduce competition. This paper was accepted by J. Miguel Villas-Boas, marketing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,233
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetConsumer Market Behavior and PricingTravaux en français237 207