Electronic Cigarette Marketing Online: a Multi-Site, Multi-Product Comparison
Notice bibliographique
Résumé
BACKGROUND: Electronic cigarette awareness and use has been increasing rapidly. E-cigarette brands have utilized social networking sites to promote their products, as the growth of the e-cigarette industry has paralleled that of Web 2.0. These online platforms are cost-effective and have unique technological features and user demographics that can be attractive for selective marketing. The popularity of multiple sites also poses a risk of exposure to social networks where e-cigarette brands might not have a presence. OBJECTIVE: To examine the marketing strategies of leading e-cigarette brands on multiple social networking sites, and to identify how affordances of the digital media are used to their advantage. Secondary analyses include determining if any brands are benefitting from site demographics, and exploring cross-site diffusion of marketing content through multi-site users. METHODS: We collected data from two e-cigarette brands from four social networking sites over approximately 2.5 years. Content analysis is used to search for themes, population targeting, marketing strategies, and cross-site spread of messages. RESULTS: Twitter appeared to be the most frequently used social networking site for interacting directly with product users. Facebook supported informational broadcasts, such as announcements regarding political legislation. E-cigarette brands also differed in their approaches to their users, from informal conversations to direct product marketing. CONCLUSIONS: E-cigarette makers use different strategies to market their product and engage their users. There was no evidence of direct targeting of vulnerable populations, but the affordances of the different sites are exploited to best broadcast context-specific messages. We developed a viable method to study cross-site diffusion, although additional refinement is needed to account for how different types of digital media are used.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».