How Point-of-Sale Marketing Mix Impacts National-Brand Purchase Shares
Notice bibliographique
Résumé
Purchase shares of major national brands in consumer packaged-goods industries vary substantially across stores, both between geographic markets and across stores within markets. We measure the relationship between the variation in national-brand purchase shares and five store-specific marketing mix factors: prices, assortment shares, features, displays, and promotion intensity. We do this by first demonstrating the extent to which purchase shares of the top two national brands across six different categories vary across markets, accounts (defined as chain–market interactions) and stores: market-level variation accounts for approximately 30% of the weekly purchase share variation across stores, whereas account-level and store-level variation explain an additional 13% and 5% of the variation, respectively. We then measure the extent to which assortment, pricing, feature, display, and promotion activities affect the purchase shares of the top national brands. We find that price and assortment share are the two most important point-of-sale factors in determining a brand’s purchase share. We also examine how the proximity to a brand’s city of origin, the assortment share of a store’s private label, the extent of retail competition, and the demographics of the store’s neighborhood affect the purchase share’s sensitivity to the point-of-sale marketing mix, revealing several subtle effects. Finally, we measure the extent to which the variation in top national-brand purchase shares is explained by these five factors. We find that, on average, approximately 56% of the variation in national-brand purchase shares can be attributed to these five factors. These results demonstrate the potential importance of trade marketing on a brand’s purchase shares. 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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».