Brand Stereotyping and Image Transfer in Concurrent Sponsorships
Notice bibliographique
Résumé
François A. Carrillata*, Paul J. Solomonb & Alain d'Astousca University of Technology Sydney, Ultimo, Australiab University of South Florida, Tampa, Florida, USAc HEC Montreal, Montreal, Quebec, CanadaAddress correspondence to François A. Carrillat, University of Technology Sydney, Business School, Marketing Discipline Group, 14-28 Ultimo Road, Ultimo 2007, Australia. E-mail: francois.carrillat@uts.edu.auFrançois A. Carrillat (PhD, University of South Florida) is an associate professor of marketing, University of Technology Sydney.Paul J. Solomon (PhD, Arizona State University), is a professor of marketing, College of Business, University of South Florida.Alain d'Astous (PhD, University of Florida) is a professor of marketing, HEC Montreal.Color versions of one or more of the figures in the article can be found online at www.tandfonline.com/ujoa.Concurrent sponsorship, that is, when several brands simultaneously sponsor the same event, is a common yet understudied marketing communication situation. The research presented in this article explores the transfer of image that takes place among the sponsoring brands in this situation. The results of two experiments reveal that this image transfer is due to stereotypic processing. Additional analyses delineate more specifically the stereotyping process at work. They show first that the stereotype is ad hoc, rather than based on some a priori developed mental schema, and therefore that it is construed from the images associated with the concurrent sponsoring brands. And second, that brand stereotyping serves a cognitive rather than an evaluative function, thus suggesting a valence-neutral process whose outcomes can be beneficial or detrimental to a focal sponsor, depending on the images initially associated with the other sponsors. The implications of these findings for sponsorship research and practice are discussed, along with research limitations and future research avenues.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».