MétaCan
Menu
Retour à la cohorte
Enregistrement W1965221711 · doi:10.1108/02634501211262591

e‐Marketing Ireland: cashing in on green dots

2012· article· en· W1965221711 sur OpenAlexaff
Wade Halvorson, Anjali Bal, Leyland Pitt, Michael Parent

Notice bibliographique

RevueMarketing Intelligence & Planning · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMarketingTourismBusinessDigital marketingOriginalityMarketing researchReturn on marketing investmentMarketing strategyMarketing managementSociology

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to analyze an integrated marketing model that includes operations in the real and virtual worlds. Design/methodology/approach The authors selected a marketing campaign conducted by a real world enterprise (Tourism Dublin) and examined the virtual world business (Virtual Dublin) model through that lens. Findings At the “slope of enlightenment” stage of the Gartner technology hype cycle, it is found that Second Life offers value for its business clients who understand the use of an immersive virtual experience as part of a strategic marketing program. Practical implications The paper shows that strategic use of a simulation that provides an immersive experience, such as the virtual exploration of a tourist destination, as part of an integrated marketing program can deliver tangible results and add value to a marketing campaign. Social implications With a range of products and services that were previously inaccessible before purchase, consumers can “try before they buy” in a virtual environment such as Second Life. Originality/value To the authors’ knowledge, this is the first case study to examine the business model of a company operating in Second Life (a virtual world) that sells the value of an immersive customer experience as an important part of an integrated marketing communications program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0060,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0350,003

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 Opus0,047
Tête enseignante GPT0,315
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarketing Intelligence & PlanningMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207