MétaCan
Menu
Retour à la cohorte
Enregistrement W1969546082 · doi:10.1509/jmkr.47.6.1114

Dilution and Enhancement of Celebrity Brands through Sequential Movie Releases

2010· article· en· W1969546082 sur OpenAlexaff
Lan Luo, Xinlei Chen, Jeanie Han, C.W. Park

Notice bibliographique

RevueJournal of Marketing Research · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBrand equityAdvertisingEquity (law)Product (mathematics)Panel dataBusinessPsychologyMarketingEconomicsEconometricsPolitical scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This article examines the effects of sequential movie releases on the dilution and enhancement of celebrity brands. The authors use favorability ratings collected over a 12-year period (1993–2005) to capture movement in the brand equity of a panel of actors. They use a dynamic panel data model to investigate how changes of brand equity are associated with the sequence of movies featuring these actors, after controlling for the possible influence from the stars’ off-camera activities. The authors also examine the underlying factors that influence the magnitude and longevity of such effects. In contrast with findings from existing research in product branding, the authors find evidence that supports the general existence of dilution and enhancement effects on the equity of a celebrity brand through his or her movie appearances. They also find that star favorability erodes substantially over time. Finally, this research offers insights for actors regarding how to make movie selections strategically to maximize their brand equity.

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)0,035
score de la tête « metaresearch » (Gemma)0,031
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0350,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,067
Tête enseignante GPT0,423
Écart entre enseignants0,356 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetDigital Marketing and Social MediaTravaux en français237 207