Marketing Biotech Soybeans with Functional Health Attributes
Notice bibliographique
Résumé
This study investigates possible marketing strategies for biotechnology (biotech) functional foods in the U.S. market. Means‐end chain theory is used to translate consumer product knowledge into self‐knowledge, where knowledge is presumed to be organized in a hierarchy with concrete thoughts linked to more abstract thoughts in a sequence progressing from means to ends. A sample of 60 households was randomly drawn from the population of a Midwest town. The random sample was drawn from a population of females aged 20 to 50 with children and who regularly purchase yogurt products. Eight products with various attributes and production technologies were ranked by the participants prior to a hard laddering interview. The study found that biotech functional foods were generally acceptable to the participants. Functional attributes, such as higher protein, increased calcium, and lower cholesterol, were valued by the consumers. Soy was considered inferior on the basis of taste for some segments of consumers unfamiliar with soymilk. On the other hand, consumers already purchasing soymilk were more willing to purchase functional soy attributes and have more complex purchasing decisions (cognitive maps). These consumers associate soy with attaining values of “better health,”“taking care of family,”“happiness,” and “more choice.” La présente étude a examiné les stratégies de marketing possibles pour les aliments fonctionnels issus de la biotechnologie sur le marchéétatsunien. La méthode de la chaîne moyens‐fins a été utilisée pour traduire la connaissance du consommateur sur le produit en connaissance de soi, où la connaissance est présumée être structurée en hiérarchie d'idées concrètes liées à des idées plus abstraites dans un ordre progressant des moyens vers les fins. Nous avons formé un échantillon aléatoire de soixante ménages d'une ville du Midwest. L'échantillon aléatoire a été sélectionné parmi une population de femmes âgées de 20 à 50 ans qui avaient des enfants et qui achetaient régulièrement du yogourt. Huit produits renfermant des attributs variés et issus de technologies de production variées ont d'abord été classés par les participants avant de procéder aux entrevues effectuées selon la technique du laddering. Les résultats ont montré que les aliments fonctionnels issus de la biotechnologie convenaient généralement aux participants. Les attributs des aliments fonctionnels tels que plus élevé en protéines, les plus élevé en calcium et faible en cholestérol étaient valorisés par les consommateurs. Le soja est arrivé en dernier pour le goût chez certains consommateurs qui connaissaient mal le lait de soja. Par contre, consommateurs qui achetaient déjà du lait de soja étaient plus enclins à acheter les attributs fonctionnels du soja et avaient des décisions d'achats plus complexes (cartes cognitives). Ces consommateurs associaient le soja à des valeurs telles que ≪ meilleure santé≫, ≪ s'occuper de la famille ≫, ≪ bonheur ≫ et ≪ choix élargi ≫.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».