Canadian Organic Food Consumers' Profile and Their Willingness to Pay Premium Prices
Notice bibliographique
Résumé
Abstract Organic food (OF) consumers are concerned with health, safety, and quality of food they eat. However, not all OF consumers are equally "organic." This article aims to offer more insights into the organic consumers' profile by clustering Canadian OF consumers into market segments based on their usage rate and psychographic characteristics. Results show 3 distinct segments of OF consumers varying significantly in their motivations to buy OF in their lifestyles but not in their demographics. The article also investigates these consumer segments' willingness to pay (WTP) premium prices for OF products. WTP is thus not only determined by food category but also by type of consumer. Results also point out significant linkages between psychographic characteristics and WTP for OF. KEYWORDS: food qualityhealthmarket segmentationorganic foodpsychographicswillingness to pay Acknowledgments This article was accepted under the editorship of Dr. Erdener Kaynak. Notes Note. RC = regular consumers; non-RC = non-regular consumers. *Significant at 5%. Note. Non-RC = non-regular consumers; RC = regular consumers. Note. OF = organic food. a Measured on a 5-point Likert scale. Note. TOFC = true organic food consumers; SOFC = sporadic organic food consumers; IOFC = inexperienced organic food consumers. Note. TOFC = true organic food consumers; SOFC = sporadic organic food consumers; IOFC = inexperienced organic food consumers. *Significant at 5%. Note. These percentages do not add to 100% because of missing values. All cross-tabulations are significant at 5%. TOFC = true organic food consumers; SOFC = sporadic organic food consumers; IOFC = inexperienced organic food consumers. Study based on findings from the Environics International Food Issues Monitor Survey 2000 and the Canadian Healthfood Association Survey 2000. Additional informationNotes on contributorsLeila Hamzaoui-Essoussi Leila Hamzaoui-Essoussi is Associate Professor at the Telfer School of Management, University of Ottawa, Canada. Mehdi Zahaf Mehdi Zahaf is Associate Professor at the Telfer School of Management, University of Ottawa, Canada.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».