A longitudinal and cross sectional study of the impact of usage‐based attributes on used product price advertisements
Notice bibliographique
Résumé
Purpose The growing volume of consumer transactions in used products markets has given rise to strategic decisions made by sellers in the amount of information disclosed on usage‐based attributes – product attributes that quantify the degree by which a product has been used. This paper seeks to address this issue. Based on the phenomenon referred to as the dilution effect, it is proposed that sellers would have less desire to disclose usage‐based attribute information in product advertisements for older products. The effects of usage‐based attributes on asking prices of used products are also examined and profiled across time and contrasted across three countries: Britain, Canada, and the USA. Design/methodology/approach Used product advertisements were obtained for 1995 (USA) and 2010 (USA, Canada, and Britain). The ratio of ad content dedicated to usage‐based attributes was then computed and profiled across various conditions, and variations were tested using statistical methods. Findings The results indicate that a dilution‐based strategy, whereby usage‐based product information is less likely to be disclosed for older products, was evident in 1995 as it was in 2010. Furthermore, cross‐country variations were observed in the use of this strategy. Research limitations/implications The research presented can be expanded to cover other product categories where used products are exchanged and usage‐based attributes constitute a fundamental consumer consideration in such exchanges. The research can also be extended to cover a wider range of countries for analysis. Originality/value This paper extends traditional pricing theory to consider the effects of usage‐based attributes on used product prices and associated consumer communications. Given the growth in the volume of consumer transactions in used product markets, this line of inquiry is relevant not only from an academic perspective but can also inform public policy and potential regulatory measures.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».