MétaCan
Menu
Retour à la cohorte
Enregistrement W2035474708 · doi:10.1561/1700000030

Product Assortment and Consumer Choice: An Interdisciplinary Review

2012· article· en· W2035474708 sur OpenAlexaff
Alexander Chernev

Notice bibliographique

RevueFoundations and Trends® in Marketing · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésProduct (mathematics)Variety (cybernetics)Consumer choiceMarketingPerspective (graphical)Process (computing)BusinessConsumer behaviourPerceptionDecision processComputer scienceProcess managementPsychologyMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The topic of product assortment has generated a plethora of research across various domains, including economics, analytical and empirical modeling, individual and group decision making, and social psychology. Despite the voluminous assortment research, however, the key findings have remained scattered across domains. In fact, the very domain of assortment research has not been clearly defined, thus complicating the understanding of the current state of assortment research. The goal of this review, therefore, is to define the field of assortment research and outline its key findings. In this context, this review delineates three key domains of assortment research: (1) how consumers perceive the variety of items in an assortment, (2) how consumers choose an item from a given assortment, and (3) how consumers choose among assortments. The key findings in each of these three areas are synthesized in the form of specific research propositions that build on the existing findings and provide guidance for further empirical investigation. By outlining the key findings in each of these three areas, this review offers an integrative framework for understanding the impact of assortment on consumer choice.

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)0,003
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,036
Tête enseignante GPT0,336
Écart entre enseignants0,300 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations86
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoundations and Trends® in MarketingMême sujetConsumer Market Behavior and PricingTravaux en français237 207