MétaCan
Menu
Retour à la cohorte
Enregistrement W2040028470 · doi:10.1177/1469540509104375

Manufacturing Customers

2009· article· en· W2040028470 sur OpenAlexaff
Detlev Zwick, Janice Denegri Knott

Notice bibliographique

RevueJournal of Consumer Culture · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésFordismConsumption (sociology)MultitudeFactory (object-oriented programming)Production (economics)MarketingDatabase marketingArticulation (sociology)CapitalismBusinessComputer scienceDatabaseEconomicsSociologyRelationship marketingEconomyMarketing managementPolitical scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The fundamental question we pose in this article is how should we understand marketing in the age of increasingly integrated and networked customer databases? This article argues that new forms of database marketing are best described as customer production processes that rely on the exploitation of the multitude of consumer life.We suggest that the recent increase in available consumer data, computational power and analytical skills leads to a reorganization of the gaze of marketers and increasingly reverses the Fordist articulation of production and consumption. More specifically, instead of flexibly adjusting production regimes to shifting consumption patterns, database marketers collapse the production—consumption dichotomy by manufacturing customers as commodities. Hence, theories about the role of surveillance and simulation technologies for strategies of economic value creation need to be updated in order to acknowledge the evolution of database marketing into a central site of flexible accumulation processes in information capitalism.The result of our undertaking is a model of customer databases that foregrounds the far-reaching effect of potent simulational capabilities intersecting with constantly increasing computational power to transform the database into the factory of the 21st century.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,250
Écart entre enseignants0,232 · 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 tête enseignante, 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
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

Citations149
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer CultureMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207