MétaCan
Menu
Retour à la cohorte
Enregistrement W2055121948 · doi:10.1108/10610421211228801

Wine label design and personality preferences of millennials

2012· article· en· W2055121948 sur OpenAlexaff
Statia Elliot, J.E. Barth

Notice bibliographique

RevueJournal of Product & Brand Management · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWineAppealOriginalityMarketingAdvertisingPersonalityPersonality psychologyConsumer behaviourBusinessValue (mathematics)Market segmentationProduct (mathematics)Brand imageConsumption (sociology)PsychologySociologySocial psychologyComputer sciencePolitical scienceFood scienceCreativityMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose To better understand the unique preferences of the newest segment of wine consumers, the purpose of this paper is to explore the design and brand personality of wine labels, and their appeal to the millennial market. Design/methodology/approach The study methodology comprised two components: an experimental design of wine label creations by millennial students of a university beverage management course; and a survey of over 400 millennial consumers to assess wine label design and brand personality preferences. Findings Wine labels created by millennials tend to be very non‐traditional in terms of the image selected, name of wine, color choice and overall label design. New wine consumers in the 19 to 22 year‐old category are much more likely to select wine based on package features, such as name and image, than based on product features, such as producer and country‐of‐origin. Spirited, up‐to‐date brand personalities appeal to this generation. Originality/value The millennial market is a large, important segment new to wine consumption. The experimental creation of wine label designs by millennials themselves provides a unique insight in terms of the new, and somewhat hedonistic, images that appeal specifically to this growing market.

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)0,002
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,053
Tête enseignante GPT0,256
Écart entre enseignants0,203 · 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

Citations71
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Product & Brand ManagementMême sujetWine Industry and TourismTravaux en français237 207