Branded food spokescharacters: consumers' contributions to the narrative of commerce
Notice bibliographique
Résumé
Purpose The purpose of this research is to examine the nature of consumers' relationships with branded spokescharacters by drawing upon brand personality theory and reader‐response theory, focusing specifically on food trade characters. We aim to show that the persuasive power of these characters resides not only in their appearance, but also in the complex narratives consumers project (sometimes unwittingly) onto the spokescharacter. Design/methodology/approach The paper reports the results of a survey – blending quantitative and qualitative methodologies – designed to document consumer perceptions, affective responses and spontaneous associations to different characters (i.e. Aunt Jemima, Robin Hood, Betty Crocker, Uncle Ben, Poppin' Fresh the Pillsbury's Doughboy, and M. Felix and Mr Norton, characters created by a Montreal‐based cookie company). Findings The results revealed that consumers associate spokescharacters with distinct personality profiles. Also, a connection was found between spokescharacters and narrative: a relationship where the characters become part of a larger narrative paradigm and more importantly, a relationship where the consumer is cast in a specific role vis‐à‐vis the spokescharacter. Practical implications These results should invite brand managers to stay current with the variety of associations that consumers form and how these associations influence the perception of their brand's personality. The results further underscore the need to understand the role into which consumers are cast vis‐à‐vis a branded character. Future research should examine cross cultural differences in the perception and narratives of branded characters, especially since many multinational companies use branded characters across cultural divides. Originality/value The paper shows how consumers play an active role in rendering a spokescharacter likeable, credible, and even memorable and documents the narratives that engage consumers and are both constructed collaboratively with them and propagated by them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».