MétaCan
Menu
Retour à la cohorte
Enregistrement W2077626042 · doi:10.1509/jmr.07.0441

Dynamic Effectiveness of Advertising and Word of Mouth in Sequential Distribution of New Products

2012· article· en· W2077626042 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Marketing Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésWord of mouthAdvertisingComputer scienceRevenueMarkov chainDynamic pricingProduct (mathematics)MarketingBusinessMathematics

Résumé

récupéré en direct d'OpenAlex

Firms in many industries release new products in sequential stages. They also launch separate advertising campaigns at each distribution stage. Thus, communication mix elements—advertising and word of mouth (WOM)—can play important, distinct, and yet interdependent roles in stimulating new product demand. Their effectiveness may fluctuate within and across stages and spill over from earlier to later stages. Thus, the authors construct a dynamic linear model to study the dynamic effects of advertising and WOM on demand for heterogeneous products across stages. They further apply the model to examine a canonical example, the theater-then-video sequential distribution of motion pictures, and estimate the parameters using Kalman filtering/smoothing and Markov chain Monte Carlo methods. The results show that advertising and WOM exert dynamic, yet diverse, influences on demand for new products. For example, while increased ad spending is more effective at an earlier stage due to repetition wear-in and synergy with WOM, increased WOM activities at a later stage could become more powerful in driving demand. Subsequent optimization exercises suggest that films of varied characteristics can potentially re-allocate their advertising budgets and reap additional revenues.

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.

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)0,024
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,845

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,042
Tête enseignante GPT0,336
Écart entre enseignants0,294 · 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