MétaCan
Menu
Retour à la cohorte
Enregistrement W2122378868 · doi:10.1509/jmkg.72.3.111

Negative Spillover in Brand Portfolios: Exploring the Antecedents of Asymmetric Effects

2008· article· en· W2122378868 sur OpenAlexaff
Jing Lei, Niraj Dawar, Jos Lemmink

Notice bibliographique

RevueJournal of Marketing · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensWestern UniversityOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésSpillover effectBrand equitySalience (neuroscience)BusinessPortfolioBrand managementMarketingAdvertisingBrand awarenessPsychologyEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Marketers cultivate brand relatedness in their brand portfolios to increase marketing efficiency through positive spillover of brand equity. However, creating linkages between brands may also make them vulnerable to negative spillover. This research investigates the structure of relatedness in a brand portfolio to understand the nature of spillover effects. The results of two experiments show that the magnitude of spillover between brands is a function of not only the strength of brand associations but also their directionality. The results also show that the directional strength of association is influenced by the number and salience of associations linked to each brand. The authors draw implications for a theoretical understanding of spillover effects in marketing, as well as for the management of brand portfolios.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,040
Tête enseignante GPT0,239
Écart entre enseignants0,199 · 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'étudeObservationnel
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

Citations240
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

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