MétaCan
Menu
Retour à la cohorte
Enregistrement W2140908990

Cannibalization, Innovation and Spin-outs

2012· preprint· en· W2140908990 sur OpenAlexaff
April Franco, James D. Campbell

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2012
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCannibalizationProduct (mathematics)Competition (biology)Industrial organizationNew product developmentBusinessProduct proliferationFixed costEconomicsMicroeconomicsCommerceMarketingProduct management
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

How does a firm decide which products to introduce when faced with the cannibalization of profits from its current offerings? In a simple spatial model of imperfectly substitutable products, we show that when the cost of product development is fixed, the firm must take into account the impact on both the lowered profits of its current offerings and the profits from the new product. As a result, there is a gap between the firm's offerings. The substitutability of the products, the cost of product development and the magnitude of demand all impact this distance. When the cost of product introduction increases with the distance between the old and new products, the firm will offer those products that are sufficiently far away from its current offerings, but will not offer a new product if it is \too far away from its current offerings. Hence, the range of its possible offerings is smaller. The fixed cost of product development, the substitutability of the products and the magnitude of demand help to determine the gap between the products and the increased cost of product development due to fit limits the range of product offerings. We investigate the impact of external competition and show that firms will introduce new products further from their current offerings when there is a threat of competition. When the firm cannot prevent a spin-out, it is more likely to introduce a new product, and to discard a new product even

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,287
Écart entre enseignants0,247 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetDigital Platforms and EconomicsTravaux en français237 207