MétaCan
Menu
Retour à la cohorte
Enregistrement W2141310325 · doi:10.1287/mksc.2013.0804

Profit-Increasing Consumer Exit

2013· article· en· W2141310325 sur OpenAlexaff
Amit Pazgal, David Soberman, Raphael Thomadsen

Notice bibliographique

RevueMarketing Science · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProfitability indexProfit (economics)PhenomenonBusinessMarket shareEconomicsNew product developmentIndustrial organizationMarketingCommerceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper examines the phenomenon of profit-increasing consumer exit and the related phenomenon of profit-decreasing consumer entry. We demonstrate that firms can be better off in shrinking markets and worse off in growing markets, even in the absence of competitive entry or exit. Specifically, firms may benefit if a segment of consumers who are relatively indifferent about consuming any product in the category leave the market. Profits can increase for all firms even if the exiting consumers have strong preferences for only one of the products in the market. In shrinking markets, it is reasonable to assume that the people who are likely to exit the market first are people who are “least committed” to the category. In particular, people who are the least satisfied with the existing offers are the most likely to change their behavior by finding an alternative or adopting a new technology. Similarly, in growing markets, consumers who enter the market late are generally the least committed to the category. Such exiting can relax the competitive pressure between firms and lead to increased profitability. Our findings provide an explanation for profit growth that has been observed in product industries exhibiting slow and predictable declines over time, including vacuum tubes, cigarettes, and soft drinks.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,017
Tête enseignante GPT0,236
Écart entre enseignants0,219 · 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

Citations20
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarketing ScienceMême sujetConsumer Market Behavior and PricingTravaux en français237 207