MétaCan
Menu
Retour à la cohorte
Enregistrement W2151570308 · doi:10.1109/tem.2006.889064

Selecting a Customization Strategy Under Competition: Mass Customization, Targeted Mass Customization, and Product Proliferation

2007· article· en· W2151570308 sur OpenAlexaff
Hasan Cavusoglu, Huseyin Cavusoglu, Srinivasan Raghunathan

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2007
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueProduct Development and Customization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMass customizationPersonalizationCannibalizationCompetition (biology)Product (mathematics)Industrial organizationBusinessMarketingComputer scienceProcess managementMathematics

Résumé

récupéré en direct d'OpenAlex

Customization requires not only an implementation of proper manufacturing systems but also a proper strategy regarding when firms should offer customized products and what the nature of customization should be. This paper questions 1)whether customization is better than no customization, and, if so, 2) what kind of customization strategy firms should adopt under competition. We find that customization is not optimal when the cost of soliciting customer preference information is sufficiently high. When competing firms choose to customize, we show that firms target only certain customer segments with customized products. We also find that the optimal customization strategy may require firms to offer only a few discrete product varieties. Despite the concern that customization may initiate price wars because customization reduces product differentiation, we find that customization does not escalate the price competition, because aggressive price competition exacerbates cannibalization. Although customers within the product line of a firm are charged higher prices, we show that on average customers are better off when firms adopt customization. However, unless the customization is quite cheap, when firms choose to customize, we find that firms cannot generate more profits than when firms offer only a single product

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)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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'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

Citations51
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetProduct Development and CustomizationTravaux en français237 207