Being a Likable Braggart: How Consumers Use Brand Mentions for Self-presentation on Social Media
Notice bibliographique
Résumé
Consumer self-presentation is considered a major driver of word-of-mouth (WOM) communication. In particular, the manner in which consumers self-present using brand mentions is likely to impact impressions of the WOM senders as well as the mentioned brands. In some cases, however, mentioning reputable brands in a WOM message can be considered bragging, which can lead to negative impressions of the communicator. In this chapter, we use Twitter data to develop a typology of different strategies consumers use to mention brands while crafting positive self-presentations on social media. Our findings suggest that consumers try to avoid negative evaluations while bragging via brand mentions by (1) mentioning brands in the context of sharing on social media what one is doing, feeling or thinking at the moment, (2) shifting the focus of communication away from the self, and/or (3) downplaying one’s own or the brand’s positive characteristics. These brand mentioning strategies map onto some common tactics used by marketers to encourage consumers to talk about brands on social media. Our typology of brand mentioning strategies is a first step towards examining the downstream consequences of these strategies for the communicator and the mentioned brand. Moreover, our typology can help in developing a theory to guide practitioners in selecting tactics to encourage brand mentions that will benefit the brand.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».