A Small Step from Price Competition to Price War: Understanding Causes, Effects and Possible Countermeasures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>The first part of this paper describes the characteristics of price wars, pointing to recent examples that have caused a stir among the public as well as in the respective industries. A new, concise definition of the term price war is suggested. In the second part drivers for price wars are discussed and explained based on behavioral economics (understanding the competitor’s strategy as well as a company’s own cost situation). Particularly in industries that are characterized by a high proportion of costs that are unchangeable in the medium-term and low variable costs there is a substantial risk for unintended price competition possibly ending in a price war. Even slight price reductions can have fatal consequences when decision makers mistakenly estimate the price elasticities too high. In the third part a case study of a price war is presented by focusing on the market of long-distance bus journeys in Germany. Since the market for intercity bus connections was liberalized in 2013, the newly created market segment faces a very strong growth and intensive competition. Using a multi-source-multi-method-approach it is shown how the market entry of UK-based company Megabus affected price levels for bus journeys und initiated competitive reactions of the German railway operator Deutsche Bahn. The interaction of various parameters (low barriers to enter the market; high similarity of products/services; fixation on market share and capacity utilization) leads to a ruinous price competition and leaves few chances for a sustainable profitability. Measures to avoid an impending or to terminate an ongoing price war are presented.</p>
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle