Ain't it “suite”? Bundling in the PC office software market
Notice bibliographique
Résumé
Research Summary: We examine the importance of office suites for the evolution of the personal computer (PC) office software market in the 1990s. An estimated discrete‐choice model reveals a positive correlation of consumer values for spreadsheets and wordprocessors, a bonus value for suites, and advantages for Microsoft products. We employ the estimates to simulate various hypothetical market structures to evaluate the profitability, welfare, and competitive effects of suites under alternative correlation assumptions. We find that firms benefit greatly from bundling components (i.e., a spreadsheet and a word processor) when the correlation of consumer preferences over the components in the bundle is positive. Our work adds another aspect to the recent work in the strategy literature that examines benefits from bundling when there are complementary relationships across the products in the bundle. Managerial Summary: Our research helps managers understand the conditions under which product bundling is likely to be most profitable. We show that one key to enhanced profitability is the correlation in consumer preferences over the individual products. We consider the performance implications of bundling under a variety of alternative market structures and competitive environments. Our analysis reveals that firms benefit greatly from bundling when the correlation of consumer valuations over the products is positive. Consumers benefit as well. Hence, bundling is a win‐win for firms and their customers. Since profits increase by more than consumer surplus, bundling leads to increased value capture by the firms. Consequently, it may be profitable for firms to invest in actively increasing the correlation in consumer preferences over products in the bundle.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».