MétaCan
Menu
Retour à la cohorte
Enregistrement W2464094620 · doi:10.1111/poms.12586

Group Selling, Product Durability, and Consumer Behavior

2016· article· en· W2464094620 sur OpenAlexaff
Yuhong He, Saibal Ray, Shuya Yin

Notice bibliographique

RevueProduction and Operations Management · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBusinessPurchasingProduct (mathematics)Competition (biology)MarketingDownstream (manufacturing)Upstream (networking)Affect (linguistics)CommerceDurable goodIndustrial organizationMicroeconomicsEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Firms producing complementary goods often strategically form groups and jointly sell their products to better coordinate their decisions. For consumer durables, decisions about such collaboration might be complicated due to two factors. Because of their durability and presence of used goods markets, such products engender “future” price competition between new and used goods. On the other hand, consumers of such products might be forward‐looking and patient, both of which affect their purchasing behavior. In this study, we study how the above product and consumer characteristics interact to affect the group selling decisions of complementary firms. We do so through a two‐period model consisting of a value chain with two upstream manufacturers and a downstream retailer. When consumers are relatively impatient and reluctant to wait to buy later, group selling by manufacturers will take place only when the end product is relatively perishable, that is, product durability is low. However, if consumers are patient, that is, willing to wait, collaboration happens only when the end product is quite durable; for relatively perishable products the manufacturers sell their products separately. We also comment on how our results are affected by factors like manufacturers directly selling to end consumers or there being multiple opportunities to decide whether or not to use group selling strategy.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,238
Écart entre enseignants0,218 · 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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetConsumer Market Behavior and PricingTravaux en français237 207