The impact of brand evangelism on oppositional referrals towards a rival brand
Notice bibliographique
Résumé
Purpose This study aims to build on the notion of brand evangelism developed by Becerra and Badrinarayanan (2013) by examining how brand relationship variables regarding one brand (i.e. brand loyalty, brand community identification and self-brand connection) influence oppositional referrals to a rival brand (i.e. desire to harm and trash-talking) in the high definition (HD) videogame console industry. Design/methodology/approach A survey of online communities devoted to video gaming was conducted using a sample of 809 respondents, all owners of either a PlayStation or an Xbox. Findings The results show that the desire to harm the rival brand is strongly and positively associated to participation in trash-talking. Brand loyalty is connected to both dimensions of oppositional brand referrals. Consumers’ connection with the brand affects trash-talking only indirectly through the desire to harm. No association is found between identification with the brand community and oppositional brand referrals. Originality/value This study is the first to demonstrate the mechanism linking brand relationship variables regarding a focal brand with consumers’ disparagement of a rival brand, showing that a desire to harm plays a central role. Just as the desire for retaliation drives negative word-of-mouth in the context of an unsatisfactory experience with a brand (Grégoire and Fisher, 2006), the desire to harm drives trash-talking against a rival brand by brand evangelists. This study improves our understanding of the relationships consumers build with their preferred brands and how this relationship may influence their rejection of competing brands with which they do not have direct experience.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».