MétaCan
Menu
Retour à la cohorte
Enregistrement W2542710292

A STUDY ON BRAND PERCEPTION OF FMCG GOODS

2011· article· en· W2542710292 sur OpenAlexaboutno aff
S Jeevananda

Notice bibliographique

RevueInternational Journal of Research in Commerce and Management · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFast-moving consumer goodsBusinessMarketingQuality (philosophy)AdvertisingPerceptionQuarter (Canadian coin)Brand equityRetail industryCommerceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Retail industry is one of the largest industries in India. India is the third-most attractive retail market for global retailers among the 30 largest emerging markets, according to US consulting group AT Kearney’s report published in June 2010. The total retail sales in India will grow from US$ 395.96 billion in 2011 to US$ 785.12 billion by 2015, according to the BMI India Retail report for the third quarter of 2011. The branding of fast moving consumer goods has become an integral part of the lives of consumers. Consumers are literally confronted with hundreds of brands on a daily basis and are, therefore, spoilt for choice. The objective of conducting the research was to analyse the extent to which Indian retail store managers perceptions and consumers’ perceptions converge to promote brand equity in respect of fast moving consumer goods in retail chain stores at Bangalore. This was carried out by identifying the main variables like branding, packaging, pricing, promotions and quality. The study was based on the impact of these variables on the perception of consumers’ and Indian retail store managers. The study revealed that the consumers and store managers believe that consumer purchase depend on branding and the quality of the products and all other variables have a least impact.

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)0,002
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 seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,251
Tête enseignante GPT0,429
Écart entre enseignants0,179 · 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in Commerce and ManagementMême sujetConsumer Retail Behavior StudiesTravaux en français237 207