MétaCan
Menu
Retour à la cohorte
Enregistrement W2604784470 · doi:10.1287/msom.2016.0613

Competing with Copycats When Customers Are Strategic

2017· article· en· W2604784470 sur OpenAlexaff
Hubert Pun, Gregory D. DeYong

Notice bibliographique

RevueManufacturing & Service Operations Management · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCopycatBusinessProduct (mathematics)First-mover advantageProfit (economics)MarketingQuality (philosophy)Strategic complementsAdvertisingIndustrial organizationEconomicsMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

In this paper, we use a two-period game theoretical model to examine the decisions of a manufacturer and a copycat firm who are competing for strategic customers. The manufacturer decides on the amount of its market expansion advertising investment in the first period and on its pricing strategy in both periods. Advertising increases the “size of the pie,” but eventually the manufacturer may end up inadvertently sharing the benefits with the copycat. After the first period, the copycat makes a market-entry decision, and, if it opts to enter, it also decides on a pricing strategy. The customers are strategic, and they decide whether or not to buy, when to buy, and which product to buy. We find that, interestingly, lower quality levels of the manufacturer’s product may increase the manufacturer’s prices and profit. Moreover, the manufacturer may be worse off when customers are more likely to purchase its product immediately rather than wait for a price reduction or for the copycat’s product. Finally, the copycat may be worse off when customers withhold their purchases in the first period in anticipation of the possibility of copycat product becoming available in a later period. The online appendix is available at https://doi.org/10.1287/msom.2016.0613 .

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0060,006
Science ouverte0,0030,002
Intégrité de la recherche0,0070,004
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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 Opus0,032
Tête enseignante GPT0,243
Écart entre enseignants0,211 · 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'étudeThéorique ou conceptuel
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

Citations115
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManufacturing & Service Operations ManagementMême sujetConsumer Market Behavior and PricingTravaux en français237 207