MétaCan
Menu
Retour à la cohorte
Enregistrement W2724784017 · doi:10.1504/ijir.2017.10006043

Cooperative advertising in a closed-loop supply chain to encourage customers to return their used products

2017· article· en· W2724784017 sur OpenAlexaff
Masoud Rabbani, Ata Allah Taleizadeh, Amir Farshbaf‐Geranmayeh

Notice bibliographique

RevueInternational Journal of Inventory Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensGroup for Research in Decision AnalysisHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésRemanufacturingBusinessSupply chainIncentiveOrder (exchange)Product (mathematics)AdvertisingMarketingNational brandMicroeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

In this paper, two non-cooperatives and one cooperative game are established in order to investigate the effectiveness of cooperative advertising in a closed-loop supply chain with one manufacturer and one retailer. In a closed-loop supply chain, companies tend to increase the return rate of used products. Therefore, the retailer spends for green advertising in order to encourage customers to return their used products by increasing their concerns and awareness about environmental issues. On the other hand, the manufacturer spends on national advertising to create an image of the product and enhance its sale. Since in the manufacturer's point of view, remanufacturing used products is more profitable than manufacturing new ones, he prefers to give some incentives such as participating in the retailer's green advertising expenditure and paying return costs per unit of returned products to the retailer to collect more used products. Results show that both channel members spend their highest and lowest advertising expenditures in cooperative and Nash game, respectively. Also, the higher the differences between the costs of manufacturing new and remanufacturing used products, the more willing the manufacturer is to participate in the retailer's green advertising expenditure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,066
Tête enseignante GPT0,357
Écart entre enseignants0,291 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Inventory ResearchMême sujetSustainable Supply Chain ManagementTravaux en français237 207