Towards a Better Understanding of Consumer Behavior: Marginal Utility as a Parameter in Neuromarketing Research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Understanding consumers’ decision-making process is one of the most important goal in Marketing. However, the traditional tools (e,g, surveys, personal interviews and observations) used in Marketing research are often inadequate to analyse and study consumer behaviour. Since people’s decisions are influenced by several unconscious mental processes, the consumers very often do not want to, or do not know how to, explain their choices. For this reason, Neuromarketing research has grown in popularity. Neuromarketing uses both psychological and Neuroscience techniques in order to analyse the neurological and psychological mechanisms that underlying human decisions and behaviours. Hence, studying these mechanisms is useful to explain consumers’ responses to marketing stimuli.This paper (1) provides an overview of the current and previous research in Neuromarketing; (2) analyzes the use of Marginal Utility theory in Neuromarketing. In fact, there is remarkably little direct empirical evidence of the use of Marginal Utility in Neuromarketing studies. Marginal Utility is an essential economic parameter affecting satisfaction and one of the most important elements of the consumers’ decision-making process. Through the use of Marginal Utility theory, economists can measure satisfaction, which affects largely the consumer’s decision-making process. The research gap between Neuromarketing and use of Marginal Utility theory is discussed in this paper. We describe why Neuromarketing studies should take into account this parameter. We conclude with our vision of the potential research at the interaction of Marginal Utility and Neuromarketing.
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.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle