MétaCan
Menu
Retour à la cohorte
Enregistrement W2795504814 · doi:10.1287/orsc.2017.1183

Demand Heterogeneity in Platform Markets: Implications for Complementors

2018· article· en· W2795504814 sur OpenAlexfundno aff
Joost Rietveld, J. P. Eggers

Notice bibliographique

RevueOrganization Science · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensnon disponible
Organismes subventionnairesHEC MontréalPontificia Universidad Católica de ChileLudwig-Maximilians-Universität MünchenUniversity of Southern CaliforniaKU LeuvenUniversity of Oregon
Mots-clésEarly adopterCounterintuitiveContext (archaeology)Competition (biology)Set (abstract data type)Video gameHomogeneousMarketingBusinessDynamics (music)AdvertisingEconomicsComputer sciencePsychologyMultimedia

Résumé

récupéré en direct d'OpenAlex

While two-sided platforms (e.g., video game consoles) depend on complements (e.g., games) for their success, the success of complements is also influenced by platform-level dynamics. Research suggests that greater platform adoption benefits complements by providing more potential users, but this assumes that platform adopters are homogeneous. We build on extensive research exploring the heterogeneity between early and late platform adopters to identify counterintuitive dynamics for complements. Complements launched early in a platform’s life cycle face an audience entirely of early platform adopters, whereas later-launching complements face a mixed audience of both early and late adopters, and we argue that differences in preferences and behavior between early and late adopters affect whether complements will succeed and which types will be most successful. We explore these dynamics in the context of the console video game industry using a unique data set of 2,918 video games released in the United Kingdom from 2000 to 2007. We show that despite the increase in the potential user pool as the platform evolves, video games launched later in the platform life cycle realize lower sales than those launched earlier. While increased competition explains part of this effect, we show substantial evidence consistent with our theory of preference differences between early and late adopters. This includes the finding that the negative effect is stronger for novel games and that the gap between popular and less popular complements widens as later adopters move into the platform, consistent with late adopters being risk averse and seeking to avoid purchasing mistakes. The e-companion is available at https://doi.org/10.1287/orsc.2017.1183 .

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)0,008
score de la tête « metaresearch » (Gemma)0,042
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0060,008
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0230,001

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 Opus0,036
Tête enseignante GPT0,267
Écart entre enseignants0,231 · 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

Citations211
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetDigital Platforms and EconomicsTravaux en français237 207