Digital Marketing to Promote Healthy Weight Gain Among Pregnant Women in Alberta: An Implementation Study
Notice bibliographique
Résumé
BACKGROUND: As the use of digital media for health promotion has become increasingly common, descriptive studies exploring current and innovative marketing strategies can enhance the understanding of effective strategies and best practices. OBJECTIVE: This study aims to describe the implementation of a provincial digital media campaign using complementary advertising platforms to promote healthy pregnancy weight gain messages and direct a Web audience to a credible website. METHODS: The digital media campaign occurred in 3 phases, each for 8 weeks, and consisted of search engine marketing using Google AdWords and social media advertising through Facebook. All advertising materials directed users to evidence-based pregnancy-related weight gain content on the Healthy Parents, Healthy Children website. RESULTS: Google Ads received a total of 43,449 impressions, 2522 clicks, and an average click-through rate (CTR) of 5.80%. Of people who clicked on a Google ad, 78.9% (1989/2522) completed an action on the website. Across all Facebook advertisements, there were 772,263 impressions, 14,482 clicks, and an average CTR of 1.88%. The highest-performing advertisement was an image of a group of diverse pregnant women with the headline "Pregnancy weight is not the same for every woman." CONCLUSIONS: This study supports the use of digital marketing as an important avenue for delivering health messages and directing Web users to credible sources of information. The opportunity to reach large, yet targeted audiences, along with the ability to monitor and evaluate metrics to optimize activities throughout a campaign is a powerful advantage over traditional marketing tactics. Health organizations can use the results and insights of this study to help inform the design and implementation of similar Web-based activities.
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 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 | 0,042 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».