The impact of altruistic attribution and brand equity in food label campaigns
Notice bibliographique
Résumé
Purpose The purpose of this study is to analyse the impact of two determinants of purchase intention in food label campaigns: altruistic attribution and brand equity. Design/methodology/approach A 2 × 2 between-group factorial experimental design was used, with 2 levels of altruistic attribution (high/low) and 2 levels of brand equity (high/low). The product used for the study was pork chops. A survey was conducted on 602 respondents representing the population of Quebec, Canada. Findings Structural equation modelling was used to evaluate the fit of the data with the proposed mod el. The results demonstrate that altruistic attribution and brand equity have an indirect impact on purchase intention via perceptions of taste and food safety. Altruistic attribution, but not brand equity, also has a direct impact on purchase intention. Research limitations/implications The experiment in this study was conducted via an online consumer panel to increase internal validity. As a result, one of the limitations of the study concerns its external validity. Practical implications This research provides strategic guidelines for businesses or organisations that wish to develop food label campaigns. They must simultaneously consider both altruistic attribution and pre-existing brand equity. Originality/value This study contributes to the literature by demonstrating the impact of altruistic attribution and brand equity on purchase intention in the context of food label campaigns. The study mobilises attribution theory and the multidimensional consumer-based brand equity scale.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».