MétaCan
Menu
Retour à la cohorte
Enregistrement W2910230743 · doi:10.1509/jm.16.0476

A Study of Bidding Behavior in Voluntary-Pay Philanthropic Auctions

2018· article· en· W2910230743 sur OpenAlexaff
Ernan Haruvy, Peter T. L. Popkowski Leszczyc

Notice bibliographique

RevueJournal of Marketing · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBiddingCommon value auctionBusinessRevenueMicroeconomicsTurnoverEconomicsMarketingFinance

Résumé

récupéré en direct d'OpenAlex

The authors investigate compliance behavior and revenue implications in winner-pay and voluntary-pay auctions in charity and noncharity settings. In the voluntary-pay format, the seller asks all bidders to pay their own high bid. The authors explore motives and boundary conditions for compliance behavior based on internal and external triggers of social norms. The voluntary-pay format generates higher revenue than the winner-pay format for charity auctions, despite imperfect compliance, but it generates lower revenues in noncharity settings. To characterize bidding strategy, the authors study time to bid, auction choice, and jump bidding and find evidence that bidders in voluntary-pay auctions more commonly use jump bidding and late entry. The findings have important implications for marketing managers, augmenting the growing stream of empirical auction studies and work on corporate social responsibility. Specifically, combining an auction with a charitable cause may result in increased revenues, but managers should ensure that they are accounting for differential compliance rates between auction formats. Even if low-compliance bidders can be identified and screened out, doing so is not advantageous, because noncompliant bidders bid up prices.

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)0,004
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,382
Écart entre enseignants0,329 · 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'étudeObservationnel
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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207