Identifying and analyzing social marketing initiatives using a theory-based approach
Notice bibliographique
Résumé
Purpose This paper aims to provide an example of how to review information and social-marketing initiatives using financial well-being as a case point. Design/methodology/approach Literature review and content analysis is used. The audience, channel, message, and evaluation framework is applied. Existent financial well-being initiatives are identified and selected, and further described and analysed in terms of their audience, channel, message and evaluation. The message is further discussed according to the transtheoretical model of change. Findings Most financial well-being campaigns focus on a particular audience, use a multichannel approach to reach their audience, and report some evaluation, consistent with the audience, channel, message and evaluation framework. Message analysis shows that several initiatives address all processes posited by the transtheoretical model of change to trigger behavior change. Potential areas of improvement and boomerang effects are identified. Practical implications Initiatives enhance their effectiveness by using theory, using proper segmentation and channel(s) selection, creating messages based on the audiences’ readiness for change and incorporating evaluation. Originality/value Theoretical and practical insight regarding financial well-being initiatives has been achieved. Campaign designers can inspire from this example to conduct their own research and analysis of existent initiatives as one of the starting points in the process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,058 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,041 | 0,024 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».