Influence of Sales Promotion Techniques on Consumers’ Purchasing Decisions at Community Pharmacies
Notice bibliographique
Résumé
This research aims to identify the most prevalent and impactful sales promotion tools used by pharmaceutical companies on consumers' purchasing decisions at community pharmacies. A cross-sectional study design was carried out using the non-repeated random sampling technique. Standardized questionnaires were administered by means of face-to-face interviews or via emails. The relative importance of prevalence (RIP) and the mean evaluation of effectiveness (MEE) were determined for all studied marketing tools for the different groups of respondents (pharmaceutical sales representatives (PSRs), community pharmacists, consumers, and the entire sample). Inter-individual differences in RIP and MEE were assessed by computing the coefficient of variation, whereas inter-group differences were determined by one-way analysis of variance (ANOVA) with the Scheffé test as a post-hoc test. Research findings showed that, according to all respondents, the consumer promotion technique had the strongest impact on consumers' purchasing decisions while merchandising was the most common sales promotion technique at community pharmacies. PSRs and pharmacists identified trade promotion as the most effective and prevalent technique. Furthermore, research findings showed that, according to all respondents, the following sales promotion tools had the strongest impact on consumers' purchasing decisions: arrangement and design of showcases among the studied tools for merchandising; buy 1 and get 2 among the studied tools for consumer promotion; and gifts among the trade promotion studied tools. The same tools were identified as the most prevalent by all respondents. Free samples of promoted products appeared to be the most prevalent tool, but at the same time was the least effective. In conclusion, the results of the present research enable an understanding of which sales promotion tools are commonly used at community pharmacies and which ones have the strongest impact on consumers' purchasing decisions.
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 | 0,001 | 0,008 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».