Combined framing effects on attitudes and behavioral intentions toward mortgage advertisements
Notice bibliographique
Résumé
Purpose Mortgage lenders often combine a variety of framing strategies when developing mortgage advertisements. To date, these frames have mostly been studied separately. This paper, however, studies the combined framing effects of message valence, specificity, and temporality on consumers' mortgage decision-making. Design/methodology/approach A mixed methods design was used. First, 13 unique print ads collected from a Canadian newspaper were analyzed for content. Second, a 2 × 2 × 2 scenario-based experiment with 400 undergraduate participants examined the framing effects of valence, specificity and temporality on attitudes toward the mortgage advertising message, the product advertised, and the brand, as well as on consumers' behavioral intentions toward the advertised mortgage product. Findings The content analysis suggests that combined framing does exist in print ads. A positive message with a fixed term and a specific interest rate were the most commonly used frames. The experiment revealed that, for behavioral intentions, the main effect of the message temporality was significant. The effects of advertising a long-term mortgage on behavioral intentions were more favorable than those of advertising a short-term mortgage. Practical implications This research provides a combined framing model for designing advertising strategies for the financial services industry to market complex financial products, such as mortgage loans to consumers. This is relevant to lenders when designing a persuasive package or ads for potential customers. Originality/value This study is the first of its kind to investigate the effects of combinations of message frames on consumers' mortgage decision-making, while also advancing the understanding of message framing theory for the financial services industry.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».