MétaCan
Menu
Retour à la cohorte
Enregistrement W3016530903 · doi:10.1287/mnsc.2019.3461

Wage Transparency and Social Comparison in Sales Force Compensation

2020· article· en· W3016530903 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueManagement Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)IncentiveWageSales forceCompensation (psychology)BusinessMarketingEconomicsMicroeconomicsLabour economics

Résumé

récupéré en direct d'OpenAlex

When wages are transparent, sales agents may compare their pay with that of their peers and experience positive or negative feelings if those peers are paid (respectively) less or more. We investigate the implications of such social comparisons on sales agents’ effort decisions and their incentives to help or collaborate with each other. We then characterize the firm’s optimal sales force compensation scheme and the conditions under which wage transparency benefits the firm. Our results show that the work environment—which includes such aspects as demand uncertainty, correlation across sales territories, and the possibility of help/collaboration—plays a significant role in the firm’s compensation and wage transparency decisions. In particular, wage transparency is more likely to benefit the firm when demand uncertainty is low, sales outcomes are positively correlated across different sales territories, and sales agents can collaborate at low cost. We find that, contrary to conventional wisdom, social comparisons need not reduce collaboration among agents. Our study also highlights the importance of providing the right mix of individual and group incentives to elicit the benefits of wage transparency. This paper was accepted by Juanjuan Zhang, marketing.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,386
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

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

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 Opus0,088
Tête enseignante GPT0,359
Écart entre enseignants0,271 · 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