MétaCan
Menu
Retour à la cohorte
Enregistrement W3033448110 · doi:10.1080/03155986.2020.1768791

The impact of platform fee scheme on manufacturer-E-tailer co-operative advertising: A game-theoretic analytical study

2020· article· en· W3033448110 sur OpenAlexvenueno aff
Junbin Wang, Xiaojun Fan, Nianqi Deng

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScheme (mathematics)Computer scienceE-commerceAdvertisingBusinessWorld Wide WebMathematics

Résumé

récupéré en direct d'OpenAlex

This study analyzes how the new online platform-selling format affects the optimal co-operative advertising choices of both the manufacturer and the e-commerce platform (e-tailer), and explores the effects of the e-tailer’s contractual forms and commission fees on these choices. In the model, the manufacturer can decide its advertising expenditure as well as the level of participation in the e-tailer’s co-operative advertising program. Unlike the traditional reselling format, in platform selling the manufacturer can decide the retail price charged to the customer directly. The underlying forces of the profit corrosion effect of the commission fee and the demand expansion effect of co-operative advertising reshape the channel’s outcomes. Our findings show that a high commission fee can hinder or foster investment in the co-operative advertising program. Furthermore, the e-tailer always prefers the revenue-sharing scheme under which both e-tailer and manufacturer are better off in most cases, but it results in a lower participation rate and profitability for the manufacturer compared with the per-unit rent scheme. Moreover, the supply chain’s performance could be better when the relative efficiency of co-operative advertising is either sufficiently low or sufficiently high.

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)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,083
Tête enseignante GPT0,387
Écart entre enseignants0,304 · 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'étudeThéorique ou conceptuel
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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetConsumer Market Behavior and PricingTravaux en français237 207