MétaCan
Menu
Retour à la cohorte
Enregistrement W3045504565 · doi:10.5465/ambpp.2020.18809abstract

Platform Venture Capital Investments and the Introduction and Withdrawal of Complementary Products

2020· article· en· W3045504565 sur OpenAlexaff
Joey van Angeren, Arvind Karunakaran

Notice bibliographique

RevueAcademy of Management Proceedings · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCorporate venture capitalMultihomingComplementary goodBusinessVenture capitalContext (archaeology)Industrial organizationEquity (law)Product (mathematics)Corporate governancePosition (finance)MarketingFinanceComputer scienceThe Internet

Résumé

récupéré en direct d'OpenAlex

Many platform providers are involved in corporate venturing. Increasingly, platform providers stake out minority equity investments in complementors from their own platform ecosystem as an act of ecosystem governance, a practice that we refer to as platform venture capital (PVC). We study how other complementors respond to such investments, as it pertains to their decisions to introduce and withdraw complementary products. Building upon the triadic exchange structure and contingent adoption nature that are characteristic for platforms, we advance theoretical arguments that position PVC as a powerful proxy for customer demand in the platform ecosystem. We explore the implications of PVC for complementary product introduction and withdrawal by assessing the consequences of 24 PVC investments in the context of Salesforce’s platform ecosystem. Consistent with our theoretical arguments, we show that complementors tend to view PVC as a signal of opportunity rather than as a potential threat, such that they are more likely to introduce and less likely to withdraw complementary products in product categories affected by PVC. We also show that these effects are weaker for complementors with greater platform ecosystem experience and multihoming complementors that are better positioned to access information on the preference of platform customers.

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 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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,457

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 technologies0,0000,000
Communication savante0,0000,003
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 Opus0,017
Tête enseignante GPT0,194
Écart entre enseignants0,177 · 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 tête enseignante, 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetDigital Platforms and EconomicsTravaux en français237 207