MétaCan
Menu
Retour à la cohorte
Enregistrement W3121746932 · doi:10.1509/jmkr.48.2.207

Advertising Bans and the Substitutability of Online and Offline Advertising

2011· article· en· W3121746932 sur OpenAlexaff
Avi Goldfarb, Catherine Tucker

Notice bibliographique

RevueJournal of Marketing Research · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAdvertisingOnline advertisingNative advertisingBusinessSearch advertisingAlcohol advertisingAdvertising account executiveAdvertising researchInformative advertisingAdvertising campaignOnline and offlineThe InternetGovernment (linguistics)MarketingComputer scienceAlcohol consumptionAlcohol

Résumé

récupéré en direct d'OpenAlex

The authors examine whether the growth of the Internet has reduced the effectiveness of government regulation of advertising. They combine nonexperimental variation in local regulation of offline alcohol advertising with data from field tests that randomized exposure to online advertising for 275 different online advertising campaigns to 61,580 people. The results show that people are 8% less likely to say that they will purchase an alcoholic beverage in states that have alcohol advertising bans compared with states that do not. For consumers exposed to online advertising, this gap narrows to 3%. There are similar effects for four changes in local offline alcohol advertising restrictions when advertising effectiveness is observed both before and after the change. The effect of online advertising is disproportionately high for new products and for products with low awareness in places that have bans. This suggests that online advertising could reduce the effectiveness of attempts to regulate offline advertising channels because online advertising substitutes for (rather than complements) offline advertising.

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)0,021
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,069
Tête enseignante GPT0,319
Écart entre enseignants0,250 · 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'étudeObservationnel
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

Citations133
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetConsumer Market Behavior and PricingTravaux en français237 207