Quality and Pricing Decisions in a Market with Consumer Information Sharing
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.
Notice bibliographique
Résumé
We provide a dynamic, game-theoretic model to examine a firm’s quality and pricing decisions for its new experience goods. Early consumers do not observe product quality prior to purchase but can learn it after purchase and share that product-quality information with later consumers—for example, through online reviews. Both the firm’s quality decision and its cost efficiency are the firm’s private information and not directly observed by the consumer. The early consumers can make a rational inference from the firm’s price about its cost and quality taking into account the firm’s profit incentive from the later informed consumers. We find that in equilibrium a more cost-efficient firm chooses higher quality than does an inefficient firm. One might intuit that a firm will offer higher quality if its high efficiency is known to consumers than if its efficiency is not known, because it will no longer need to convince consumers that it is not the inefficient firm. Our analysis shows that, surprisingly, the opposite may be true—when a firm’s high efficiency is publicly known, the firm may reduce its product quality rather than increase it. Furthermore, consumers’ knowledge about the firm’s cost efficiency can reduce the consumer surplus. We also show that an improvement in the average cost efficiency in the market can lower the consumer surplus. The online appendix is available at https://doi.org/10.1287/mnsc.2017.2930 . This paper was accepted by J. Miguel Villas-Boas, 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle