Profiling gifters via a psychographic segmentation analysis: insights for retailers
Notice bibliographique
Résumé
Purpose The aim of this study is to profile types of gifters via a set of psychographic consumption traits (frugality, gratitude, market mavenism and novelty seeking) and identify differences among the groups regarding their gift-purchasing behavior. Design/methodology/approach Based on the data from 193 participants, the authors seek to identify and profile unique consumer segments (gifters) generated from the four psychographic consumption traits. Second, once the segments are established, the authors analyze how the segments differ across 16 unique gift-purchasing behaviors. Findings The data generated four distinct consumer segments: experiential gifters, considerate gifters, convenience gifters and astute gifters. Across the segments, there were differences in their gift consumption behavior (e.g. time/effort spent, desire for customization, gift presentation, derived joy, purchasing frequency, eco-friendliness, seeking assistance, regifting and more). Research limitations/implications US-based sample was collected via an online panel in January; this may restrict the generalizability of the research, given that gift consumption customs may vary across different countries. Thus, future research should include participants from other geographic regions to increase the external validity of the research. Practical implications Retail managers can use this knowledge to devise marketing strategies focused on the gift-purchasing behaviors of each group. Originality/value Segmenting clusters based on differences in consumption traits provides insights to retailers looking to build a competitive advantage, particularly in a gift purchasing context.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».