MétaCan
Menu
Retour à la cohorte
Enregistrement W3157985868 · doi:10.3390/jrfm14050192

Preference between Individual Products and Bundles: Effects of Complementary, Price, and Discount Level in Portugal

2021· article· en· W3157985868 sur OpenAlexvenueno aff
Paulo Martins, Paula Rodrigues, Carlos Eduardo Martíns, Teresa Barros, Nelson Duarte, Rebecca Kechen Dong, Yiyi Liao, Ubaldo Comite

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComplementarity (molecular biology)BundleValuation (finance)PreferencePortuguesePopulationEconomicsRevealed preferenceMicroeconomicsEconometricsMarketingBusiness

Résumé

récupéré en direct d'OpenAlex

This paper aims to (1) compare consumers’ preferences between individual products and bundles as well as (2) investigate some of the factors involved in bundle characteristics that may affect consumer’s preferences. Those factors are complementarity, price level, and discount level. An online survey developed by means of questionnaires were collected from the Portuguese population. Student’s t-tests were used to test the hypothesis formulated and to analyze the consumers’ preferences. The findings corroborate that in a scenario where the bundle does not offer any discounts, preference of individual products is higher. When a 20% discount is assigned to bundles, the overall preference for individual products is still superior. By offering a discount level of 45%, the overall preference for bundles becomes higher. The positive effect of complementarity bundles valuation is confirmed. This is the first approach to evaluate the preferences between bundles and individual products in the Portuguese market. The findings contribute to clarify the customer map within a Business Model Canvas. Furthermore, this paper analyzes the bundle complementarity and discount level effects simultaneously.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,241
Écart entre enseignants0,201 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetConsumer Retail Behavior StudiesTravaux en français237 207