MétaCan
Menu
Retour à la cohorte
Enregistrement W3196049311 · doi:10.1002/mar.21583

Consumer subversion and its relationship to anti‐consumption, deviant and dysfunctional behaviors, and consumer revenge

2021· article· en· W3196049311 sur OpenAlexaff
Matthew Wilson, Karen Robson, Leyland Pitt

Notice bibliographique

RevuePsychology and Marketing · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensSimon Fraser UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésSubversionConsumption (sociology)MarketingBusinessConsumer behaviourDysfunctional familyAdvertisingPsychologySociologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Consumer subversion refers to consumer acts that are intended to impede the ability of marketers to develop and implement a marketing strategy, including market segmentation, target marketing, and the formulation of a marketing mix. Consumer subversion has featured across many bodies of marketing literature, yet it has not been explicitly defined and studied. This paper identifies and organizes examples of consumer subversion from marketing literature. It delineates how consumer subversion is related to, yet different from, related terms, such as anti‐consumption, consumer revenge and retaliation, dysfunctional and deviant consumer behavior, and consumer movements. Consumer subversion can be proactive or reactive, and can be targeted at specific firms or towards the marketing function in general. Such acts range from individual exit or using ad blockers to extreme hostility via revenge or sabotage. This study derives a classification of consumer subverters, discusses the psychological “need to win” linked to consumer subversion, and presents a research agenda organized around consumers who subvert, firms that are subverted, and antecedents and consequences of subversion.

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)0,002
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,044
Tête enseignante GPT0,297
Écart entre enseignants0,253 · 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

Citations34
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and MarketingMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207