MétaCan
Menu
Retour à la cohorte
Enregistrement W4224981666 · doi:10.3390/beverages8020027

The Importance of Informational Components of Sparkling Wine Labels Varies with Key Consumer Characteristics

2022· article· en· W4224981666 sur OpenAlexafffundabout
Gary J. Pickering, Marcus Duben, Belinda Kemp

Notice bibliographique

RevueBeverages · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensBrock University
Organismes subventionnairesBrock University
Mots-clésWinePurchasingQuality (philosophy)Context (archaeology)AdvertisingPerceptionLikert scaleWine tastingMarketingProduct (mathematics)Willingness to payBusinessPsychologyFood scienceMathematicsEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Wine label information is an important aid for consumers in making purchase decisions. However, the influence of label information types in the context of sparkling wines is poorly understood, despite the global growth of this product class. Using an online survey of 576 Ontario sparkling wine consumers, we sought to examine this knowledge gap using two complementary approaches. First, participants were presented with a set of two mock sparkling wine labels, selected at random, from a set of eight conditions. One condition (control) contained all seven of the information types previously identified (endorsements, parentage, attributes, target end use, target end user, manufacture, nonpareil), whereas the other seven omitted one of each of these elements. Respondents then rated their willingness to buy, willingness to pay, and the perception of quality. Lastly, they self-rated the importance placed on 14 different label information statements when purchasing sparkling wine (5-point Likert scale from 1–not at all important to 5–extremely important). Results show that including a description of the wine’s sensory attributes on sparkling wine labels is important to consumers overall, except for those with a high subjective knowledge of sparkling wine, and those who normally spend more than CAD 30 per bottle, as these groups are more willing to buy, willing to pay, and rate their perception of quality higher for labels that do not include attribute information. Grape variety/blend and production region information are rated high in importance. Alcohol content is more important to young consumers and those who prefer Prosecco-style sparkling wines, whereas vintage/year is more important to consumers who prefer Champagne-style sparkling wines. Expert endorsements are rated low in importance, and younger consumers are more willing to buy sparkling wine with the endorsement information removed. We conclude that sparkling wine label information content should be optimised for different market segments and consumer characteristics. This study provides important insights that can guide sparkling wine marketers and retailers in this process.

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)0,009
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,207
Écart entre enseignants0,190 · 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

Citations14
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBeveragesMême sujetWine Industry and TourismTravaux en français237 207