Optimizing product trials by eliciting flow states: the enabling roles of curiosity, openness and information valence
Notice bibliographique
Résumé
Purpose Product trials are an effective way to influence consumer attitudes. While research has established several factors that influence whether consumers will try a product or not, it is less understood how marketers can optimize the trial experience itself. The purpose of this paper is to explore flow as an optimal state and the factors that give rise to it during a product trail. Design/methodology/approach This research consists of three experimental studies in which people trial new music. This paper explores the ability of curiosity to optimize consumers’ flow experience during the trial and their attitudes toward the trialed product. This paper manipulates curiosity before the trial using information about the music (Study 1) and music previews (Study 3) and also demonstrates that curiosity is naturally elevated among those high in openness to experience (Study 2). Findings The results demonstrate that curiosity before a product trial fosters an optimal experience during the trial in the form of flow states, defined as an enjoyable state of full engagement, which in turn mediates more positive attitudes toward the trialed product. This paper demonstrates that curiosity can be evoked using product information or a preview of the content and can vary based on individual differences in openness to experience. The relationship between curiosity and flow is moderated by the valence of the information that is used to elicit curiosity, such that negative-valence information thwarts the relationship. Research limitations/implications While the studies conducted by the authors focus on the positive influence of curiosity in the trial of music, the effects may be different for other products. These studies are also limited to two different manipulations of curiosity. Practical implications This research has implications for marketers, as it demonstrates the relevance of flow and how to enable it in product trials to optimize effectiveness. The manipulations also demonstrate how to manage the amount of information that is given to consumers before they trial a product. Originality/value This research reveals that flow states optimize the product trial experience. This research also advances the understanding of the relationship between curiosity and flow by moderating their relationship with the valence of information that elicits curiosity. The findings also broaden the relevance of curiosity and flow in marketing by demonstrating their benefits within product trials.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».