MétaCan
Menu
Retour à la cohorte
Enregistrement W4232955892 · doi:10.1509/jmkg.72.5.015

Reasons for Market Evolution and Budgeting Implications

2008· article· en· W4232955892 sur OpenAlexaff
Fang Wang, Xiaoping Zhang

Notice bibliographique

RevueJournal of Marketing · 2008
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInnovation Diffusion and Forecasting
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésEconomicsMarketingBusinessEconometricsMicroeconomicsIndustrial organization

Résumé

récupéré en direct d'OpenAlex

Identifying market evolution is a necessary step in persistence analysis of marketing input–output relationships. Using the advertising–sales relationship to represent general marketing input–output dynamics, the authors theoretically distinguish two types of market evolution: (1) intrinsic evolution, in which sales evolve independent of advertising and temporary advertising can generate persistent effects, and (2) induced evolution, in which sales evolution is supported by sustained advertising budgets in an intrinsic-stationary market and there are no real persistent effects of temporary advertising. The proposed intrinsic market evolution test can identify intrinsic-evolving and intrinsic-stationary markets. The authors analyze five major budgeting implications and provide methods to quantify temporary and sustained budgeting. In general, in an intrinsic-evolving market, budgeting can be short-term focused, whereas in an intrinsic-stationary market, the focus should be on sustained budgeting. Percentage budgeting at a sufficient level can create induced evolution. Contrary to conventional wisdom, temporary, intensive advertising campaigns are often not necessary. Empirical illustrations demonstrate the two types of evolutions and the relationships between budgeting methods and sales performance.

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)0,006
score de la tête « metaresearch » (Gemma)0,043
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,098
Tête enseignante GPT0,356
Écart entre enseignants0,258 · 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

Citations10
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetInnovation Diffusion and ForecastingTravaux en français237 207