An analytical investigation of the profitability of selected loyalty programs in a competitive environment
Notice bibliographique
Résumé
This dissertation investigates the profitability of loyalty programs in a competitive environment. Loyalty programs are prevalent marketing tools that encourage repurchase intentions among customers, and increase long-term profitability of firms. However, there is no consensus among researchers regarding the effectiveness of these programs in a competitive environment. This thesis responds to this line of research by developing game theoretic models that incorporate customers’ valuations of reward and time, two factors that have not been considered simultaneously in previous studies on the profitability of loyalty programs. The results show that for firms offering undifferentiated products (e.g., coffee shops), offering loyalty programs is a dominant and profitable strategy for the competing firms only when customers highly value rewards, but not time. After assessing the profitability of loyalty programs, the thesis investigates LP design issues related to the effectiveness of restricting redemption. This aspect of loyalty program design has received minimal attention in the literature. Nine sub-games between two competing firms are solved in which each firm applies one specific restriction level on redemption (unrestricted, low restricted, or high restricted), and optimal decision variables are obtained for each scenario. Based on the Nash equilibria of the sub-games, the main game is solved in which the firms decide about the level of restriction on their loyalty programs, which maximizes their profit. The results show that firms should follow highly restrictive policies at equilibrium, but not when customers highly value time over reward. When the latter is the case, a prisoner dilemma occurs. Firms should react by applying redemption policies that are the least restrictive at equilibrium. Furthermore, when customers do not highly value neither time nor reward, a prisoner dilemma arises that suggests the firms to offer a low restricted redemption policy at equilibrium. In addition to these findings, this thesis contributes to the literature by developing comprehensive analytical models, that are stochastic and competitive, and that incorporate psychological theories.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».