MétaCan
Menu
Retour à la cohorte
Enregistrement W4322491923 · doi:10.32920/22183744

Is there a Benefit from being Green? Assessing Benefits from Marketing Sustainability by North American Hotels

2023· preprint· en· W4322491923 sur OpenAlexaff
Rachel Dodds, Mark Robert Holmes

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMarketingSustainabilityCertificationBusinessRevenueGreen marketingMarketing strategyProfit (economics)Marketing managementMarketing effectivenessReturn on marketing investmentEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

The purpose of this research study was to determine if green hotels actually benefited from undertaking environmental practices and integrating these practices into their marketing strategy. After looking at sustainable communications and marketing literature, a total of 2,248 structured surveys were administered to hotels across North America. Responses from 247 hotels (11% response rate) were analyzed using frequencies, t-tests, and regression analysis to examine significant differences. The results show that the extent to which hotels perceive they benefitted from marketing sustainability practices through guest visits, guest length of stay, guest satisfaction, revenue, profit, and average daily rate can be predicted by examining the extent to which a hotel believes that green marketing has been incorporated into a hotels green marketing strategy. Findings also show that hotels that are a part of the Green Key certification program have a higher perceived probability of attracting new customers and retaining old ones. This study provides support that there is a benefit to sustainability marketing and this study is the first to examine how perceived hotel sustainability management and marketing inform one another and could be beneficial to hotels in how they utilize this information to inform marketing decisions.

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)0,003
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnvironmental Sustainability in BusinessTravaux en français237 207