Does diversity facilitate consumer decisions: a comparative perspective based on single-category versus multi-category products
Notice bibliographique
Résumé
Purpose This study aims to explore the opposite effects of single-category versus multi-category products information diversity on consumer decision making. Further, the authors investigate the moderating role of three categories of visitors – direct, hesitant and hedonic – in the relationship between product information diversity and consumer decision making. Design/methodology/approach The research utilizes a sample of 1,101,062 product click streams from 4,200 consumers. Visitors are clustered using the k-means algorithm. The diversity of information recommendations for single and multi-category products is characterized using granularity and dispersion, respectively. Empirical analysis is conducted to examine their influence on the two-stage decision-making process of heterogeneous online visitors. Findings The study reveals that the impact of recommended information diversity on consumer decision making differs significantly between single-category and multiple-category products. Specifically, information diversity in single-category products enhances consumers' click and purchase intention, while information diversity in multiple-category products reduces consumers' click and purchase intention. Moreover, based on the analysis of online visiting heterogeneity, hesitant, direct and hedonic features enhance the positive impact of granularity on consumer decision making; while direct features exacerbate the negative impact of dispersion on consumer decision making. Originality/value First, the article provides support for studies related to information cocoon. Second, the research contributes evidence to support the information overload theory. Third, the research enriches the field of precision marketing theory.
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 | 0,008 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».