MétaCan
Menu
Retour à la cohorte
Enregistrement W4390787669 · doi:10.1002/mar.21963

Counterfeits can benefit original products when people are caught using counterfeits

2024· article· en· W4390787669 sur OpenAlexaff
Liangyan Wang, Qin Wang, Eugene Y. Chan, L. Robin Keller

Notice bibliographique

RevuePsychology and Marketing · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCounterfeitProduct (mathematics)AdvertisingAppealInterdependenceConsumption (sociology)MarketingBusinessPreferenceClothingSelf construalBrand preferenceProduct categoryPsychologyBrand awarenessEconomicsSociologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Existing literature has examined the influence of a counterfeit on the original brand in the prior or middle purchase phases. Our work aims to expand the literature by analyzing the post‐purchase phase of counterfeit consumption. In four studies, we examine the effects of product message appeal (symbolic vs. utilitarian) and self‐construal (interdependent vs. independent) on preference changes and purchase intentions of consumers toward original products when they are caught using counterfeits. Individuals with interdependent (vs. independent) self‐construal are more likely to increase their preference and purchase intention for original products after being caught using symbolic rather than utilitarian counterfeits. Moreover, face restoration mediates the interaction effect between product message appeal and self‐construal on the purchase intent of consumers in procuring original products. The patterns are consistent in both hypothetical scenarios and counterfeit consumption experience. Our work suggests that companies or brand, whose products are often copied or imitated should pay more attention to establishing their unique characteristics and the primary value of their product delivered to the consumers through product design and marketing mix strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,393
Score d'incertitude au seuil0,841

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,294
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 tête enseignante, 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and MarketingMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207