Farmer decision making for hybrid maize seed purchases: Effects of brand loyalty, price discounts and product information
Notice bibliographique
Résumé
CONTEXT: Each year public and private sector maize breeding programs in Kenya deliver high-yielding hybrids that are resistant to drought, pests, and diseases. Yet, most Kenyan maize farmers purchase older, well-known hybrids. While the 'varietal turnover' problem is well known, few solutions have emerged. OBJECTIVE: The potential for seed companies and retailers to influence farmers' product selection towards new products remains an open question. In-store marketing that induces farmers to experiment with new products may be a scalable and cost-effective way to advance seed systems development. METHODS: Our controlled field experiment with 600 farmers in Kenya comprised a mock agrodealer store stocked with locally available hybrids, where half the farmers who participated faced an out-of-stock situation for their preferred product. The influence of price promotions and product performance information on farmers' seed choice were assessed. RESULTS AND CONCLUSIONS: When a participant's preferred product was available, performance information and discounts had no effect on decisions. However, when the preferred product was unavailable, the treatments had limited effects on product selection. Prior experience and brand loyalty stood out as the strongest predictors of seed product selection. SIGNIFICANCE: Our work explored the potential for two interventions-information and price discounts-to influence farmers' product selection. While these interventions showed limited influence on selection, the study design provides a clear starting point for future related experiments. More public and private investments are required to generate timely, comparable, and reliable information on seed performance. The strong effect of brand loyalty favors larger-sized seed companies with sizable marketing budgets.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».