MétaCan
Menu
Retour à la cohorte
Enregistrement W4398777720 · doi:10.1111/jems.12593

Sticky price for declining risk? Business strategies with “behavioral” customers in the hotel industry

2024· article· en· W4398777720 sur OpenAlexaff
Nicola Lacetera, Claudio A. Piga, Lorenzo Zirulia

Notice bibliographique

RevueJournal of Economics & Management Strategy · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésExploitFlexibility (engineering)Profit (economics)MarketingPrice settingEconomicsMicroeconomicsVariable (mathematics)BusinessComputer scienceManagement

Résumé

récupéré en direct d'OpenAlex

Abstract Using data from about 25 million hotel room postings in four countries, we document that rather than decreasing to zero as the likelihood of cancellation declines, the difference between the prices for refundable and nonrefundable reservations remains positive at roughly 10%–15% of the full price. A model where travelers have different willingness to pay and some of them overestimate the probability to cancel their trip explains these price‐setting patterns more consistently than alternative interpretations. We denote these business strategies as naiveté‐based price discrimination. Our data and theory, therefore, show that this form of apparent inertial behavior of companies regarding a major strategic variable can be an intentional managerial choice. We demonstrate, finally, that this profit‐enhancing commitment to limited flexibility may also benefit customers in some cases, by expanding the reach of the market. Thus, strategies that rely on cognitive biases on the demand side may not necessarily exploit consumers.

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)0,002
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil0,812

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,063
Tête enseignante GPT0,368
Écart entre enseignants0,304 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economics & Management StrategyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207