Notice bibliographique
Résumé
We study the market consequences of advances in consumption tracking technologies—such as mobile banking apps that help consumers monitor their spending and avoid overdrawn accounts—using a two-period consumption model. In the model, consumers pay a penalty fee if they consume in both periods. In the second period, consumers may be forgetful of their first-period consumption, although the use of consumption tracking can remind them. According to our analysis, the availability of consumption tracking often helps consumers at the expense of the firm; such benefits may be direct, where consumers make use of the technology to avoid penalty fees, or indirect, where the mere availability of consumption tracking forces the firm to lower its penalty fee. If consumers are partially sophisticated regarding their forgetfulness, however, the availability of consumption tracking may instill a false sense of security in that consumers expect to use consumption tracking to avoid penalty fees but ultimately, decide not to bother, making them especially susceptible to penalty fees. In some cases, the availability of consumption tracking may actually compel a firm to impose a penalty fee that would not otherwise be viable, leading to higher profits and lower consumer surplus. As we show, this scenario is attained within an intermediate range of forgetfulness and at a level of (partial) sophistication for which consumers overestimate their demand for the technology. This paper was accepted by Dmitri Kuksov, marketing. Funding: M. Shi appreciates financial support from HKUST Yuk-Shee Chan Professorship Fund and China NSF [Grant 72272036]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/mnsc.2023.00522 .
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».