MétaCan
Menu
Retour à la cohorte
Enregistrement W4399382813 · doi:10.1051/shsconf/202419301015

China's Variety Show Market, Marketing, and Optimization

2024· article· en· W4399382813 sur OpenAlex
Huijia Yang

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSHS Web of Conferences · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésChinaVariety (cybernetics)BusinessMarketingComputer sciencePolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In the fierce competition in China's variety show market, online self-produced variety shows characterized by the innovative integration of content creation and marketing strategies in the digital era have developed rapidly. This study comprehensively re-examines the content production and marketing strategies of Chinese variety shows. This study adopts a case study analysis method, taking China's self-produced online variety shows as the main research object, and selects representative popular programs as analysis cases. The core purpose of this article is to discuss how online variety shows can use the native advantages of the Internet to innovate marketing methods. The study mainly found that the focus of current variety shows has shifted to narrower, youth-centered content. At the same time, in terms of marketing, the current program adopts cross-platform promotion, using the connective tissue of social media to expand influence and audience investment, thereby deepening audience relationships and cultivating communities around program content. Ultimately, the research conclusion shows that audience segmentation, cross-platform promotion, and real-time interaction are not only trends, but also necessary strategies to survive and develop in the increasingly segmented variety show market.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,211
Écart entre enseignants0,200 · 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