Notice bibliographique
Résumé
Abstract Several well-established research streams examine how incumbent firm behavior affects the entry decisions of later entrants, e.g., in terms of herding or differentiation. While it makes sense for a new entrant to take into account an incumbent’s behavior to inform its entry decisions, it would be risky to base such a decision solely on that information. In particular, the potential entrant may also want to conduct its own market research. Naturally, the market research should account for incumbent behavior. Yet, little is known about how a second mover decides where it should conduct market research. Is the information gained from observing the incumbent a substitute or a complement to market research? The information a second mover gathers through observation includes the incumbent’s choice of market. Even more important is the signal generated by an incumbent’s decision to exit or stay in a market. This decision signals to a second mover whether a market is viable, at least for one firm. A second mover that considers entry between an existing market (with an operating incumbent) and a new market (that has no incumbents) chooses between different types of uncertainty. Our paper addresses how this uncertainty affects the second mover’s market research decision. Should a second mover do market research in the competitor’s backyard or should it boldly go where no firm has gone before and research a new market? How is this decision affected by factors such as expected demand conditions and competition? Intuition suggests that information about a virgin market is always more valuable because the first mover already provides information about the existing market. Our research shows that this intuition is not always correct. It is correct when market research generates perfect information. However, market research is rarely perfect. When market research provides estimates subject to an error, a second mover may gain by conducting market research in a market with an existing competitor. Here, the complementarity of the competitor’s performance coupled with market research amplifies the value of the research.
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 | 0,024 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,020 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 ».