MétaCan
Menu
Retour à la cohorte
Enregistrement W4400009424 · doi:10.1108/ejm-05-2022-0360

Category–level drivers of the market share–rank power law relationship

2024· article· en· W4400009424 sur OpenAlexaff
Young Han Bae, Thomas S. Gruca, Hyunwoo Lim, Gary J. Russell

Notice bibliographique

RevueEuropean Journal of Marketing · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueGame Theory and Applications
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBusinessMarketingMarket shareRank (graph theory)Mathematics

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to analyze variations in the parameters of the market share–rank power law across consumer packaged goods (CPG) categories. Design/methodology/approach The authors use a two-level hierarchical linear model to examine the relationships between category-level variables and the parameters of the market share–rank power law in 790 CPG categories. Findings The slope of the market share–rank power law is shallower – indicating more equal market shares – in categories of high importance to retailers and those with high levels of promotional activity or high-volume purchases. Higher levels of market share inequality are associated with categories with high overall prices. Research limitations/implications To the best of the authors’ knowledge, this is the first research to show the systematic influence of category characteristics on the relationship between brands’ market shares and their ranks, thus, identifying a key moderator for this important empirical generalization in marketing. Practical implications While market leadership may be a desirable goal for many brands, the corresponding market share at the top brand does vary. Moreover, the share premium for being number one in the category (gap between the top and other highly ranked brands) can be greatly affected by retailers’ strategies. In addition, the slope of the power law has desirable qualities as a measure of market concentration. However, the empirical study shows that category characteristics must be considered when analyzing differences in concentration across categories or time. Originality/value While other studies document variations in the market share–rank power law relationship, to the best of the authors’ knowledge, this is the first that models these variations as a function of observable category characteristics. The comprehensive nature of the data demonstrates the universality of the market share–rank power law relationship across CPG categories in the USA.

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)0,036
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0360,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,110
Tête enseignante GPT0,332
Écart entre enseignants0,222 · 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.

Devis d'étudeSans objet
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of MarketingMême sujetGame Theory and ApplicationsTravaux en français237 207