The Role of Marketing Intensity in Moderating CSR and Financial Performance in Luxury Fashion
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.
Notice bibliographique
Résumé
Of the studies which explore the CSR-FP relationship in luxury fashion, few utilize industry-specific, disaggregated CSR measures. Additionally, none have explored the role of marketing intensity (MI), the ratio of promotional expenses to sales, in moderating the CSR-FP relationship by linking CSR initiatives with luxury fashion consumers. Thus, this study aims to answer the question, “What is the disaggregated impact of CSR on the financial performance of luxury fashion brands?” The methodological approach of this study involved gathering the CSR and FP data of 12 luxury fashion brands from the Fashion Transparency Index and Capital IQ S&P 500 Database, respectively, constructing a cross-sectional panel dataset, and performing multivariable regression analysis. The significance of the “Traceability” and “Marketing Intensity * Traceability” terms in analysis implies that designer brands should allocate a greater proportion of marketing funds towards implementing traceability-oriented CSR initiatives in order to enhance FP. Additionally, the R2 values of each regression model improved when MI was included as a moderating variable, indicating that future research should incorporate MI in analysis. The findings of this research are limited by the FTI and Capital IQ S&P 500 databases and the parameters of the study. Therefore, future researchers should consider obtaining data from other sources and examining data over a longer time period. This study adds to the ongoing discussion of CSR in the luxury fashion industry by providing evidence to support the inclusion of MI in future analysis and informing the CSR strategies of luxury fashion brands.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle