Equilibrium anti-counterfeiting strategies with deceptive counterfeits: Proactive, reactive, or instantaneous?
Notice bibliographique
Résumé
This papers studies anti-counterfeiting strategies with deceptive counterfeits. We develop a model to study the interactive anti-counterfeiting and counterfeit hiding decisions between the genuine brand company and a deceptive counterfeiter. Facing deceptive counterfeits, the genuine brand company can choose to adopt a proactive, instantaneous, or reactive anti-counterfeit strategy. We first examine these strategies and then characterize the equilibrium outcomes. Surprisingly, we reveal that the genuine brand company does not necessarily benefit from heavier penalty and the counterfeiter is not necessarily worse off with more costly counterfeit hiding efforts. Interestingly, the counterfeiter’s hiding effort decreases with heavier penalty when the genuine brand company’s anti-counterfeit and the counterfeiter’s hiding decisions are sufficiently efficient. Besides, higher levels of counterfeit imitation or penetration can either hurt or benefit the genuine brand company. Whether the counterfeiter is better off with deeper counterfeit penetration depends on the status quo. Furthermore, the counterfeiter exerts fewer counterfeit hiding efforts when the genuine brand company exerts more anti-counterfeit efforts, while the anti-counterfeit effort increases with the counterfeit hiding effort, regardless of the anti-counterfeiting strategies. Finally, for decision makers and policy makers, we discuss the implications for anti-counterfeiting strategies in practice.
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 | 0,001 | 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 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».