Availability bias and heterogeneity in saliency, recency, and frequency of promotions for plant-based foods: a naturalistic observation
Notice bibliographique
Résumé
Availability bias influences decisions by how readily certain events, objects, or people can be brought to mind. This “out of sight, out of mind” effect depends on whether these elements are present during decision-making. To promote sustainable food consumption, understanding this bias is crucial, as marketing promotions exhibit heterogeneity in terms of the salience, recency, and frequency with which they are administered. Our research examines the impact of different promotions that vary across these three dimensions on the demand for plant-based food products and their interaction with price sensitivity. We analyzed weekly purchases of 21 plant-based beverage brands across 242 stores in Quebec, Canada, from 2015 to 2016 using two-level mixed-effect regression models across four studies. Results from Study 1 indicate that flyer promotions that had high salience, recency, and frequency were most effective (B = 0.417, p < 0.001), compared to mobile promotions with low salience and variable recency and frequency (B = 0.233, p < 0.001) or in-store promotions of high salience but low recency and frequency (B = 0.073, p < 0.001). Of the mobile promotions evaluated in Study 2, advertisements promoting bonus loyalty points were the most effective in driving demand (B = 0.776, p < 0.001), followed by general advertisements (B = 0.125, p < 0.001). Demand was elastic across all models, and most promotions increased price sensitivities in Studies 3 and 4 regardless of their salience, recency, or frequency. The findings highlight the synergistic effect of promotional elements delivered both before and at the decision-making moment in overcoming availability bias to boost demand for sustainable products. However, frequent promotions may increase price sensitivities due to anchoring to promotional prices. This article has implications for theory and 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 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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».