Quality and Intention Signaling: A Meta-Analysis of How Sponsorship Relates to Consumer Responses According to Content, Observability, Credibility, and National Culture
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
Organizations use sponsorships to inform consumers about their quality and positive intentions. Prior research has explained how these sponsorships signal quality to reduce selection challenges and prosocial intentions to reduce moral hazard concerns. Yet, previous meta-analyses do not assess and compare the relationships that sponsorship signaling has with consumer responses across samples of treatments (i.e., using sponsorships vs. not using sponsorships) that convey primarily quality or intention content. Thus, our meta-analysis focused on how sponsorship treatments relate to consumer responses according to samples conveying generalized content (quality and intention content combined) and distinct quality or intention content. The results suggest that sponsorship treatments conveying generalized content positively related to consumers’ cognitive, affective, and behavioral outcomes. They also suggest that signaling quality content has more positive relationships with consumers’ cognitive and affective outcomes than signaling intention content, and that the relationships quality and intention signaling content have with consumers’ affective responses are moderated by different conditions. Theoretically, quality and intention signaling processes appear to operate in distinct ways. Managerial takeaways are that sponsorships can positively relate to consumer outcomes, these relationships can be accentuated or diminished under various moderating conditions, and sponsorships for cause marketing in particular could require clearer and more credible messaging.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle