MétaCan
Menu
Retour à la cohorte
Enregistrement W4412949747 · doi:10.1108/jpbm-07-2024-5372

Building age-inclusive brands: the case of 19/99 Beauty

2025· article· en· W4412949747 sur OpenAlexafffund
Ela Veresiu, Marie‐Agnès Parmentier

Notice bibliographique

RevueJournal of Product & Brand Management · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensHEC MontréalYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésBusinessBeautyMarketingAdvertisingCommerceAestheticsArt

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to answer the under-researched question: how can brand managers design an age-inclusive brand? Design/methodology/approach An extended case study approach was used to trace the creation of a successful age-inclusive beauty brand (19/99 Beauty) through a variety of data, including archival, social media, interviews and participant observation. Findings This study finds three forms of institutional work institutional entrepreneurs undertake to design an age-inclusive brand by fostering belonging: narrative work that positively reframes stereotypes associated with the stigmatized group, material work that expands the possibilities for the stigmatized group to engage with the market and relational work that gives voice to a range of market actors from the stigmatized group. Research limitations/implications This paper defines age-inclusive branding as fostering a sense of belonging in the marketplace of the traditionally overlooked aging consumer segment. Originality/value To the best of the authors’ knowledge, this is one of the first empirical studies exploring how branding professionals create age-inclusive brands. It suggests that entrepreneurs and brand managers should treat age-inclusive consumers as an intersectional segment that cuts across traditional segmentation tools. Additionally, it provides an age-inclusive branding checklist for branding professionals.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,330
Écart entre enseignants0,308 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Product & Brand ManagementMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207