MétaCan
Menu
Retour à la cohorte
Enregistrement W4413883083 · doi:10.1080/10696679.2025.2552272

Flat or gradient? The impact of packaging color palette presentation on consumer purchase intent for utilitarian versus hedonic products

2025· article· en· W4413883083 sur OpenAlexaff
Rita Ngoc To, Yi-Chia Wu, Zhe Zhang

Notice bibliographique

RevueThe Journal of Marketing Theory and Practice · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueColor perception and design
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPalette (painting)AdvertisingPresentation (obstetrics)BusinessMarketingPsychologyArtVisual artsMedicine

Résumé

récupéré en direct d'OpenAlex

The current research examines two distinct color palette presentations frequently featured in packaging design: flat versus gradient. Gradient color palettes feature a smooth, gradual transition from one color to another, while flat color palettes feature discrete static blocks of colors placed next to one another. Across four experimental studies using both self-report measures (Studies 1 and 3a-3b) and eye-tracking technology (Study 2), the authors show that the use of gradient color palette in the brand’s packaging enhances consumer purchase intent for hedonic products, while the use of flat color palette enhances consumer purchase intent for utilitarian products. Further, the underlying mechanism for this shift in purchase intent is due to the higher arousal level elicited by gradient (vs. flat) color palettes (Studies 3a and 3b). The present research contributes novel theoretical insights to the color research stream by demonstrating how subtle changes in color palette presentations can influence consumer purchase intent for specific product categories. Managerially, this research reveals how brands can strategically affect consumers’ arousal levels through different color palette presentations and highlights the possible increase in overconsumption or indulgence of hedonic products via color gradients, which consumers and policymakers should caution.

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)0,048
score de la tête « metaresearch » (Gemma)0,047
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0480,047
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,073
Tête enseignante GPT0,426
Écart entre enseignants0,352 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeEssai randomisé
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'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Marketing Theory and PracticeMême sujetColor perception and designTravaux en français237 207