MétaCan
Menu
Retour à la cohorte
Enregistrement W4416216587 · doi:10.1080/03155986.2025.2581941

The effect of publicity choice on economic and environmental performances in the context of trade-in

2025· article· en· W4416216587 sur OpenAlexvenueno aff
Shuting Xu, Shuangjiao Lin

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésContext (archaeology)PublicityGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

In response to the government’s call for sustainable development, a number of companies have initiated trade-in programs, which aim to boost sales and promote product recycling. Typically, companies that offer trade-in adopt brand publicity or trade-in publicity. Although implementing such publicity strategies can increase costs for companies, they also have the potential to enhance the growth of related businesses. Thus, companies need to carefully consider the pros and cons of adopting such initiatives. This paper develops three theoretical models to analyze production and pricing issues associated with different publicity contents that a manufacturer may choose. The results show that (1) brand publicity can increase new product price and sales, while trade-in publicity can increase trade-in demand and new product sales, while decreasing trade-in rebate. Interestingly, brand publicity has a crossover effect on trade-in decisions by increasing trade-in rebate; (2) both brand publicity and trade-in publicity are beneficial to both the manufacturer and customers; (3) however, the adoption of higher levels of publicity content does not necessarily result in more environmentally friendly outcomes. In our extended analysis, we also demonstrate that our primary findings remain robust even when the analytical formulations of publicity costs vary.

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)0,003
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,279

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 savante0,0000,002
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 Opus0,015
Tête enseignante GPT0,280
Écart entre enseignants0,266 · 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'étudeObservationnel
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 revueINFOR Information Systems and Operational ResearchMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207