MétaCan
Menu
Retour à la cohorte
Enregistrement W4416955810 · doi:10.54254/2754-1169/2025.bj30307

Circular Economy and Marketing Strategy: How Adidas Builds Brand Loyalty Through Recycled Plastics

2025· article· W4416955810 sur OpenAlexaff
Fangyan Feng

Notice bibliographique

RevueAdvances in Economics Management and Political Sciences · 2025
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBrand equityBrand loyaltySustainabilityLoyaltyCorporate social responsibilityGreen marketingStakeholderSkepticismBrand management

Résumé

récupéré en direct d'OpenAlex

This paper analyzes how Adidas applies circular economy (CE) in its marketing to increase brand loyalty and credibility. Based on stakeholder theory, brand equity theory, and consumer behavior models, this paper explores how consumers’ perception, engagement, and loyalty are affected by its CE practices, such as collaboration with Parley for the Oceans and “Run for the Oceans” campaigns. By means of qualitative content analysis of CSR reports, marketing communications, and consumer comments on social media, the research findings show that CE practices benefit Adidas by improving consumers’ trust and emotional bonding as brand identity is confirmed with environmental values. Meanwhile, doubts and skepticism emerge from the limited environmental contribution by the small proportion of recycled products and the potential of greenwashing. Our research concludes that as CE marketing brings competitive advantages to Adidas currently, it needs to transform into a genuine and scalable change to maintain differentiation in a sustainability landscape increasingly becoming mature. This study contributes to the understanding of how circular economy strategy can combine ecological image and brand equity in global sportswear industries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,008
Tête enseignante GPT0,239
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Economics Management and Political SciencesMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207