Consumer wine perceptions in the Brand Origin framework: the role of product market value
Notice bibliographique
Résumé
Despite many studies in the literature have shown that the Brand of Origin (BO) is a well known \nwine choice factor significantly affecting the consumer purchasing process, further investigations \nare still necessary. In particular it is not clear how the components that make up part of the \nconsumer’s wine perception can affect the level of importance a consumer associates to the wine’s \nBO in the purchasing decision process. The paper aims to bridge this gap investigating the buying \nbehavior of Brunello di Montalcino, an “high value wine”, compared to the buying behavior of \nChianti Classico, “a medium value wine”. We hypothesized that, in such a case, the consumer’s \nwine perception components can be important and can moderate (reinforce) the BO effect on \npurchasing behavior. \nThe analysis was conducted on a total sample of 5,173 consumers originating from USA, Canada; \nAustralia, Germany; UK; Sweden; Belgium; Italy. The results of the ordered logistic regression \nconfirms the relevancy and importance of the BO framework in the process of purchasing wine \nproducts. In particular, the results show a different role that the wine consumer perception \ncomponents such as brand knowledge, brand attitude and brand image can have. Brand knowledge \nmoderate the BO effect in the case of “high value wine” while reinforces it in the case of “medium \nvalue wine”; brand attitude reinforce the BO effect only for “medium level wines” while brand \nimage has a general reinforcing role of BO effect both for high and medium value wines. \nFrom these findings we derive some managerial implications concerning a different strategic use of \nBO for wine having a different market value.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».