Bibliographic record
Abstract
Une source de difficulté pour la compréhension des effets de la publicité provient de la nature dynamique de l'environnement commercial. Bien que les dynamiques publicitaires à un niveau macro aient été étudiées précédemment, les dynamiques publicitaires à un niveau micro résultant de l'hétérogénéité des consommateurs et de la microsegmentation n'ont pas encore été explorées. Cette thèse évalue la variation des réponses des consommateurs à la publicité au fil du temps en se concentrant sur l'hétérogénéité des consommateurs, ce qui n'a pas été fait dans la littérature antérieure.Le premier essai examine les réponses différentielles des nouveaux patients et des patients réguliers aux publicités visant directement le consommateur dans l'industrie pharmaceutique. Dut la réglementation du contenu publicitaire dans l'industrie pharmaceutique canadienne, un message de recherche d’aide ne peut uniquement inclure que des informations sur la maladie traitée sans mentionner une marque spécifique, et devrait cibler les nouveaux patients. En revanche, une publicité de rappel devrait uniquement contenir de l’information sur la marque et non sur la maladie ni sur l'efficacité, et devrait affecter les patients récurrents. Les résultats suggèrent que les deux types de patients sont affectés par les deux formes de publicités, impliquant que la réglementation en place est ineffective pour la protection des consommateurs. De plus, les publicités de rappel deviennent plus efficaces pour persuader les nouveaux patients à mesure que les consommateurs prennent conscience du médicament, suggérant une hétérogénéité dans l'efficacité de la publicité au fil du temps.Le deuxième essai examine la présence de paramètres structurels hétérogènes sous-jacents aux dynamiques publicitaires, où la source de l'hétérogénéité est déterminée par la fidélité des consommateurs à une marque. En utilisant des données d'achat au niveau individuel pour un produit de consommation emballé fréquemment acheté et des données sur l'exposition individuelle à la publicité, je propose un modèle de choix en espace d'état avec fidélité markovienne. Je découvre que, en plus d'avoir des élasticités publicitaires plus élevées, les consommateurs fidèles sont susceptibles d'avoir des dynamiques publicitaires plus favorables en termes de meilleure conservation de l'image de marque et de moindre probabilité de surexposition par rapport aux consommateurs non fidèles. Ainsi, la segmentation basée sur le comportement par le statut de fidélité peut améliorer le ciblage publicitaire.Dans le dernier essai, je considère l'hétérogénéité régionale dans les réponses à une campagne de publicité multimédia d'une marque nationale. Plus précisément, j'examine le rôle des dynamiques dans l'efficacité de la publicité provenant des expositions séquentielles aux publicités et comment la synergie résultante varie en fonction de la région géographique. En utilisant l’ensemble de données du deuxième essai, je propose un modèle de choix dynamique qui prend en compte le moment d’un achat par rapport à l’exposition séquentielle aux publicités. Je trouve des preuves d'effets synergiques dynamiques asymétriques où une exposition en ligne préalable améliore l'exposition future à la télévision mais pas l'inverse. De plus, je trouve des preuves de variation régionale dans la présence de synergie
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".