营销-UTD期刊-26年4月-最新优先出版论文11篇
公众号同源数据库检索功能「经管顶刊论文」上线啦！直达链接👉https://www.coze.cn/?skill_share_pid=7596352304149184522欢迎大家扫描下方二维码⬇️试用！
前沿：ChatGPT 引流至电子商务网站：大型语言模型与传统渠道相比如何
原标题：Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?
作者：Maximilian Kaiser；Christian Schulze
期刊：Marketing Science
出版时间：2026/04/21
摘要：我们研究有机大型语言模型流量(oLLM)与电子商务中的传统数字渠道。分析来自973个网站的第一方数据（这些网站的合计收入为200亿美元），我们考察了超过50000笔来自ChatGPT推荐的交易以及来自传统渠道的1亿6400万笔交易。使用考虑数据稀疏性的回归模型，我们评估财务指标（转化率，平均订单价值，每会话收入）和参与度指标（跳出率，会话时长，页面浏览量）。结果在广泛的稳健性检验中是一致的。推出一年后，oLLM 的转化率和每会话收入高于付费社交但低于所有其他传统渠道。产品复杂性对效果有调节作用：oLLM的财务结果和流量份额在复杂的产品类别中更显著。互动指标显示弹出率良好但会话时长和页面浏览量较低。时间分析显示转化率增加但平均订单金额下降，仅随着时间推移带来适度的每会话收入增长。跨网站分析支持消费者大型语言模型熟练度的增长作为潜在机制。描述性研究将oLLM定位为一个新的和发展中的渠道。在低流量和单次会话收入有限的情况下，oLLM 目前服务于精通消费者的特定信息需求，并尚未成为一个广泛的转化渠道。
解析数字平台上的多面用户偏好：一种贝叶斯深度学习方法
原标题：Unraveling Multifaceted User Preferences on Digital Platforms: A Bayesian Deep-Learning Approach
作者：Mingzhang Yin；Ziwei Cong；Jia Liu
期刊：Marketing Science
出版时间：2026/04/21
摘要：鉴于数字平台上用户参与度的重要性日益增加，本文提出了一种名为多动态神经泊松系统（MDNPS）的贝叶斯深度学习模型，该模型可以捕捉此类平台上的用户稀疏但高维活动的多面性。MDNPS 产生具有高维项目的语义可解释因素，量化用户在不同粒度水平上的偏好，并巧妙地捕捉他们的时序和跨活动依赖性。该模型可以扩展到大型经验数据，并且可以通过随机变分贝叶斯算法高效地推断。我们将MDNPS应用于中国最大的知识共享平台，重点关注用户内容消费和贡献行为的动态。我们表明，MDNPS在因子质量和样本外数据拟合方面显著优于基准因子模型。我们的平台级和个体级估计显示了关于消费者偏好动态及其与用户受欢迎程度的关系的丰富且可解释的见解。这些见解为平台提供了有价值的管理启示，以便了解用户细分群体，个性化内容提供，并增强用户参与度。
简短评论：过程差异的理论检验——假设、测试和报告间接效应之间的比较
原标题：Brief Commentary: Theory Testing for Differences in Process – Hypothesizing, Testing, and Reporting Comparisons Between Indirect Effects
作者：Romain Cadario；Dan R Schley；Gavan J Fitzsimons
期刊：Journal of Consumer Research
出版时间：2026/04/20
摘要：消费者研究人员经常在不同情境下（即，调节中介）或在不同的中介变量之间（例如，在平行中介中排除一个替代过程）比较一个提议的过程。本文旨在帮助研究人员将过程相关的理论假设映射到统计系数上并在报告结果时使用。研究人员可以对预测变量X通过中介变量M对结果变量Y的条件间接效应(CIE)提出各种假设，例如：(A) 在调节变量条件W0下，CIE大于W1下的CIE，(B) 只有在W0条件下，CIE才为正，(C) 在W0条件下，CIE为正，在W1条件下，CIE为负。例如，如果研究人员的假设符合情况A，他们必须测试并报告两个条件间接效应之间的差异(i.e. the index of moderated mediation)。报告间接效应对于W0显著而对于W1非显著不足以应对案例A，但适合于案例B。我们将这些例子在两个教程中进行了扩展——一个是关于调节中介的，另一个是关于平行中介的——以帮助研究人员1) 将理论与可检验的预测联系起来，2) 选择适当的统计模型，3) 清晰一致地报告结果。我们提供了预注册（pre-registrations）、数据分析（data analyses）和论文报告（manuscript reports）的具体实例。
理解消费者对营销传播中描绘的历史上代表性不足的身份的反应框架
原标题：A Framework for Understanding Consumer Response to the Depiction of Historically Underrepresented Identities in Marketing Communications
作者：Cory Haltman；Jianna Jin；Grant E Donnelly；Rebecca Walker Reczek
期刊：Journal of Consumer Research
出版时间：2026/04/16
摘要：近年来，在市场营销传播中，企业对某些历史上代表性不足的身份(HUIs)的描绘引发了反弹，而对其他HUIs的描绘则更广泛地被接受。本研究建立了一个框架来解释这些不同反应发生的时间和原因。我们提出，虽然自由派由于优先考虑公平道德基础而对所有HUI的描绘作出积极反应，保守派的反应更为复杂，并且取决于一个焦点身份在两个维度上的感知情况：代理权以及相对于与身体纯洁相关的描述性规范的规范性。这些维度产生了一个四象限分类法，在这种分类法中，由于保守派更加重视纯洁/圣洁道德基础，他们仅对被认为在这两个维度上得分都高的HUI作出负面反应（例如，肥胖模特，跨性别模特，或者戴面纱的模特）。我们通过证明当一种身份被认为在任一维度上较低时，保守派的负面反应会减弱来验证这一框架。我们进一步确定了一个管理上相关的边界条件，在此条件下，当焦点身份在一个主要特征为非HUI的更广泛的运动中作为数量上的少数出现时，保守派的负面反应也会减弱。
维修服务信号：品牌维修服务如何传达未使用的效用并增加产品维修
原标题：Repair Service Signals: How Brand Repair Services Signal Unused Utility and Increase Product Repair
作者：Nathan Allred；Karen Page Winterich
期刊：Journal of Consumer Research
出版时间：2026/04/13
摘要：在过去几十年中，消费模式转向了一次性消费，导致了‘抛弃型社会’的出现，在这种社会中，人们倾向于更换而不是修复损坏的耐用品。第三方维修服务存在即使消费者选择更换而非修理但更多的品牌直接提供维修服务或者通过认证支持维修服务如果消费者仅仅偏爱新产品，品牌维修服务不应通过推广维修来阻碍更换。然而，我们建议与第三方维修服务不同，品牌和品牌认证的维修服务表明非完全功能产品的未使用效用，增加维修。我们通过两项实地研究和四项实验室实验展示了这一效应。利用未使用的效用的作用，我们展示了当消费者具有专业知识或产品具有情感价值时，品牌维修服务发出的信号并不是进行维修所必需的，因为在这些情况下，即使没有来自品牌的未使用效用信号也会进行维修。然而，当产品升级显而易见时，消费者升级产品的动机削弱了品牌维修服务对未使用效用的影响，降低了维修的可能性。这项研究对缓解过度消费的可持续性努力做出了实质性的贡献，为品牌和第三方管理者提供了启示，并有助于信号理论和未使用效用文献的发展。
当商品是不确定的：不确定性消除后人们是否更喜欢不确定的商品？
原标题：When Goods Were Odds: Do People Prefer Uncertain Goods After Uncertainty Is Resolved?
作者：Beidi Hu；Siyuan Yin；Alice Moon
期刊：Journal of Consumer Research
出版时间：2026/04/11
摘要：人们面临的大部不确定性最终都会得到解决（例如，参加抽奖的人最终会知道他们获得的奖品）。How do people evaluate goods (e.g. a prize of a $50 gift card) resulting from uncertain promotions (e.g. raffles)?七个实验（totalN = 12,128）提供了不确定性溢出效应的证据：人们更喜欢来自不确定前景的商品而非那些总是已知的商品。这种效应既出现在自然情境(研究1)中也出现在激励兼容的决策(研究2)中。The作者们提出这种效应出现是因为不确定性使人感觉到结果相对于显而易见的负面反事实(研究3)更优越。支持这一观点，这种效应：(a) 在某些商品的负面反事实变得显著时减弱(study 4)，(b) 当不确定性导致最坏的结果实现时减弱(study 5)，以及(c) 当不确定性涉及损失时逆转(study 6)。最后，这种影响延续到了与之前不确定的商品相关的商品(study 7)。这些发现表明不确定性的影响会持续到其解决之后，塑造了来自不确定前景的商品的评价。
隐私保护数据融合
原标题：Privacy-Preserving Data Fusion
作者：Longxiu Tian；Dana Turjeman；Samuel Levy
期刊：Marketing Science
出版时间：2026/04/01
摘要：数据融合结合多个数据集以改进推断，但即使数据看似匿名，它也可能无意中泄露用户身份。我们介绍了一种隐私保护数据融合(PPDF)方法论，结合了表达性的多数据集变分自编码器架构和差分隐私训练过程。此外，为了帮助管理者理解，我们开发了一种后验重新识别度量来量化数据融合下个体层面的重新识别风险，并正式推导出数据融合所导致的隐私风险增高的分析界限。我们通过融合一个大型美国公司的匿名客户满意度调查和客户关系管理数据库来展示PPDF的能力。电信提供商。在一项预测性客户流失预防活动中，PPDF 实现了 1.46% 的活动提升率，而无需透露任何用户身份，相比之下，在没有隐私保护的模型中实现了 1.66% 的提升率，其中近 7% 的用户被重新识别。异质性分析进一步揭示了这些个体是异常客户，他们表现出持续较高的重新识别风险，强调了个体隐私保障与整体推断质量之间的微妙权衡。更广泛地说，PPDF使组织能够在不侵犯用户隐私的情况下充分利用数据融合——为企业、政府和研究人员提供了一种实用的解决方案，在确保个人保密性的同时从敏感数据中提取价值。
收到！如何通过确认增加公司的可持续性形象并推动重复客户参与回收计划
原标题：Received! How Acknowledgment Increases a Company’s Sustainability Image and Drives Repeat Customer Participation in Take-Back Programs
作者：Yuly Hong；Sara Loughran Dommer；Karen Page Winterich
期刊：Journal of Consumer Research
出版时间：2026/03/26
摘要：越来越多的公司提供回收计划，从消费者那里收集使用过的产品或材料并通过回收或再利用来可持续地处理它们。以往的研究考察了如何增强公司可持续性感知以及初步吸引客户参与回收计划，但是公司是否还可以采取其他行动来提升其可持续形象并鼓励客户的重复参与？我们理论认为当一家公司仅仅承认客户参与其回收计划时，它会增加客户对公司的情感依附和伙伴关系。随后，客户认为该公司更具可持续性，并且更有可能再次参与该公司的回收计划。这些效果通过七项研究得到了证明，包括一项实际重复参与的实地研究。我们表明，在取回计划中确认效应比在有利于公司的计划中更强，并且它通过取回计划中的不同机制起作用。我们还发现消费者特征的自我品牌联系淡化了认可效应，而行业的漂绿特性削弱了认可的好处，这与情感依附和伙伴关系机制一致。本研究提供了有关合作伙伴关系的理论见解，并为企业管理者提供了实质性的启示，因为越来越多的企业推出回收计划。
基于贝叶斯双重聚类的选择数据和参数粒度的方法
原标题：A Bayesian Dual Clustering Approach for Selecting Data and Parameter Granularities
作者：Mingyung Kim；Eric T. Bradlow；Raghuram Iyengar
期刊：Marketing Science
出版时间：2026/03/26
摘要：尽管存在一些成熟的模型选择方法（例如，贝叶斯信息准则（BIC）），它们通常依赖于事先选定的数据和参数粒度。也就是说，研究人员认为他们在进行模型选择，但实际上他们所做的模型选择是依赖于他们选定的粒度的。我们提出了一种新的方法，贝叶斯双聚类（BDC），通过在其后验分布上采样来推断数据和参数的粒度。BDC 将数据和参数表示为两个单独的节点集合（例如，库存保有单位（SKU）），每个节点都是分析的基本单元。然后该方法对每个集合中的节点进行聚类，并在提供高度可解释性的同时推断出相应数据和参数的粒度，解释为什么选择某些粒度。值得注意的是，BDC可以处理大量集合，通过使用拆分-合并采样器来适应参数限制（例如，数据需要至少与参数一样详细），并与现有的其他方法（例如，潜在类别分析）相关联。我们将BDC应用于一个经常购买的食品杂货类别。结果表明，BDC推断出的粒度与现有方法不同(这些方法反过来导致了不同的需求弹性和最优行动)。我们通过强调BDC在广泛市场营销问题中的通用性来结束讨论。
直接广告市场中的广告商学习
原标题：Advertiser Learning in Direct Advertising Markets
作者：Carl F. Mela；Jason M. T. Roos；Tulio Sousa
期刊：Marketing Science
出版时间：2026/03/23
摘要：直接购买广告商以固定费率从发布者和广告网络获取广告库存。这样的广告商面临着在众多新的发布者站点中选择广告的复杂任务。我们提供证据表明广告商并不擅长做出这些选择。相反，他们在确定一组青睐的网站之前会尝试许多网站，这与广告商的学习过程一致。我们随后建立了一个模型，在该模型中广告商了解了其在发布者网站上的广告效果，并据此对发布者的库存提出了需求。结果表明，广告商花费大量资源在他们最终放弃的网站上做广告，部分原因是他们之前对这些网站上的广告效果过于乐观。在新站点上广告商预期的点击率(CTR)中位数是0.177%，比真正的CTR中位数0.045%高四倍。我们考虑广告网络汇集广告商信息如何解决这个问题。具有类似视觉元素的广告获得类似的点击率(CTR)，因此网络的信息汇集使广告商能够更好地预测在新站点上的广告表现。反事实分析表明，汇集广告商信息带来的收益是相当可观的：在六个月的时间里，我们估计前20大出版商中广告商福利平均增加了3621美元（增长了an18.3%increase），收入平均增加了13558美元（增长了a77.7%increase）。
算法定位及精确度-召回率权衡
原标题：Algorithmic Targeting and the Precision-Recall Tradeoff
作者：Ganesh Iyer；Yunfei (Jesse) Yao；Zemin (Zachary) Zhong
期刊：Marketing Science
出版时间：2026/03/23
摘要：我们研究了在竞争性算法定位中当定位算法的结果是个别消费者层面的转化预测概率时所产生的影响。在这种情况下，企业在其选择目标策略时隐含地面临众所周知的精确度-召回率权衡。他们可以选择针对一小部分有高转化概率的消费者（precision），但会错过许多仍然对他们的产品感兴趣的消费者。相反，企业可以瞄准更大的消费者群体（recall），但这样会导致他们的定位浪费在不感兴趣的消费者身上的概率增大。我们分析了在企业之间存在竞争的情况下这些企业的算法定位政策所进行的战略选择下的精确率-召回率的权衡。我们表明，竞争企业倾向于采用一种定位策略，该策略的精准度更高但召回率更低，与垄断相比。当他们的算法更加相关时，企业瞄准的消费者较少。他们也有动机战略性地降低其目标政策的精确度以减少竞争。如果企业内在地选择其算法相关性，则存在降低相关性的均衡激励。
