Cultural implications in innovation adoption: an analysis in three countries

2023-10-27T22:17:32-03:00

Purpose: The study aimed to evaluate the relationship of two national cultural dimensions (individualism and uncertainty avoidance) with the consumer innovativeness.

Methodology/approach: A descriptive research as conducted with three groups from three different countries, which evaluated, through a survey, the propensity of the respondents to look for innovations actively and independently.

Originality/Relevance: Considering companies are constantly introducing new products and services in countries where cultural traits are different, the understanding of the consumer behavior is fundamental for evaluating the acceptance of these innovations.

Key findings: It was observed that groups with strong collectivists characteristics, Brazilians and Colombians, tend to rely on the positive experience of friends and relatives to adopt an innovation. Regarding the uncertainty avoidance dimension, the results showed no significant differences among the three groups.

Theoretical/methodological contributions: With the constant intensification of the international trade, it is necessary to make an understanding of the peculiarities of a target audience for products and services, in order to create appropriate positioning strategies, because the levels of individualism of a culture act directly on consumers’ perceptions regarding the adoption of innovation.

Algoritmos de Aprendizagem de Máquina Para Previsão de Consumidores Slow Fashion: Implicações Teóricas e Gerenciais

2023-10-01T19:53:46-03:00

Objetivo: Comparar, propor e discutir as implicações de cinco algoritmos de aprendizado de máquina para prever perfis de consumidores de moda lenta.

Metodologia/abordagem: Utilizamos a linguagem de programação Python para construir os modelos com bibliotecas scikit-learn. Testamos o potencial de cinco algoritmos para classificar corretamente os consumidores de moda lenta: I) extremely randomized trees, II) random forest, III) support vector machine, IV) gradient boosting Tree, and V) naïve bayes.

Originalidade/Relevância: A originalidade deste artigo reside na combinação de preocupações relacionadas a sustentabilidade na Moda, análise do comportamento do consumidor e técnicas de aprendizado de máquina. Aborda uma questão crítica na indústria da moda e oferece implicações práticas que podem ser benéficas para empresas que procuram alinhar as suas práticas com os princípios do Slow fashion. Esta abordagem interdisciplinar torna-o uma contribuição relevante tanto para a academia como para a indústria.

Principais conclusões: As métricas de desempenho revelaram valores satisfatórios para todos os algoritmos. No entanto, o Support Vector Machine apresentou melhor precisão (96%) no conjunto de dados para perfil do consumidor Slow Fashion, enquanto a Random Forest apresentou o pior desempenho (87%).

Contribuições teóricas/metodológicas: Entendemos que o modelo pode ser útil para empresas que desejam adotar abordagens mais direcionadas e práticas no contexto do Slow fashion, permitindo-lhes tomar decisões mais informadas e estratégicas. Portanto, esses insights podem orientar pesquisas futuras na otimização de aplicativos de aprendizado de máquina para análise do comportamento do consumidor e fornecer orientações valiosas para profissionais de marketing de moda que buscam aprimorar suas estratégias de segmentação e engajamento.

Revista Inteligência Competitiva

Cultural implications in innovation adoption: an analysis in three countries

Algoritmos de Aprendizagem de Máquina Para Previsão de Consumidores Slow Fashion: Implicações Teóricas e Gerenciais