كيف تدفع خصائص المشاهير الافتراضية نية الشراء: اختبار إطار استجابة المنبه-الكائن الحي باستخدام نمذجة المعادلات الهيكلية

تحلل هذه الدراسة كيف تؤثر سمات المشاهير الافتراضية على رضا المستهلك، وحقوق الملكية، ونية الشراء، وكيف يعزز التخصيص حقوق الملكية المدفوعة بالرضا. تحدد الدراسات الحالية الوسائل البديلة والمصداقية، لكنها تفسر نتائج العمليات بشكل غير كاف. توضح هذه الدراسة الآليات من خلال إطار SOR، والوساطة، والتخصيص، والإشراف.

للبدء، حدد النموذج البنيوي لنمذجة المعادلات الهيكلية ذات المربعات الصغرى الجزئية، أو PLS-SEM. حدد الحد الأقصى لستة متنبئين للبنى الداخلية، بما في ذلك ثلاث خصائص افتراضية للمشاهير وثلاثة متغيرات تحكم. حدد المعايير الإحصائية مثل حجم التأثير المتوسط، ومستوى الدلالة، والقدرة الإحصائية لتحليل القدرة.

الآن، قم بتحليل الطاقة لتقدير الحد الأدنى لحجم العينة المطلوب. استقطبوا المشاركين من خلال لجنة بحث عبر الإنترنت باستخدام أخذ عينات هادفة غير احتمالية. قيد الأهلية للأشخاص الذين تبلغ أعمارهم 18 عاما أو أكثر.

أدرج أسئلة الفرز وعناصر فحص الانتباه في الاستبيان للتحقق من الأهلية وجودة الاستجابة. راجع إجابات الاستبيان وقم بإزالة المشاركات التي تفشل في معايير الفحص أو فحص الانتباه. توقف جمع البيانات بمجرد تحقيق حجم العينة المستهدف المحدد مسبقا.

ابدأ بتقديم تعريف يصف المشاهير الافتراضيين كشخصيات صوتية بصرية رقمية تم إنشاؤها رقميا ذات هوية بصرية مستقرة، وصوت، ومحتوى سردي متكرر. وجه المشاركين للإجابة على أسئلة الاستبيان بناء على تجاربهم الفعلية مع هؤلاء المشاهير الافتراضيين. طور الاستبيان من خلال تضمين أقسام الاستبيان التي تغطي المظهر، الصوت، جودة المحتوى، الرضا، الولاء، التخصيص، نية الشراء، والديموغرافيا.

قس جميع البنى باستخدام مقاييس ليكيرت ذات السبع نقاط حيث يشير أحدهم إلى عدم الموافقة القوية وسبعة تدل على موافقة قوية. منع التكرار من خلال إعدادات التحكم في المنصة. تصدير الردود المجمعة بقيم مفصولة بفواصل أو صيغة CSV واستورد مجموعة البيانات النظيفة إلى برنامج PLS-SEM.

للقياس وتقييم النماذج الهيكلية، حدد جميع البنى كهياكل عاكسة. تقييم الموثوقية باستخدام موثوقية كرونباخ ألفا والمركب أو CR أكبر من أو يساوي 0.7. تقييم صلاحية التقارب باستخدام متوسط تباين مستخرج أو AVE أكبر من أو يساوي 0.5.

تقييم صلاحية التمييز باستخدام معيار فورنيل-لاركر ونسبة التغاير إلى السمة الأحادية أو HTM والتأكد من أنها أقل من 0.9. حدد المسارات الهيكلية وفقا للنموذج المفاهيمي وقيم التوازنية المتعددة باستخدام عامل التباين التضخم أو قيم VIF أقل من خمسة. قم بتشغيل التمهيد مع 5,000 عينة فرعية لتقدير معاملات المسار، وقيم T، وفترات الثقة، وأحجام التأثير.

تقدير التأثيرات غير المباشرة باستخدام التمهيد باستخدام 5,000 عينة فرعية وفواصل ثقة 95٪ لاختبار الوساطة المتسلسلة من صفات المشاهير الافتراضية إلى الرضا، والرضا إلى الولاء، والولاء لنية الشراء. أنشئ مصطلحات تفاعل لاختبار تأثيرات التخصيص المعتدلة. تقدير معاملات الاعتدال وأحجام التأثير باستخدام التمهيد (bootstrapping).

قم بإنشاء مخططات تفاعلية لتصور التأثيرات الشرطية. بعد تقييم الأداء التنبؤي، قارن قيم التنبؤ Q-تربيع، والجذر متوسط تربيع الخطأ، ومتوسط الخطأ المطلق مقابل نموذج معياري خطي. تأكيد الصلة التنبؤية عندما تتجاوز قيم التنبؤ Q-squared الصفر وتكون أخطاء PLS أقل من المرجع.

أظهرت اختبارات الموثوقية والصلاحية المتقاربة أن جميع البنى تجاوزت العتبات الموصى بها، مما يؤكد أن هذه المقاييس موثوقة وصحيحة في آن واحد. تؤكد الصلاحية التمييزية التي تم تقييمها باستخدام معيار فورنيل-لاركر ونسبة التغاير إلى السمات الأحادية أن جميع البنى متميزة تجريبيا. يشير تقييم النموذج الإنشائي إلى قوة تفسيرية معتدلة وأداء تنبؤي مقبول.

يتم تأكيد الصلة التنبؤية بقيم التنبؤ في Q-square تتراوح بين 0.280 و0.485. يتم مقارنة الأداء التنبؤي لنموذج PLS-SEM مع معيار الانحدار الخطي. تشير قيم متوسط التربيع الأدنى للجذر ومتوسط الخطأ المطلق إلى دقة توقع أفضل.

يحدد التحليل الإحصائي الفرضيات في النموذج التي تدعمها البيانات. المظهر والصوت وجودة المحتوى تؤثر بشكل كبير على رضا العملاء. يزيد الرضا من الولاء، مما يؤدي بدوره إلى زيادة نية الشراء.

تشير تحليلات الوساطة إلى أن الرضا يؤثر بشكل غير مباشر على نية الشراء من خلال الولاء. التخصيص يعزز العلاقة بين الرضا والولاء، لكنه لا يؤثر على نية الشراء. يمكن للبروتوكول أن يساعد في قياس كيف تؤثر صفات المشاهير الافتراضية على الرضا والولاء ونية الشراء باستخدام الاستبيانات والنمذجة الهيكلية.

في هذا البروتوكول، شملت التحديات الرئيسية استقطاب المشاهير الافتراضيين وتوضيح العلاقات غير المتسقة بين تقارير الرضا ونية الشراء في الدراسات السابقة. تسهل هذه الأبحاث دراسات مستقبلية حول تقنيات الذكاء الاصطناعي الناشئة عبر الفروقات الثقافية والتأثير طويل الأمد للتخصيص وسمات المشاهير الافتراضية.