Artículo de investigación

Aprovechando el modelo de aceptación tecnológica para entender la adopción por parte de influencers virtuales: el papel de la autenticidad percibida y el antropomorfismo

DOI:

10.3791/70018

⸱

3 de julio de 2026

 , 
1Azman Hashim International Business School, Universiti Teknologi Malaysia, 2College of Innovation and Entrepreneurship, Sichuan Tourism University, 3Department of Applied Computing & Artificial Intelligence, Faculty of Computing, Universiti Teknologi Malaysia

En este artículo

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudio aplica un modelo ampliado de Aceptación Tecnológica para examinar la adopción de influencers virtuales en plataformas de vídeo corto, demostrando que la utilidad percibida, la facilidad de uso, la autenticidad y el antropomorfismo influyen significativamente en las actitudes e intenciones conductuales de los usuarios utilizando datos de encuestas analizados con PLS-SEM.

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los Influencers Virtuales (VIs) se están convirtiendo cada vez más en actores clave en aplicaciones de vídeos cortos como TikTok, YouTube Shorts e Instagram Reels. Mientras que investigaciones previas han explorado los VIs en términos de antropomorfismo, autenticidad e interacción con el consumidor, la mayoría de los trabajos previos se han centrado en conjuntos de datos de Instagram o análisis de contenidos sin adoptar un marco conductual sistemático. Para abordar estas limitaciones, este estudio utiliza el Modelo de Aceptación de la Tecnología (TAM) para examinar cómo la Utilidad Percibida (PU) y la Facilidad de Uso Percibida (PEOU) influyen en la Actitud del usuario y la Intención Conductual hacia el seguimiento o la interacción con los VIs en plataformas de vídeo corto. El estudio propone la autenticidad percibida y el antropomorfismo como variables moderadoras, extendiendo la TAM para capturar dinámicas psicológicas y sociales. Se desarrolló un marco conceptual que integraba TAM con estos moderadores. Los datos se recogieron mediante una encuesta en línea a 350 usuarios de vídeos cortos expuestos a contenido VI editado y medidos utilizando instrumentos validados a escala Likert. Los participantes fueron expuestos primero a estímulos estandarizados de vídeo virtual de influencers y posteriormente completaron un cuestionario estructurado administrado a través de una plataforma de encuestas en línea. El conjunto de datos se analizó utilizando el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) para evaluar la fiabilidad de la medición, las relaciones estructurales y los efectos moderadores. Antes del análisis, el conjunto de datos fue examinado para detectar respuestas incompletas, valores faltantes e inconsistencias en las respuestas. Los resultados confirman la aplicabilidad de TAM en el contexto VI. La UP influyó positivamente en la UP (β = 0,46, p < 0,001), la UP afectó significativamente a la Actitud (β = 0,39, p < 0,001) y a la Actitud predijo fuertemente la Intención Conductual (β = 0,58, p < 0,001). La autenticidad percibida fortaleció la relación entre PU y Actitud, y entre Actitud e Intención Conductual, mientras que el Antropomorfismo potenciaba los efectos tanto de PU como de PEOU sobre la Actitud. Índices de ajuste del modelo (R2 = 0,64 para actitud; R2 = 0,57 para Intención Conductual) indican un fuerte poder explicativo. Estos hallazgos respaldan el TAM extendido para explicar la adopción de influencers virtuales en plataformas de vídeo corto.

Introducción

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

En los últimos años, los influencers en redes sociales (SMIs) han ganado seguidores considerables compartiendo aspectos de sus vidas, conocimientos, productos y marcas en plataformas de radiodifusión comunitaria 1,2. Los Influencers Virtuales (VIs) han atraído considerable atención tanto de la comunidad académica como empresarial como un enfoque novedoso para promocionar bienes y servicios en plataformas como Instagram, Facebook y TikTok3. A diferencia de los influencers humanos (HIs), los VIs no son individuos reales, sino personajes generados por ordenador desarrollados por equipos de diseñadores para replicar la apariencia y el comportamiento humano o para parecerse a personasanimadas 4. Debido a sus fuertes capacidades de interacción, muchas marcas están utilizando VIs para marketing de influencers, ya sea mediante colaboración o creando VIspropietarios 5. En consecuencia, marcas conocidas como BMW han colaborado con VIs como Lil Miquela para impulsar la implicación del cliente e influir en las decisiones de compra.

A medida que el número de personas afectadas por las SMI sigue creciendo, el marketing de influencers también estácreciendo. El Influencer Marketing Hub informa que el número de empresas especializadas en servicios de marketing de influencers aumentó un 26% en 2021 y se proyecta que alcance las 18.900 a nivel global. Una de las categorías emergentes más notables de SMI incluye los "personajes 3D generados por ordenador" capaces de imitar el comportamiento y la apariencia humana 8,9,10. Los VIs han ganado popularidad rápidamente entre los consumidores y cada vez se les percibe más como creadores de tendencias creíbles, comparables a los influencershumanos 11. Entre 2017 y 2019, el número de VIs en las plataformas sociales aumentó de 27 a 125-12. A medida que su popularidad crecía, los VIs comenzaron a colaborar con marcasinternacionales 12. VIs representa una alternativa atractiva que combina las ventajas de los influencers humanos con un mayor control sobre la apariencia y el mensaje13.

Un desarrollo especialmente innovador en este ámbito es la aparición de los influencers virtuales como entidades de redes sociales parcial o totalmente artificiales (por ejemplo, avatares 3D generados por ordenador), pero capaces de producir contenido similar al de influencers humanos. Su rápido ascenso ha atraído la atención académica, aunque la investigación existente sigue siendolimitada en 14. Para abordar esta brecha, el presente estudio considera las interacciones parasociales (PSI), definidas como respuestas cognitivas, afectivas y conductuales a las figuras15 de los medios. Investigaciones previas han examinado la PSI comparando las respuestas de la audiencia con influencers humanoides y virtuales con características similares.

Estudios recientes han examinado las diferencias entre los VIs y los influencers humanos en la configuración de las percepciones de los usuarios, especialmente en entornos de vídeo social. La evidencia sugiere que los patrocinios de VI pueden influir en la percepción del producto (por ejemplo, potenciando asociaciones de lujo) y pueden competir con influencers humanos por la utilidad y credibilidad percibidas. Sin embargo, la identificación con influencers humanos sigue siendo más fuerte, lo que pone de manifiesto una brecha de autenticidad que influye en las decisiones de adopción en contextos de vídeoscortos 16, 17, 18. La investigación cuantitativa identifica de forma consistente la PU y la PEOU como predictores clave de la intención conductual, a menudo complementados por conceptos como el disfrute, la presencia social y la participación comunitaria, reforzando la aplicabilidad de la TAM en esteámbito 19,20.

Un cuerpo creciente de investigaciones aborda directamente la autenticidad en el contexto VI. Tanto estudios cualitativos como cuantitativos indican que la autenticidad percibida afecta significativamente a la confianza, el compromiso y la persuasión. Factores como la divulgación de la IA y la semejanza humana influyen en la credibilidad y la respuesta de losusuarios 21,22. Investigaciones adicionales muestran que las pistas de "heurística de máquina" pueden reducir la autenticidad percibida cuando los usuarios reconocen orígenes de IA, reforzando la autenticidad como condición límite crítica para laaceptación 23–25. Las revisiones sobre el antropomorfismo enfatizan aún más su papel teórico como moderador que puede fortalecer o debilitar las relaciones TAM mediante mecanismos como la presencia social y laconfianza 26.

De manera similar, se ha aplicado el modelo Estímulo–Organismo–Respuesta (SOR) para examinar cómo las señales antropomórficas y los estímulos sociales influyen en la aceptación por parte de los usuarios de sistemas impulsados porIA 27. SOR es especialmente eficaz para capturar respuestas emocionales en tiempo real a estímulos tecnológicos y el papel de las variables situacionales en la configuración del comportamiento28. Esto se alinea con entornos interactivos impulsados por IA, donde la retroalimentación rápida entre sistema y usuario genera respuestas emocionalesdinámicas 29. El marco SOR también permite la integración de múltiples estímulos afectivos y cognitivos. Sin embargo, modelos como TAM y UTAUT, aunque ampliamente utilizados, se centran en constructos predefinidos (por ejemplo, utilidad percibida y facilidad de uso), lo que puede limitar su capacidad para captar influencias multidimensionales en el comportamientodel usuario 30. Estos modelos suelen ser más adecuados para el análisis estático que para contextos dinámicos de tomade decisiones 31. Los mega-influencers, por ejemplo, pueden llegar a audiencias globales, aumentar el reconocimiento de marca y generar un compromiso significativo, aunque su efectividad varía según el contexto. SOR proporciona conocimientos complementarios sobre procesos afectivos, mientras que TAM ofrece un marco parsimonioso y predictivo para modelar intenciones conductuales.

Los estudios empíricos sugieren que los mega-influencers generan un mayor engagement, actitudes hacia el producto y adquisición de informaciónmás fuertes. Sin embargo, los influencers de menor nivel pueden aumentar el reconocimiento y la autenticidad, a veces superando a los anunciosdirigidos 34. Otros hallazgos indican que, mientras que los mega-influencers generan un mayor compromiso, los influencers más pequeños demuestran mayor autenticidad y confianza35. Estos resultados mixtos ponen de manifiesto las inconsistencias en la eficacia de los influencers encontextos 36,37 y subrayan la necesidad de explorar otros tipos de influencers, incluidos los influencersvirtuales 38.

A pesar del creciente interés en las VI, la investigación existente sigue siendo limitada en alcance. La mayoría de los estudios se basan en conjuntos de datos basados en Instagram y análisis de contenido para evaluar métricas de interacción (por ejemplo, 'me gusta', comentarios, características lingüísticas), dejando una laguna para entender la intención de adopción desde una perspectiva conductual. Además, investigaciones limitadas han examinado la adopción de VI en plataformas de vídeo corto, que presentan características sociotécnicas únicas, incluyendo exposición impulsada por algoritmos, consumo rápido de contenido e interacciones parasociales intensificadas.

Para abordar estas carencias, este estudio aplica el Modelo de Aceptación de Tecnología (TAM) para investigar sistemáticamente los factores que influyen en la adopción de VI en plataformas de vídeo corto. TAM es seleccionado por su fuerte poder explicativo, parsimonia y amplia validación empírica en contextos digitales. Aunque marcos alternativos como SOR y UTAUT ofrecen valiosas perspectivas, enfatizan factores afectivos o institucionales más allá del enfoque cognitivo de este estudio. En consecuencia, el TAM se amplía para incorporar autenticidad percibida y antropomorfismo en la etapa de formación de creencias.

Específicamente, este estudio examina cómo la Facilidad de Uso Percibida (PEOU) influye en la Utilidad Percibida (PU) y cómo estos constructos moldean la Actitud del usuario y la Intención Conductual hacia las VIs. Investiga además los roles moderadores de la autenticidad percibida y el antropomorfismo en la formación de estas relaciones. Empíricamente, el estudio emplea una encuesta cuantitativa a usuarios de vídeos cortos y prueba el modelo extendido usando PLS-SEM. Al pasar del análisis de contenidos a un marco de adopción conductual, esta investigación aborda una brecha crítica y contribuye a comprender la adopción de VI en entornos digitales emergentes.

Este estudio hace tres contribuciones clave. Primero, extiende TAM a influencers virtuales en plataformas de vídeo corto, demostrando su aplicabilidad a entidades generadas por IA. En segundo lugar, incorpora antropomorfismo y autenticidad percibida en la etapa de formación de creencias de TAM, fortaleciendo la vía creencia–actitud–intención. En tercer lugar, avanza en la metodología empleando un enfoque conductual cuantitativo utilizando datos de encuestas y PLS-SEM para evaluar la validez de la medición, las relaciones estructurales y los efectos de la moderación.

En conjunto, el estudio aporta perspectivas teóricas y prácticas sobre cómo la autenticidad y el diseño similar al humano influyen en la adopción de VI. Examina los efectos de la PEOU y PU sobre la Actitud (ATT) y la Intención Conductual (BI), y evalúa los roles moderadores de la Autenticidad Percibida (PA) en las relaciones PU–ATT y ATT–BI, y del Antropomorfismo (ANTH) en las relaciones PEOU–ATT y PU–ATT. Basándose en estas relaciones, se proponen las siguientes hipótesis:

La facilidad :P uso (PEOU) concebida por H1 impacta positivamente en la utilidad percibida (PU).
H2: La Utilidad Percibida (PU) impacta positivamente en la Actitud (ATT) hacia los influencers virtuales.
H3: La actitud (ATT) impacta positivamente en la Intención Conductual (BI) para usar influencers virtuales.
H4: La Facilidad de Uso Percibida (PEOU) impacta positivamente en la Actitud (ATT) hacia los influencers virtuales.
H5: La autenticidad percibida (PA) modera positivamente la relación entre PU y ATT.
H6: La autenticidad percibida (PA) modera positivamente la relación entre ATT y BI.
H7: El antropomorfismo (ANTH) modera positivamente la relación entre PEOU y ATT.
H8: El antropomorfismo (ANTH) modera positivamente la relación entre PU y ATT.

La Figura 1 presenta el marco conceptual basado en el Modelo de Aceptación de Tecnología (TAM) extendido para la adopción de Influencers Virtuales en plataformas de vídeo corto. El modelo incluye los constructos TAM básicos, junto con dos variables moderadoras—autenticidad percibida y antropomorfismo percibido—para captar influencias sociales y psicológicas relevantes. Las relaciones directas se representan mediante flechas sólidas, mientras que los efectos moderadores se representan como líneas discontinuas que apuntan a los caminos estructurales correspondientes. Esta representación alinea el modelo conceptual con las hipótesis propuestas y mejora la claridad al distinguir entre efectos directos y de interacción.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudio fue aprobado por el Comité de Ética en la Investigación de la Escuela Internacional de Negocios AzmanHashim, UniversitiTeknologi Malaysia, Kuala Lumpur, Malasia (Aprobación: UTM. AHIBS/REC/2025/012). Todos los procedimientos cumplieron con los estándares éticos institucionales y los principios de la Declaración de Helsinki. Se obtuvo el consentimiento informado de todos los participantes antes de la recogida de datos. Se informó a los participantes del propósito del estudio, la naturaleza voluntaria de su participación, la confidencialidad de sus respuestas y su derecho a retirarse en cualquier momento sin penalización. También se obtuvo el consentimiento por escrito para el uso de datos anonimizados de encuestas en publicaciones académicas. No se incluyen datos personales identificables o sensibles en este manuscrito.

El proceso metodológico de investigación utilizado en este estudio para examinar la adopción por parte de los influencers virtuales en plataformas de vídeos cortos se muestra en la Figura 2. El procedimiento del estudio se llevó a cabo de manera secuencial, incluyendo la preparación de estímulos, la exposición de los participantes, la administración de encuestas, el preprocesamiento de datos y el análisis estadístico. Los usuarios son expuestos primero a estímulos cuidadosamente seleccionados de influencers virtuales en plataformas de vídeos cortos como TikTok, YouTube Shorts e Instagram Reels. Para captar los constructos clave del Modelo de Aceptación Tecnológica (TAM), incluyendo la Facilidad de Uso Percibida (PEOU), la Utilidad Percibida (PU), la Actitud (ATT) y la Intención Conductual (BI), se recopilan las respuestas de la encuesta utilizando instrumentos validados a escala Likert. Los datos recogidos se preprocesan, incluyendo la limpieza de datos y las evaluaciones de validez y fiabilidad, para garantizar la calidad de los datos.

El marco TAM extendido, que incorpora variables moderadoras, se aplica entonces al conjunto de datos refinado. Específicamente, el Antropomorfismo (ANTH) modera las relaciones entre PEOU → ATT y PU → ATT, mientras que la Autenticidad Percibida (PA) modera las relaciones entre PU → ATT y ATT → BI. Estos efectos moderadores se modelan explícitamente como interacciones en los caminos estructurales. Finalmente, el modelo de medición, las relaciones estructurales y los efectos de moderación se evalúan utilizando el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM). Los resultados proporcionan un análisis integral y sistemático del comportamiento de adopción de los usuarios hacia influencers virtuales en plataformas de vídeo corto, destacando tanto las relaciones directas (PEOU, PU → ATT → BI) como los efectos moderadores.

Metodología de estudio y diseño
La metodología se desarrolló en tres fases: desarrollo del marco conceptual, recogida de datos y análisis empírico.

Desarrollo del marco conceptual
Esta fase implicó el desarrollo del marco teórico mediante la ampliación del Modelo de Aceptación de Tecnología (TAM) con dos moderadores sociopsicológicos relevantes para influencers virtuales: Autenticidad Percibida y Antropomorfismo. El modelo asume que PEOU influye en la PU, mientras que PU y PEOU influyen conjuntamente en la actitud, que a su vez influye en la Intención Conductual (Figura 3).

Recogida de datos
Se recopilaron datos empíricos a través de un cuestionario en línea administrado a 350 usuarios de plataformas de vídeo de formato corto como TikTok, YouTube Shorts e Instagram Reels. Se pidió a los participantes que vean vídeos estandarizados con influencers virtuales populares. Se recopilaron datos sobre constructos TAM y variables moderadoras. Las variables de control incluían características demográficas y de uso. Se observaron consideraciones éticas.

Análisis empírico
Los datos se analizaron utilizando un procedimiento de Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) en dos pasos. La fiabilidad y validez se evaluaron utilizando cargas factoriales, alfa de Cronbach, fiabilidad compuesta, Varianza Media Extraída (AVE), el criterio de Fornell–Larcker y la razón Heterorasgo–Monorasgos (HTMT). Se utilizó el bootstrapping con 5.000 remuestras para probar caminos estructurales y efectos de moderación, validando el modelo TAM con autenticidad y antropomorfismo como moderadores.

Formulación de modelos estructurales
El estudio amplía el modelo TAM incorporando aspectos socioemocionales de los Influencers Virtuales en plataformas de vídeo corto. Además de los constructos tradicionales (PU, PEOU, Actitud, Intención Conductual), se incluyen dos variables moderadoras — Autenticidad Percibida y Antropomorfismo — para representar dimensiones psicológicas de credibilidad y semejanza humana, respectivamente.

A nivel de medición, todos los constructos latentes (PEOU, PU, ATT, BI, PA, ANTH) se definen de forma reflexiva, con múltiples ítems de la encuesta cargando sobre cada factorlatente 39. El modelo de medición se expresa como:

figure-protocol-1(1)

donde xj era el indicador observado, η era la construcción latente, era λj la carga factorial y εj era el error de medición. Esto proporcionaba fiabilidad previa, racionalidad convergente y racionalidad discriminante antes de probar los caminos causales.

A nivel estructural, las ecuaciones TAM de base se definieron comosenderos 40. La utilidad percibida se predijo por la facilidad de uso percibida:

figure-protocol-2(2)

La actitud se especificó entonces como función de PU y PEOU:

figure-protocol-3(3)

Finalmente, la intención conductual se explicaba por la actitud, con la PU como predictor directo opcional:

figure-protocol-4(4)

Para incorporar la moderación, se introducen términos de interacción. El antropomorfismo (ANTH) modera los efectos de la PU y la PEOU sobre la ATT, mientras que la Autenticidad Percibida (PA) modera los efectos de la PU sobre la ATT y la ATT sobre la BI. Las ecuaciones estructurales moderadas son:

figure-protocol-5(5)

Los coeficientes de interacción (β₆, β₇, β₈, β₉) indican si las relaciones TAM varían según los niveles de antropomorfismo y autenticidad. Por ejemplo, el efecto condicional de la PU sobre ATT es:

β₂ + β₆· ANTH + β₈· PA

De manera similar, el efecto condicional de ATT sobre BI es:

β₄ + β₉· PA

El marco también contempla la mediación y la mediación moderada. El efecto indirecto de la PEOU sobre la ATT a través de la PU en el modelo base es:

figure-protocol-6(6)

Con moderadores incluidos, esto se convirtió en un efecto indirecto condicional:

figure-protocol-7(7)

donde a y p representan valores de antropomorfismo y autenticidad percibida, respectivamente.

Esto permite examinar si el carácter arbitral de la UP depende de los atributos sociales de las VI, proporcionando así evidencia de mediación moderada.

La autenticidad percibida (PA) y el antropomorfismo (ANTH) actúan como moderadores de la aceptación por parte de los Influencers Virtuales en plataformas de vídeo corto, como se ilustra en la Figura 3. Las líneas lisas representan relaciones directas de TAM, mientras que las líneas discontinuas indican efectos moderadores. En conjunto, el modelo integra factores tecnológicos y sociopsicológicos para ofrecer una explicación completa de la adopción de influencers virtuales.

Colección de conjuntos de datos
Esta investigación se basa en un conjunto de datos de encuestas (N = 350 participantes). Los participantes eran usuarios habituales de plataformas de vídeos cortos como TikTok, YouTube Shorts e Instagram Reels. Se les mostraron clips editados de Virtual Influencers y se les pidió que completaran un cuestionario estructurado utilizando medidas validadas de la escala Likert para constructos TAM (PEOU, PU, ATT, BI) y moderadores (PA, ANTH). Los datos fueron autoinformados y no obtenidos de una base de datos pública; Sin embargo, la estructura de medición se adaptó a escalas establecidas en adopción tecnológica y a la investigación de influencers virtuales.

La Tabla 1 describe la estructura del conjunto de datos de adopción conductual. Cada fila representa un constructo en el modelo TAM extendido, junto con sus ítems de medida, tipo de escala y función analítica. PEOU y PU se midieron utilizando cuatro ítems cada uno en una escala de Likert de 7 puntos.

La Tabla 2 presenta el perfil demográfico de los encuestados. El perfil demográfico de los encuestados (N = 350) indica una distribución de género relativamente equilibrada, con hombres que constituyen el 50,86%, las mujeres el 45,43% y una pequeña proporción (3,71%) que se identifica como otra. En cuanto a edad, la mayoría de los participantes pertenecen al grupo de 25 a 34 años (44,57 %), seguidos de 18 a 24 años (29,43 %) y 35 a 39 años (26,00 %), lo que sugiere que el conjunto de datos está compuesto principalmente por personas jóvenes a medianas edades. En cuanto al nivel educativo, los encuestados están distribuidos de forma justa en diferentes niveles, siendo la proporción más alta con títulos de posgrado (23,14%), seguidos por los de bachillerato (22,86%), de grado (20,29%), diploma (17,43%) y doctorado (16,29%). Esto refleja una formación educativa diversa entre los participantes. En cuanto al comportamiento de uso de plataformas, una mayoría significativa de los encuestados (61,71%) informó de uso diario, mientras que el 29,14% usa la plataforma semanalmente y el 9,14% ocasionalmente. Esto indica un alto nivel de interacción con la plataforma entre la población muestreada. Estas características indican que la muestra representa usuarios activos de plataformas de vídeo corto.

Análisis de datos
Tras la recogida de datos, se analizaron 350 respuestas válidas utilizando el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM), adecuado para la extensión teórica, investigación orientada a la predicción y modelos complejos con variables moderadoras. El análisis incluyó la evaluación del modelo de medición, la evaluación del modelo estructural, el análisis de moderación y la estimación global del modelo.

Validación del modelo de medición
El primer paso fue medir la fiabilidad y racionalidad de todos los conceptos. La fiabilidad interna se probó mediante Alfa (α) y Fiable Compuesta (CR) de Cronbach, considerándose satisfactorios estándares superiores a 0,70. La racionalidad convergente se determinó mediante la Varianza Media Extraída (AVE ≥ 0,50). La coherencia discriminante se verificó mediante el estándar de Fornell–Larcker, donde la raíz cuadrada del AVE de cada constructo era mayor que sus asociaciones con conceptos adicionales. El AVE de un constructo j se calculaba como:

figure-protocol-8(8)

donde λij era la carga factorial estandarizada del ítem i en el constructo j, y figure-protocol-9 es el error de medición.

El modelo de medición del estudio actual se muestra en la Figura 4. Cada constructo latente prolongado del marco TAM fue operacionalizado por varios indicadores reflexivos. En particular, se midieron la Facilidad de Uso Percibida (PEOU) y la Utilidad Percibida (PU) con 4 ítems, mientras que la Actitud (ATT) y la Intención Conductual (BI) se midieron con 3 ítems. Los moderadores—Autenticidad Percibida (PA) y Antropomorfismo (ANTH)—fueron evaluados cada uno utilizando tres indicadores. Todos los caminos conducían desde los conceptos hasta sus punteros individuales, reflejando la naturaleza reflectante del modelo de medición. La fiabilidad y validez de los conceptos se confirmaron utilizando cargas factoriales, alfa de Cronbach, Fiabilidad Compuesta (CR) y Varianza Media Extraída (AVE). Esto hizo estadísticamente sólido que el modelo de medición y los conceptos miden las dimensiones deseadas de las actitudes de los usuarios y las intenciones de comportamiento hacia los Influencers Virtuales en plataformas de vídeo corto.

Pruebas de modelos estructurales
Una vez establecida la validez de la medición, se examinaron los caminos estructurales del modelo TAM ampliado. Las relaciones directas postuladas son las siguientes:

figure-protocol-10(9)

figure-protocol-11(10)

figure-protocol-12(11)

Dónde: β1 examinó el efecto de PEOU → PU, β2,β 3 examinó el efecto de PU y PEOU → ATT, β4 capturó el efecto de ATT → BI. Los coeficientes de camino (β) se calcularon mediante el método de arranque (5000 remuestras), y la significación se calculó mediante valores t y valores p.

Análisis de moderación
Se realizó un análisis de moderación para examinar los efectos de interacción. La extensión del TAM incluyó como moderadores la autenticidad percibida (PA) y el antropomorfismo (ANTH). La moderación se probó generando términos de interacción entre variables independientes y moderadores. El modelo extendido se representaba como:

figure-protocol-13(12)

Aquí: PU × PA: Se comprobó si la autenticidad aumentaba el papel que jugaba la utilidad en la actitud. PEOU × ANTH: Evaluaron si el antropomorfismo mejoraba el resultado de la facilidad de uso percibida sobre la actitud. TT × PA: Evaluó si la autenticidad fortaleció el resultado de la actitud hacia la intención conductual. Un coeficiente significativo de β 7, β8 o β10 verificó la ocurrencia de moderación.

Evaluación del modelo
El modelo en su conjunto se evaluó en términos de poder explicativo y predictivo:

Coeficiente de determinación (R2): Indicó la alteración aclarada en constructos endógenos (ATT y BI). R2 ≥ 0,50 se consideró alta en estudios de comportamiento.

Relevancia predictiva (Q2): Se determinó mediante venda a ciegas, siendo Q2 > 0 indicando validez predictiva.

Tamaño del efecto (f2): Se empleó para determinar el efecto de cada constructo sobre el modelo y se calcula como:

figure-protocol-14(13)

Donde se explicaba la varianza al incluir un predictor y figure-protocol-15 la varianza al excluirlo. En conclusión, el análisis de datos confirma inicialmente la fiabilidad y validez del constructo, evalúa las relaciones estructurales del TAM, evalúa los efectos de moderación del antropomorfismo y la autenticidad y, por último, verifica el control descriptivo y extrapolativo del típico. Este enfoque exhaustivo garantiza la solidez de los hallazgos y extiende la TAM al caso de los Influencers Virtuales en plataformas de vídeo corto.

Prueba de hipótesis
Para confirmar el marco TAM extendido, se probaron ocho hipótesis utilizando PLS-SEM con bootstrapping (5000 remuestramientos). El proceso de arranque creó constantes de rastro (β), valores t y valores p, que se establecieron contra el umbral crítico (p < 0,05).

Efectos directos (H1–H4)
Los impactos directos del TAM clásico se evaluaron primero. Los hallazgos verificaron que la Facilidad de Uso Percibida (PEOU) tuvo una influencia importante en la Utilidad Percibida (UP). La ecuación estimada es:

figure-protocol-16 (14)

Donde β1=0,46, t=8,72, p < 0,001. En consecuencia, se soporta H1.

En segundo lugar, también se encontró que la Utilidad Percibida (PU) y el PEOU influyen positivamente en la Actitud (ATT):

figure-protocol-17(15)

con β2=0,39, t=7,64, p < 0,001 y β3=0,21, t=2,14, p < 0,05. Estos hallazgos apoyan firmemente H2 y H4 parcialmente, reforzando que tanto la facilidad de uso percibida como la utilidad cambian las actitudes.

Por último, la influencia de la ATT en la Intención Conductual (BI) fue significativa:

figure-protocol-18 (16)

con β4=0,58, t=10,12, p < 0,001. Por ello, H3 cuenta con un fuerte apoyo, subrayando que las actitudes positivas impulsan fuertemente la intención de utilizar Influencers Virtuales.

Efectos moderadores (H5–H8)
Se evaluaron los impactos moderadores de la Autenticidad Percibida (PA) y el Antropomorfismo (ANTH) incorporando términos de interacción.

Para H5, el efecto de la UPU sobre ATT fue moderado por PA:

figure-protocol-19(17)

con β5=0,15, t=3,21, p < 0,01. Esto sugiere que si las VI se consideran auténticas, su utilidad tiene una mayor influencia en las actitudes.

Para H6, la moderación de ATT → BI por parte de PA también fue significativa:

figure-protocol-20(18)

con β6=0,12, t=2,94, p<0,01. Esto implica que la autenticidad tiene una conexión más fuerte entre actitudes positivas e intenciones de comportamiento.

Para H7, el antropomorfismo ANTH modera el efecto del PEOU sobre el ATT:

figure-protocol-21(19)

con β7=0,14, t=3,08, p < 0,01. Por ello, cuando las VI son más humanas, la facilidad de uso se traduce más en actitudes positivas.

Para H8, el antropomorfismo también mejoró la vía PU → ATT modera el ANTH:

figure-protocol-22(20)

con β8=0,11, t=2,21, p < 0,05.

El rendimiento del modelo se evaluó utilizando R2 para el poder explicativo, Q2 para la relevancia predictiva y tamaño del efecto (f2) para evaluar la contribución de cada predictor.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

En total, se obtuvieron 350 respuestas útiles de usuarios activos de aplicaciones de vídeo corto (Instagram Reels, YouTube Shorts y TikTok). Los datos se analizaron utilizando el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) en SmartPLS 4.0, tras preprocesamiento y la exclusión de respuestas incompletas. Este enfoque permitió la evaluación tanto de modelos de medición como estructurales, así como de efectos de moderación.

Los re...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Para validar los constructos, el modelo de medición fue evaluado para fiabilidad, validez convergente y validezdiscriminante 39,40. Los hallazgos del estudio aportan importantes perspectivas sobre los factores que influyen en la adopción por parte de los Influencers Virtuales (VIs) en plataformas de vídeo corto. Los resultados indican que tanto los factores tecnológicos (Utilidad Percibida y Facilidad de Uso Percibida) como los p...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores no declaran conflictos de interés.

Agradecimientos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores agradecen el apoyo institucional de la Escuela Internacional de Negocios AzmanHashim de la Universidad de Tecnología de Malasia y del Colegio de Innovación y Emprendimiento de la Universidad de Turismo de Sichuan, por proporcionar recursos y orientación académica durante esta investigación. Esta investigación fue financiada por el Proyecto del Centro de Investigación para el Desarrollo de la Cocina de Sichuan (CC24G18).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Computer System (PC/Laptop)Genérico (HP/Dell/Lenovo o equivalente)N/AUsado para recolección y análisis de datos
Google FormsGoogle LLCN/A / https://forms.google.comUsado para diseño de encuestas y recolección de datos
Instagram ReelsMeta Platforms Inc.N/A / https://www.instagram.com/reels/Plataforma para estímulos de video de influencers virtuales
Conexión a InternetProveedor de servicio de Internet localN/ARequerido para acceder a la encuesta y plataformas
Microsoft ExcelMicrosoft Corporation365 / https://www.microsoft.com/excelUsado para preprocesamiento y organización de datos
PythonPython Software Foundation3.x / https://www.python.orgUsado para preprocesamiento opcional y manejo de datos
SmartPLSSmartPLS GmbH4.0 / https://www.smartpls.comUsado para análisis PLS-SEM incluyendo HTMT, Q² (blindfolding), y f² tamaño del efecto
TikTokTikTok Inc.N/A / https://www.tiktok.comPlataforma para estímulos de video de influencers virtuales
Clips de video de influencers virtualesConjunto de datos generado por el autorN/AEstímulos de video estandarizados presentados a los participantes
YouTube ShortsGoogle LLCN/A / https://www.youtube.com/shortsPlataforma para estímulos de video de influencers virtuales

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Ju, N., Kim, T., Im, H. Fake human but real influencer: The interplay of authenticity and humanlikeness in virtual influencer communication. Fashion Text. 11, 16(2024).
  2. Barari, M., Ross, M., Moghddam, H. A. Virtual influencers’ anthropomorphism, consumer engagement and/or well-being. J Consum Mark. 42, 673-688 (2025).
  3. Deng, F., Jiang, X. Effects of human versus virtual human influencers on the appearance anxiety of social media users. J Retail Consum Serv. 71, 103233(2023).
  4. Barari, M., Ross, M., Moghddam, H. A., et al. A meta-analysis of customer engagement behaviour. Int J Consum Stud. 45, 457-477 (2021).
  5. Barari, M. Unveiling the dark side of influencer marketing: How social media influencers (human vs virtual) diminish followers’ well-being. Mark Intell Plan. 41, 1162-1177 (2023).
  6. Audrezet, A., De Kerviler, G., Moulard, J. G. Authenticity under threat: When social media influencers need to go beyond self-presentation. J Bus Res. 117, 557-569 (2020).
  7. Geyser, W. The state of influencer marketing 2022: Benchmark report. , Influencer Marketing Hub. (2023).
  8. da Silva Oliveira, A. B., Chimenti, P. Humanized robots: A proposition of categories to understand virtual influencers. Australas J Inf Syst. 25, (2021).
  9. Jin, S., Park, H., Lee, J. Comparing the impact of virtual and human influencers on social media users’ self-perception. Comput Hum Behav. 140, 107573(2023).
  10. Miao, F., Kozlenkova, I. V., Wang, H., et al. An emerging theory of avatar marketing. J Mark. 86, 67-90 (2022).
  11. Moustakas, E., Lamba, N., Mahmoud, D., et al. Blurring lines between fiction and reality: Perspectives of experts on marketing effectiveness of virtual influencers. ProcIntConf Cyber SecurProt Digit Serv, , (2020).
  12. Hiort, A. How many virtual influencers are there?. , Virtual Humans. (2022).
  13. Conti, M., Gathani, J., Tricomi, P. P. Virtual influencers in online social media. IEEE Commun Mag. 60, 86-91 (2022).
  14. Arsenyan, J., Mirowska, A. Almost human? A comparative case study on the social media presence of virtual influencers. Int J Hum Comput Stud. 155, 102694(2021).
  15. Shin, J., Lee, S. Intimacy between actual users and virtual agents: Interaction through likes and comments. Proc 14th IntConf Ubiquitous InfManagCommun, , (2020).
  16. Bie, Y., Zhang, X., Li, H., et al. Beyond the shores of reality: The effect of virtual influencers on luxury perception and its downstream consequence. Psychol Mark. , (2025).
  17. Belanche, D., Casaló, L. V., Flavián, M. Human versus virtual influences: A comparative study. J Bus Res. 173, 114493(2024).
  18. Kästner, E., Baczynski, M. Believe me, even though I am fake: How the credibility of real and virtual influencers affects purchase intention. J Media Bus Stud. , (2025).
  19. Li, Q., Wang, T. Adoption of short-video e-commerce apps among university students: An extended TAM approach. Electron Commer Res. 24, 879-901 (2024).
  20. Singh, A., Kumar, P. User behavior in TikTok shopping: Insights from Technology Acceptance Model. J Retail Consum Serv. 71, 104005(2024).
  21. Wang, S., Wang, Y., Li, X., et al. Leveraging TikTok for active learning in management education: An extended technology acceptance model approach. Int J Manag Educ. 22, 101009(2024).
  22. Koles, B., Szabo, K., Kovacs, A., et al. The authentic virtual influencer: Authenticity manifestations in the metaverse. J Bus Res. 170, 114325(2024).
  23. Park, S., Kim, H., Choi, Y. Consumer trust and engagement with virtual influencers: The role of perceived authenticity. J Interact Mark. 59, 45-58 (2025).
  24. Zhang, W., Li, F., Zhou, R. Perceived realism and human-likeness of virtual influencers: Effects on consumer engagement. Comput Hum Behav. 149, 107843(2024).
  25. Li, C., Huang, F. The impact of virtual streamer anthropomorphism on consumer purchase intention: Cognitive trust as a mediator. Behav Sci. 14, 1228(2024).
  26. Ross, M., Barari, M., Moghddam, H. A. Anthropomorphism of virtual influencers and consumer engagement in social media. J Mark Manag. 41, 1150-1168 (2025).
  27. Vafaei-Zadeh, A., Nikbin, D., Wong, S. L., et al. Investigating factors influencing AI customer service adoption: An integrated model of SOR and TTF theory. Asia Pac J Mark Logist. , (2024).
  28. Huo, C., Wang, X., Sadiq, M. W., et al. Exploring factors affecting consumer impulse buying behavior in live-streaming shopping: An SOR-based study. SAGE Open. 13, 21582440231172680(2023).
  29. Gao, L., Chen, Y., Liu, X., et al. The impact of artificial intelligence stimuli on customer engagement and value co-creation. J Res Interact Mark. 17, 317-333 (2022).
  30. Parhamnia, F. Investating mobile acceptance in academic library services based on UTAUT-2. J AcadLibrariansh. 48, 102570(2022).
  31. Wang, Z., Jiang, Q. Willingness of Generation Z consumers to use virtual try-on services based on SOR. Systems. 12, 217(2024).
  32. Conde, R., Casais, B. Micro, macro and mega-influencers on Instagram. J Bus Res. 158, 113708(2023).
  33. Dong, X., Zhou, R., Liao, J. Mega-influencer follower effect. Eur J Mark. , (2024).
  34. Berman, R., Ory, A., Zheng, X. Influence or advertise: The role of social learning in influencer marketing. , Yale University. (2023).
  35. Walter, N., Föhl, U., Zagermann, L. Impact of influencer characteristics on influencer success. J Curr Issues Res Advert. 46, 1-23 (2024).
  36. Li, W., Zhao, F., Lee, J. M., et al. Micro vs mega influencers and word of mouth. J Bus Res. 171, 114387(2024).
  37. Tian, Z., Dew, R., Iyengar, R. Influencer selection using follower elasticity. J Mark Res. 61, 472-495 (2024).
  38. Keasey, K., Lambrinoudakis, C., Mascia, D. V., et al. Impact of social media influencers on financial performance. EurFinancManag. 31, 745-785 (2025).
  39. Davis, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Q. 13, 319-340 (1989).
  40. Venkatesh, V., Bala, H. Technology acceptance model 3 and a research agenda on interventions. Decis Sci. 39, 273-315 (2008).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Ingenier aN mero 233N mero 233Este mes en JoVEN meroVideo cortoPLS SEM

Artículos relacionados