Artículo de investigación

Cómo las características de las celebridades virtuales impulsan la intención de compra: Probando el marco estímulo-organismo-respuesta con modelado de ecuaciones estructurales

DOI:

10.3791/70685

⸱

3 de marzo de 2026

 , 
1Seoul Business School, aSSIST University, 2Department of Management Information Systems, Dong-A University

En este artículo

Resumen

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

En el contexto de la experiencia virtual de celebridades, la calidad del contenido es la que más impulsa la satisfacción; La satisfacción, a su vez, aumenta la intención de compra indirectamente a través de la lealtad. La personalización fortalece el vínculo entre satisfacción y lealtad, por lo que las empresas deberían priorizar contenido virtual de celebridades que evoque emociones y coherencia narrativa, así como programas de fidelización personalizados.

Resumen

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

En los últimos años, las empresas han comenzado a introducir celebridades virtuales para promocionar sus productos y marcas en diversos canales de medios. Esta investigación emplea el marco estímulo-organismo-respuesta (SOR) para investigar empíricamente cómo los factores de atractivo de las celebridades virtuales, como la apariencia, la voz y la calidad del contenido, pueden influir en la satisfacción, lealtad e intención de compra del consumidor. Se utilizó modelado estructural de ecuaciones de mínimos cuadrados parciales (PLS-SEM) para probar las hipótesis basándose en una muestra de 249 participantes que habían tenido experiencias virtuales con celebridades. Los resultados indican que la calidad del contenido es el predictor más fuerte de la satisfacción del usuario y que la satisfacción influye indirectamente en la intención de compra a través de la lealtad. Además, la personalización modera la relación de satisfacción y lealtad, lo que sugiere que las experiencias personalizadas potenciarían la interacción de celebridades y fans virtuales. Los resultados indican que las empresas que consideran campañas de celebridades virtuales deberían centrarse más en contenido que provoque emociones y que sea consistente con la narrativa, en lugar del realismo visual. Además, son necesarias inversiones en programas de fidelización y soluciones personalizadas de compromiso para transformar la satisfacción del consumidor en comportamientos sostenidos.

Introducción

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

El respaldo de celebridades sigue siendo ampliamente utilizado, y las empresas adoptan cada vez más celebridades virtuales en canales de mediosdigitales. Los avances en IA y tecnologías relacionadas han diversificado las formas de celebridades virtuales y han mejorado la escalabilidad e interacción2.

Las celebridades virtuales son híbridos de personajes virtuales y celebridadestradicionales 3, y aquí se definen como personas creadas digitalmente que logran reconocimiento público y apego sostenido mediante interacciones narrativasrecurrentes 3,4. Este estudio se centra en celebridades virtuales audiovisuales en el marketing digital orientado al consumidor. Aunque las empresas dependen cada vez más de ellas para influir en el comportamiento delconsumidor 5, la investigación ha prestado poca atención a cómo las experiencias virtuales de celebridades se traducen en satisfacción, lealtad e intención de compra.

Trabajos previos han examinado perspectivas conductuales, cognitivas yafectivas 4, enfatizando la credibilidad y autenticidad 6,7, autenticidadpercibida 8, divulgación de identidad9, calidad de la información10 y respuestasemocionales 11. Los estudios también han destacado señales de atractivo como la apariencia, la voz y la calidad del contenido, pero a menudo no explican cómo estos factores influyen en los resultados paralos consumidores 13,14. Como resultado, las evaluaciones favorables no se traducen consistentemente en intención de compra, y la evidencia sobre la relación satisfacción-compra sigue siendo mixta.

Para abordar esta brecha, este estudio examina cómo la apariencia, la voz y la calidad del contenido moldean la satisfacción, la lealtad y la intención de compra, mientras prueba la personalización como moderador15,16 usando el marco SOR.

Este estudio contribuye conceptualizando la atracción de la celebridad virtual como apariencia, voz ycontenido 17, aclarando la lealtad como el mecanismo clave que vincula la satisfacción con la intención de compra18,19, e identificando la personalización como amplificador de la relación satisfacción-lealtad20.

Marco Estímulo-Organismo-Respuesta (SOR)
El marco SOR explica cómo los estímulos ambientales influyen en los estados internos y las respuestas conductuales21 a través de una secuencia de estímulos (S), estados organismicos (O) y respuestas (R). Se ha aplicado ampliamente en contextos como el Metaverso, los videojuegos, el comercio minorista, la publicidad, el comercio electrónico y el respaldo decelebridades 22,23,24,25,26,27,28. Sin embargo, aunque el SOR estructura las relaciones entre atributos de celebridades virtuales, evaluaciones y resultados, no explica completamente cómo las evaluaciones se convierten en intenciones conductuales. Por ello, este estudio integra el marketing de relaciones y la teoría de la lealtad29 para aclarar el mecanismo de satisfacción–lealtad–intención de compra.

Las respuestas de los consumidores a las celebridades virtuales están cada vez más moldeadas por pistas experienciales como la atractividad audiovisual y el compromiso con el contenido 4,30. La apariencia y la voz influyen en las primeras impresiones, mientras que la calidad del contenido sostiene el compromiso emocional ynarrativo 14,31. Aunque estos factores fomentan evaluaciones positivas, investigaciones previas muestran que las percepciones favorables por sí solas pueden no influir en la intención de compra. Los constructos de relación como la lealtad y el compromiso parecen convertir experiencias positivas en intencionesconductuales 32,33. En consecuencia, la apariencia, la voz y la calidad del contenido se modelan como estímulos; satisfacción y lealtad como estados organismicos; y la intención de compra como respuesta conductual. La lealtad se conceptualiza como compromiso psicológico y la intención de compra como el resultado conativo.

Respaldo de celebridades
El respaldo de celebridades es una estrategia de marketing ampliamenteutilizada 34 en la que individuos reconocidos promocionan productos oservicios 35. Su uso se ha expandidoglobalmente 1, 36, 37, especialmente con el auge de los influencers en redessociales 37. Los influencers generados por ordenador han surgido como alternativas a los respaldadoreshumanos 37, operando principalmente a través de plataformasdigitales 38.

Investigaciones exhaustivas han examinado la efectividad de los endosos39,40, proponiendo modelos como la credibilidad de la fuente41, es decir,transferencia 35, atractividad de la fuenteextendida 42, ajuste a la marcacelebridad 43 y efectos de transferencia de procesos44. Estos marcos enfatizan la credibilidad, la atractividad, la transferencia simbólica de significado y la congruencia de marca45, proporcionando una base para entender los mecanismos de respaldo en contextos virtuales.

Celebridad virtual
Estudios recientes analizan influencers generados por IA, VTubers y embajadores virtuales de marca en entornosdigitales, enfatizando la interacción, la personalización y la autenticidad. La teoría de la riqueza de medios sugiere que los medios más ricos mejoran la eficacia de lacomunicación 47, y los personajes virtuales ejemplifican esa riqueza mediante interacciones inmersivas ymultisensoriales 48, influyendo en las respuestas emocionales y sociales49.

Aunque "celebridad virtual" abarca varias personas digitales50, este estudio se centra en celebridades virtuales audiovisuales visualmente encarnadas con identidades estables y contenido recurrente. Investigaciones previas enmarcan su influencia desde perspectivas conductuales, cognitivas yafectivas 4. La investigación conductual examina el comportamiento de compromiso y compra32,51; La investigación cognitiva destaca la credibilidad,autenticidad 8, divulgación de identidad 9,52 y calidad de la información10; La investigación afectiva enfatiza las actitudesemocionales 11.

Características de celebridades virtuales
Basándose en la teoría de la credibilidad de las fuentes, la investigación ha examinado el antropomorfismo, la atractividad, la fiabilidad, la experiencia y la interacción parasocial en contextosvirtuales 1,32,53. El antropomorfismo influye positivamente en las respuestas de losconsumidores 54,55 y se alinea con el paradigma56 de Computers Are Social Actors, extendido a agentesde medios 57,chatbots 58 e influencers virtuales. Sin embargo, las celebridades virtuales varían enrealismo 4, y la teoría del valle inquietante sugiere que las representaciones casi humanas pueden provocar incomodidad59.

Los avances tecnológicos han desplazado a las celebridades virtuales hacia agentes dinámicos y generadores de contenido, aumentando la importancia de atributos experienciales como la calidad del contenido y la expresividad de la voz. La investigación ha examinado la voz sintética14, la aparienciafacial 13, la congruencia apariencia–voz 60, la atractividad audiovisual30 y las respuestas a rostros generadospor ordenador 61.

Este estudio conceptualiza la atracción de las celebridades virtuales a través de la apariencia, la voz y el contenido. La atractividad física influye en la evaluaciónsocial 62, consistente con el efectohalo 62, y se espera que aumente la satisfacción. La calidad del contenido representa la dimensión narrativa y experiencial de la producción de celebridades virtuales y es conceptualmente distinta de la calidad del servicio 63,64,65.

Satisfacción
La satisfacción refleja la evaluación cognitiva y emocional de los consumidores sobre si las experiencias cumplen con lasexpectativas 66,67 y está moldeada por el rendimiento percibido en relación con lasexpectativas 68,69. Ha sido ampliamente estudiada en contextos online70 y es central para la evaluacióndel desempeño 71. La atractividad influye en la satisfacción en los entornos de servicio72,73, y la atractividad por voz ha mostrado efectossimilares 74. Por tanto, se espera que la apariencia, la voz y la calidad del contenido moldeen la satisfacción en contextos de celebridades virtuales.

En consecuencia, se proponen las siguientes hipótesis:
H1: La atractividad visual de las celebridades virtuales influye positivamente en la satisfacción del consumidor.
H2: La atractividad vocal de las celebridades virtuales influye positivamente en la satisfacción del consumidor.
H3: La calidad del contenido de las celebridades virtuales influye positivamente en la satisfacción del consumidor.

Lealtad
En este estudio, la lealtad se conceptualiza como lealtad actitudinal, reflejando el compromiso psicológico del consumidor y su vínculo con la celebridad virtual más que un comportamiento repetitivoreal 19,33. La lealtad representa la disposición a mantener la relación a pesar de lasbarreras 75 y ha sido ampliamente examinada como resultado de la satisfacción en entornos online67,76, turismo77 y VTuberendosos 33. Por lo tanto, se propone la siguiente hipótesis:
H4: La satisfacción del consumidor con las celebridades virtuales influye positivamente en la lealtad hacia ellas.

Intención de compra en los productos y servicios recomendados por celebridades virtuales
La intención de compra refleja la probabilidad y disposición del consumidor para adquirir un producto oservicio 67,78,79 y está influenciada por factores como la satisfacción, la confianza, la lealtad y el disfrute 78. Se ha demostrado que la lealtad predice fuertemente la intención de compra80. En contextos de celebridades virtuales, la investigación ha examinado los efectos de la intención de compra 8,52 y el papel mediador de la satisfacción entre la atractividad y la intención de compra81,82. En consecuencia, se proponen las siguientes hipótesis:
H5a: La satisfacción del consumidor influye positivamente en la intención de compra de forma indirecta a través de la lealtad.
H5b: La relación directa entre satisfacción e intención de compra no es significativa cuando se incluye la lealtad en el modelo.
H6: La lealtad del consumidor hacia las celebridades virtuales influye positivamente en la intención de compra.

Personalización (servicio personalizado)
La interactividad se origina en la sociología y se refiere a la comunicación basada en relaciones83, a menudo habilitada gracias a la tecnología84. La IA ha fortalecido el marketing interactivo a través de serviciospersonalizados 46, haciendo de la personalización un elemento central para la efectividad del marketingdigital 85. La personalización implica adaptar el contenido o la interacción a las personas para mejorar los resultados86 y apoyar la participación y la co-creaciónde valor 87. Los avances en big data y trazas digitales permiten a las empresas personalizar la comunicación utilizando historias de comportamiento e información de usuarioauto-divulgada 88,89,90.

Estudios previos muestran que la personalización modera relaciones clave como calidad–satisfacción 91, confianza–satisfacción 16 y adopción de tecnología bajo preocupaciones de privacidad92, así como otras vías relacionales 24,25,26,27. En este estudio, la personalización se trata como un moderador contextual que moldea cómo la satisfacción y la fidelidad se traducen en los resultados relacionados con la compra. Se proponen las siguientes hipótesis:
H7a: La personalización percibida fortalece la relación entre satisfacción y lealtad.
H7b: La personalización percibida fortalece la relación entre satisfacción e intención de compra.
H7c: La personalización percibida fortalece la relación entre la lealtad y la intención de compra.

Modelo conceptual de investigación
La Figura 1 presenta el modelo conceptual basado en el marco estímulo–organismo–respuesta: la apariencia, la voz y el contenido (estímulos) influyen en la satisfacción y la lealtad (organismo), con la intención de compra (respuesta) que surgen principalmente de la lealtad. La personalización fortalece la relación de satisfacción y lealtad y se modela como moderadora de caminos estructurales seleccionados.

figure-introduction-1
Figura 1: Modelo de investigación basado en el marco estímulo–organismo–respuesta. Modelo conceptual que ilustra las relaciones entre atributos de celebridades virtuales (apariencia, voz y calidad del contenido) como estímulos, variables organísmicas (satisfacción y lealtad) y resultado conductual (intención de compra). La personalización se modela como un moderador de la relación de satisfacción–lealtad. Se representan efectos indirectos a través de la lealtad. Nota. CAA = Atractividad característica de la apariencia; CVA = Atractividad característica de la voz; CCA = Atractividad característica del contenido; LO = lealtad; PE = Personalización; PI = Intención de compra; SA = Satisfacción. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

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

Protocolo

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

El estudio cumplía los requisitos para la exención de la revisión ética completa según las directrices institucionales de riesgo mínimo, ya que implicaba una encuesta anónima en línea sin información personal identificable. Al principio de la encuesta se presentó un formulario de consentimiento informado que describía el propósito del estudio, la participación voluntaria, el anonimato y el uso de datos, y solo los participantes consentidores continuaron.

1. Determinación del tamaño de la muestra

La muestra final (N = 249) se determinó en función de los requisitos estadísticos de potencia para PLS–SEM. El número máximo de predictores para un único constructo endógeno fue de seis (tres características de celebridad virtual y tres variables de control para la satisfacción; satisfacción, término de interacción y controles para la lealtad). El análisis de potencia indicó que detectar un tamaño medio de efecto (f2 = 0,15) en α = 0,05 y 0,80 de potencia requería aproximadamente 97 observaciones. El tamaño de muestra alcanzado superó este umbral, asegurando un poder adecuado para análisis estructurales, de mediación y moderación.

2. Reclutamiento y selección de participantes

Los participantes fueron reclutados mediante un panel de investigación en línea utilizando muestreo no probabilístico intencionado para asegurar la experiencia previa con celebridades virtuales. La elegibilidad estaba restringida a personas de 18 años o más. Se incluyeron los ítems de cribado y revisión de atención, y se excluyeron las respuestas inválidas. La recogida de datos concluyó una vez alcanzado el tamaño objetivo de la muestra.

3. Definición estandarizada e instrucciones de encuesta

A los participantes se les proporcionó una definición estandarizada de celebridades virtuales como personas audiovisuales creadas digitalmente con identidad visual estable, voz y contenido narrativo recurrente. Se les indicó que respondieran basándose en sus experiencias reales.

4. Desarrollo y administración de instrumentos de topografía

Las escalas de medición validadas se adaptaron al contexto de la celebridad virtual (Tabla 1), donde todos los constructos se midieron usando escalas de Likert de 7 puntos (1 = fuertemente en desacuerdo; 7 = totalmente de acuerdo). El cuestionario incluía secciones sobre apariencia, voz, calidad del contenido, satisfacción, fidelidad, personalización, intención de compra y demografía. Los controles de la plataforma impedían envíos duplicados.

Tabla 1: Ítems de medición y fuentes. Los ítems de medición utilizados para cada constructo incluyen atractivo de apariencia, atractivo de voz, calidad del contenido, satisfacción, lealtad, personalización e intención de compra. Se proporcionan fuentes de adaptación a escala. Por favor, haz clic aquí para descargar esta tabla.

5. Preparación y limpieza de datos

Los datos se exportaban en formato CSV. Se eliminaron las respuestas incompletas, fallidas en el cribado y fallidas en la comprobación de atención. El conjunto de datos limpiado se importó al software PLS–SEM para su análisis.

6. Medición y evaluación de modelos estructurales

Todos los constructos se especificaron como reflectantes. La fiabilidad se evaluó utilizando la fiabilidad alfa y compuesta de Cronbach (≥ 0,70). La validez convergente se evaluó usando AVE (≥ 0,50), y la validez discriminante se evaluó usando el criterio de Fornell–Larcker y HTMT (< 0,90).

Los caminos estructurales se especificaron según el modelo conceptual. La multicolinealidad se evaluó utilizando el Factor de Inflación de Varianza (VIF) < 5,0. El bootstrapping con 5.000 submuestras generó coeficientes de camino, valores t, valores p, intervalos de confianza del 95% y tamaños de efecto (f2).

  1. Análisis de mediación
    Se probó la mediación secuencial (atributos virtuales de celebridades → satisfacción → lealtad → intención de compra) utilizando efectos indirectos bootstrappeados (5.000 submuestras) con intervalos de confianza del 95%.
  2. Análisis de moderación
    Los términos de interacción pusieron a prueba los efectos moderadores de la personalización. El bootstrapping estimó los coeficientes de moderación y los tamaños de efecto, y los gráficos de interacción ilustraron efectos condicionales.
  3. Relevancia predictiva
    El rendimiento predictivo se evaluó mediante procedimientos de venda a los ojos y/o fuera de la muestra. Se compararon los valores de Q2_predict, RMSE y MAE contra un modelo de referencia lineal. La relevancia predictiva se apoyó cuando los errores Q2_predict > 0 y PLS eran inferiores al índice de referencia.
  4. Informes y verificación
    Se recopilaron todos los resultados de fiabilidad, validez, estructural, mediación, moderación y predictivos para su informe. Los resultados se cruzaron con los resultados del software para garantizar la precisión y consistencia.

7. Resolución de problemas y modificaciones

Si los fallos en el cribado eran altos, se refinaban los criterios de elegibilidad e instrucciones. Si la fiabilidad (CR < 0,70) o el AVE (< 0,50) caían por debajo de los umbrales, se eliminaban indicadores de bajo rendimiento manteniendo la coherencia teórica. Los problemas de multicolinealidad (VIF por encima de los límites) se abordaron reevaluando las especificaciones de los constructos. Si los efectos de la mediación o moderación no eran significativos, se reevaluaba el tamaño de la muestra o la operacionalización. El bootstrapping utilizó 5.000 submuestras para asegurar estimaciones estables.

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

Resultados

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

La Tabla 2 resume las características demográficas de la muestra final (N = 249), incluyendo género, edad, nivel educativo y frecuencia de interacción con celebridades virtuales. La muestra mostró una representación equilibrada por género (52,6% mujeres) y estaba compuesta principalmente por adultos jóvenes a medianos con un nivel educativo relativamente alto. La frecuencia de interacción se concentró en el rango semanal-mensual, con menos usuarios al día. Cuando se incl...

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

Discusión

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

Este estudio examina cómo las características de las celebridades virtuales influyen en la satisfacción, la lealtad y la intención de compra dentro de un marco SOR, con la personalización como moderador. Surgen tres ideas clave: la calidad del contenido es el principal motor de satisfacción en relación con la apariencia y la voz; la satisfacción influye en la intención de compra solo indirectamente a través de la lealtad (mediación solo indirecta); y la personalización fortalece la relac...

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

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

Este trabajo fue financiado por la investigación de la Universidad de la SSIST.

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

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Versión de Qualtrics
: N/A		Qualtrics, LLCN/ACodificación de encuestas, https://www.qualtrics.com/
Prolific
Versión: N/D		ProlíficoN/AProveedor online de paneles de encuesta, https://www.prolific.com/
SmartPLS
Versión: 4.0.1		SmartPLS GmbHN/AAnálisis PLS-SEM, https://www.smartpls.com/
ChatGPT
Versión: 5.2		OpenAIN/AMejorar la legibilidad y la corrección gramatical, https://www.chatgpt.com/

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Erdogan, B. Z. Celebrity endorsement: A literature review. J Mark Manag. 15 (4), 291-314 (1999).
  2. Yu, J., Dickinger, A., So, K. K. F., Egger, R. Artificial intelligence–generated virtual influencer: Examining the effects of emotional display on user engagement. J Retail Consum Serv. 76, 103560(2024).
  3. Hoang, T. D., Su, Y. Virtual Celebrities and Consumers: A Blended Reality: How Virtual Celebrities are Consumed in the East and West. [Master’s Thesis]. , Copenhagen Business School. Copenhagen, Denmark. (2019).
  4. Yan, J., Xia, S., Jiang, A., Lin, Z. The effect of different types of virtual influencers on consumers’ emotional attachment. J Bus Res. 177, 114646(2024).
  5. Bowen, J. T., Chen, S. L. The relationship between customer loyalty and customer satisfaction. Int J Contem Hosp Manag. 13 (5), 213-217 (2001).
  6. De Brito Silva, M. J., De Oliveira Ramos Delfino, L., Alves Cerqueira, K., De Oliveira Campos, P. Avatar marketing: A study on the engagement and authenticity of virtual influencers on instagram. Soc Netw Anal Min. 12 (1), 130(2022).
  7. Chaihanchanchai, P., Anantachart, S., Ruangthanakorn, N. Unlocking the persuasive power of virtual influencer on brand trust and purchase intention: A parallel mediation of source credibility. J Mark Commun. 32 (3), 1-23 (2024).
  8. Lee, H., Shin, M., Yang, J., Chock, T. M. Virtual influencers vs. Human influencers in the context of influencer marketing: The moderating role of machine heuristic on perceived authenticity of influencers. Int J Hum Comput Interact. 41 (10), 1-18 (2024).
  9. Muniz, F., Stewart, K., Magalhães, L. Are they humans or are they robots? The effect of virtual influencer disclosure on brand trust. J Consum Behav. 23 (3), 1234-1250 (2024).
  10. Engström, J. Virtual influencers: Antecedents and typologizing. The SAGE Handbook of Social Media Marketing. , Sage. London. 276-292 (2022).
  11. Na, Y., Kim, Y., Lee, D. Investigating the effect of self–congruity on attitudes toward virtual influencers: Mediating the effect of emotional attachment. Int J Hum Comput Interact. 40 (18), 5534-5547 (2024).
  12. Stevenage, S. V., Neil, G. J., Hamlin, I. When the face fits: Recognition of celebrities from matching and mismatching faces and voices. Memory. 22 (3), 284-294 (2014).
  13. Suk, H., Laine, T. H. Influence of avatar facial appearance on users’ perceived embodiment and presence in immersive virtual reality. Electronics. 12 (3), 583(2023).
  14. Higgins, D., Zibrek, K., Cabral, J., Egan, D., Mcdonnell, R. Sympathy for the digital: Influence of synthetic voice on affinity, social presence and empathy for photorealistic virtual humans. Comput Graph. 104, 116-128 (2022).
  15. Anggraini, J. D., Adiwijaya, M., Herjanto, H. The moderating role of personalization on attitude–emotion–behavior (aeb) model. Indones Manag Account Res. 23 (2), 137-156 (2024).
  16. Hassan, N., Abdelraouf, M., El–Shihy, D. The moderating role of personalized recommendations in the trust–satisfaction–loyalty relationship: An empirical study of AI–driven e-commerce. Future Bus J. 11 (1), 66(2025).
  17. Gao, Y., et al. Trust in virtual agents: Exploring the role of stylization and voice. IEEE Trans Vis Comput Graph. 31 (5), 3623-3633 (2025).
  18. Vinoi, N., Shankar, A., Abdullah Alzeiby, E., Gupta, P., Agarwal, V. Unveiling customer intentions: Exploring factors driving engagement with hospitality virtual influencers. J Hosp Mark Manag. 34 (3), 325-354 (2025).
  19. Liu, C., Zhang, Y., Zhang, J. The impact of self–congruity and virtual interactivity on online celebrity brand equity and fans’ purchase intention. J Prod Brand Manag. 29 (6), 783-801 (2020).
  20. Honora, A., Wang, K. –Y., Chih, W. –H. Gaining customer engagement in social media recovery: The moderating roles of timeliness and personalization. Internet Res. 34 (6), 1963-1991 (2024).
  21. Mehrabian, A., Russell, J. A. The basic emotional impact of environments. Percept Mot Skills. 38 (1), 283-291 (1974).
  22. Abumalloh, R. A., Halabi, O., Nilashi, M. The relationship between technology trust and behavioral intention to use metaverse in baby monitoring systems’ design: Stimulus–organism–response (sor) theory. Entertain Comput. 52, 100833(2025).
  23. Ting, M. P., Min, C. D. What drives user churn in serious games? An empirical examination of the TAM, SOR theory, and game quality in Chinese cultural heritage games. Entertain Comput. 52, 100758(2025).
  24. Su, Y., Teo, P. C. A literature review on the impact of SOR theory on the retail industry and its applicability in studying blockchain technology's influence on consumer loyalty. Int J Acad Res Bus Soc Sci. 15 (3), 142-165 (2025).
  25. Li, X., Liu, Z., Chen, Y., Ren, A. Consumer avoidance toward message stream advertising on mobile social media: A stimulus–organism–response perspective. Information Technology & People. 38 (1), 23-47 (2025).
  26. Chang, H. H., Eckman, M., Yan, R. N. Application of the stimulus–organism–response model to the retail environment: The role of hedonic motivation in impulse buying behavior. Int Rev Retail Distrib Consum Res. 21 (3), 233-249 (2011).
  27. Kalam, A., Goi, C. L., Tiong, Y. Y. The effects of celebrity endorser on consumer advocacy behavior through the customization and entertainment intention–a multivariate analysis. Young Consum. 26 (1), 1-35 (2025).
  28. Zhou, T., Ma, X. Examining generative AI user continuance intention based on the SOR model. Aslib J Inf Manag. , (2025).
  29. Hussain, M., Javed, A., Khan, S. H., Yasir, M. Pillars of customer retention in the services sector: Understanding the role of relationship marketing, customer satisfaction, and customer loyalty. J Knowl Econ. 16 (1), 2047-2067 (2025).
  30. Akhtar, N., Siddiqi, U. I., Gugnani, R., Islam, T., Attri, R. The potency of audiovisual attractiveness and influencer marketing: The road to customer behavioral engagement. J Retail Consum Serv. 79, 103807(2024).
  31. Thielsch, M. T., Hirschfeld, G. Facets of website content. Hum Comput Interact. 34 (4), 279-327 (2019).
  32. Kim, H., Park, M. Virtual influencers’ attractiveness effect on purchase intention: A moderated mediation model of the product–endorser fit with the brand. Comput Hum Behav. 143, 107703(2023).
  33. The impact of VTuber endorsements on consumer satisfaction and brand loyalty in digital marketing. Hsu, K. K., Hung, W. –H. Proc Int Conf Electron Bus. (ICEB 2024), Zhuhai, China, , (2024).
  34. Shah, Z., Olya, H., Monkhouse, L. L. Developing strategies for international celebrity branding: A comparative analysis between Western and South Asian cultures. Int Mark Rev. 40 (1), 102-126 (2023).
  35. Mccracken, G. Who is the celebrity endorser? Cultural foundations of the endorsement process. J Consum Res. 16 (3), 310-321 (1989).
  36. Jun, M., Han, J., Zhou, Z., Eisingerich, A. B. When is celebrity endorsement effective? Exploring the role of celebrity endorsers in enhancing key brand associations. J Bus Res. 164, 113951(2023).
  37. Ozdemir, O., Kolfal, B., Messinger, P. R., Rizvi, S. Human or virtual: How influencer type shapes brand attitudes. Comput Hum Behav. 145, 107771(2023).
  38. Schouten, A. P., Janssen, L., Verspaget, M. Leveraged marketing communications. Ch. 12, 208-231 (2021).
  39. Khan, S., Sookhai, S. Reviewing the impact of country–of–origin on consumer purchase intention: The role of celebrity endorsement in existing literature. J Manag SMEs. 18 (2), 897-918 (2025).
  40. Schimmelpfennig, C., Hunt, J. B. Fifty years of celebrity endorser research: Support for a comprehensive celebrity endorsement strategy framework. Psychol Mark. 37 (3), 488-505 (2020).
  41. Hovland, C. I., Weiss, W. The influence of source credibility on communication effectiveness. Public Opin Q. 15 (4), 635-650 (1951).
  42. Frank, B., Mitsumoto, S. An extended source attractiveness model: The advertising effectiveness of distinct athlete endorser attractiveness types and its contextual variation. Eur Sport Manag Q. 23 (4), 1091-1114 (2023).
  43. Thomas, T., Johnson, J. The impact of celebrity expertise on advertising effectiveness: The mediating role of celebrity brand fit. Vision. 21 (4), 367-374 (2017).
  44. Chan, K., Fan, F. Perception of advertisements with celebrity endorsement among mature consumers. J Mark Commun. 28 (2), 115-131 (2022).
  45. Arora, N., Prashar, S., Tata, S. V., Parsad, C. Measuring personality congruency effects on consumer brand intentions in celebrity–endorsed brands. J Consum Mark. 38 (3), 251-261 (2021).
  46. Gao, Y., Liu, H. Artificial intelligence–enabled personalization in interactive marketing: A customer journey perspective. J Res Interact Mark. 17 (5), 663-680 (2023).
  47. Daft, R. L., Lengel, R. H. Organizational information requirements, media richness and structural design. Manage Sci. 32 (5), 554-571 (1986).
  48. Boyd, D. E., Koles, B. An introduction to the special issue “Virtual reality in marketing”: Definition, theory and practice. J Bus Res. 100, 441-444 (2019).
  49. Chen, H., Lou, C., Wang, Y., Lee, Y. Social virtual influencer effectiveness: Environmental factor and source trust. Soc Mark Q. , 15245004251342800(2025).
  50. Shen, Z. Shall brands create their own virtual influencers? A comprehensive study of 33 virtual influencers on instagram. Humanit Soc Sci Commun. 11 (1), 1-14 (2024).
  51. Lee, J., Kim, H. The moderating role of homophily and need for uniqueness in the relationship between anthropomorphism of virtual influencer and intention to imitate and word of mouth. Int J Hum Comput Interact. 41 (5), 1-12 (2025).
  52. Lim, R. E., Lee, S. Y. ”You are a virtual influencer!”: Understanding the impact of origin disclosure and emotional narratives on parasocial relationships and virtual influencer credibility. Comput Hum Behav. 148, 107897(2023).
  53. Kuo, Y. –H., Le, S. B. H. Authenticity meets aesthetics: Physical attractiveness as the equalizer for virtual and human influencers. Asia Pac Manag Rev. 30 (2), 100359(2025).
  54. Epley, N., Waytz, A., Cacioppo, J. T. On seeing human: A three–factor theory of anthropomorphism. Psychol Rev. 114 (4), 864(2007).
  55. Dabiran, E., Farivar, S., Wang, F., Grant, G. Virtually human: Anthropomorphism in virtual influencer marketing. J Retail Consum Serv. 79, 103797(2024).
  56. Nass, C., Steuer, J., Tauber, E. R. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. (CHI ’94). ACM. , 72-78 (1994).
  57. Gambino, A., Fox, J., Ratan, R. A. Building a stronger casa: Extending the computers are social actors paradigm. Hum Mach Commun. 1, 71-85 (2020).
  58. Gu, C., Zhang, Y., Zeng, L. Exploring the mechanism of sustained consumer trust in ai chatbots after service failures: A perspective based on attribution and casa theories. Humanit Soc Sci Commun. 11 (1), 1-12 (2024).
  59. Mori, M. The uncanny valley. Energy. 7 (4), 33-35 (1970).
  60. Alimardani, M., De Roode, R., Vaitonyte, J., Louwerse, M. M. Proceedings of the ACM International Conference on Intelligent Virtual Agents. (IVA ’24). , Glasgow, United Kingdom. 1-7 (2024).
  61. Miller, E. J., Foo, Y. Z., Mewton, P., Dawel, A. How do people respond to computer–generated versus human faces? A systematic review and meta–analyses. Comput Hum Behav Rep. 10, 100283(2023).
  62. Dion, K., Berscheid, E., Walster, E. What is beautiful is good. J Pers Soc Psychol. 24 (3), 285(1972).
  63. Bíziková, V., Psotová, E. Visitor profile of enological tourism in Slovakia: Implications of the regional analysis of the demand for wine–themed experience stay. J Infrastruct Policy Dev. 8 (11), 8072(2024).
  64. Lampropoulos, G. Combining artificial intelligence with augmented reality and virtual reality in education: Current trends and future perspectives. Multimodal Technol Interact. 9 (2), 11(2025).
  65. Sumi, R. S., Kabir, G. Satisfaction of e-learners with electronic learning service quality using the SERVQUAL model. J Open Innov Technol Mark Complex. 7 (4), 227(2021).
  66. Giese, J. L., Cote, J. A. Defining consumer satisfaction. Acad Mark Sci Rev. 1 (1), 1-22 (2000).
  67. Hellier, P. K., Geursen, G. M., Carr, R. A., Rickard, J. A. Customer repurchase intention: A general structural equation model. Eur J Mark. 37 (11/12), 1762-1800 (2003).
  68. Suchánek, P., Králová, M. Customer satisfaction and different evaluation of it by companies. Econ Res. 31 (1), 1330-1350 (2018).
  69. Gajewska, T., Zimon, D., Kaczor, G., Madzík, P. The impact of the level of customer satisfaction on the quality of e-commerce services. Int J Prod Perform Manag. 69 (4), 666-684 (2020).
  70. Hill, N., Brierley, J. How to Measure Customer Satisfaction. , Routledge. London. (2017).
  71. Grigoroudis, E., Siskos, Y. Customer Satisfaction Evaluation: Methods for Measuring and Implementing Service Quality. , Springer. New York. (2009).
  72. Söderlund, M., Julander, C. –R. Physical attractiveness of the service worker in the moment of truth and its effects on customer satisfaction. J Retail Consum Serv. 16 (3), 216-226 (2009).
  73. Koernig, S. K., Page, A. L. What if your dentist looked like Tom Cruise? Applying the match-up hypothesis to a service encounter. Psychol Mark. 19 (1), 91-110 (2002).
  74. Hey Alexa … Examining Factors Influencing the Educational Use of AI-Enabled Voice Assistants During the COVID-19 Pandemic. Rohan, R., Pal, D., Funilkul, S. in 15th International Conference on Knowledge and Smart Technology (KST), , 1-6 (2023).
  75. Oliver, R. L. Satisfaction: A Behavioral Perspective on the Consumer. , 2nd ed, Routledge. New York. (2014).
  76. Ariff, M. S. M., Yun, L. O., Zakuan, N., Ismail, K. The impacts of service quality and customer satisfaction on customer loyalty in internet banking. Procedia Soc Behav Sci. 81, 469-473 (2013).
  77. Nieves–Pavón, S., López–Mosquera, N., Jiménez–Naranjo, H. The factors influencing STD through SOR theory. J Retail Consum Serv. 75, 103533(2023).
  78. Dutta, B. Exploring the factors of consumer repurchase intention in online shopping. Int J Comput Sci Inf Secur. 14 (12), 520(2016).
  79. Seiders, K., Voss, G. B., Grewal, D., Godfrey, A. L. Do satisfied customers buy more? Examining moderating influences in a retailing context. J Mark. 69 (4), 26-43 (2005).
  80. Malik, M. E., et al. Importance of brand awareness and brand loyalty in assessing purchase intentions of consumer. Int J Bus Soc Sci. 4 (5), 167-171 (2013).
  81. Kim, H. –R., Yang, H. –M. The mediating effect of life satisfaction on relation between perceived physical attractiveness and health–promoting lifestyle in korean adults. Int J Environ Res Public Health. 18 (15), 7784(2021).
  82. Zhang, Y., He, J., Li, J. The role of flow experience in virtual influencer marketing: Insights into aesthetic, entertainment and parasocial influences on purchase intention. J Fash Mark Manag. 29 (6), 1109-1129 (2025).
  83. Blumer, H. Symbolic Interactionism: Perspective and Method. , University of California Press. Berkeley, CA. (1986).
  84. Quiring, O., Schweiger, W. Interactivity: A review of the concept and a framework for analysis. Communications - J Comm Res. 33 (2), 147-167 (2008).
  85. Casaca, J. A., Miguel, L. P. The influence of personalization on consumer satisfaction: Trends and challenges. Data-Driven Marketing for Strategic Success. , 256-292 (2024).
  86. Modersitzki, N., Phan, L. V., Mcdonald, S., Wright, A. G., Renner, K. –H. Personality psychology is getting personal: Advancing the field through personalization. Eur J Pers. 39 (1), 08902070251316915(2025).
  87. Manser Payne, E. H., Dahl, A. J., Peltier, J. Digital servitization value co–creation framework for ai services: A research agenda for digital transformation in financial service ecosystems. J Res Interact Mark. 15 (2), 200-222 (2021).
  88. Winter, S., Maslowska, E., Vos, A. L. The effects of trait–based personalization in social media advertising. Comput Hum Behav. 114, 106525(2021).
  89. Dijkstra, A. The psychology of tailoring-ingredients in computer-tailored persuasion. Soc Pers Psychol Compass. 2 (2), 765-784 (2008).
  90. Lee, J., Kim, C., Lee, K. C. Exploring the personalization–intrusiveness–intention framework to evaluate the effects of personalization in social media. Int J Inf Manag. 66, 102532(2022).
  91. Trivedi, J. P., Trivedi, H. Investigating the factors that make a fashion app successful: The moderating role of personalization. J Internet Commer. 17 (2), 170-187 (2018).
  92. Scortzaru, A. The moderating effect of personalization on the influence of consumer privacy concerns on mobile technology adoption. , Capella University. (2022).
  93. Henseler, J., Ringle, C. M., Sarstedt, M. A new criterion for assessing discriminant validity in variance–based structural equation modeling. J Acad Mark Sci. 43, 115-135 (2015).
  94. Hair, J. F., Ringle, C. M., Sarstedt, M. PLS–SEM: Indeed a silver bullet. J Mark Theory Pract. 19 (2), 139-152 (2011).
  95. Chin, W. W. Pls–graph user’s guide. 15, CT Bauer College of Business, University of Houston, USA. 1-16 (2001).
  96. Henseler, J., Hubona, G., Ray, P. A. Using PLS path modeling in new technology research: Updated guidelines. Ind Manag Data Syst. 116 (1), 2-20 (2016).
  97. Hair, J. F., Risher, J. J., Sarstedt, M., Ringle, C. M. When to use and how to report the results of PLS–SEM. Eur Bus Rev. 31 (1), 2-24 (2019).
  98. Shmueli, G., Ray, S., Estrada, J. M. V., Chatla, S. B. The elephant in the room: Predictive performance of PLS models. J Bus Res. 69 (10), 4552-4564 (2016).
  99. Cohen, J., Cohen, P., West, S. G., Aiken, L. S. Applied multiple regression/correlation analysis for the behavioral sciences. , Routledge. (2013).
  100. Sipos, D. The effects of AI–powered personalization on consumer trust, satisfaction, and purchase intent. Eur J Appl Sci Eng Technol. 3 (2), 14-24 (2025).
  101. Yao, Y., Meng, D., Wei, X. Empirical analysis of influencer attributes and social satisfaction effects on purchase intentions in Chinese social media. Sci Rep. 15 (1), 18860(2025).
  102. Rakovic, M. Comparative analysis of human and virtual influencers: The mediating role of perceived attractiveness and parasocial interaction in purchase intentions. , Tilburg University Tilburg. The Netherlands. (2023).
  103. Kong, H., Fang, H. Research on the effectiveness of virtual endorsers: A study based on the match-up hypothesis and source credibility model. Sustainability. 16 (5), 1761(2024).
  104. Huang, X., Chandra, A., Depaolo, C., Cribbs, J., Simmons, L. Measuring transactional distance in web-based learning environments: An initial instrument development. Open Learn. 30 (2), 106-126 (2015).
  105. Kim, C., Costello, F. J., Lee, J., Lee, K. C. Metaverse-based distance learning as a transactional distance mitigator and memory retrieval stimulant. Inf Process Manag. 62 (1), 103957(2025).
  106. Thielsch, M. T., Hirschfeld, G. Facets of website content. Hum Comput Interact. 34 (4), 279-327 (2019).
  107. Davlembayeva, D., Chari, S., Papagiannidis, S. Virtual influencers in consumer behaviour: A social influence theory perspective. Br J Manag. 36 (1), 202-222 (2025).
  108. Wang, Q., Long, S., Zeng, Y., Tang, L., Wang, Y. The creative behavior of virtual idol fans: A psychological perspective based on moa theory. Front Psychol. 14, 1290790(2023).

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

Calidad del contenidoSatisfacci n del consumidorFidelidad del clienteEfectos de la personalizaci nAn lisis de mediaci nRendimiento predictivo

Artículos relacionados