ניצול מודל קבלת הטכנולוגיה להבנת אימוץ המשתמשים של משפיענים וירטואליים: תפקיד האותנטיות הנתפסת והאנתרופומורפיזם

Guangmei He; Noorminshah A.Iahad

doi:10.3791/70018

מאמר מחקר

ניצול מודל קבלת הטכנולוגיה להבנת אימוץ המשתמשים של משפיענים וירטואליים: תפקיד האותנטיות הנתפסת והאנתרופומורפיזם

DOI:

10.3791/70018

⸱

3 ביולי 2026

Guangmei He¹^,² , Noorminshah A.Iahad³

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

במאמר זה

סיכום

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

מחקר זה מיישם מודל קבלת טכנולוגיה מורחב כדי לבחון את אימוץ המשפיענים הווירטואליים בפלטפורמות וידאו קצר, ומראה כי תועלת נתפסת, קלות שימוש, אותנטיות ואנתרופומורפיזם משפיעים משמעותית על עמדות המשתמשים וכוונות התנהגותיות באמצעות נתוני סקר שנותחו עם PLS-SEM.

תקציר

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

משפיענים וירטואליים (VIs) הופכים יותר ויותר לשחקנים מרכזיים באפליקציות וידאו קצר כמו TikTok, YouTube Shorts ו-Instagram Reels. בעוד שמחקרים קודמים חקרו ב-VI מבחינת אנתרופומורפיזם, אותנטיות ואינטראקציה עם צרכנים, רוב המחקרים הקודמים התמקדו במאגרי נתונים של אינסטגרם או בניתוח תוכן מבלי לאמץ מסגרת התנהגותית שיטתית. כדי להתמודד עם מגבלות אלו, מחקר זה עושה שימוש במודל קבלת הטכנולוגיה (TAM) כדי לבחון כיצד תועלת נתפסת (PU) וקלות שימוש נתפסת (PEOU) משפיעות על גישת המשתמש וכוונת ההתנהגות כלפי מעקב או אינטראקציה עם וי-וי בפלטפורמות וידאו קצר. המחקר מציע את האותנטיות הנתפסת והאנתרופומורפיזם כמשתנים מתונים, ומרחיב את TAM ללכידת דינמיקות פסיכולוגיות וחברתיות. פותחה מסגרת קונספטואלית המשלבת את TAM עם המנהלים הללו. הנתונים נאספו באמצעות סקר מקוון של 350 משתמשי וידאו קצר שנחשפו לתוכן VI ערוך ונמדדו באמצעות כלים מאומתים בקנה מידה Likert. המשתתפים נחשפו לראשונה לגירויים של וידאו משפיענים וירטואליים סטנדרטיים, ולאחר מכן השלימו שאלון מובנה שנערך דרך פלטפורמת סקרים מקוונת. מאגר הנתונים נותח באמצעות מודל משוואות מבניות של ריבועים חלקיים (PLS-SEM) להערכת אמינות המדידה, הקשרים המבניים וההשפעות המתנות. לפני הניתוח, מערך הנתונים נבדק לאיתור תגובות לא שלמות, ערכים חסרים ואי-עקביות בתגובה. התוצאות מאשרות את היישום של TAM בהקשר VI. PEOU השפיע לטובה על PU (β = 0.46, p < 0.001), PU השפיע באופן משמעותי על הגישה (β = 0.39, p < 0.001), ו-Attitude ניבא חזק על כוונה התנהגותית (β = 0.58, p < 0.001). אותנטיות נתפסת חיזקה את הקשר בין PU לעמדה, וכן בין גישה לכוונה התנהגותית, בעוד שאנתרופומורפיזם הגביר את השפעות ה-PU וה-PEOU על גישה. מדדי התאמה למודלים (R² = 0.64 עבור גישה; R² = 0.57 עבור כוונה התנהגותית) מציין כוח הסבר חזק. ממצאים אלה תומכים ב-TAM המורחב בהסבר אימוץ המשפיענים הווירטואליים בפלטפורמות וידאו קצר.

מבוא

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

בשנים האחרונות, משפיעני רשתות חברתיות (SMIs) צברו קהל משמעותי על ידי שיתוף היבטים מחייהם, הידע, המוצרים והמותגים שלהם בפלטפורמות שידור קהילתיות ^1,2. משפיענים וירטואליים (VIs) זכו לתשומת לב רבה הן מהקהילה האקדמית והן מהקהילה העסקית כגישה חדשנית לקידום מוצרים ושירותים בפלטפורמות כמו אינסטגרם, פייסבוק וטיקטוק³. בניגוד למשפיענים אנושיים (HIs), VI אינם אנשים אמיתיים אלא דמויות ממוחשבות שפותחו על ידי צוותי מעצבים כדי לשכפל את המראה וההתנהגות האנושית או להידמות לפרסונות מונפשות⁴. בזכות יכולות המעורבות החזקות שלהם, מותגים רבים משתמשים ב-VI לשיווק משפיענים, בין אם בשיתוף פעולה או ביצירת VIs קנייניים⁵. כתוצאה מכך, מותגים מוכרים כמו BMW שיתפו פעולה עם בכירים כמו ליל מיקלה כדי להניע מעורבות לקוחות ולהשפיע על החלטות רכישה.

ככל שמספר האנשים המושפעים מ-SMI ממשיך לגדול, שיווק משפיענים מתרחב^{גם הוא ב-6}. מרכז שיווק המשפיענים מדווח שמספר החברות המתמחות בשירותי שיווק משפיענים עלה ב-26% בשנת 2021 וצפוי להגיע ל-18,900 ברחבי העולם^. אחת הקטגוריות הבולטות ביותר של SMI כוללת "דמויות תלת-ממדיות, ממוחשבות" המסוגלות לחקות התנהגות ומראה אנושי ^8,9,10. VIs צברו פופולריות מהירה בקרב הצרכנים ונתפסים יותר ויותר כמעצרי טעם אמינים, בדומה למשפיענים אנושיים. בין 2017 ל-2019, מספר ה-VI בפלטפורמות החברתיות עלה מ-27 ל-125¹². ככל שהפופולריות שלהם גדלה, VIs החלו לשתף פעולה עם מותגים בינלאומיים¹². VIs מייצגים אלטרנטיבה משכנעת שמשלבת את היתרונות של משפיעני אדם עם שליטה רבה יותר על מראה והודעות¹³.

התפתחות חדשנית במיוחד בתחום זה היא הופעתם של משפיענים וירטואליים כישויות מדיה חברתית שהן חלקית או מלאכותיות לחלוטין (למשל, אווטארים תלת-ממדיים ממוחשבים), אך מסוגלות לייצר תוכן דומה למשפיענים אנושיים. עלייתם המהירה משכה תשומת לב אקדמית, אם כי המחקר הקיים מוגבל¹⁴. כדי להתמודד עם הפער הזה, המחקר הנוכחי בוחן אינטראקציות פאראסושיאליות (PSI), המוגדרות כתגובות קוגניטיביות, רגשיות והתנהגותיות למדיה. איורים¹⁵. מחקרים קודמים בחנו את PSI על ידי השוואת תגובות קהל למשפיענים הומנואידים וווירטואליים בעלי תכונות דומות.

מחקרים עדכניים בחנו הבדלים בין VI לבין משפיעים אנושיים בעיצוב תפיסות המשתמשים, במיוחד בסביבות וידאו חברתיות. הראיות מצביעות על כך שהמלצות של VI יכולות להשפיע על תפיסות המוצר (למשל, חיזוק אסוציאציות יוקרה) ועשויות להתחרות במשפיענים אנושיים על תועלת ואמינות נתפסת. עם זאת, ההזדהות עם משפיענים אנושיים נשארת חזקה יותר, ומדגיש פער אותנטיות שמשפיע על החלטות אימוץ בהקשרים של סרטונים קצרים 16,17,18. מחקר כמותי מזהה בעקביות את PU ו-PEOU כמנבאים מרכזיים לכוונה התנהגותית, לעיתים מלווה במבנים כמו הנאה, נוכחות חברתית ומעורבות קהילתית, ומחזקים את היישום של TAM בתחום זה^19,20.

גוף מחקר הולך וגדל עוסק ישירות באותנטיות בהקשר VI. מחקרים איכותניים וכמותיים מצביעים על כך שאותנטיות נתפסת משפיעה משמעותית על אמון, מעורבות ושכנוע. גורמים כמו גילוי בינה מלאכותית ודמיון אנושי משפיעים על אמינות ותגובת המשתמשים^21,22. מחקרים נוספים מראים כי רמזים "היוריסטיים של מכונה" עשויים להפחית אותנטיות נתפסת כאשר משתמשים מזהים את מקורות הבינה המלאכותית, מה שמחזק אותנטיות כתנאי גבול קריטי לקבלה²³^–²⁵. סקירות של אנתרופומורפיזם מדגישות עוד יותר את תפקידו התיאורטי כמתון שיכול לחזק או להחליש את יחסי TAM באמצעות מנגנונים כמו נוכחות חברתית ואמון²⁶.

באופן דומה, מודל הגירוי–אורגניזם–תגובה (SOR) יושם לבחינת האופן שבו רמזים אנתרופומורפיים וגירויים חברתיים משפיעים על קבלת המשתמשים של מערכות מונעות בינה מלאכותית²⁷. SOR יעיל במיוחד בלכידת תגובות רגשיות בזמן אמת לגירויים טכנולוגיים ולתפקיד המשתנים הסיטואציוניים בעיצוב התנהגות²⁸. זה תואם לסביבות אינטראקטיביות מונעות בינה מלאכותית, שבהן משוב מהיר של מערכת-משתמש מייצר תגובות רגשיות דינמיות²⁹. מסגרת ה-SOR מאפשרת גם שילוב של גירויים רגשיים וקוגניטיביים מרובים. עם זאת, מודלים כמו TAM ו-UTAUT, למרות שהם בשימוש נרחב, מתמקדים במבנים מוגדרים מראש (למשל, תועלת נתפסת ונוחות שימוש), מה שעשוי להגביל את יכולתם ללכוד השפעות רב-ממדיות על התנהגות המשתמש³⁰. מודלים אלה מתאימים בדרך כלל יותר לניתוח סטטי מאשר להקשרים דינמיים לקבלת החלטות³¹. למשל, משפיענים ענקיים יכולים להגיע לקהלים גלובליים, לשפר את המודעות למותג וליצור מעורבות משמעותית, אם כי היעילות שלהם משתנה בין הקשרים^{שונים 32}. SOR מספק תובנות משלימות לתהליכים רגשיים, בעוד ש-TAM מציע מסגרת חסכנית וחזויה למידול כוונות התנהגותיות.

מחקרים אמפיריים מצביעים על כך שמשפיעני-ענק יוצרים מעורבות חזקה יותר, גישות מוצר ורכישת מידע חזקים^יותר. עם זאת, משפיענים ברמה נמוכה יותר עשויים לשפר את המודעות והאותנטיות, לעיתים אף להעלות על פרסומות ממוקדות³⁴. ממצאים נוספים מצביעים על כך שבעוד שמגה-משפיענים מעוררים מעורבות רחבה יותר, משפיענים קטנים יותר מפגינים אותנטיות^ואמון חזקים יותר. ממצאים מעורבים אלו מדגישים אי-עקביות ביעילות המשפיענים בהקשרים שונים^36,37 ומדגישים את הצורך לחקור סוגי משפיענים נוספים, כולל משפיענים וירטואליים³⁸.

למרות העניין הגובר ב-VIs, המחקר הקיים נותר מוגבל בהיקפו. רוב המחקרים מסתמכים על מערכי נתונים מבוססי אינסטגרם וניתוח תוכן להערכת מדדי מעורבות (למשל, לייקים, תגובות, תכונות לשוניות), מה שמשאיר פער בהבנת כוונת האימוץ מנקודת מבט התנהגותית. בנוסף, מחקר מוגבל בחן את אימוץ ה-VI בפלטפורמות וידאו קצר, המציגות מאפיינים סוציו-טכניים ייחודיים, כולל חשיפה מונעת אלגוריתמים, צריכת תוכן מהירה ואינטראקציות פאראסושיאליות מוגברות.

כדי להתמודד עם פערים אלו, מחקר זה מיישם את מודל קבלת הטכנולוגיה (TAM) כדי לחקור באופן שיטתי גורמים המשפיעים על אימוץ וי בפלטפורמות וידאו קצר. TAM נבחר בזכות עוצמת ההסבר החזקה שלו, הקמצנות והאימות האמפירי הנרחב שלו בהקשרים דיגיטליים. בעוד שמסגרות חלופיות כמו SOR ו-UTAUT מספקות תובנות חשובות, הן מדגישות גורמים רגשיים או מוסדיים שמעבר למוקד הקוגניטיבי של מחקר זה. בהתאם לכך, TAM מורחב לשילוב אותנטיות נתפסת ואנתרופומורפיזם בשלב יצירת האמונה.

באופן ספציפי, מחקר זה בוחן כיצד קלות השימוש הנתפסת (PEOU) משפיעה על תועלת נתפסת (PU), וכיצד מבנים אלו מעצבים את גישת המשתמש וכוונת ההתנהגות כלפי VI. הוא חוקר עוד את התפקידים המתונים של אותנטיות נתפסת ואנתרופומורפיזם בעיצוב מערכות יחסים אלו. באופן אמפירי, המחקר משתמש בסקר כמותי של משתמשי וידאו קצר ובודק את המודל המורחב באמצעות PLS-SEM. על ידי מעבר מניתוח תוכן למסגרת אימוץ התנהגותי, מחקר זה פותר פער קריטי ותורם להבנת אימוץ VI בסביבות דיגיטליות מתפתחות.

מחקר זה תורם שלוש תרומות מרכזיות. ראשית, היא מרחיבה את TAM למשפיענים וירטואליים בפלטפורמות וידאו קצר, ומדגימה את היישום שלה על ישויות שנוצרו על ידי בינה מלאכותית. שנית, הוא משלב אנתרופומורפיזם ואותנטיות נתפסת בשלב יצירת האמונה של TAM, ומחזק את מסלול האמונה–עמדה–כוונה. שלישית, היא מקדמת את המתודולוגיה באמצעות גישה התנהגותית כמותית המשתמשת בנתוני סקר ו-PLS-SEM להערכת תוקף המדידה, הקשרים המבניים והשפעות התיון.

בסך הכול, המחקר מספק תובנות תיאורטיות ומעשיות לגבי האופן שבו אותנטיות ועיצוב דמוי אדם משפיעים על אימוץ VI. הוא בוחן את השפעות PEOU ו-PU על גישה (ATT) וכוונה התנהגותית (BI), ובוחן את תפקידי המתון של אותנטיות נתפסת (PA) על יחסי PU–ATT ו-ATT–BI, ואת האנתרופומורפיזם (ANTH) על יחסי PEOU–ATT ו-PU–ATT. בהתבסס על קשרים אלו, מוצעות ההשערות הבאות:

קלות שימוש ב-H1:P PEOU משפיעה לטובה על התועלת הנתפסת (PU).
H2: תועלת נתפסת (PU) משפיעה לטובה על הגישה (ATT) כלפי משפיענים וירטואליים.
H3: גישה (ATT) משפיעה לטובה על כוונה התנהגותית (BI) לשימוש במשפיענים וירטואליים.
H4: קלות השימוש הנתפסת (PEOU) משפיעה לטובה על הגישה (ATT) כלפי משפיענים וירטואליים.
H5: אותנטיות נתפסת (PA) ממתנת באופן חיובי את הקשר בין PU ל-ATT.
H6: אותנטיות נתפסת (PA) ממתנת באופן חיובי את הקשר בין ATT ל-BI.
H7: אנתרופומורפיזם (ANTH) ממתן באופן חיובי את הקשר בין PEOU ל-ATT.
H8: אנתרופומורפיזם (ANTH) ממתן באופן חיובי את הקשר בין PU ל-ATT.

איור 1 מציג את המסגרת המושגית המבוססת על מודל קבלת הטכנולוגיה המורחב (TAM) לאימוץ משפיענים וירטואליים בפלטפורמות וידאו קצר. המודל כולל מבני ליבה של TAM, יחד עם שני משתנים מתונים—אותנטיות נתפסת ואנתרופומורפיזם נתפס—כדי ללכוד השפעות חברתיות ופסיכולוגיות רלוונטיות. הקשרים הישירים מיוצגים על ידי חצים מוצקים, בעוד שהאפקטים המתונים מוצגים כקווים מקווקו המכוונים למסלולי המבנה המתאימים. ייצוג זה מיישר את המודל המושגי עם ההשערות המוצעות ומשפר את הבהירות על ידי הבחנה בין אפקטים ישירים לאינטראקציה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

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

מחקר זה אושר על ידי ועדת האתיקה המחקרית של בית הספר לעסקים הבינלאומי אזמן האשם, אוניברסיטת טכנוגרפיה מלזיה, קואלה לומפור, מלזיה (מספר אישור: UTM. AHIBS/REC/2025/012). כל ההליכים עמדו בסטנדרטים אתיים מוסדיים ובעקרונות הצהרת הלסינקי. התקבלה הסכמה מדעת מכל המשתתפים לפני איסוף הנתונים. המשתתפים קיבלו מידע על מטרת המחקר, אופי ההשתתפות הוולונטרי שלהם, סודיות תגובותיהם וזכותם למשוך בכל עת ללא עונש. הושגה גם הסכמה בכתב לשימוש בנתוני סקר אנונימיים בפרסומים אקדמיים. אין מידע אישי מזהה או רגיש בכתב יד זה.

תהליך המחקר המתודולוגי ששימש במחקר זה לבחינת אימוץ הצרכנים של משפיענים וירטואליים בפלטפורמות וידאו קצר מוצג באיור 2. הליך המחקר בוצע באופן רציף, כולל הכנת גירויים, חשיפה למשתתפים, ניהול סקר, עיבוד נתונים מוקדם וניתוח סטטיסטי. המשתמשים נחשפים לראשונה לגירויים של משפיענים וירטואליים שנבחרו בקפידה בפלטפורמות וידאו קצרים כמו TikTok, YouTube Shorts ו-Instagram Reels. כדי ללכוד מבנים מרכזיים של מודל קבלת טכנולוגיה (TAM), כולל קלות שימוש נתפסת (PEOU), תועלת נתפסת (PU), גישה (ATT) וכוונה התנהגותית (BI), נאספות תגובות סקר באמצעות כלים מאומתים בקנה מידה Likert. הנתונים שנאספו עוברים עיבוד מוקדם, כולל ניקוי נתונים, הערכות תקפות ואמינות, כדי להבטיח איכות הנתונים.

מסגרת ה-TAM המורחבת, הכוללת משתנים מתונים, מיושמת אז על מערך הנתונים המשופק. באופן ספציפי, אנתרופומורפיזם (ANTH) מתון את הקשרים בין PEOU → ATT ל-PU → ATT, בעוד שאותנטיות נתפסת (PA) מתנת את הקשרים בין PU → ATT ו-ATT → BI. השפעות המתונות הללו מדוגמות במפורש כאינטראקציות על המסלולים המבניים. לבסוף, מודל המדידה, הקשרים המבניים והשפעות המתון מוערכים באמצעות מודל משוואות מבניות של ריבועים חלקיים (PLS-SEM). הממצאים מספקים ניתוח מקיף ושיטתי של התנהגות אימוץ המשתמשים כלפי משפיענים וירטואליים בפלטפורמות וידאו קצר, ומדגיש הן יחסים ישירים (PEOU, PU → ATT → BI) והן השפעות ממתנות.

שיטת המחקר והעיצוב
המתודולוגיה פותחה בשלושה שלבים: פיתוח מסגרת מושגית, איסוף נתונים וניתוח אמפירי.

פיתוח מסגרת מושגית
שלב זה כלל פיתוח המסגרת התיאורטית על ידי הרחבת מודל קבלת הטכנולוגיה (TAM) עם שני מתונים חברתיים-פסיכולוגיים הרלוונטיים למשפיענים וירטואליים: אותנטיות נתפסת ואנתרופומורפיזם. המודל מניח ש-PEOU משפיע על PU, בעוד ש-PU ו-PEOU משפיעים יחד על גישה, אשר בתורה משפיעה על כוונה התנהגותית (איור 3).

איסוף נתונים
נתונים אמפיריים נאספו באמצעות שאלון מקוון שניתן ל-350 משתמשים בפלטפורמות וידאו קצרות כמו TikTok, YouTube Shorts ו-Instagram Reels. המשתתפים התבקשו לצפות בסרטונים סטנדרטיים עם משפיענים וירטואליים פופולריים. הנתונים נאספו על מבני TAM ומשתנים מתונים. משתני ביקורת כללו דמוגרפיה ומאפייני שימוש. נלקחו בחשבון שיקולים אתיים.

ניתוח אמפירי
הנתונים נותחו באמצעות הליך דו-שלבי של מידול משוואות מבניות של ריבועים חלקיים מינימליים (PLS-SEM). אמינות ותוקף הוערכו באמצעות עומסי גורמים, אלפא של קרונבך, אמינות מורכבת, ממוצע שונות מופקת (AVE), קריטריון פורנל–לקרקר, ויחס הטרוטראיט–מונוטרייט (HTMT). בוטסטרפינג עם 5,000 דגימות מחדש שימש לבדיקת מסלולים מבניים ואפקטי מיתון, ואימת את מודל TAM עם אותנטיות ואנתרופומורפיזם כמתונים.

ניסוח מודל מבני
המחקר מרחיב את מודל TAM על ידי שילוב היבטים חברתיים-רגשיים של משפיענים וירטואליים בפלטפורמות וידאו קצר. בנוסף למבנים המסורתיים (PU, PEOU, גישה, כוונה התנהגותית), נכללים שני משתנים מתונים—אותנטיות נתפסת ואנתרופומורפיזם—המייצגים ממדים פסיכולוגיים של אמינות ודמיון אנושי, בהתאמה.

ברמת המדידה, כל המבנים החבויים (PEOU, PU, ATT, BI, PA, ANTH) מוגדרים באופן רפלקטיבי, כאשר מספר פריטי סקר נטענים על כל גורם סמוי³⁹. מודל המדידה מתואר כך:

figure-protocol-1 (1)

כאשר x_j היה האינדיקטור הנצפה, η היה המבנה החבוי, λ_j היה עומס הפקטור, ו-ε_j היה שגיאת המדידה. זה סיפק אמינות קודמת, רציונליות מתכנסת, ורציונליות מובחנת לפני בדיקת המסלולים הסיבתיים.

ברמה המבנית, משוואות ה-TAM הבסיסיות הוגדרו כמסלולים⁴⁰. תועלת נתפסת נחזתה על ידי קלות השימוש הנתפסת:

figure-protocol-2 (2)

הגישה צוינה אז כפונקציה של PU ו-PEOU:

figure-protocol-3 (3)

לבסוף, כוונה התנהגותית הוסברה על ידי גישה, כאשר PU הוא מנבא ישיר אופציונלי:

figure-protocol-4 (4)

כדי לשלב מתינות, מוצגים מונחי אינטראקציה. אנתרופומורפיזם (ANTH) ממתן את ההשפעות של PU ו-PEOU על ATT, בעוד שאותנטיות נתפסת (PA) ממתן את השפעות ה-PU על ATT ו-ATT על BI. המשוואות המבניות המתונות הן:

figure-protocol-5 (5)

מקדמי האינטראקציה (β₆, β₇, β₈, β₉) מציינים האם יחסי TAM משתנים בהתאם לרמות האנתרופומורפיזם והאותנטיות. לדוגמה, ההשפעה המותנית של PU על ATT היא:

β₂ + β₆· ANTH + β₈· PA

באופן דומה, ההשפעה המותנית של ATT על BI היא:

β₄ + β₉· PA

המסגרת מתחשבת גם בגישור ובגישור מתון. ההשפעה העקיפה של PEOU על ATT דרך PU במודל הבסיס היא:

figure-protocol-6 (6)

עם הכללת המנהלים, זה הפך להשפעה עקיפה מותנית:

figure-protocol-7 (7)

כאשר a ו-p מייצגים ערכים של אנתרופומורפיזם ואותנטיות נתפסת, בהתאמה.

דבר זה מאפשר לבחון האם אופיו הבורר של PU תלוי בתכונות החברתיות של VIs, ובכך מספק ראיות לתיווך מתון.

אותנטיות נתפסת (PA) ואנתרופומורפיזם (ANTH) פועלים כממתנים לקבלת המשתמשים של משפיענים וירטואליים בפלטפורמות וידאו קצר, כפי שמודגם באיור 3. קווים מוצקים מייצגים יחסי TAM ישירים, בעוד שקווים מקווקו מציינים אפקטים ממתנים. בסך הכול, המודל משלב גורמים טכנולוגיים וחברתיים-פסיכולוגיים כדי לספק הסבר מקיף על אימוץ משפיענים וירטואליים.

איסוף מערכי נתונים
מחקר זה מבוסס על מאגר נתונים של סקר (N = 350 משתתפים). המשתתפים היו משתמשים קבועים בפלטפורמות וידאו קצר כמו TikTok, YouTube Shorts ו-Instagram Reels. הם הוצגו קטעי Virtual Influence ערוכים והתבקשו למלא שאלון מובנה באמצעות מדדים ברמת Likert מאומתים למבני TAM (PEOU, PU, ATT, BI) ולמודרטורים (PA, ANTH). הנתונים דווחו על ידי עצמם ולא התקבלו ממאגר ציבורי; עם זאת, מבנה המדידה הותאם מקני מידה מבוססים באימוץ טכנולוגיה ובמחקר משפיענים וירטואליים.

טבלה 1 מתארת את מבנה מאגר הנתונים של אימוץ התנהגותי. כל שורה מייצגת מבנה במודל ה-TAM המורחב, יחד עם פריטי המדידה, סוג הקנה מידה והתפקיד האנליטי שלה. PEOU ו-PU נמדדו באמצעות ארבעה פריטים כל אחד בסולם ליקרט של 7 נקודות.

טבלה 2 מציגה את הפרופיל הדמוגרפי של המשיבים. הפרופיל הדמוגרפי של המשיבים (N = 350) מצביע על התפלגות מגדרית יחסית מאוזנת, כאשר גברים מהווים 50.86%, נשים 45.43%, וחלק קטן (3.71%) מזדהים כאחרים. מבחינת גיל, רוב המשתתפים משתייכים לקבוצת הגיל 25–34 (44.57%), אחריה 18–24 (29.43%) ו-35–39 (26.00%), מה שמרמז כי מערך הנתונים מורכב בעיקר מצעירים עד בגיל העמידה. לגבי הישגים חינוכיים, המשיבים מחולקים באופן הוגן בין רמות שונות, כאשר השיעור הגבוה ביותר מחזיק בתארים מתקדמים (23.14%), אחריו תיכון (22.86%), תואר ראשון (20.29%), דיפלומה (17.43%) ותעודות דוקטורט (16.29%). דבר זה משקף רקע חינוכי מגוון בקרב המשתתפים. מבחינת התנהגות שימוש בפלטפורמה, רוב משמעותי של המשיבים (61.71%) דיווחו על שימוש יומי, בעוד ש-29.14% משתמשים בפלטפורמה מדי שבוע ו-9.14% מדי פעם. דבר זה מעיד על רמת מעורבות גבוהה בפלטפורמה בקרב האוכלוסייה המדוגמת. מאפיינים אלו מצביעים על כך שהמדגם מייצג משתמשים פעילים בפלטפורמות וידאו קצר.

ניתוח נתונים
לאחר איסוף הנתונים, נותחו 350 תגובות תקפות באמצעות מודל משוואות מבניות של ריבועים חלקיים (PLS-SEM), המתאים להרחבת תיאוריה, מחקר מונחה חיזוי ומודלים מורכבים עם משתנים מתונים. הניתוח כלל הערכת מודל מדידה, הערכת מודל מבני, ניתוח מתון והערכת מודל כוללת.

אימות מודל מדידה
השלב הראשון היה למדוד את האמינות והרציונליות של כל המושגים. אמינות פנימית נבדקה באמצעות Alpha (α) ו-Composite Reliability (CR) של קרונבך, כאשר תקנים מעל 0.70 נחשבו לספקים. רציונליות מתכנסת נקבעה על ידי השונות הממוצעת המופקת (AVE ≥ 0.50). קוגנטיות מובחנת אושרה באמצעות תקן פורנל–לארקר, שבו השורש הריבועי של כל AVE של מבנה היה גדול יותר מהקשרים שלו עם מושגים נוספים. ה-AVE של מבנה j חושב כך:

figure-protocol-8 (8)

כאשר λ_ij היה טעינת הגורמים הסטנדרטית של פריט i במבנה J, ו figure-protocol-9 - היא שגיאת המדידה.

מודל המדידה של המחקר הנוכחי מוצג באיור 4. כל מבנה סמוי במסגרת TAM ממושכת הופעל על ידי מספר מדדים רפלקטיביים. בפרט, נמדדו קלות שימוש נתפסת (PEOU) ותועלת נתפסת (PU) עם 4 פריטים, בעוד שגישה (ATT) וכוונה התנהגותית (BI) נמדדו עם 3 פריטים. המודרטורים — אותנטיות נתפסת (PA) ואנתרופומורפיזם (ANTH) — הוערכו כל אחד באמצעות שלושה מדדים. כל המסלולים הובילו מהמושגים אל המצביעים האישיים שלהם, המשקפים את הטבע הרפלקטיבי של מודל המדידה. אמינות ותוקף המושגים אושרו באמצעות עומסי גורמים, אלפא של קרונבך, אמינות מורכבת (CR) וממוצעת שונות מופקת (AVE). זה הפך את זה לנכון סטטיסטית שמודל המדידה והמושגים מודדים את הממדים הרצויים של עמדות המשתמשים וכוונות ההתנהגות כלפי משפיענים וירטואליים בפלטפורמות וידאו קצר.

בדיקות מודל מבני
לאחר שנקבעה תוקף המדידה, נבדקו מסלולי המבנה של מודל TAM המורחב. הקשרים הישירים המוצגים הם כדלקמן:

figure-protocol-10 (9)

figure-protocol-11 (10)

figure-protocol-12 (11)

כאשר: _{β 1}בחנה את השפעת PEOU → PU, β₂,_{β 3} בדקו את השפעת PU ו-PEOU → ATT, β₄ תפסו את השפעת ATT → BI. מקדמי מסלול (β) חושבו באמצעות שיטת האתחול (5000 דגימות מחדש), והמובהקות חושבה באמצעות ערכי t וערכי p.

ניתוח מתינות
בוצע ניתוח מתינות לבחינת השפעות האינטראקציה. ההרחבה של TAM כללה אותנטיות נתפסת (PA) ואנתרופומורפיזם (ANTH) כמנחים. מודרטציה נבדקה על ידי יצירת מונחי אינטראקציה בין משתנים בלתי תלויים למתונים. הדגם המורחב תואר כך:

figure-protocol-13 (12)

כאן: PU × PA: בדקו האם אותנטיות משפרת את התפקיד של התועלת בגישה. PEOU × ANTH: הוערך האם האנתרופומורפיזם שיפר את תוצאת קלות השימוש הנתפסת בגישה. TT × PA: הוערך אם אותנטיות חיזקה את התוצאה של הגישה כלפי כוונה התנהגותית. מקדם משמעותי_{של β 7}, β₈ או β₁₀ אישרו את הופעת המתנות.

הערכת מודלים
המודל כולו הוערך במונחים של כוח הסבר וחיזוי:

מקדם קביעה (R²): סימן את השינוי המובהר במבנים אנדוגניים (ATT ו-BI). R² ≥ 0.50 נחשב לגדול במחקרים התנהגותיים.

רלוונטיות חיזוי (Q²): נקבע באמצעות כיסוי עיניים, כאשר Q² > 0 מצביעים על תוקף חיזוי.

גודל האפקט (f²): שימש לקביעת השפעת כל מבנה על המודל ומחושב כך:

figure-protocol-14 (13)

כאשר הסבירו שונות כאשר הכללנו מנבא, וכאשר figure-protocol-15 החריגו אותו. לסיכום, ניתוח הנתונים מאשר תחילה אמינות ותוקף מבנה, בודק את הקשרים המבניים של TAM, מעריך את השפעות המתון של אנתרופומורפיזם ואותנטיות, ולבסוף, בודק את השליטה התיאורית והאקסטרפולטיבית של הטיפוסי. גישה יסודית זו מבטיחה את תקינות הממצאים ומרחיבה את TAM גם במקרה של משפיענים וירטואליים בפלטפורמות וידאו קצר.

בדיקת השערות
לאישור מסגרת TAM המורחבת, נבדקו שמונה השערות באמצעות PLS-SEM עם בוטסטרפינג (5000 דגימות חוזרות). תהליך האתחול יצר קבועי עקבות (β), ערכי t וערכי p, אשר נקבעו מול הסף הקריטי (p < 0.05).

השפעות ישירות (H1–H4)
ההשפעות הישירות של ה-TAM הקלאסי הוערכו ראשונים. הממצאים אישרו כי קלות השימוש הנתפסת (PEOU) השפיעה משמעותית על תועלת נתפסת (PU). המשוואה המשוערת היא:

figure-protocol-16 (14)

כאשר β₁=0.46, t=8.72, p < 0.001. בהתאם לכך, H1 נתמך.

שנית, נמצאו גם תועלת נתפסת (PU) ו-PEOU משפיעים לטובה על הגישה (ATT):

figure-protocol-17 (15)

עם β₂=0.39, t=7.64, p < 0.001 ו-β₃=0.21, t=2.14, p < 0.05. ממצאים אלו תומכים בחוזקה ב-H2 ובחלק מ-H4, ומחזקים כי גם קלות השימוש הנתפסת וגם השימושיות מזיזים את הגישות.

לבסוף, ההשפעה של ATT על כוונה התנהגותית (BI) הייתה משמעותית:

figure-protocol-18 (16)

עם β₄=0.58, t=10.12, p < 0.001. לכן, H3 נתמך בחוזקה, ומדגישה כי עמדות חיוביות מניעות במידה רבה את הכוונות להשתמש ב-Virtual Influencers.

אפקטים מתונים (H5–H8)
ההשפעות המתונות של אותנטיות נתפסת (PA) ואנתרופומורפיזם (ANTH) נבדקו על ידי שילוב מונחי אינטראקציה.

עבור H5, השפעת PU על ATT הותאמה על ידי PA:

figure-protocol-19 (17)

עם β₅=0.15, t=3.21, p < 0.01. זה מרמז שאם VI נתפסים כאותנטיים, לשימושיות שלהם יש השפעה חזקה יותר על הגישות.

עבור H6, גם המידה של ATT → BI על ידי PA הייתה משמעותית:

figure-protocol-20 (18)

עם β₆=0.12, t=2.94, עמ' <0.01. זה מרמז שלאותנטיות יש קשר חזק יותר בין עמדות חיוביות לכוונה התנהגותית.

עבור H7, אנתרופומורפיזם ANTH ממתן את השפעת PEOU על ATT:

figure-protocol-21 (19)

עם β₇=0.14, t=3.08, p < 0.01. בהתאם לכך, כאשר ה-VIs דומים יותר לאדם, קלות השימוש משתלבת בעוצמה רבה יותר לגישות חיוביות.

עבור H8, אנתרופומורפיזם גם שיפר את מסלול ה-PU → ATT המתון ANTH:

figure-protocol-22 (20)

עם β₈=0.11, t=2.21, p < 0.05.

ביצועי המודל הוערכו באמצעות R² לכוח הסבר, Q² לרלוונטיות חזויה, וגודל האפקט (f²) להערכת תרומתו של כל מנבא.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

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

בסך הכל התקבלו 350 תגובות שימושיות ממשתמשים פעילים של אפליקציות וידאו קצרות (אינסטגרם רילס, יוטיוב שורטס וטיקטוק). הנתונים נותחו באמצעות Partial Least Squares Structural Equation Modeling (PLS-SEM) ב-SmartPLS 4.0, לאחר עיבוד מוקדם והחרגת תגובות לא שלמות. גישה זו אפשרה הערכה של מודלים מדידה ומבניים, וכן אפקטים של מיתון.

התוצאות אישרו את תוקף מסגרת TAM המורחבת המוצעת. ניתוח אמינות הראה שכל המבנים עברו את ערכי הסף המומלצים (α > של קרונבך 0.70, אמינות מורכבת > 0.8...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

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

כדי לאמת את המבנים, מודל המדידה הוערך מבחינת אמינות, תוקף מתכנס ותוקף הבחנה^39,40. ממצאי המחקר מספקים תובנות חשובות לגבי הגורמים המשפיעים על אימוץ המשתמשים של משפיענים וירטואליים (VIs) בפלטפורמות וידאו קצר. התוצאות מצביעות על כך שגורמים טכנולוגיים (תועלת נתפסת וקלות שימוש נתפסת) ופסיכולוגיים (אותנטיות נתפסת ואנתרופומורפיזם) משפיעים באופן משמעותי על עמדת המשתמש וכוונת ההתנהגות.

תועלת נתפסת מתגלה כמנבא דו...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

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

המחברים מצהירים שאין ניגוד עניינים.

תודות

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

המחברים מודים בהכרת תודה על התמיכה המוסדית של בית הספר הבינלאומי לעסקים עזמן האשים, אוניברסיטת הטכנולוגיה המלזית ומכללת החדשנות והיזמות של אוניברסיטת התיירות של סצ'ואן, על מתן משאבים והכוונה אקדמית במהלך מחקר זה. מחקר זה מומן על ידי פרויקט קרן מרכז המחקר לפיתוח המטבח של סצ'ואן (CC24G18).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שם	חברה	מספר קטלוג	הערות
Computer System (PC/Laptop)	Generic (HP/Dell/Lenovo or equivalent)	N/A	משמש לאיסוף ונתונים וניתוח
Google Forms	Google LLC	N/A / https://forms.google.com	משמש לעיצוב סקרים ואיסוף נתונים
Instagram Reels	Meta Platforms Inc.	N/A / https://www.instagram.com/reels/	פלטפורמה לגירויים וידאו של משפיעים וירטואליים
Internet Connection	Local Internet Service Provider	N/A	נדרש לגישה לסקר ולפלטפורמות
Microsoft Excel	Microsoft Corporation	365 / https://www.microsoft.com/excel	משמש לעיבוד מוקדם וארגון נתונים
Python	Python Software Foundation	3.x / https://www.python.org	משמש לעיבוד מוקדם וניהול נתונים אופציונלי
SmartPLS	SmartPLS GmbH	4.0 / https://www.smartpls.com	משמש לניתוח PLS-SEM כולל HTMT, Q² (blindfolding), וגודל אפקט f²
TikTok	TikTok Inc.	N/A / https://www.tiktok.com	פלטפורמה לגירויים וידאו של משפיעים וירטואליים
Virtual Influencer Video Clips	Author-generated dataset	N/A	גירויים וידאו סטנדרטיים שהוצגו למשתתפים
YouTube Shorts	Google LLC	N/A / https://www.youtube.com/shorts	פלטפורמה לגירויים וידאו של משפיעים וירטואליים

מקורות

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

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).
Barari, M., Ross, M., Moghddam, H. A. Virtual influencers’ anthropomorphism, consumer engagement and/or well-being. J Consum Mark. 42, 673-688 (2025).
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).
Barari, M., Ross, M., Moghddam, H. A., et al. A meta-analysis of customer engagement behaviour. Int J Consum Stud. 45, 457-477 (2021).
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).
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).
Geyser, W. The state of influencer marketing 2022: Benchmark report. , Influencer Marketing Hub. (2023).
da Silva Oliveira, A. B., Chimenti, P. Humanized robots: A proposition of categories to understand virtual influencers. Australas J Inf Syst. 25, (2021).
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).
Miao, F., Kozlenkova, I. V., Wang, H., et al. An emerging theory of avatar marketing. J Mark. 86, 67-90 (2022).
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).
Hiort, A. How many virtual influencers are there?. , Virtual Humans. (2022).
Conti, M., Gathani, J., Tricomi, P. P. Virtual influencers in online social media. IEEE Commun Mag. 60, 86-91 (2022).
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).
Shin, J., Lee, S. Intimacy between actual users and virtual agents: Interaction through likes and comments. Proc 14th IntConf Ubiquitous InfManagCommun, , (2020).
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).
Belanche, D., Casaló, L. V., Flavián, M. Human versus virtual influences: A comparative study. J Bus Res. 173, 114493(2024).
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).
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).
Singh, A., Kumar, P. User behavior in TikTok shopping: Insights from Technology Acceptance Model. J Retail Consum Serv. 71, 104005(2024).
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).
Koles, B., Szabo, K., Kovacs, A., et al. The authentic virtual influencer: Authenticity manifestations in the metaverse. J Bus Res. 170, 114325(2024).
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).
Zhang, W., Li, F., Zhou, R. Perceived realism and human-likeness of virtual influencers: Effects on consumer engagement. Comput Hum Behav. 149, 107843(2024).
Li, C., Huang, F. The impact of virtual streamer anthropomorphism on consumer purchase intention: Cognitive trust as a mediator. Behav Sci. 14, 1228(2024).
Ross, M., Barari, M., Moghddam, H. A. Anthropomorphism of virtual influencers and consumer engagement in social media. J Mark Manag. 41, 1150-1168 (2025).
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).
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).
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).
Parhamnia, F. Investating mobile acceptance in academic library services based on UTAUT-2. J AcadLibrariansh. 48, 102570(2022).
Wang, Z., Jiang, Q. Willingness of Generation Z consumers to use virtual try-on services based on SOR. Systems. 12, 217(2024).
Conde, R., Casais, B. Micro, macro and mega-influencers on Instagram. J Bus Res. 158, 113708(2023).
Dong, X., Zhou, R., Liao, J. Mega-influencer follower effect. Eur J Mark. , (2024).
Berman, R., Ory, A., Zheng, X. Influence or advertise: The role of social learning in influencer marketing. , Yale University. (2023).
Walter, N., Föhl, U., Zagermann, L. Impact of influencer characteristics on influencer success. J Curr Issues Res Advert. 46, 1-23 (2024).
Li, W., Zhao, F., Lee, J. M., et al. Micro vs mega influencers and word of mouth. J Bus Res. 171, 114387(2024).
Tian, Z., Dew, R., Iyengar, R. Influencer selection using follower elasticity. J Mark Res. 61, 472-495 (2024).
Keasey, K., Lambrinoudakis, C., Mascia, D. V., et al. Impact of social media influencers on financial performance. EurFinancManag. 31, 745-785 (2025).
Davis, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Q. 13, 319-340 (1989).
Venkatesh, V., Bala, H. Technology acceptance model 3 and a research agenda on interventions. Decis Sci. 39, 273-315 (2008).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

233 233 JoVE PLS SEM

ניצול מודל קבלת הטכנולוגיה להבנת אימוץ המשתמשים של משפיענים וירטואליים: תפקיד האותנטיות הנתפסת והאנתרופומורפיזם

במאמר זה

סיכום

תקציר

מבוא

פרוטוקול

תוצאות

דיון

גילויים

תודות

חומרים

מקורות

הדפסות חוזרות והרשאות

תגיות

מאמרים קשורים