Articolo di ricerca

Come le caratteristiche delle celebrità virtuali guidano l'intenzione d'acquisto: testare il quadro stimolo-organismo-risposta con modellazione delle equazioni strutturali

DOI:

10.3791/70685

⸱

3 marzo 2026

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

In questo articolo

Sommario

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

Nel contesto dell'esperienza virtuale della celebrità, la qualità dei contenuti guida maggiormente la soddisfazione; La soddisfazione, a sua volta, aumenta indirettamente l'intenzione d'acquisto tramite la lealtà. La personalizzazione rafforza il legame soddisfazione-fedeltà, quindi le aziende dovrebbero dare priorità ai contenuti virtuali di celebrità emotivi, coerenti con la narrazione e ai programmi di fidelizzazione personalizzati.

Abstract

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

Negli ultimi anni, le aziende hanno iniziato a introdurre celebrità virtuali per promuovere i loro prodotti e marchi su vari canali mediatici. Questa ricerca utilizza il framework stimolo-organismo-risposta (SOR) per indagare empiricamente come i fattori di attrattiva delle celebrità virtuali, come l'aspetto, la voce e la qualità dei contenuti, possano influenzare la soddisfazione del consumatore, la fedeltà e l'intenzione d'acquisto. La modellazione strutturale delle equazioni parziali dei minimi quadrati (PLS-SEM) è stata utilizzata per testare le ipotesi basandosi su un campione di 249 partecipanti che avevano partecipato a esperienze virtuali di celebrità. I risultati indicano che la qualità dei contenuti è il più forte predittore della soddisfazione degli utenti e che la soddisfazione influenza indirettamente l'intenzione d'acquisto attraverso la fedeltà. Inoltre, la personalizzazione modera il rapporto soddisfazione-lealtà, suggerendo che esperienze personalizzate aumenterebbero l'engagement di celebrità e fan virtuali. I risultati indicano che le aziende che considerano campagne di celebrità virtuali dovrebbero concentrarsi maggiormente su contenuti emotivi e coerenti con la narrazione piuttosto che sul realismo visivo. Inoltre, sono necessari investimenti in programmi di rafforzamento della fedeltà e soluzioni di coinvolgimento personalizzate per trasformare la soddisfazione dei consumatori in comportamenti duraturi.

Introduzione

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

L'endorsement delle celebrità rimane ampiamente utilizzato e le aziende adottano sempre più celebrità virtuali sui canalidei media digitali 1. I progressi nell'IA e nelle tecnologie correlate hanno diversificato le forme delle celebrità virtuali e migliorato la scalabilità e l'interazione2.

Le celebrità virtuali sono ibridi di personaggi virtuali e celebritàtradizionali 3 e sono definite qui come persona create digitalmente che ottengono riconoscimento pubblico e attaccamento duraturo attraverso interazioni narrativericorrenti 3,4. Questo studio si concentra sulle celebrità virtuali audiovisive nel marketing digitale rivolto al consumatore. Sebbene le aziende si affidino sempre più a esse per influenzare il comportamento deiconsumatori 5, la ricerca ha prestato poca attenzione a come le esperienze delle celebrità virtuali si traducano in soddisfazione, fedeltà e intenzione d'acquisto.

Lavori precedenti hanno esaminato prospettive comportamentali, cognitive eaffettive 4, enfatizzando credibilità e autenticità 6,7, autenticitàpercepita 8, divulgazionedell'identità 9, qualità delle informazioni10 e risposte emotive11. Gli studi hanno inoltre evidenziato segnali di attrattività come aspetto, voce e qualitàdei contenuti 12, ma spesso non spiegano come questi fattori influenzino i risultati per iconsumatori 13,14. Di conseguenza, le valutazioni favorevoli non si traducono costantemente in intenzione d'acquisto, e le evidenze sul rapporto soddisfazione–acquisto rimangono contrastanti.

Per colmare questa lacuna, questo studio esamina come aspetto, voce e qualità dei contenuti plasmino soddisfazione, fedeltà e intenzione d'acquisto, testando la personalizzazione comemoderatore 15,16 utilizzando il framework SOR.

Questo studio contribuisce concettualizzando l'attrattiva delle celebrità virtuali come aspetto, voce econtenuto 17, chiarendo la fedeltà come meccanismo chiave che collega la soddisfazione all'intenzione d'acquisto18,19, e identificando la personalizzazione come amplificatore della relazione soddisfazione–lealtà 20.

Struttura Stimolo-Organismo-Risposta (SOR)
Il quadro SOR spiega come gli stimoli ambientali influenzino gli stati interni e le rispostecomportamentali 21 attraverso una sequenza di stimoli (S), stati organismici (O) e risposte (R). È stato ampiamente applicato in contesti come il Metaverso, il gaming, il commercio al dettaglio, la pubblicità, l'e-commerce e l'endorsement dellecelebrità 22,23,24,25,26,27,28. Tuttavia, sebbene il SOR struttura le relazioni tra attributi, valutazioni e risultati delle celebrità virtuali, non spiega completamente come le valutazioni diventino intenzioni comportamentali. Pertanto, questo studio integra il marketing relazionale e la teoria della fedeltà29 per chiarire il meccanismo soddisfazione–lealtà–intenzione di acquisto.

Le risposte dei consumatori alle celebrità virtuali sono sempre più influenzate da segnali esperienziali come l'attrattiva audiovisiva e il coinvolgimento dei contenuti 4,30. L'aspetto e la voce influenzano le prime impressioni, mentre la qualità dei contenuti sostiene l'impegno emotivo enarrativo 14,31. Sebbene questi fattori favoriscano valutazioni positive, ricerche precedenti mostrano che le percezioni favorevoli da sole potrebbero non guidare l'intenzione d'acquisto. I costrutti relazionali come lealtà e impegno sembrano trasformare esperienze positive in intenzioni comportamentali32,33. Di conseguenza, aspetto, voce e qualità dei contenuti vengono modellati come stimoli; soddisfazione e lealtà come stati organismici; e l'intenzione d'acquisto come risposta comportamentale. La lealtà è concettualizzata come impegno psicologico, e l'intenzione d'acquisto come risultato conativo.

Endorsement di celebrità
L'endorsement delle celebrità è una strategia di marketing ampiamenteutilizzata 34 in cui individui riconosciuti promuovono prodotti o servizi35. Il suo utilizzo si è espansoglobalmente 1,36,37, in particolare con l'ascesa degli influencer sui socialmedia 37. Gli influencer generati al computer sono emersi come alternative agli endorserumani 37, operando principalmente attraverso piattaformedigitali 38.

Ricerche approfondite hanno esaminato l'efficaciadell'endorsement 39,40, proponendo modelli come la credibilità della fonte41, cioèil trasferimento 35, l'attrattiva della fonteestesa 42, l'adattamento con il marchiocelebrità 43 e gli effetti del trasferimentodel processo 44. Questi quadri enfatizzano credibilità, attrattività, trasferimento simbolico di significato e congruenza del marchio45, fornendo una base per comprendere i meccanismi di endorsement in contesti virtuali.

Celebrità virtuale
Studi recenti esaminano influencer generati dall'IA, VTuber e ambasciatori virtuali di brand in ambientidigitali, sottolineando interazione, personalizzazione e autenticità. La teoria della ricchezza dei media suggerisce che media più ricchi migliorano l'efficacia dellacomunicazione 47, e i personaggi virtuali esemplificano tale ricchezza attraverso interazioni immersive emultisensoriali 48, influenzando risposte emotive esociali 49.

Sebbene "celebrità virtuale" comprenda varie personadigitali 50, questo studio si concentra su celebrità virtuali audiovisive visivamente incarnate con identità stabili e contenuti ricorrenti. Le ricerche precedenti inquadrano la loro influenza attraverso prospettive comportamentali, cognitive eaffettive 4. La ricerca comportamentale esamina il comportamento di coinvolgimento eacquisto 32,51; La ricerca cognitiva evidenzia credibilità,autenticità 8, divulgazione dell'identità 9,52 e qualità delle informazioni10; La ricerca affettiva enfatizza gli atteggiamentiemotivi 11.

Caratteristiche delle celebrità virtuali
Basandosi sulla teoria della credibilità delle sorgenti, la ricerca ha esaminato antropomorfismo, attrattiva, affidabilità, competenze e interazione parasociale in contestivirtuali 1,32,53. L'antropomorfismo influenza positivamente le rispostedei consumatori 54,55 e si allinea con il paradigma Computers Are SocialActors 56, esteso agli agentimedia 57, chatbot58 e influencer virtuali. Tuttavia, le celebrità virtuali variano nelrealismo 4, e la teoria della valle inquietante suggerisce che rappresentazioni quasi umane possano evocaredisagio 59.

I progressi tecnologici hanno spostato le celebrità virtuali verso agenti dinamici e che generano contenuti, aumentando l'importanza di attributi esperienziali come la qualità dei contenuti e l'espressività della voce. La ricerca ha esaminato la vocesintetica 14, l'aspettofacciale 13, la congruenza aspetto-voce60, l'attrattivaaudiovisiva 30 e le risposte ai volti generati al computer61.

Questo studio concettualizza l'attrattiva delle celebrità virtuali attraverso l'aspetto, la voce e i contenuti. L'attrattiva fisica influenza la valutazionesociale 62, coerente con l'effetto alone62, e si prevede aumenti la soddisfazione. La qualità dei contenuti rappresenta la dimensione narrativa ed esperienziale dell'output delle celebrità virtuali ed è concettualmente distinta dalla qualità del servizio 63,64,65.

Soddisfazione
La soddisfazione riflette la valutazione cognitiva ed emotiva dei consumatori sul fatto che le esperienze soddisfino leaspettative 66,67 ed è influenzata dalla performance percepita rispetto alleaspettative 68,69. È stato ampiamente studiato in contesti online70 ed è centrale nella valutazione delleprestazioni 71. L'attrattività influenza la soddisfazione negli ambientidi servizio 72,73, e l'attrattiva vocale ha mostrato effetti simili74. Di conseguenza, l'aspetto, la voce e la qualità dei contenuti dovrebbero plasmare la soddisfazione nei contesti delle celebrità virtuali.

Di conseguenza, vengono proposte le seguenti ipotesi:
H1: L'attrattiva estetica delle celebrità virtuali influenza positivamente la soddisfazione dei consumatori.
H2: L'attrattiva vocale delle celebrità virtuali influenza positivamente la soddisfazione del consumatore.
H3: La qualità dei contenuti delle celebrità virtuali influenza positivamente la soddisfazione dei consumatori.

Lealtà
In questo studio, la lealtà è concettualizzata come fedeltà attitudinale, che riflette l'impegno psicologico e il legame del consumatore con la celebrità virtuale piuttosto che un comportamento ripetutoreale 19,33. La lealtà rappresenta la volontà di mantenere la relazione nonostante lebarriere 75 ed è stata ampiamente esaminata come risultato della soddisfazione in contestionline 67,76, turismo77 e VTuberendorsement contest 33. Di conseguenza, viene proposta la seguente ipotesi:
H4: La soddisfazione dei consumatori verso le celebrità virtuali influenza positivamente la fedeltà verso le celebrità virtuali.

Intenzione d'acquisto sui prodotti e servizi sponsorizzati da celebrità virtuali
L'intenzione di acquisto riflette la probabilità e la prontezza del consumatore ad acquistare un prodotto o servizio 67,78,79 ed è influenzata da fattori come soddisfazione, fiducia, lealtà e piacere 78. È stato dimostrato che la fedeltà predice fortemente l'intenzione d'acquisto80. In contesti di celebrità virtuali, la ricerca ha esaminato gli effetti dell'intenzione d'acquisto 8,52 e il ruolo mediatore della soddisfazione tra attrattività e intenzione d'acquisto81,82. Di conseguenza, vengono proposte le seguenti ipotesi:
H5a: La soddisfazione del consumatore influenza positivamente l'intenzione d'acquisto indirettamente attraverso la fedeltà.
H5b: La relazione diretta tra soddisfazione e intenzione d'acquisto non è significativa quando la lealtà è inclusa nel modello.
H6: La fedeltà dei consumatori verso le celebrità virtuali influenza positivamente l'intenzione di acquisto.

Personalizzazione (servizio personalizzato)
L'interattività ha origine dalla sociologia e si riferisce alla comunicazione basata sulle relazioni83, spesso resa possibile tramite la tecnologia84. L'IA ha rafforzato il marketing interattivo attraverso servizipersonalizzati 46, rendendo la personalizzazione centrale per l'efficacia del marketingdigitale 85. La personalizzazione consiste nel personalizzare contenuti o interazioni per individui per migliorare i risultati86 e supportare il coinvolgimento e la co-creazione di valore87. I progressi nei big data e nelle tracce digitali permettono alle aziende di personalizzare la comunicazione utilizzando storie comportamentali e informazioni auto-divulgate sugli utenti 88,89,90.

Studi precedenti mostrano che la personalizzazione modera relazioni chiave come qualità–soddisfazione91, fiducia–soddisfazione16 e adozione della tecnologia secondo le preoccupazioni sulla privacy92, così come altri percorsi relazionali 24,25,26,27. In questo studio, la personalizzazione viene trattata come un moderatore contestuale che plasma come soddisfazione e fedeltà si traducono in risultati legati all'acquisto. Vengono proposte le seguenti ipotesi:
H7a: La personalizzazione percepita rafforza il rapporto tra soddisfazione e lealtà.
H7b: La personalizzazione percepita rafforza il rapporto tra soddisfazione e intenzione d'acquisto.
H7c: La personalizzazione percepita rafforza il rapporto tra lealtà e intenzione d'acquisto.

Modello concettuale di ricerca
La Figura 1 presenta il modello concettuale fondato sul quadro stimolo–organismo–risposta: aspetto, voce e contenuto (stimoli) influenzano soddisfazione e lealtà (organismo), con l'intenzione d'acquisto (risposta) che nasce principalmente dalla lealtà. La personalizzazione rafforza la relazione soddisfazione–lealtà ed è modellata come moderatrice di percorsi strutturali selezionati.

figure-introduction-1
Figura 1: Modello di ricerca basato sul quadro stimolo–organismo–risposta. Modello concettuale che illustra le relazioni tra attributi delle celebrità virtuali (aspetto, voce e qualità del contenuto) come stimoli, variabili organismiche (soddisfazione e lealtà) e esito comportamentale (intenzione d'acquisto). La personalizzazione è modellata come un moderatore della relazione soddisfazione–lealtà. Vengono rappresentati effetti indiretti attraverso la lealtà. Nota. CAA = Attrattiva dell'aspetto caratteristico; CVA = Attrattività vocale caratteristica; CCA = Attrattività caratteristica del contenuto; LO = lealtà; PE = Personalizzazione; PI = Intenzione di Acquisto; SA = Soddisfazione. Clicca qui per visualizzare una versione più grande di questa figura.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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

Lo studio ha ottenuto l'esenzione dalla revisione etica completa secondo le linee guida istituzionali per il rischio minimo, poiché ha coinvolto un sondaggio online anonimo senza informazioni personali identificabili. All'inizio del sondaggio è stato presentato un modulo di consenso informato che descriveva lo scopo dello studio, la partecipazione volontaria, l'anonimato e l'uso dei dati, e sono stati presentati solo i partecipanti consenzienti.

1. Determinazione della dimensione del campione

Il campione finale (N = 249) è stato determinato sulla base dei requisiti statistici di potenza per PLS–SEM. Il numero massimo di predittori per un singolo costrutto endogeno era sei (tre caratteristiche della celebrità virtuale e tre variabili di controllo per la soddisfazione; soddisfazione, termine di interazione e controlli per la lealtà). L'analisi di potenza ha indicato che rilevare una dimensione d'effetto media (f2 = 0,15) a α = 0,05 e 0,80 di potenza richiedeva circa 97 osservazioni. La dimensione del campione raggiunta ha superato questa soglia, garantendo un adeguato potere per analisi strutturali, di mediazione e di moderazione.

2. Reclutamento e selezione dei partecipanti

I partecipanti sono stati reclutati tramite una commissione di ricerca online utilizzando campionamenti non probabilistici intenzionali per garantire un'esperienza precedente con celebrità virtuali. L'idoneità era limitata a persone di età pari o superiore a 18 anni. Sono stati inclusi i punti di screening e controllo dell'attenzione, ed è stata esclusa le risposte non valide. La raccolta dei dati si concluse una volta raggiunta la dimensione target del campione.

3. Definizione standardizzata e istruzioni per il sondaggio

Ai partecipanti è stata fornita una definizione standardizzata di celebrità virtuali come persona audiovisive create digitalmente con identità visiva, voce e contenuti narrativi ricorrenti stabili. È stato istruito a rispondere in base alle loro esperienze reali.

4. Sviluppo e amministrazione degli strumenti di rilevamento

Le scale di misura validate sono state adattate al contesto della celebrità virtuale (Tabella 1), dove tutti i costrutti sono stati misurati utilizzando scale di Likert a 7 punti (1 = fortemente in disaccordo; 7 = fortemente d'accordo). Il questionario includeva sezioni su aspetto, voce, qualità dei contenuti, soddisfazione, fedeltà, personalizzazione, intenzione di acquisto e demografia. I controlli della piattaforma impedivano invii duplicati.

Tabella 1: Elementi di misurazione e fonti. Gli elementi di misurazione utilizzati per ogni costruzione includono l'attrattiva dell'aspetto, l'attrattiva della voce, la qualità dei contenuti, la soddisfazione, la fedeltà, la personalizzazione e l'intenzione d'acquisto. Sono fornite fonti di adattamento delle scale. Clicca qui per scaricare questa tabella.

5. Preparazione e pulizia dei dati

I dati venivano esportati in formato CSV. Le risposte incomplete, di screening fallito e di controllo dell'attenzione fallite sono state rimosse. Il dataset pulito è stato importato nel software PLS–SEM per l'analisi.

6. Valutazione del modello di misurazione e strutturale

Tutti i costrutti erano specificati come riflettenti. L'affidabilità è stata valutata utilizzando l'affidabilità alfa e composita di Cronbach (≥ 0,70). La validità convergente è stata valutata utilizzando AVE (≥ 0,50), mentre la validità discriminante è stata valutata utilizzando il criterio di Fornell–Larcker e HTMT (< 0,90).

I percorsi strutturali sono stati specificati secondo il modello concettuale. La multicollinearità è stata valutata utilizzando il Fattore di Inflazione della Varianza (VIF) < 5,0. L'bootstrapping con 5.000 sottocampioni generava coefficienti di cammino, valori t, valori p, intervalli di confidenza al 95% e dimensioni degli effetti (f2).

  1. Analisi della mediazione
    La mediazione sequenziale (attributi della celebrità virtuale → soddisfazione → lealtà → intenzione d'acquisto) è stata testata utilizzando effetti indiretti bootstrappati (5.000 sottocampioni) con intervalli di confidenza del 95%.
  2. Analisi della moderazione
    I termini di interazione hanno testato gli effetti moderatori della personalizzazione. Bootstrapping, i coefficienti di moderazione stimati e le dimensioni degli effetti, e i grafici di interazione illustravano effetti condizionali.
  3. Rilevanza predittiva
    La performance predittiva è stata valutata utilizzando bende e/o procedure fuori campione. I valori di Q2_predict, RMSE e MAE sono stati confrontati con un modello di benchmark lineare. La rilevanza predittiva è stata supportata quando gli errori Q2_predict > 0 e PLS erano inferiori al benchmark.
  4. Segnalazione e verifica
    Tutti i risultati di affidabilità, validità, struttura, mediazione, moderazione e predittivi sono stati raccolti per la segnalazione. Gli output venivano confrontati con quelli del software per garantire accuratezza e coerenza.

7. Risoluzione dei problemi e modifiche

Se i fallimenti di screening erano elevati, i criteri di idoneità e le istruzioni venivano perfezionati. Se affidabilità (CR < 0,70) o AVE (< 0,50) cadevano sotto le soglie, gli indicatori con scarso rendimento venivano rimossi mantenendo la coerenza teorica. Le questioni di multicollinearità (VIF sopra i limiti) sono state affrontate rivalutando le specifiche dei costrutti. Se gli effetti di mediazione o moderazione non erano significativi, la dimensione del campione o l'operativizzazione venivano rivalutate. Bootstrapping utilizzò 5.000 sottocampioni per garantire stime stabili.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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

La Tabella 2 riassume le caratteristiche demografiche del campione finale (N = 249), inclusi genere, età, livello di istruzione e frequenza di interazione con celebrità virtuali. Il campione mostrava una rappresentazione di genere equilibrata (52,6% femmine) ed era composto principalmente da adulti giovani a mezza età con un livello di istruzione relativamente elevato. La frequenza di coinvolgimento era concentrata nella fascia settimanale-mensile, con meno utenti al gio...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

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

Questo studio esamina come le caratteristiche delle celebrità virtuali influenzino soddisfazione, lealtà e intenzione d'acquisto all'interno di un quadro SOR, con la personalizzazione come moderatore. Emergono tre intuizioni chiave: la qualità dei contenuti è il principale fattore di soddisfazione rispetto all'aspetto e alla voce; la soddisfazione influenza l'intenzione d'acquisto solo indirettamente attraverso la lealtà (mediazione solo indiretta); e la personalizzazione rafforza la rel...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

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

Gli autori dichiarano di non esserci conflitti di interesse.

Ringraziamenti

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

Questo lavoro è stato finanziato dalla ricerca dell'Università aSSIST.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Qualtrics
Versione: N/A		Qualtrics, LLCN/ACodifica dei sondaggi, https://www.qualtrics.com/
Prolific
Versione: N/A		ProlificoN/AFornitore online di pannelli per sondaggi, https://www.prolific.com/
SmartPLS
Versione: 4.0.1		SmartPLS GmbHN/AAnalisi PLS-SEM, https://www.smartpls.com/
Versione: 5.2 di ChatGPT
: 5.2		OpenAIN/AMigliorare la leggibilità e il controllo grammaticale, https://www.chatgpt.com/

Riferimenti

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

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Qualit dei contenutiSoddisfazione del consumatoreFedelt del clienteEffetti della personalizzazioneAnalisi di mediazionePerformance predittiva

Articoli correlati