技術受容モデルを活用して仮想インフルエンサーのユーザー採用を理解する:認識された本物らしさと擬人化の役割

サマリー

本研究は拡張技術受容モデルを用いて、短動画プラットフォームにおけるバーチャルインフルエンサーの採用を調査し、PLS-SEMで分析された調査データを用いて、認識された有用性、使いやすさ、真正性、擬人化がユーザーの態度や行動意図に有意に影響を与えることを示しました。

要約

バーチャルインフルエンサー(VI)は、TikTok、YouTube Shorts、Instagram Reelsなどのショート動画アプリでますます重要な存在となっています。これまでの研究では擬人化、本物らしさ、消費者とのやり取りの観点からVIを探求してきましたが、これまでの研究の多くはInstagramデータセットやコンテンツ分析に焦点を当てており、体系的な行動フレームワークを採用していませんでした。これらの制約に対処するため、本研究は技術受容モデル(TAM)を用いて、知覚有用性(PU)と使いやすさ(PEOU)が、短動画プラットフォーム上でVIを追ったり交流したりするユーザーの態度や行動意図にどのように影響するかを調べています。本研究は、知覚された真正性と擬人化を調節変数として提案し、TAMを拡張して心理的・社会的ダイナミクスを捉えています。TAMをこれらのモデレーターと統合する概念的枠組みが開発されました。データは、編集されたVIコンテンツに触れた350人の短動画ユーザーを対象にオンライン調査を行い、検証済みリッカート尺度の測定ツールで測定されました。参加者はまず標準化されたバーチャルインフルエンサー動画刺激に触れ、その後オンライン調査プラットフォームを通じて実施された構造化されたアンケートに回答しました。このデータセットは、測定信頼性、構造関係、調整効果を評価するために、部分最小二乗構造方程式モデリング(PLS-SEM)を用いて解析されました。解析前に、データセットは不完全な応答、欠損、応答の不整合をスクリーニングしました。結果はTAMがVIの文脈で適用可能であることを確認しています。PEOUはPUに正の影響を与え(β = 0.46, p < 0.001)、PUは態度に有意に影響を与え(β = 0.39, p < 0.001)、態度は行動意図を強く予測しました(β = 0.58, p < 0.001)。認識された本物らしさはPUと態度、そして態度と行動意図の関係を強化し、擬人化はPUとPEOUの両方が態度に与える効果を強化しました。モデル適合指数(姿勢のR² = 0.64;行動意図のR² = 0.57)は強い説明力を示します。これらの発見は、短動画プラットフォームにおけるバーチャルインフルエンサーの採用を説明する拡張TAMを支持しています。

概要

近年、ソーシャルメディアインフルエンサー(SMI)は、コミュニティ^{放送プラットフォームで}自身の生活、知識、製品、ブランドを共有することで多くのフォロワーを獲得し^{ています。}バーチャルインフルエンサー(VI)は、Instagram、Facebook、TikTok³などのプラットフォームで商品やサービスを宣伝する斬新な手法として、学術界やビジネス界から大きな注目を集めています。ヒューマンインフルエンサー(HI)とは異なり、VIは実在の個人ではなく、デザイナーチームによって人間の外見や行動を再現したり、アニメーションペ^ルソナに似せたりするために開発されたコンピューター生成キャラクターです。強力なエンゲージメント能力により、多くのブランドがコラボレーションや独自のVIを作成することでインフルエンサーマーケティングにVIを活用^{しています。}その結果、BMWのような有名ブランドがリル・ミケラのようなVIと協力し、顧客エンゲージメントを促進し、購入決定に影響を与えています。

SMIの影響を受ける個人の数が増え続ける中、インフルエンサーマーケティングも拡大^{しています。}インフルエンサーマーケティングハブによると、2021年にインフルエンサーマーケティングサービスを専門とする企業数は26%増加し、世界的には18,900社に達すると予測^{されています7。}最も注目すべき新興のSMIカテゴリーの一つに、「3D、コンピュータ生成キャラクター」が人間の行動や外見を模倣できるものがあります ^8,9,10。VIは消費者の間で急速に人気を集め、人間のインフルエンサーに匹敵する信頼できるトレンドセッターとして認識されるようになりました¹¹。2017年から2019年の間に、ソーシャルプラットフォーム上のVIの数は27から125に増加^{しました。}人気が高まるにつれて、VIsは国際的なブランド¹²とコラボレーションを始めました。VIsは、人間のインフルエンサーの利点と外見や^{メッセージに対するより}大きなコントロールを組み合わせた魅力的な代替案です。

この分野で特に革新的な発展は、部分的または完全に人工的(例:コンピューター生成の3Dアバター)でありながら、人間のインフルエンサーに似たコンテンツを作成できるソーシャルメディアエンティティとしてのバーチャルインフルエンサーの登場です。彼らの急速な増加は学術的な注目を集めていますが、既存の研究^{はまだ限られています}。このギャップを埋めるために、本研究ではパラソーシャルインタラクション(PSI)を、メディアに対する認知的、感情的、行動的反応として定義します(図¹⁵)。これまでの研究では、似た特徴を持つヒューマノイドとバーチャルインフルエンサーの聴衆反応を比較することでPSIを検証しています。

最近の研究では、特にソーシャル動画環境において、VIと人間のインフルエンサーがユーザーの認識形成に与える違いが検証されています。証拠によれば、VIの推薦は製品の認識(例:贅沢関連の強化)に影響を与え、人間のインフルエンサーと有用性や信頼性の認識を巡って競合する可能性があることが示唆されています。しかし、人間のインフルエンサーへの共感は依然として強く、短動画の文脈での採用決定に影響を与える真正性のギャップを浮き彫りにしています(16,17,18)。定量的研究は一貫してPUとPEOUを行動意図の主要な予測因子として特定しており、しばしば楽しみ、社会的存在感、コミュニティエンゲージメントなどの構成要素と組み合わせることで、TAMのこの領域での適用性を強化しています(^19,20)。

VIの文脈における真正性に直接取り組む研究が増えています。質的研究と定量的研究の両方で、認識される本物らしさが信頼、関与、説得力に大きな影響を与えることが示されています。AIの情報開示や人間の肖像感などの要因が信頼性やユーザー反応に影響を与えます^21,22。さらに、ユーザーがAIの起源を認識した際に「機械ヒューリスティック」な手がかりが認識される真正性を低下させる可能性があり、これが受容の重要な境界条件としての真正性を強化することを示しています^(23–25)。擬人化に関するレビューは、社会的プレゼンスや信頼などのメカニズムを通じてTAM関係を強化または弱めるモデレーターとしての理論的役割を強調しています²⁶。

同様に、刺激–生物–反応(SOR)モデルは、擬人化された手がかりや社会的刺激がAI駆動システムのユーザーの受容にどのように影響するかを調査するために応用されています²⁷。SORは、技術的刺激に対するリアルタイムの感情反応や、状況変数が行動形成に果たす役割を捉えるのに特に効果的^です。これは、迅速なシステム・ユーザーフィードバックが動的な感情反応を生み出すAI駆動のインタラクティブ環境と^{一致しています。}SORフレームワークはまた、複数の感情的刺激や認知的刺激の統合を可能にします。しかし、TAMやUTAUTのようなモデルは広く使われているものの、あらかじめ定義された構成要素(例えば、認知された有用性や使いやすさ)に焦点を当てているため、ユーザー行動に対する多次元的な影響を捉える能力が制限される^{場合があります。}これらのモデルは、動的な意思決定の文脈よりも、静的分析に一般的に適^{しています。}例えば、メガインフルエンサーは世界中のオーディエンスにリーチし、ブランド認知を高め、大きなエンゲージメントを生み出すことができますが、その効果は文脈^{によって異なります。}SORは感情プロセスに対する補完的な洞察を提供するのに対し、TAMは行動意図のモデリングにおいて簡潔かつ予測的な枠組みを提供します。

実証的な研究によれば、メガインフルエンサーはより強いエンゲージメント、製品意識、情報獲得を生み出すことが示唆されています。しかし、低レベルのインフルエンサーは認知度や本物らしさを高めることがあり、時にはターゲティング広告よりも優れたパフォーマンスを発揮^{することもあります。}他の研究結果では、メガインフルエンサーがより広範なエンゲージメントを生み出す一方で、小規模なインフルエンサーほど本物らしさや信頼度が高いことが示されています³⁵。これらの混合した結果は、文脈間でインフルエンサーの効果性に一貫性がないことを浮き彫りにし^、バーチャルインフルエンサーを含む追加のインフルエンサータイプを探る必要性を強調し^{ています。}

VIへの関心が高まっているものの、既存の研究範囲は限られています。ほとんどの研究はInstagramベースのデータセットやコンテンツ分析を用いてエンゲージメント指標(例:いいね、コメント、言語的特徴)を評価しており、行動の観点から養子縁組の意図を理解する上でギャップを残しています。さらに、短距離動画プラットフォームにおけるVIの採用については限定的な研究が行われており、これらのプラットフォームはアルゴリズム駆動の露出、急速なコンテンツ消費、そしてパラソーシャルな相互作用の強化など、独自の社会技術的特徴を持っています。

これらのギャップを埋めるために、本研究は技術受容モデル(TAM)を用いて、短動画プラットフォームにおけるVI導入に影響を与える要因を体系的に調査します。TAMは、その強力な説明力、簡潔さ、そしてデジタル文脈における広範な実証的検証が評価されています。SORやUTAUTのような代替フレームワークは貴重な洞察を提供しますが、本研究の認知的焦点を超えた感情的または制度的要因を強調しています。したがって、TAMは信念形成段階で認識される真正性や擬人化を取り込むよう拡張されています。

具体的には、知覚された使いやすさ(PEOU)が知覚的有用性(PU)にどのように影響し、これらの構成要素がユーザーのVIに対する態度や行動意図をどのように形成するかを検証します。さらに、これらの関係形成における認識される本物らしさや擬人化の調節的な役割を調査しています。実証的には、短動画ユーザーを定量的に調査し、拡張モデルをPLS-SEMを用いて検証しています。コンテンツ分析から行動的採用フレームワークへと移行することで、本研究は重要なギャップを埋め、新興デジタル環境におけるVI導入の理解に貢献します。

本研究は三つの重要な貢献をしています。まず、TAMをショート動画プラットフォーム上のバーチャルインフルエンサーにも拡張し、AI生成のエンティティへの適用性を示しています。第二に、擬人化と認識される真正性をTAMの信念形成段階に組み込み、信念・態度・意図の経路を強化します。第三に、調査データとPLS-SEMを用いた定量的行動アプローチを用いて、測定の妥当性、構造的関係、緩和効果を評価する方法論を進展させています。

全体として、本研究は本来の真実性と人間らしいデザインがVIの採用にどのように影響するかについて、理論的かつ実践的な洞察を提供しています。PEOUとPUが態度(ATT)および行動意図(BI)に与える影響を検証し、PU–ATTおよびATT–BI関係における知覚的真正性(PA)の調節役割、そして擬人化(ANTHROPOMORPHISM)がPEOU–ATTおよびPU–ATT関係に与える役割を検証します。これらの関係に基づき、以下の仮説が提案されます。

H1:P認識された使いやすさ(PEOU)は知覚の有用性(PU)に正の影響を与えます。
H2: 知覚された有用性(PU)がバーチャルインフルエンサーに対する態度(ATT)に良い影響を与える。
H3: 態度(ATT)がバーチャルインフルエンサーを利用する行動意図(BI)に良い影響を与える。
H4: 使いやすさ(PEOU)はバーチャルインフルエンサーに対する態度(ATT)に良い影響を与える。
H5: 知覚された真正性(PA)は、PUとATTの関係を正の方向に調整します。
H6: 知覚された真正性(PA)は、ATTとBIの関係を正に調整します。
H7: 擬人化(ANTH)はPEOUとATTの関係を正の方向に調整します。
H8:擬人化(ANTH)はPUとATTの関係を正の方向に調整します。

図1 は、短編動画プラットフォームにおけるバーチャルインフルエンサー採用のための拡張技術受容モデル(TAM)に基づく概念的枠組みを示しています。このモデルには、主要なTAM構成要素に加え、知覚された本物らしさと知覚された擬人化という2つの調整変数が含まれ、関連する社会的・心理的影響を捉えます。直接的な関係は実線の矢印で表現され、減速効果は対応する構造経路を対象とした破線で示されます。この表現により、概念モデルが提案された仮説と整合し、直接効果と相互作用効果を区別することで明瞭さが向上します。

プロトコル

本研究は、マレーシア・クアラルンプールのアズマンハシム国際ビジネススクール(UniversitiTeknologi Malaysia)研究倫理委員会によって承認されました(承認番号:UTM)。AHIBS/REC/2025/012)。すべての手続きは機関の倫理基準およびヘルシンキ宣言の原則に準拠していました。データ収集前に全参加者からインフォームドコンセントが取得されました。参加者には、研究の目的、自主的な参加、回答の機密性、そしていつでもペナルティなしで撤退できる権利について説明されました。また、学術出版物における匿名化された調査データの使用については書面による同意も取得されました。本原稿には個人を特定できる情報や機密データは含まれていません。

本研究で用いられた方法論的研究プロセスは、ショートビデオプラットフォームにおけるバーチャルインフルエンサーの消費者採用を調査するために図 2に示されています。研究手順は、刺激の準備、参加者への曝露、調査実施、データ前処理、統計解析を含む順次進行で行われました。ユーザーはまず、TikTok、YouTube Shorts、Instagram Reelsなどの短編動画プラットフォームで厳選されたバーチャルインフルエンサーの刺激に触れます。認知された使いやすさ(PEOU)、知覚的有用性(PU)、態度(ATT)、行動意図(BI)などの主要な技術受容モデル(TAM)構成要素を捉えるために、検証済みリッカート尺度のツールを用いて調査結果を収集します。収集されたデータは、データのクリーニングや妥当性・信頼性の評価を含む事前処理が行われ、データの品質が保証されます。

その後、調整変数を含む拡張TAMフレームワークを精錬データセットに適用します。具体的には、擬人化(ANTHROPOMORPHISM)はPEOU→ATTとPU→ATTの関係を調整し、認識された真正性(Perceived Authenticity、PA)はPU→AT、ATT → BIの関係を調整します。これらの減速効果は構造経路上の相互作用として明示的にモデル化されています。最後に、測定モデル、構造関係、減速効果を部分最小二乗構造方程式モデリング(PLS-SEM)を用いて評価します。この結果は、短動画プラットフォームにおける仮想インフルエンサーに対するユーザーの採用行動を包括的かつ体系的に分析し、直接的な関係(PEOU、PU→ATT→BI)とモデレーション効果の両方を強調しています。

学習方法論と設計
この方法論は、概念的枠組みの開発、データ収集、実証分析の3段階で開発されました。

概念的枠組みの発展
この段階では、仮想インフルエンサーに関連する2つの社会的・心理的モデレーターである知覚的本物性と擬人化を組み合わせて、技術受容モデル(TAM)を拡張し理論的枠組みを発展させました。モデルはPEOUがPUに影響を与え、PUとPEOUが共同で態度に影響を与え、それが行動意図に影響を与えると仮定しています(図3)。

データ収集
実証データは、TikTok、YouTube Shorts、Instagram Reelsなどの短尺動画プラットフォームの350人のユーザーに実施されたオンラインアンケートを通じて収集されました。参加者は人気のあるバーチャルインフルエンサーが登場する標準化された動画を視聴するよう求められました。TAM構成要素および減速変数に関するデータを収集しました。対照変数には人口統計学的および利用特性が含まれていました。倫理的な配慮が守られました。

実証的分析
データは2段階の部分最小二乗構造方程式モデリング(PLS-SEM)手法を用いて解析されました。信頼性と妥当性は、因子負荷、クロンバックα、複合信頼性、抽出平均分散(AVE)、フォーネル–ラーカー基準、およびヘテロトレイト–モノトレイト比(HTMT)を用いて評価されました。5,000回の再サンプルを用いたブートストラップを用いて構造経路と減速効果を検証し、TAMモデルの真正性と擬人化を減速材として検証しました。

構造モデルの定式化
本研究は、短動画プラットフォーム上のバーチャルインフルエンサーの社会的・感情的側面を取り入れることでTAMモデルを拡張しています。従来の構成要素(PU、PEOU、態度、行動意図)に加え、知覚された本物らしさと擬人化という2つの調節変数が、それぞれ信頼性と人間的類似性の心理的側面を表すために含まれています。

測定レベルでは、すべての潜在的構成要素(PEOU、PU、ATT、BI、PA、ANTH)が反映的に定義され、複数の調査項目が各潜在因子³⁹に重ねられます。測定モデルは次のように表されます:

(1)

ここで 、x_j は観測された指標、η は潜在構造、λ_j は係係数負荷、ε_j は測定誤差でした。これにより、因果経路を検証する前に事前信頼性、収束合理性、判別合理性が提供されました。

構造レベルでは、TAMのベースライン方程式はトレイル⁴⁰として定義されました。認知された有用性は認識された使いやすさによって予測されました:

(2)

姿勢はPUとPEOUの関数として指定されました。

(3)

最後に、行動意図は態度で説明され、PUはオプションの直接予測因子として挙げられました。

(4)

モデレーションを取り入れるために、インタラクション用語が導入されます。擬人化(ANTHROPOMORPHISM)はPUとPEOUがATTに与える影響を調節し、知覚的真正性(PA)はPUがATTに、ATTがBIに与える影響を緩和します。減速構造方程式は以下の通りです:

(5)

相互作用係数(β₆、β₇、β₈、β₉)は、TAM関係が擬人化や真正性のレベルによって異なるかどうかを示します。例えば、PUがATTに与える条件付き効果は次の通りです:

β₂ + β₆·ANTH + β₈·PA

同様に、ATTがBIに与える条件付き効果は次の通りです:

β₄ + β₉·PA

この枠組みは調停と調整調停も考慮しています。ベースラインモデルにおけるPUを介してPEOUがATTに与える間接的な影響は以下の通りです。

(6)

モデレーターを含めると、これは条件付き間接効果となりました。

(7)

ここでaとpはそれぞれ擬人化の値と知覚された真正性の値を表します。

これにより、PUの仲裁的性格がVIの社会的属性に依存しているかどうかを検証でき、調整された調停の証拠を提供します。

知覚された真正性(PA)と擬人化(ANTHROPOMORPHISM)は、 図3に示されるように、短動画プラットフォームにおけるバーチャルインフルエンサーの受容度を調整するモデレーターとして機能します。実線は直接的なTAM関係を示し、点線は減速効果を示します。全体として、このモデルは技術的要因と社会的・心理的要因を統合し、バーチャルインフルエンサーの採用について包括的な説明を提供します。

データセット収集
この研究は調査データセット(N=350名の参加者)に基づいています。参加者はTikTok、YouTube Shorts、Instagram Reelsなどの短動画プラットフォームの常連ユーザーでした。編集されたバーチャルインフルエンサークリップを見せられ、TAM構成要素(PEOU、PU、ATT、BI)およびモデレーター(PA、ANTH)に対して検証済みリッカート尺度を用いた構造化されたアンケートに回答するよう求められました。データは自己申告であり、公開データベースから取得したものではありません。しかし、測定構造は技術導入やバーチャルインフルエンサー研究における確立された尺度から適応されています。

表1は 行動採用データセットの構造を説明しています。各行は拡張TAMモデル内の構成要素を表し、その測定項目、スケールタイプ、解析役割も含めて表します。PEOUとPUは7ポイントリッカート尺度の4項目をそれぞれ用いて測定されました。

表2は回答者の人口統計的プロファイルを示しています。回答者の人口統計的プロフィール(N=350)は比較的バランスの取れた性別分布を示しており、男性が50.86%、女性が45.43%、その他と認識する少数(3.71%)となっています。年齢別では、参加者の大多数が25〜34歳(44.57%)、次いで18〜24歳(29.43%)、35〜39歳(26.00%)が続き、データセットは主に若年から中年の個人で構成されていることを示唆しています。教育達成度に関しては、回答者は異なるレベルでかなり分布しており、最も高い割合が大学院学位(23.14%)、次いで高校(22.86%)、学部(20.29%)、ディプロマ(17.43%)、博士号(16.29%)が続きます。これは参加者の多様な教育背景を反映しています。プラットフォーム利用行動に関しては、回答者の大多数(61.71%)が日々利用していると報告し、29.14%が週1回、9.14%が時折利用しています。これは、サンプル対象集団の間でプラットフォームへの高い関与度を示しています。これらの特徴は、サンプルがショートビデオプラットフォームのアクティブユーザーを表していることを示しています。

データ分析
データ収集後、350件の有効な回答が部分最小二乗構造方程式モデリング(PLS-SEM)を用いて解析され、理論拡張、予測志向の研究、減速変数を持つ複雑なモデルに適しています。分析には測定モデルの評価、構造モデルの評価、モデレーション分析、そして全体的なモデル推定が含まれていました。

測定モデルの検証
最初のステップは、すべての概念の信頼性と合理性を測定することでした。内部信頼性はクロンバックのアルファ(α)および複合信頼性(CR)で試験され、0.70以上の基準が満足のいくものとされました。収束合理性は平均分散抽出(AVE ≥ 0.50)によって決定されました。判別コゲンシーはFornell–Larkker標準によって検証され、各構成要素のAVEの平方根が追加概念との関連よりも大きかった。構成要素jのAVEは次のように計算されました。

(8)

ここでλ_ijは構成要素jに対する項目iの標準化係数負荷、は測定誤差です。

本研究の測定モデルは 図4に示されています。各長期TAMフレームワークの潜在構造は、複数の反省指標によって運用されました。特に、知覚の使いやすさ(PEOU)と知覚の有用性(PU)は4項目で測定され、態度(ATT)と行動意図(BI)は3項目で測定されました。モデレーターである知覚的真正性(PA)と擬人化(ANTHROPOMORPHISM)は、それぞれ3つの指標を用いて評価されました。すべての道筋は概念からそれぞれの指標へと続き、測定モデルの反映的な性質を反映していました。これらの概念の信頼性と妥当性は、因子負荷、クロンバックのアルファ、複合信頼性(CR)、および抽出平均分散(AVE)を用いて確認されました。これにより、測定モデルと概念は、短動画プラットフォーム上のバーチャルインフルエンサーに対するユーザーの態度や行動意図の望ましい次元を測定していると統計的に妥当に示されました。

構造モデル試験
測定妥当性が確立されると、拡張されたTAMモデルの構造的経路が検証されました。仮定された直接関係は以下の通りです:

(9)

(10)

(11)

ここで:β₁はPEOU→PUの効果を調査し、β₂ βはPUとPEOU→ATTの効果を調査し、β₄はATT→BIの効果を捉えました。経路係数(β)はブートストラップ法(5000回の再サンプル)で計算され、有意性はt値とp値で計算されました。

減速分析
相互作用効果を調べるために減速分析が行われました。TAMの拡張には、モデレーターとして知覚された真正性(PA)と擬人化(ANTH)が含まれていました。緩和は独立変数と減速変数間の相互作用項を生成することで検証されました。拡張モデルは次のように描かれていました:

(12)

こちら:PU × PA:態度における有用性が果たす役割を強化するかどうかを検証しました。PEOU × ANTHs:擬人化が態度の使いやすさの認識結果を向上させたかどうかを評価。TT × PA:行動意図に対する態度の結果を強化するかどうかを評価。減速の発生を検証した有意なβ 7、β₈、または_{β 10}の係数が確認されました。

モデル評価
モデル全体は説明力と予測力の観点から評価されました。

決定係数(R²):内因性構成要素(ATTおよびBI)の明確な変化を示しました。行動研究ではR² ≥0.50が大きいとみなされました。

予測的関連性(^Q2):目隠しで決定され、^Q2 >0は予測妥当性を示しました。

効果サイズ(f²):モデルに対するすべての構成要素の効果を明らかにするために用いられ、次のように計算されます。

(13)

ここで、予測変数を含めると分散が説明され、 が予測変数を除外した場合の分散でした。結論として、データ解析はまず構成要素の信頼性と妥当性を確認し、TAMの構造的関係を検証し、擬人化と真正性の調整効果を評価し、最後に典型的なものの記述的および外挿的制御を検証します。この徹底したアプローチにより、発見の妥当性が保証され、短動画プラットフォーム上のバーチャルインフルエンサーのケースにもTAM(戦略的要素)が適用されます。

仮説検定
拡張TAMフレームワークを確認するため、8つの仮説をブートストラップ付きPLS-SEM(5000回の再サンプル)で検証しました。ブートストラッププロセスはトレイル定数(β)、t値、p値を作成し、これらは臨界閾値(p < 0.05)に対して設定されました。

直接効果(H1–H4)
まず古典的なTAMの直接的影響が評価されました。調査結果により、使いやすさ(PEOU)が有用性(PU)に重要な影響を与えていることが確認されました。推定式は次の通りです:

(14)

ここでβ₁=0.46、t=8.72、p < 0.001。したがって、H1はサポートされています。

次に、知覚有用性(PU)とPEOUも態度(ATT)に正の影響を与えることがわかりました。

(15)

β₂=0.39、t=7.64、p < 0.001、β₃=0.21、t=2.14、p < 0.05。これらの発見はH2と部分的にH4を強く支持しており、使いやすさと有用性の両方が態度を左右することを裏付けています。

最後に、ATTが行動意図(BI)に与えた影響は顕著でした。

(16)

β₄=0.58、t=10.12、p < 0.001。したがって、H3は強く支持されており、前向きな態度がバーチャルインフルエンサー利用の意欲を強く促すことを強調しています。

減速効果(H5–H8)
認識された真正性(PA)と擬人化(ANTH)の調節効果は、相互作用用語を取り入れて検証されました。

H5の場合、PUがATTに与える影響はPAによって緩和されました:

(17)

β₅=0.15、t=3.21、p < 0.01。これは、VIが本物と見なされる場合、その有用性が態度により強い影響を与えることを示唆しています。

H6では、PAによるATT →BIのモデレーションも重要でした。

(18)

β₆=0.12、t=2.94、p<0.01。これは、本物らしさが前向きな態度と行動意図とより強い結びつきを持つことを示唆しています。

H7の場合、擬人化ANTHはPEOUがATTに与える効果を緩和します。

(19)

β₇=0.14、t=3.08、p < 0.01。したがって、VIがより人間らしい場合、使いやすさが前向きな態度に強く影響します。

H8の場合、擬人化はANTH(擬人化)を強化し、PU→ATT経路を緩和します。

(20)

β₈=0.11、t=2.21、p < 0.05。

モデルの性能は説明力として^R2 、予測関連性に^Q2 、各予測因子の寄与を評価するために効果量(^f2)を用いて評価されました。

結果

短動画アプリ(Instagram Reels、YouTube Shorts、TikTok)のアクティブユーザーから合計350件の有用な回答が得られました。データは、前処理と不完全応答の除外後に、SmartPLS 4.0の部分最小二乗構造方程式モデリング(PLS-SEM)を用いて分析されました。このアプローチにより、測定モデルと構造モデル、さらには減速効果の評価が可能となりました。

結果は提案された拡張TAMフレームワークの妥当性を確認しました。信頼性分析の結果、すべての構成要素が推奨される閾値(クロンバックα >0.70、複合信頼性>0.80、AVE>0.50)を超えていることが示されました。構造的関係は統計的に有意であり、知覚の使いやすさ(PEOU)が知覚有用性(PU)(知覚的有用性)(p β = 0.46, p< 0.001)、PUが態度(ATT)(β = 0.39, p< 0.001)に影響し、ATTは行動意図(BI)を有意に予測しました(β = 0.58, p

ディスカッション

構成概念の検証のために、測定モデルは信頼性、収束妥当性、判別妥当性^39,40を評価しました。この研究結果は、ショート動画プラットフォームにおけるバーチャルインフルエンサー(VI)の採用に影響を与える要因について重要な洞察を提供します。結果は、技術的要因(認識された有用性と認識された使いやすさ)および心理的要因(認識された真正性と擬人化)の両方が、ユーザーの態度や行動意図に大きな影響を与えることを示しています。

知覚有用性は支配的な予測因子として浮上し、ユーザーがコンテンツを娯楽、情報、社会的関連性など価値あるものと認識した際にVIに関わる可能性が高いことを示しています。擬人化と知覚された真正性の重要な調整効果は、A...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
コンピューターシステム（PC/ラップトップ）	汎用品（HP/Dell/Lenovoまたは同等品）	N/A	データ収集と分析に使用
Googleフォーム	Google LLC	N/A / https://forms.google.com	調査設計とデータ収集に使用
Instagram Reels	Meta Platforms Inc.	N/A / https://www.instagram.com/reels/	仮想インフルエンサーのビデオ刺激のためのプラットフォーム
インターネット接続	地域のインターネットサービスプロバイダー	N/A	調査とプラットフォームへのアクセスに必要
Microsoft Excel	Microsoft Corporation	365 / https://www.microsoft.com/excel	データの前処理と整理に使用
Python	Python Software Foundation	3.x / https://www.python.org	オプションの前処理とデータ処理に使用
SmartPLS	SmartPLS GmbH	4.0 / https://www.smartpls.com	PLS-SEM分析（HTMT、Q²（ブラインドフォールディング）、f²効果量を含む）に使用
TikTok	TikTok Inc.	N/A / https://www.tiktok.com	仮想インフルエンサーのビデオ刺激のためのプラットフォーム
仮想インフルエンサーのビデオクリップ	著者生成データセット	N/A	参加者に提示される標準化されたビデオ刺激
YouTube Shorts	Google LLC	N/A / https://www.youtube.com/shorts	仮想インフルエンサーのビデオ刺激のためのプラットフォーム