Artykuł badawczy

Wykorzystanie Modelu Akceptacji Technologii do zrozumienia przyjęcia wpływowych wirtualnych postaci przez użytkowników: rola postrzeganej autentyczności i antropomorfizmu

DOI:

10.3791/70018

⸱

3 lipca 2026

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

W tym artykule

Podsumowanie

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

Niniejsze badanie stosuje rozszerzony Model Akceptacji Technologii w celu zbadania przyjęcia wpływowych osób wirtualnych na platformach z krótkimi filmami, wykazując, że postrzegana przydatność, łatwość użycia, autentyczność i antropomorfizm znacząco wpływają na postawy użytkowników i intencje behawioralne, przy użyciu danych z ankiety przeanalizowanych za pomocą PLS-SEM.

Streszczenie

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

Wirtualni Influencerzy (WI) stają się coraz bardziej kluczowymi graczami w aplikacjach do krótkich filmów, takich jak TikTok, YouTube Shorts i Instagram Reels. Podczas gdy wcześniejsze badania eksplorowały WI pod kątem antropomorfizmu, autentyczności i interakcji konsumentów, większość wcześniejszych prac koncentrowała się na zbiorach danych z Instagrama lub analizie treści bez stosowania systematycznego modelu zachowania. Aby zapobiec tym ograniczeniom, niniejsze badanie wykorzystuje Model Akceptacji Technologii (TAM) do zbadania, jak Postrzegana Przydatność (PU) i Postrzegana Łatwość Użycia (PEOU) wpływają na Postawę użytkowników i Intencję Zachowania w stosunku do obserwowania lub interakcji z WI na platformach z krótkimi filmami. Badanie proponuje Postrzeganą Autentyczność i Antropomorfizm jako zmienne moderujące, rozszerzając TAM w celu uchwycenia psychologicznych i społecznych dynamiki. Opracowano koncepcyjny model integrujący TAM z tymi moderatorami. Dane zebrano poprzez ankietę internetową przeprowadzoną na 350 użytkownikach platform z krótkimi filmami, którzy byli eksponowani na edytowane treści WI i zmierzyli za pomocą skali Likerta zweryfikowanych instrumentów. Uczestnicy najpierw byli eksponowani na standaryzowane stymulatory wideo WI, a następnie wypełnili strukturalizowany kwestionariusz przeprowadzony za pośrednictwem platformy ankietowej. Zbiór danych został przeanalizowany za pomocą modelowania równan strukturalnych z wykorzystaniem metody najmniejszych kwadratów częściowych (PLS-SEM), aby ocenić wiarygodność pomiaru, relacje strukturalne i efekty moderujące. Przed analizą, zbiór danych został przesiębiony pod kątem niekompletnych odpowiedzi, brakujących wartości i niekonsekwencji w odpowiedziach. Wyniki potwierdzają zastosowanie TAM w kontekście WI. PEOU pozytywnie wpłynęło na PU (β = 0.46, p < 0.001), PU znacząco wpływało na Postawę (β = 0.39, p < 0.001), a Postawa mocno przewidywała Intencję Zachowania (β = 0.58, p < 0.001). Postrzegana Autentyczność wzmacniała relację między PU i Postawą oraz między Postawą a Intencją Zachowania, podczas gdy Antropomorfizm zwiększał wpływ zarówno PU jak i PEOU na Postawę. Wskaźniki dopasowania modelu (R2 = 0.64 dla Postawy; R2 = 0.57 dla Intencji Zachowania) wskazują na silną moc wyjaśniającą. Te wyniki wspierają rozszerzony TAM w wyjaśnianiu przyjęcia wirtualnych influencerów na platformach z krótkimi filmami.

Wprowadzenie

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

W ostatnich latach influencerzy w mediach społecznościowych (SMIs) zdobyli znaczne grono zwolenników, udostępniając aspekty swojego życia, wiedzy, produktów i marek na platformach społecznościowych1,2. Wirtualni Influencerzy (VI) przyciągnęli znaczną uwagę zarówno środowisk akademickich, jak i biznesowych jako nowatorskie podejście do promowania dóbr i usług na platformach takich jak Instagram, Facebook i TikTok3. W przeciwieństwie do ludzkich influencerów (HI), VI nie są prawdziwymi osobami, lecz postaciami generowanymi komputerowo, opracowanymi przez zespoły projektantów, aby naśladować ludzki wygląd i zachowanie lub przypominać animowanych persona4. Ze względu na swoje silne zdolności angażowania, wiele marek korzysta z VI w marketingu influencerów, albo poprzez współpracę, albo tworząc własne VI5. W rezultacie znane marki, takie jak BMW, współpracowały z VI jak Lil Miquela, aby zwiększyć zaangażowanie klientów i wpływać na decyzje zakupowe.

Wraz z rosnącym wpływem na osoby, których dotyczy SMI, marketing influencerów również się rozwija6. Influencer Marketing Hub raportuje, że liczba firm specjalizujących się w usługach marketingu influencerów wzrosła o 26% w 2021 roku i przewiduje się, że globalnie osiągnie 18 9007. Jedną z najbardziej zauważalnych nowych kategorii SMI są “3D, postacie generowane komputerowo”, zdolne do naśladowania ludzkiego zachowania i wyglądu8,9,10. VI szybko zyskały popularność wśród konsumentów i są coraz częściej postrzegane jako wiarygodni kreatorzy trendów porównywalni z ludzkimi influencerami11. Między 2017 a 2019 rokiem liczba VI na platformach społecznościowych wzrosła z 27 do 12512. Wraz ze wzrostem popularności, VI zaczęły współpracować z międzynarodowymi markami12. VI stanowią przekonującą alternatywę, która łączy zalety ludzkich influencerów z większą kontrolą nad wyglądem i przekazem13.

Bardzo innowacyjnym rozwojem w tej dziedzinie jest pojawienie się wirtualnych influencerów jako jednostek w mediach społecznościowych, które są częściowo lub całkowicie sztuczne (np. skomputeryzowane 3D autawy), ale zdolne do tworzenia treści podobnych do ludzkich influencerów. Ich szybki wzrost przyciągnął uwagę naukowców, chociaż istniejące badania są ograniczone14. Aby zapełnić tę lukę, niniejsze badanie rozważa interakcje paraspołeczne (PSI), definiowane jako reakcje poznawcze, afektywne i behawioralne na postacie medialne15. Poprzednie badania badały PSI porównując reakcje odbiorców na humanoidalnych i wirtualnych influencerów o podobnych cechach.

Ostatnie badania zbadali różnice między VI a ludzkimi influencerami w kształtowaniu percepcji użytkowników, szczególnie w środowiskach wideo społecznościowych. Dowody sugerują, że poparcie VI może wpływać na percepcję produktu (np. poprawa skojarzeń z luksusem) i może konkurować z ludzkimi influencerami o postrzeganą przydatność i wiarygodność. Jednak identyfikacja z ludzkimi influencerami pozostaje silniejsza, podkreślając lukę autentyczności, która wpływa na decyzje przyjęcia w kontekście krótkich filmów16,17,18. Badania ilościowe konsekwentnie identyfikują PU i PEOU jako kluczowe predyktorzy intencji behawioralnych, często uzupełnione o konstrukty takie jak przyjemność, obecność społeczna i zaangażowanie w społeczności, wzmacniające zastosowanie TAM w tym zakresie19,20.

Rosnącej liczbie badań bezpośrednio dotyczy autentyczności w kontekście VI. Zarówno badania jakościowe, jak i ilościowe wskazują, że postrzegana autentyczność znacząco wpływa na zaufanie, zaangażowanie i przekonywanie. Czynniki takie jak ujawnienie AI i podobieństwo do człowieka wpływają na wiarygodność i reakcje użytkowników21,22. Dodatkowe badania pokazują, że wskazówki “heuristiki maszynowej” mogą zmniejszać postrzeganą autentyczność, gdy użytkownicy rozpoznają źródło AI, co wzmacnia autentyczność jako krytyczną warunkową granicę akceptacji23–25. Przeglądy antropomorfizmu dalece podkreślają jego teoretyczną rolę jako moderatora, który może wzmacniać lub osłabiać relacje TAM poprzez mechanizmy takie jak obecność społeczna i zaufanie26.

Podobnie model Stymulacji–Organizmu–Respons (SOR) został zastosowany do badania, jak antropomorficzne wskazówki i bodźce społeczne wpływają na akceptację systemów sterowanych przez AI użytkowników27. SOR jest szczególnie skuteczny w rejestrowaniu rzeczywistych emocjonalnych re

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

To studium zostało zatwierdzone przez Komitet Etyki Badań AzmanHashim International Business School, UniversitiTeknologi Malaysia, Kuala Lumpur, Malezja (Numer zatwierdzenia: UTM.AHIBS/REC/2025/012). Wszystkie procedury były zgodne ze standardami etycznymi instytucji oraz zasadami Deklaracji Helsińskiej. Pisemną zgodę na udział w badaniu uzyskaono od wszystkich uczestników przed rozpoczęciem zbierania danych. Uczestnicy zostali poinformowani o celach badania, dobrowolnym charakterze ich uczestnictwa, poufności ich odpowiedzi oraz prawie do wycofania się z badania w dowolnym momencie bez konieczności ponoszenia kar. Pisemną zgodę uzyskaono również na używanie anonimizowanych danych z ankiet w publikacji akademickiej. W niniejszym artykule nie zawarto żadnych danych osobowych ani poufnych informacji.

Wykorzystany w niniejszym badaniu proces badań metodologicznych, który służył do zbadania przyjęcia wpływowych wirtualnych osobowości w krótkich platformach wideo, przedstawiono na Rysunku 2. Procedura badania przeprowadzona została w sposób sekwencyjny, obejmujący przygotowanie bodźców, ekspozycję uczestników, przeprowadzenie ankiety, przetwarzanie danych oraz analizę statystyczną. Uczestnicy byli po raz pierwszy eksponowani na starannie dobrane bodźce wirtualnych influencerów w krótkich platformach wideo, takich jak TikTok, YouTube Shorts i Instagram Reels. Aby uchwycić kluczowe konstrukty Modelu Akceptacji Technologii (MAT), w tym postrzeganą łatwość użycia (PEOU), postrzeganą przydatność (PU), postawę (ATT) i intencję behawioralną (BI), odpowiedzi ankietowe były zbierane za pomocą zweryfikowanych skal Likerta. Zebrane dane były następnie przetwarzane, w tym oczyszczanie danych oraz oceny ważności i niezawodności, aby zapewnić jakość danych.

Rozszerzona struktura MAT, zawierająca zmienne moderujące, została zastosowana do wyrafinowanego zestawu danych. Konkretnie, antropomorfizm (ANTH) moderuje relacje między PEOU → ATT oraz PU → ATT, podczas gdy postrzegana autentyczność (PA) moderuje relacje między PU → ATT oraz ATT → BI. Te efekty moderujące są wyraźnie modelowane jako interakcje na ścieżkach strukturalnych. Na koniec, model pomiarowy, relacje strukturalne oraz efekty moderujące zostały ocenione za pomocą Modelowania Równaniom Strukturalnych z Mniejszymi Kwadratami Częściowymi (PLS-SEM). Wyniki dostarczają kompleksowej i systematycznej analizy zachowania przyjmowania przez użytkowników wirtualnych influencerów na krótkich platformach wideo, podkreślając zarówno bezpośrednie relacje (PEOU, PU → ATT → BI) jak i efekty moderujące.

Metodologia i projekt badania
Metodologia została opracowana w trzech fazach: rozwój koncepcyjnego ujęcia teoretycznego, zbieranie danych i analizy empiryczne.

Rozwijanie koncepcyjnego ujęcia teoretycznego
W tej fazie opracowano ujęcie teoretyczne poprzez rozszerzenie Modelu Akceptacji Technologii (MAT) o dwie moderatory społeczno-psychologiczne dotyczące wirtualnych influencerów: postrzeganą autentyczność i antropomorfizm. Model zakłada, że PEOU wpływa na PU, podczas gdy PU i PEOU wspólnie wpływają na postawę, która z kolei wpływa na intencję behawioralną (Rysunek 3).

Zbieranie danych
Dane empiryczne zebrano za pomocą ankiety online, przeprowadzonej na 350 użytkownikach platform wideo w krótkiej formie, takich jak TikTok, YouTube Shorts i Instagram Reels. Uczestnikom poproszono o obejrzenie standaryzowanych filmów przedstawiających popularnych wirtualnych influencerów. Zebrano dane na temat konstrukcji MAT i zmiennych moderujących. Zmiennymi kontrolnymi były cechy demograficzne i charakterystyki użytkowania. Przestrzegano zasad etycznych.

Analiza empiryczna
Dane analizowano za pomocą dwustopniowego modelowania równań strukturalnych z mniejszymi kwadratami częściowymi (PLS-SEM). Ważność i niezawodność oceniono na podstawie ładunków czynnikowych, alfy Cronbacha, niezawodności złożonej, wskaźnika średniej wariancji wyciągniętej (AVE), kryterium Fornella-Larckera i współczynnika heterotrait-monotrait (HTMT). Bootstrapping z 5000 ponownymi próbami został zastosowany do testowania ścieżek strukturalnych i efektów moderujących, walidując model TAM z autentycznością i antropomorfizmem jako moderatorami.

Formułowanie modelu strukturalnego
Studium rozszerza model TAM poprzez uwzględnienie aspektów społeczno-emocjonalnych wirtualnych influencerów na krótkich platformach wideo. Oprócz tradycyjnych konstrukcji (PU, PEOU, ATT, BI) dodano dwie zmienne moderujące – postrzeganą autentyczność i antropomorfizm – aby reprezentować wymiary psychologiczne wiarygodności i podobieństwa do ludzi, odpowiednio.

Na poziomie pomiarowym wszystkie utajone konstrukty (PEOU, PU, ATT, BI, PA, ANTH) są definiowane refleksyjnie, z wieloma elementami ankiety obciążającymi każdy utajony czynnik39. Model pomiarowy jest wyrażany jako:

figure-protocol-1   (1)

gdzie xj był obserwowanym wskaźnikiem, η był utajonym konstruktem, λj było

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

W sumie 350 użytecznych odpowiedzi uzyskanych zostało od aktywnych użytkowników aplikacji do krótkich filmów (Instagram Reels, YouTube Shorts i TikTok). Dane zostały przeanalizowane za pomocą częściowo liniowych modeli równań strukturalnych (PLS-SEM) w SmartPLS 4.0, po przetwarzaniu wstępnym i wykluczeniu niekompletnych odpowiedzi. Takie podejście umożliwiło ocenę zarówno modeli pomiarowych, jak i strukturalnych, a także efektów moderujących.

Wyniki potwierdziły poprawność zaproponowanego rozs...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

Aby zweryfikować konstrukty, model pomiarowy został oceniony pod kątem niezawodności, trafności zbieżnej i trafności rozróżniającej39,40. Wyniki badania dostarczają ważnych informacji na temat czynników wpływających na przyjęcie Wirtualnych Influencerów (WI) na platformach z krótkimi filmami. Wyniki wskazują, że zarówno czynniki technologiczne (Postrzegana Przydatność i Postrzegana Łatwość Użycia) jak i psychologiczne (Postrzegana Autentyczność i Antropomorfizm) ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy deklarują brak konfliktów interesów.

Podziękowania

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

Autorzy z wdzięcznością zwracają uwagę na wsparcie instytucjonalne The AzmanHashim International Business School, UniversitiTeknologi Malaysia oraz College of Innovation and Entrepreneurship, Sichuan Tourism University, za zapewnienie zasobów i wytycznych akademickich podczas tej pracy badawczej. Ta praca badawcza była finansowana przez Fundusz Projektu Rozwoju Kuchni Syczuańskiej (CC24G18).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
System komputerowy (PC/Laptop)Generyczny (HP/Dell/Lenovo lub odpowiednik)N/AUżywany do zbierania i analizowania danych
Google FormsGoogle LLCN/A / https://forms.google.comUżywany do projektowania ankiet i zbierania danych
Instagram ReelsMeta Platforms Inc.N/A / https://www.instagram.com/reels/Platforma dla wirtualnych stymulacji wideo influencerów
Połączenie internetoweLokalny dostawca usług internetowychN/AWymagane do dostępu do ankiety i platform
Microsoft ExcelMicrosoft Corporation365 / https://www.microsoft.com/excelUżywany do przetwarzania i organizowania danych
PythonPython Software Foundation3.x / https://www.python.orgUżywany do opcjonalnego przetwarzania i obsługi danych
SmartPLSSmartPLS GmbH4.0 / https://www.smartpls.comUżywany do analizy PLS-SEM w tym HTMT, Q² (blindfolding) i f² wielkości efektu
TikTokTikTok Inc.N/A / https://www.tiktok.comPlatforma dla wirtualnych stymulacji wideo influencerów
Wirtualne klipy wideo influencerówZestaw danych wygenerowany przez autoraN/AStandaryzowane stymulacje wideo prezentowane uczestnikom
YouTube ShortsGoogle LLCN/A / https://www.youtube.com/shortsPlatforma dla wirtualnych stymulacji wideo influencerów

Bibliografia

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

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

In ynieriaNumer 233Numer 233Ten miesi c w JoVENumerKr tkie wideoPLS SEM

Powiązane artykuły