Name: Jak cechy wirtualnej celebryty wpływają na intencję zakupu: testowanie ram bodziec-organizm-odpowiedź za pomocą modelowania równań strukturalnych (Wideo) | JoVE Journal
Uploaded: 2026-03-03T14:40:00.000+00:00
Duration: 7 min 35 s
Description: Odkryj wpływ atrybutów wirtualnych celebrytów na zachowania konsumentów przy użyciu modelowania PLS-SEM. Badanie testuje ramy SOR, analizując satysfakcję, lojalność i intencję zakupu oraz rolę personalizacji.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Prace te były wspierane przez badania z Uniwersytetu aSSIST.

Badanie kwalifikowało się do zwolnienia z pełnej oceny etycznej zgodnie z instytucjonalnymi wytycznymi o minimalnym ryzyku, ponieważ obejmowało anonimową ankietę online bez zebranych danych osobowych. Na początku ankiety przedstawiono formularz informowanej zgody opisujący cel badania, dobrowolny udział, anonimowość oraz wykorzystanie danych, a do badania przystąpili tylko uczestnicy za zgodą.
1. Określenie wielkości próby
Ostateczna próba (N = 249) została wyznaczona na podstawie wymagań statystycznych dotyczących mocy dla PLS–SEM. Maksymalna liczba predyktorów dla pojedynczej endogennej konstrukcji wynosiła sześć (trzy cechy wirtualnej celebryty i trzy zmienne kontrolne dla satysfakcji; satysfakcja, składnik interakcji oraz kontrola lojalności). Analiza mocy wykazała, że wykrycie średniego efektu (f 2 = 0,15) przy α = 0,05 i 0,80 mocy wymagało około 97 obserwacji. Osiągnięta wielkość próby przekroczyła ten próg, zapewniając odpowiednią moc do analiz strukturalnych, mediacyjnych i moderacyjnych.
2. Rekrutacja i selekcja uczestników
Uczestnicy zostali zrekrutowani za pośrednictwem panelu badawczego online, stosując celowe próbkowanie nieprawdopodobne, aby zapewnić wcześniejsze doświadczenie z wirtualnymi celebrytami. Uprawnienia były ograniczone do osób w wieku 18 lat lub starszych. Uwzględniono zadania przesiewowe i sprawdzające uwagę, a nieprawidłowe odpowiedzi wykluczono. Zbieranie danych zakończono po osiągnięciu docelowej wielkości próby.
3. Ustandaryzowane instrukcje definicji i pomiarów
Uczestnicy otrzymali ustandaryzowaną definicję wirtualnych celebrytów jako cyfrowo stworzonych audiowizualnych person, które mają stabilną tożsamość wizualną, głos i powtarzające się treści narracyjne. Zostali poinstruowani, by odpowiadać na podstawie swoich rzeczywistych doświadczeń.
4. Rozwój i administracja instrumentów pomiarowych
Zweryfikowane skale pomiarowe zostały dostosowane do kontekstu wirtualnych celebrytów (Tabela 1), gdzie wszystkie konstrukty mierzono za pomocą 7-punktowych skal Likerta (1 = zdecydowanie się nie zgadzam; 7 = zdecydowanie się zgadzam). Kwestionariusz zawierał sekcje dotyczące wyglądu, głosu, jakości treści, satysfakcji, lojalności, personalizacji, zamiaru zakupu oraz demografii. Kontrola platformy zapobiegała duplikatowi zgłoszeń.
Tabela 1: Elementy pomiarowe i źródła. Elementy pomiarowe stosowane dla każdego konstruktu obejmują atrakcyjność wyglądu, atrakcyjność głosu, jakość treści, satysfakcję, lojalność, personalizację oraz intencję zakupową. Dostępne są źródła adaptacji skali. <a href="https://www.jove.com/files/ftp_upload/70685/Table 1.xlsx" target="_blank">Prosimy kliknąć tutaj, aby pobrać tę tabelę.</a>
5. Przygotowanie i czyszczenie danych
Dane były eksportowane w formacie CSV. Usunięto niepełne, nieudane testy i nieudane odpowiedzi na sprawdzanie uwagi. Wyczyszczony zbiór danych został zaimportowany do oprogramowania PLS–SEM do analizy.
6. Pomiary i ocena modeli strukturalnych
Wszystkie konstrukcje zostały określone jako refleksyjne. Niezawodność oceniano na podstawie alfa i złożonej wiarygodności Cronbacha (≥ 0,70). Ważność zbieżności oceniono za pomocą AVE (≥ 0,50), a trafność dyskryminantną za pomocą kryterium Fornella–Larckera oraz HTMT (< 0,90).
Ścieżki strukturalne zostały określone zgodnie z modelem koncepcyjnym. Multikoliniearność oceniono za pomocą współczynnika wariancji inflacji (VIF) < 5,0. Bootstrapowanie z 5 000 podpróbek generowało współczynniki ścieżki, wartości t, wartości p, 95% przedziały ufności oraz rozmiary efektów (f2).
<ol>
	<li>Analiza mediacji Sekwencyjna mediacja (wirtualne atrybuty celebrytów → satysfakcja → lojalność → intencja zakupu) była testowana przy użyciu efektów pośrednich bootstrapped (5 000 podpróbek) z 95% przedziałami ufności.</li>
	<li>Analiza moderacji Terminy interakcji testowały moderujące działanie personalizacji. Bootstrapowanie szacowało współczynniki moderacji i rozmiary efektów oraz wykresy interakcji ilustrowały efekty warunkowe.</li>
	<li>Znaczenie predykcyjne Wyniki predykcyjne oceniano za pomocą procedur z opaską na oczy i/lub poza próbą. Q2_predict wartości RMSE i MAE zostały porównane z liniowym modelem benchmark. Trafność predykcyjna była potwierdzona, gdy błędy Q2_predict > 0 i PLS były niższe niż w benchmarku.</li>
	<li>Raportowanie i weryfikacja Wszystkie wyniki wiarygodności, trafności, struktury, mediacji, moderacji i predykcji zostały zebrane do raportowania. Wyniki były porównywane z wynikami oprogramowania, aby zapewnić dokładność i spójność.</li>
</ol>
7. Rozwiązywanie problemów i modyfikacje
Jeśli niepowodzenia w testach były wysokie, kryteria kwalifikacyjne i instrukcje były doprecyzowane. Jeśli niezawodność (CR < 0,70) lub AVE (< 0,50) spadały poniżej progów, słabo działające wskaźniki były usuwane, zachowując teoretyczną spójność. Problemy z wielokoliniearnością (VIF powyżej limitów) zostały rozwiązane poprzez ponowną ocenę specyfikacji konstrukcji. Jeśli efekty mediacji lub umiarkowania nie były istotne, ponownie oceniano wielkość próby lub operacjonalizację. Bootstrapowanie wykorzystało 5 000 podpróbek, aby zapewnić stabilne szacunki.

Autorzy deklarują brak konfliktu interesów.

Badanie to analizuje, jak cechy wirtualnej celebryty wpływają na satysfakcję, lojalność i intencję zakupową w ramach SOR, przy czym personalizacja jest moderatorem. Pojawiają się trzy kluczowe wnioski: jakość treści jest najsilniejszym czynnikiem satysfakcji w odniesieniu do wyglądu i głosu; satysfakcja wpływa na intencję zakupu tylko pośrednio poprzez lojalność (pośrednia mediacja); Personalizacja wzmacnia relację satysfakcjonująco-lojalności, ale nie wpływa bezpośrednio na intencje zakupu.
Z...

Reklama celebrytów pozostaje powszechnie stosowana, a firmy coraz częściej wdrażają wirtualnych celebrytów w kanałach mediów cyfrowych1. Postępy w AI i powiązanych technologiach zdywersyfikowały wirtualne formy celebrytów oraz poprawiły skalowalność i interakcję2.
Wirtualne gwiazdy są hybrydami wirtualnych postaci i tradycyjnych celebrytów3 i są tu definiowane jako cyfrowo stworzone persony, które osiągają publiczne uznanie i trwałe przywiązanie poprzez powtarzające się interakcje narracyjne 3,4. Niniejsze badanie koncentruje się na audiowizualnych wirtualnych celebrytach w marketingu cyfrowym skierowanym do konsumentów. Chociaż firmy coraz częściej polegają na nich w celu wpływania na zachowania konsumentów5, badania poświęcają ograniczoną uwagę temu, jak wirtualne doświadczenia celebrytów przekładają się na satysfakcję, lojalność i intencje zakupowe.
Wcześniejsze badania dotyczyły perspektyw behawioralnych, poznawczych i afektywnych4, kładąc nacisk na wiarygodność i autentyczność 6,7, postrzeganą autentyczność8, ujawnienie tożsamości9, jakość informacji10 oraz reakcje emocjonalne11. Badania podkreślały również sygnały atrakcyjności, takie jak wygląd, głos i jakość treści12, jednak często nie wyjaśniają, jak te czynniki wpływają na wyniki konsumenckie13,14. W rezultacie pozytywne oceny nie przekładają się konsekwentnie na intencję zakupu, a dowody na relację satysfakcja–zakup pozostają mieszane.
Aby wypełnić tę lukę, badanie analizuje, jak wygląd, głos i jakość treści kształtują satysfakcję, lojalność i intencję zakupu, jednocześnie testując personalizację jako moderator15,16 za pomocą ram SOR.
Badanie to przyczynia się do konceptualizacji atrakcyjności wirtualnej celebryty jako wyglądu, głosu i treści17, wyjaśniając lojalność jako kluczowy mechanizm łączący satysfakcję z intencją zakupu18,19 oraz identyfikując personalizację jako wzmacniacz relacji satysfakcjonujący–lojalnościowy20.
Ramy bodziec-organizm-odpowiedź (SOR) Ramy SOR wyjaśniają, jak bodźce środowiskowe wpływają na stany wewnętrzne i reakcje behawioralne21 poprzez sekwencję bodźców (S), stanów organizmów (O) i odpowiedzi (R). Jest szeroko stosowane w takich kontekstach jak Metaverse, gry, handel detaliczny, reklama, e-commerce oraz rekomendacja celebrytów 22,23,24,25,26,27,28. Jednak choć SOR strukturuje relacje między atrybutami, ocenami i wynikami wirtualnych celebrytów, nie wyjaśnia w pełni, jak oceny stają się intencjami behawioralnymi. Dlatego badanie integruje marketing relacji i teorię lojalności29, aby wyjaśnić mechanizm satysfakcji–lojalności–zamiaru zakupu.
Reakcje konsumentów na wirtualne celebryty są coraz częściej kształtowane przez doświadczeniowe sygnały, takie jak atrakcyjność audiowizualna i zaangażowanie w treści 4,30. Wygląd i głos wpływają na pierwsze wrażenia, natomiast jakość treści utrzymuje zaangażowanie emocjonalne i narracyjne14,31. Chociaż te czynniki sprzyjają pozytywnym ocenom, wcześniejsze badania pokazują, że same pozytywne postrzegania mogą nie wpływać na intencję zakupu. Konstrukty relacji, takie jak lojalność i zaangażowanie, zdają się przekształcać pozytywne doświadczenia w intencje behawioralne32,33. W związku z tym wygląd, głos i jakość treści są modelowane jako bodźce; satysfakcję i lojalność jako stany organizmów; a intencję zakupu jako reakcję behawioralną. Lojalność jest pojmowana jako zaangażowanie psychologiczne, a intencja zakupu jako skutek koatywny.
Rekomendacja celebrytów Celebrytowskie rekomendowanie to szeroko stosowana strategia marketingowa34, w której uznane osoby promują produkty lub usługi35. Jego użycie wzrosło globalnieo 1,36,37, szczególnie wraz ze wzrostem liczby influencerów w mediach społecznościowych37. Influencerzy generowani komputerowo pojawili się jako alternatywa dla ludzkich rekomendantów37, działając głównie za pośrednictwem platform cyfrowych38.
Szeroko zakrojone badania analizowały skuteczność poparcia39,40, proponując modele takie jak wiarygodność źródła41, czyli transfer35, atrakcyjność rozszerzonego źródła42, dopasowanie marki celebryty43 oraz efekty transferu procesu44. Te ramy kładą nacisk na wiarygodność, atrakcyjność, symboliczne przekazywanie znaczenia oraz zgodność marki45, zapewniając podstawę do zrozumienia mechanizmów poparcia w kontekstach wirtualnych.
Wirtualna gwiazda Najnowsze badania analizują influencerów generowanych przez AI, VTuberów oraz wirtualnych ambasadorów marki w środowiskach cyfrowych, kładąc nacisk na interakcję, personalizację i autentyczność. Teoria bogactwa mediów sugeruje, że bogatsze media zwiększają skuteczność komunikacji47, a postacie wirtualne są przykładem takiego bogactwa poprzez immersyjne, wielozmysłowe interakcje48, wpływając na reakcje emocjonalne i społeczne49.
Chociaż "wirtualna gwiazda" obejmuje różne cyfrowe persony50, to badanie koncentruje się na wizualnie ucieleśnionych audiowizualnych wirtualnych celebrytach o stabilnych tożsamościach i powtarzających się treściach. Wcześniejsze badania przedstawiają ich wpływ z perspektywy behawioralnej, poznawczej i afektywnej4. Badania behawioralne analizują zaangażowanie i zachowania zakupowe32,51; Badania poznawcze podkreślają wiarygodność, autentyczność8, ujawnianie tożsamości 9,52 oraz jakość informacji10; Badania afektywne kładą nacisk na postawy emocjonalne11.
Cechy wirtualnej gwiazdy Opierając się na teorii wiarygodności źródeł, badania analizowały antropomorfizm, atrakcyjność, wiarygodność, doświadczenie oraz interakcje paraspołeczne w kontekstach wirtualnych 1,32,53. Antropomorfizm pozytywnie wpływa na reakcje konsumentów54,55 i wpisuje się w paradygmat Komputery są aktorami społecznymi56, rozszerzony na agentów medialnych57, chatboty58 oraz wirtualnych influencerów. Jednak wirtualne gwiazdy różnią się realizmem4, a teoria doliny niesamowitości sugeruje, że przedstawienia bliskie ludziom mogą wywoływać dyskomfort59.
Postęp technologiczny przesunął wirtualnych celebrytów w dynamicznych, generujących treści agentów, zwiększając znaczenie cech doświadczeń, takich jak jakość treści i ekspresyjność głosu. Badania obejmowały syntetyczny głos14, wyglądtwarzy 13, zgodność wyglądu i głosu60, atrakcyjność audiowizualną30 oraz reakcje na twarze generowane komputerowo61.
Niniejsze badanie konceptualizuje atrakcyjność wirtualnej celebrytki poprzez wygląd, głos i treść. Atrakcyjność fizyczna wpływa na ocenę społeczną62, zgodnie z efektem halo62, i oczekuje się, że zwiększa satysfakcję. Jakość treści reprezentuje narracyjny i doświadczalny wymiar wirtualnych celebrytów i koncepcyjnie różni się od jakości usług 63,64,65.
Satysfakcja Satysfakcja odzwierciedla ocenę poznawczą i emocjonalną konsumentów, czy doświadczenia spełniają oczekiwania66,67 i jest kształtowana przez postrzegane wyniki w porównaniu do oczekiwań68,69. Był szeroko badany w kontekstach online70 i jest centralny dla oceny wydajności71. Atrakcyjność wpływa na satysfakcję w środowiskach usługowych72,73, a atrakcyjność głosu wykazuje podobne efekty74. W związku z tym wygląd, głos i jakość treści mają kształtować satysfakcję w wirtualnych kontekstach celebrytów.
W związku z tym proponuje się następujące hipotezy: H1: Atrakcyjność wirtualnych celebrytów pozytywnie wpływa na satysfakcję konsumentów. H2: Atrakcyjność głosu wirtualnych celebrytów pozytywnie wpływa na satysfakcję konsumentów. H3: Jakość treści wirtualnych celebrytów pozytywnie wpływa na satysfakcję konsumentów.
Lojalność W tym badaniu lojalność jest pojmowana jako lojalność postawowa, odzwierciedlająca psychologiczne zaangażowanie i więź konsumenta z wirtualną gwiazdą, a nie rzeczywiste powtarzające się zachowania19,33. Lojalność oznacza gotowość do utrzymania relacji pomimo barier75 i była szeroko badana jako wynik satysfakcji w środowiskach online67,76, turystyka77 oraz konteksty rekomendacji VTuber33. W związku z tym proponuje się następującą hipotezę: H4: Satysfakcja konsumentów z wirtualnych celebrytów pozytywnie wpływa na lojalność wobec wirtualnych celebrytów.
Intencja zakupu na towary i usługi promowane przez wirtualnych celebrytów Intencja zakupowa odzwierciedla prawdopodobieństwo i gotowość konsumenta do zakupu produktu lub usługi 67,78,79 i jest kształtowana przez czynniki takie jak satysfakcja, zaufanie, lojalność i przyjemność 78. Wykazano, że lojalność silnie przewiduje intencję zakupu80. W kontekstach wirtualnych celebrytów badania analizowały efekty intencji zakupu 8,52 oraz rolę pośredniczącą między atrakcyjnością a intencją zakupu81,82. W związku z tym proponuje się następujące hipotezy: H5a: Satysfakcja konsumentów pozytywnie wpływa na intencje zakupowe pośrednio poprzez lojalność. H5b: Bezpośredni związek między satysfakcją a intencją zakupową jest nieistotny, gdy w modelu uwzględnia się lojalność. H6: Lojalność konsumentów wobec wirtualnych celebrytów pozytywnie wpływa na intencje zakupowe.
Personalizacja (usługa spersonalizowana) Interaktywność wywodzi się z socjologii i odnosi się do komunikacji opartej na relacjach83, często umożliwianej przez technologię84. AI wzmocniła marketing interaktywny poprzez spersonalizowane usługi46, czyniąc personalizację kluczową dla efektywności marketingu cyfrowego85. Personalizacja polega na dostosowywaniu treści lub interakcji do osób indywidualnych, aby poprawić wyniki86 oraz wspierać zaangażowanie i współtworzenie wartości87. Postępy w big data i cyfrowych śladach umożliwiają firmom personalizację komunikacji, wykorzystując historię zachowań oraz samodzielnie ujawnione informacje użytkownika 88,89,90.
Wcześniejsze badania pokazują, że personalizacja moderuje kluczowe relacje, takie jak jakość i satysfakcja91, zaufanie–satysfakcja16 oraz adopcja technologii w ramach ochrony prywatności92, a także inne ścieżki relacyjne 24,25,26,27. W tym badaniu personalizacja traktowana jest jako kontekstowy moderator kształtujący sposób, w jaki satysfakcja i lojalność przekładają się na wyniki związane z zakupem. Proponowane są następujące hipotezy: H7a: Postrzegana personalizacja wzmacnia relację między satysfakcją a lojalnością. H7b: Postrzegana personalizacja wzmacnia relację między satysfakcją a intencją zakupu. H7c: Postrzegana personalizacja wzmacnia związek między lojalnością a intencją zakupową.
Model badawczy konceptualny 
Rysunek 1 przedstawia model koncepcyjny oparty na ramach bodziec–organizm–odpowiedź: wygląd, głos i treść (bodźce) wpływają na satysfakcję i lojalność (organizm), przy czym intencja zakupu (reakcja) wynika przede wszystkim z lojalności. Personalizacja wzmacnia relację satysfakcjonująco-lojalnościową i jest modelowana jako moderator wybranych ścieżek strukturalnych.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/70685/70685fig1.jpg" /> 
Rysunek 1: Model badawczy oparty na ramach bodziec–organizm–odpowiedź. Model koncepcyjny ilustrujący relacje między atrybutami wirtualnej celebrytki (wygląd, głos i jakość treści) jako bodźcami, zmiennymi organizmicznymi (satysfakcja i lojalność) oraz wynikami behawioralnymi (intencją zakupu). Personalizacja jest modelowana jako moderator relacji satysfakcjonująco-lojalności. Przedstawione są pośrednie skutki lojalności. Uwaga. CAA = Charakterystyczny wygląd, atrakcyjność; CVA = Charakterystyczna atrakcyjność głosu; CCA = atrakcyjność treści charakterystycznej; LO = lojalność; PE = personalizacja; PI = intencja zakupu; SA = Satysfakcja. <a href="https://www.jove.com/files/ftp_upload/70685/70685fig1large.jpg" target="_blank">Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.</a>

<table><tbody><tr><td>Wersja Qualtrics : Brak</td><td>Qualtrics, LLC</td><td>Nie ma</td><td>Kodowanie ankietowe, https://www.qualtrics.com/</td></tr><tr><td>Wersja płodna : Nie ma</td><td>Płodny</td><td>Nie ma</td><td>Dostawca internetowych ankiet, https://www.prolific.com/</td></tr><tr><td>SmartPLS Wersja: 4.0.1</td><td>SmartPLS GmbH</td><td>Nie ma</td><td>Analiza PLS-SEM,https://www.smartpls.com/</td></tr><tr><td>ChatGPT Wersja: 5.2</td><td>OpenAI</td><td>Nie ma</td><td>Poprawa czytelności i sprawdzania gramatyki, https://www.chatgpt.com/</td></tr></tbody></table>

jak cechy wirtualnej celebryty wpływają na intencję zakupu: testowanie ram bodziec-organizm-odpowiedź za pomocą modelowania równań strukturalnych

How Virtual Celebrity Characteristics Drive Purchase Intention: Testing the Stimulus-Organism-Response Framework with Structural Equation Modeling

W ostatnich latach firmy zaczęły wprowadzać wirtualnych celebrytów, aby promować swoje produkty i marki w różnych kanałach medialnych. Niniejsze badania wykorzystują ramy bodziec-organizm-reakcja (SOR) do empirycznego badania, jak czynniki atrakcyjności wirtualnych celebrytów, takie jak wygląd, głos i jakość treści, mogą wpływać na satysfakcję konsumentów, lojalność i intencję zakupową. Do testowania hipotez na podstawie próby 249 uczestników, którzy uczestniczyli w wirtualnych doświadczeniach celebryckich, zastosowano modelowanie strukturalne metodą najmniejszych kwadratów (PLS-SEM). Wyniki wskazują, że jakość treści jest najsilniejszym czynnikiem predyktora satysfakcji użytkownika, a satysfakcja pośrednio wpływa na intencję zakupu poprzez lojalność. Ponadto personalizacja łagodzi relację satysfakcjonująco-lojalności, sugerując, że spersonalizowane doświadczenia zwiększają zaangażowanie wirtualnych celebrytów i fanów. Wyniki wskazują, że firmy rozważające wirtualne kampanie celebrytów powinny bardziej skupić się na treściach wywołujących emocje i spójnych narracji niż na realizmie wizualnym. Ponadto niezbędne są inwestycje w programy budowania lojalności oraz rozwiązania do spersonalizowanego zaangażowania, aby przekształcić satysfakcję konsumentów w trwałe zachowania.

Tabela 2 podsumowuje cechy demograficzne końcowej próby (N = 249), w tym płeć, wiek, poziom wykształcenia oraz częstotliwość kontaktu z wirtualnymi celebrytami. Próba wykazała zrównoważoną reprezentację płci (52,6% kobiet) i składała się głównie z młodych i średniowiecznych dorosłych o stosunkowo wysokim poziomie wykształcenia. Częstotliwość zaangażowania koncentrowała się w przedziale tygodniowo-miesięcznym, z mniejszą liczbą użytkowników dziennie. Gdy była uwzględniona jako zmienna kontrolna, częstotli...

W kontekście wirtualnego doświadczenia celebrytów jakość treści najbardziej napędza satysfakcję; Satysfakcja z kolei pośrednio zwiększa intencję zakupową poprzez lojalność. Personalizacja wzmacnia związek satysfakcjonujące-lojalności, dlatego firmy powinny priorytetowo traktować emocjonalne, spójne narracyjne treści wirtualnych celebrytów oraz spersonalizowane programy lojalnościowe.

Jak cechy wirtualnej celebryty wpływają na intencję zakupu: testowanie ram bodziec-organizm-odpowiedź za pomocą modelowania równań strukturalnych

In recent years, firms have begun introducing virtual celebrities to promote their products and brands across various media channels. This research ...

Niniejsze badanie analizuje, jak atrybuty wirtualnych celebrytów wpływają na satysfakcję konsumentów, tantiemy, intencje zakupowe oraz jak personalizacja wzmacnia tantiemy oparte na satysfakcji. Istniejące badania wskazują na alternatywne metody i wiarygodność, ale niewystarczająco wyjaśniają wyniki procesu. Badanie wyjaśnia mechanizmy poprzez ramy SOR, mediację, personalizację i moderację.Na początek zdefiniuj model strukturalny dla modelowania równań strukturalnych metodą najmniejszych kwadratów cząstkowych, czyli PLS-SEM. Określ maksymalnie sześć predyktorów dla endogennych konstrukcji, w tym trzy cechy wirtualnej celebryty oraz trzy zmienne kontrolne. Ustal parametry statystyczne, takie jak średni rozmiar efektu, poziom istotności oraz moc statystyczna do analizy mocy.Teraz przeprowadź analizę mocy, aby oszacować minimalną wymaganą wielkość próby. Rekrutuj uczestników poprzez panel badawczy online, stosując celowe próbkowanie nieprawdopodobieństwowe. Ogranicz uprawnienia do osób w wieku 18 lat lub starszych.Umieść pytania przesiewowe i punkty sprawdzania uwagi w ankiecie, aby zweryfikować kwalifikację i jakość odpowiedzi. Przeglądaj odpowiedzi z ankiet i usuwaj wpisy, które nie spełniają kryteriów selekcji lub kontroli uwagi. Zatrzymać zbieranie danych, gdy zostanie osiągnięty z góry określony docelowy rozmiar próby.Zacznij od przedstawienia definicji opisującej wirtualnych celebrytów jako cyfrowo stworzone persony audiowizualne o stabilnej tożsamości wizualnej, głosie i powtarzającej się treści narracyjnej. Polec uczestnikom odpowiadać na pytania ankietowe oparte na ich rzeczywistych doświadczeniach z takimi wirtualnymi celebrytami. Opracuj ankietę, włączając sekcje ankiety obejmujące wygląd, głos, jakość treści, satysfakcję, lojalność, personalizację, zamiary zakupowe oraz dane demograficzne.Mierz wszystkie konstrukty za pomocą 7-punktowych skal Likerta, gdzie jeden oznacza zdecydowane niezgody, a siedem oznacza zdecydowaną zgodność. Zapobiegaj duplikatom zgłoszeń poprzez ustawienia sterowania platformą. Eksportuj zebrane odpowiedzi w wartościach rozdzielonych przecinkami lub formacie CSV i importuj wyczyszczony zbiór danych do oprogramowania PLS-SEM.Do pomiarów i oceny modeli strukturalnych określ wszystkie konstrukcje jako konstrukcje refleksyjne. Oceń niezawodność za pomocą alfa i kompozytowej niezawodności Cronbacha lub CR większej lub równej 0,7. Oceń ważność zbieżności, używając średniej wariancji lub AVE większej lub równej 0,5.Oceń trafność dyskryminantów za pomocą kryterium Fornella-Larckera oraz wskaźnika Heterotrait-Monotrait (HTM), upewniając się, że jest mniejsza niż 0,9. Określ ścieżki strukturalne zgodnie z modelem koncepcyjnym i oceń wielokolinearność, używając współczynnika wariancji inflacyjnego lub wartości VIF poniżej pięciu. Uruchom bootstrapping z 5 000 podpróbek, aby oszacować współczynniki ścieżki, wartości T, przedziały ufności i rozmiary efektów.Oszacuj efekty pośrednie za pomocą bootstrappingu na 5 000 podpróbkach i 95% przedziałach ufności, aby przetestować sekwencyjną mediację od atrybutów wirtualnej celebryty do satysfakcji, satysfakcji do lojalności oraz lojalności do intencji zakupu. Stwórz terminy interakcji, aby przetestować moderujące działanie personalizacji. Szacuj współczynniki moderacji i wpływaj na rozmiary za pomocą bootstrappingu.Generuj wykresy interakcji do wizualizacji efektów warunkowych. Po prognozowej ocenie wydajności porównaj wartości przewidywające Q-kwadrat, średni błąd kwadratowy i średni błąd bezwzględny z liniowym modelem benchmarkowym. Potwierdź trafność predykcyjną, gdy wartości przewidywania Q-kwadrat przekraczają zero, a błędy PLS są niższe niż w benchmarku.Testy wiarygodności i zgodności zbieżności wykazały, że wszystkie konstrukty przekroczyły zalecane progi, potwierdzając zarówno wiarygodność, jak i poprawność miar. Dyskryminantna trafność oceniona za pomocą kryterium Fornella-Larckera oraz stosunku heterocech do monotraitów potwierdza, że wszystkie konstrukty są empirycznie odrębne. Ocena modelu strukturalnego wskazuje na umiarkowaną moc wyjaśniającą i akceptowalne wyniki predykcyjne.Istotność predykcyjna potwierdza się wartościami przewidywania Q-kwadrat w zakresie od 0,280 do 0,485. Wydajność predykcyjna modelu PLS-SEM jest porównywana z benchmarkiem regresji liniowej. Niższy średni błąd kwadratowy i średni błąd bezwzględny wskazują na lepszą dokładność predykcji.Analiza statystyczna wskazuje, które hipotezy w modelu są poparte danymi. Wygląd, głos i jakość treści znacząco wpływają na satysfakcję klienta. Satysfakcja zwiększa lojalność, co z kolei prowadzi do wyższej intencji zakupowej.Analiza mediacji wskazuje, że satysfakcja wpływa na intencję zakupu pośrednio poprzez lojalność. Personalizacja wzmacnia relację między satysfakcją a lojalnością, ale nie wpływa na intencje zakupu. Protokół ten może pomóc zmierzyć, jak atrybuty wirtualnych celebrytów wpływają na satysfakcję, lojalność i intencje zakupowe, korzystając z ankiet i modelowania strukturalnego.W tym protokole kluczowe wyzwania obejmowały rekrutację uczestników wirtualnych celebrytów oraz wyjaśnienie niespójnych relacji między raportami o satysfakcji a intencji zakupu w wcześniejszych badaniach. Badania te ułatwiają przyszłe badania nad nowymi technologiami AI w obejściu różnic kulturowych oraz długoterminowym wpływem personalizacji i cechy wirtualnej celebrytki.

how-virtual-celebrity-characteristics-drive-purchase-intention

Research

JoVE Journal

Behavior

Zachowanie

W niniejszym artykule przedstawiono projekt eksperymentalny, w którym animowane postaci całego ciała są wykorzystywane w połączeniu z funkcjonalnym rezonansem magnetycznym (fMRI) do badania neuronalnych korelatów obserwowania wirtualnych interakcji społecznych.

Badanie obrazowania mózgu w celu analizy neuronalnych korelatów obserwowania wirtualnych interakcji społecznych

Tutaj opisujemy paradygmaty iluzji wirtualnej ręki i wirtualnej twarzy, które mogą być wykorzystane do badania samopercepcji/reprezentacji związanej z ciałem. Zostały one już wykorzystane w różnych badaniach, aby wykazać, że w określonych warunkach wirtualna ręka lub twarz mogą zostać włączone do reprezentacji ciała, co sugeruje, że reprezentacje ciała są raczej elastyczne.

Tworzenie iluzji wirtualnej ręki i wirtualnej twarzy w celu zbadania autoprezentacji

Ten artykuł opisuje wykorzystanie wirtualnego sklepu stacjonarnego do tworzenia wirtualnych środowisk zakupowych w celu zbadania zachowań konsumentów w sklepie. Przedstawiono opis protokołu do budowy i przeprowadzania eksperymentów, przykładowe wyniki eksperymentu dotyczącego układu sklepu oraz ważne kwestie, które należy wziąć pod uwagę podczas przeprowadzania eksperymentów w sklepie wirtualnym.

Wykorzystanie wirtualnego sklepu jako narzędzia badawczego do badania zachowań konsumentów w sklepie

Prezentowany tutaj jest protokół do badania reakcji konsumentów na masową personalizację w kontekście sprzedaży detalicznej online. Protokół szczegółowo opisuje procedurę ankiety online oraz sposób analizowania danych za pomocą modelowania równań strukturalnych i różnic grupowych przy użyciu analiz średnich utajonych.

Zastosowanie programu personalizacji eMASS jako narzędzia badawczego do oceny korzyści dla konsumentów

Prezentujemy otwartoźródłową platformę wirtualnych agentów do przeprowadzania wywiadów motywacyjnych w czasie rzeczywistym, łączącą najnowocześniejszy język i modele dyfuzji, aby dostosować się do zachowań i profilu użytkowników. Wykorzystując platformę Greta 2.0, wspiera różne tematy, w tym interwencje związane z żywieniem i sportem, oferując elastyczne, zweryfikowane narzędzie do ulepszania cyfrowych interakcji terapeutycznych.

Wirtualny agent do motywacyjnego wywiadu w czasie rzeczywistym poprzez integrację adaptacyjnych modeli zachowań niewerbalnych i językowych

Ten artykuł opisuje, jak rejestrować aktywność ciała migdałowatego za pomocą magnetoencefalografii (MEG). Ponadto w tym artykule opiszemy, jak przeprowadzić warunkowanie strachu śladowego bez świadomości, zadanie, które aktywuje ciało migdałowate. Obejmie 3 tematy: 1) Projektowanie paradygmatu warunkowania śladowego przy użyciu maskowania wstecznego do manipulowania świadomością. 2) Rejestrowanie aktywności mózgu podczas zadania za pomocą magnetoencefalografii. 3) Wykorzystanie obrazowania...

Jak wykryć aktywność ciała migdałowatego za pomocą magnetoencefalografii za pomocą obrazowania źródłowego

Labirynt Barnesa na suchym lądzie jest powszechnie używany do mierzenia zdolności nawigacji przestrzennej w odpowiedzi na łagodnie awersyjne bodźce. W ciągu kolejnych dni poprawia się wydajność (np. opóźnienie w zlokalizowaniu klatki ewakuacyjnej) osób z grupy kontrolnej, co wskazuje na normalne uczenie się i pamięć. Różnice między szczurami a myszami wymagają zmian w aparaturze i metodologii, które zostały szczegółowo opisane tutaj.

Strategie testowania labiryntu Barnesa z małymi i dużymi modelami gryzoni

Dotychczasowe badania koncentrowały się na strategiach poznawczych, które ludzie przyjmują, aby radzić sobie z niepewnością. Niniejsze badanie analizuje natomiast empiryczny sposób radzenia sobie z niepewnością i wprowadza zestaw metod eksperymentalnych pokazujących, w jaki sposób doświadczenie miękkości dotykowej może służyć jako narzędzie do radzenia sobie z niepewnością.

Badania eksperymentalne badające, w jaki sposób ludzie mogą radzić sobie z niepewnością poprzez miękkie doznania dotykowe

Tutaj badamy kontralateralne maskowanie dotykowe między przedramionami, w którym progi wykrywania dotykowego są modulowane przez wibracje stosowane do odległego miejsca. Szczegółowe informacje o tym, które odległe miejsca mają wpływ, mogą nam powiedzieć o tym, jak ciało jest reprezentowane w mózgu.

Testowanie maskowania dotykowego między przedramionami

Cewka do głębokiej przezczaszkowej stymulacji magnetycznej H1 jest dopuszczona przez FDA do leczenia depresji. Pokazujemy, jak wykorzystać H1 w innych stanach, takich jak halucynacje słuchowe i PTSD, przesuwając kask w różne miejsca nad czaszką badanego.

Jak używać głębokiej cewki do przezczaszkowej stymulacji magnetycznej H1 w stanach innych niż depresja?

Odkryj wpływ atrybutów wirtualnych celebrytów na zachowania konsumentów przy użyciu modelowania PLS-SEM. Badanie testuje ramy SOR, analizując satysfakcję, lojalność i intencję zakupu oraz rolę personalizacji.

Jak cechy wirtualnej celebryty wpływają na intencję zakupu: testowanie ram bodziec-organizm-odpowiedź za pomocą modelowania równań strukturalnych (Wideo) | JoVE Journal

Jak cechy wirtualnej celebryty wpływają na intencję zakupu: testowanie ram bodziec-organizm-odpowiedź za pomocą modelowania równań strukturalnych

Przeglądaj więcej filmów