Artigo de investigação

Como as Características das Celebridades Virtuais Impulsionam a Intenção de Compra: Testando a Estrutura Estímulo-Organismo-Resposta com Modelagem de Equações Estruturais

DOI:

10.3791/70685

⸱

3 de março de 2026

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

Neste artigo

Resumo

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

No contexto da experiência virtual de celebridade, a qualidade do conteúdo impulsiona mais fortemente a satisfação; A satisfação, por sua vez, aumenta a intenção de compra indiretamente por meio da lealdade. A personalização fortalece a relação satisfação-lealdade, então as empresas devem priorizar conteúdos virtuais de celebridades que evoquem emoção, consistentes narrativamente e programas de fidelidade personalizados.

Resumo

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

Nos últimos anos, empresas começaram a introduzir celebridades virtuais para promover seus produtos e marcas em diversos canais de mídia. Esta pesquisa utiliza a estrutura estímulo-organismo-resposta (SOR) para investigar empiricamente como fatores de atratividade de celebridades virtuais, como aparência, voz e qualidade do conteúdo, podem influenciar a satisfação do consumidor, a lealdade e a intenção de compra. A modelagem estrutural de equações parciais de mínimos quadrados (PLS-SEM) foi usada para testar as hipóteses com base em uma amostra de 249 participantes que participaram de experiências virtuais com celebridades. Os resultados indicam que a qualidade do conteúdo é o maior preditor da satisfação do usuário e que a satisfação influencia indiretamente a intenção de compra por meio da fidelidade. Além disso, a personalização modera a relação satisfação-lealdade, sugerindo que experiências personalizadas aumentariam o engajamento de celebridades e fãs virtuais. Os resultados indicam que empresas que consideram campanhas de celebridades virtuais devem focar mais em conteúdo que estimula emoções e é consistente com narrativa, em vez de realismo visual. Além disso, investimentos em programas de construção de lealdade e soluções personalizadas de engajamento são necessários para transformar a satisfação do consumidor em comportamentos sustentados.

Introdução

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

O endosso de celebridades continua sendo amplamente utilizado, e as empresas estão adotando cada vez mais celebridades virtuais em canais de mídiadigital 1. Avanços em IA e tecnologias relacionadas diversificaram formas de celebridades virtuais e melhoraram a escalabilidade e interação2.

Celebridades virtuais são híbridos de personagens virtuais e celebridadestradicionais 3 e são definidas aqui como personas criadas digitalmente que alcançam reconhecimento público e apego sustentado por meio de interações narrativasrecorrentes 3,4. Este estudo foca em celebridades virtuais de áudio em marketing digital voltado para o consumidor. Embora as empresas dependam cada vez mais deles para influenciar o comportamentodo consumidor 5, pesquisas têm dado atenção limitada a como as experiências de celebridades virtuais se traduzem em satisfação, lealdade e intenção de compra.

Trabalhos anteriores examinaram perspectivas comportamentais, cognitivas eafetivas 4, enfatizando credibilidade e autenticidade 6,7, autenticidadepercebida 8, divulgaçãode identidade 9, qualidade da informação10 e respostasemocionais 11. Estudos também destacaram pistas de atratividade como aparência, voz e qualidadedo conteúdo 12, mas frequentemente não explicam como esses fatores influenciam os resultados paraos consumidores 13,14. Como resultado, avaliações favoráveis não se traduzem consistentemente em intenção de compra, e as evidências sobre a relação satisfação–compra permanecem mistas.

Para abordar essa lacuna, este estudo examina como a aparência, a voz e a qualidade do conteúdo moldam satisfação, lealdade e intenção de compra, enquanto testa a personalização como moderador15,16 usando o framework SOR.

Este estudo contribui ao conceituar a atratividade da celebridade virtual como aparência, voz econteúdo 17, esclarecendo a lealdade como o principal mecanismo que liga satisfação à intenção de compra18,19, e identificando a personalização como amplificador da relação satisfação–lealdade 20.

Estrutura Estímulo-Organismo-Resposta (SOR)
A estrutura SOR explica como estímulos ambientais influenciam estados internos e respostascomportamentais 21 por meio de uma sequência de estímulos (S), estados orgânicos (O) e respostas (R). Ele tem sido amplamente aplicado em contextos como o Metaverso, jogos, varejo, publicidade, comércio eletrônico e endosso de celebridades 22,23,24,25,26,27,28. No entanto, embora o SOR estrutura as relações entre atributos, avaliações e resultados de celebridades virtuais, ele não explica completamente como as avaliações se tornam intenções comportamentais. Portanto, este estudo integra marketing de relacionamento e teoria dalealdade 29 para esclarecer o mecanismo de satisfação–lealdade–intenção de compra.

As respostas dos consumidores a celebridades virtuais são cada vez mais moldadas por pistas experienciais como atratividade audiovisual e engajamentocom conteúdo 4,30. A aparência e a voz influenciam as primeiras impressões, enquanto a qualidade do conteúdo mantém o engajamento emocional enarrativo 14,31. Embora esses fatores promovam avaliações positivas, pesquisas anteriores mostram que percepções favoráveis por si só podem não impulsionar a intenção de compra. Construtos de relacionamento como lealdade e compromisso parecem converter experiências positivas em intençõescomportamentais 32,33. Assim, a aparência, a voz e a qualidade do conteúdo são modeladas como estímulos; satisfação e lealdade como estados orgânicos; e compra de intenção como resposta comportamental. Lealdade é conceituada como compromisso psicológico, e intenção de compra como o resultado conativo.

Endosso de celebridades
Endosso de celebridades é uma estratégia de marketing amplamenteutilizada 34 na qual indivíduos reconhecidos promovem produtos ou serviços35. Seu uso se expandiuglobalmente 1, 36, 37, especialmente com o crescimento dos influenciadores em mídiassociais 37. Influenciadores gerados por computador surgiram como alternativas aos endossadoreshumanos 37, operando principalmente por meio de plataformasdigitais 38.

Pesquisas extensas examinaram a eficácia doendosso 39,40, propondo modelos como credibilidade da fonte41, significandotransferência 35, atratividade da fonteestendida 42, ajuste à marcacelebridade 43 e efeitos de transferênciade processos 44. Esses frameworks enfatizam credibilidade, atratividade, transferência simbólica de significado e congruência de marca45, fornecendo uma base para entender mecanismos de endosso em contextos virtuais.

Celebridade virtual
Estudos recentes analisam influenciadores gerados por IA, VTubers e embaixadores virtuais de marcas em ambientesdigitais, enfatizando interação, personalização e autenticidade. A teoria da riqueza midiática sugere que mídias mais ricas aumentam a eficácia dacomunicação 47, e personagens virtuais exemplificam essa riqueza por meio de interações imersivas e multissensoriais48, influenciando respostas emocionais e sociais49.

Embora "celebridade virtual" englobe várias personasdigitais 50, este estudo foca em celebridades virtuais audiovisuais visualmente incorporadas, com identidades estáveis e conteúdo recorrente. Pesquisas anteriores enquadram sua influência por meio de perspectivas comportamentais, cognitivas eafetivas 4. Pesquisas comportamentais examinam o engajamento e o comportamento de compra32,51; Pesquisa cognitiva destaca credibilidade, autenticidade8, divulgação de identidade 9,52 e qualidade da informação10; Pesquisas afetivas enfatizam atitudesemocionais 11.

Características virtuais de celebridades
Com base na teoria da credibilidade das fontes, pesquisas examinaram antropomorfismo, atratividade, confiabilidade, expertise e interação parasocial em contextosvirtuais 1,32,53. O antropomorfismo molda positivamente as respostas dosconsumidores 54,55 e está alinhado com o paradigma56 de Computers Are Social Actors, estendido a agentesde mídia 57,chatbots 58 e influenciadores virtuais. No entanto, celebridades virtuais variam emrealismo 4, e a teoria do vale estranho sugere que representações quase humanas podem causardesconforto 59.

Avanços tecnológicos deslocaram celebridades virtuais para agentes dinâmicos e geradores de conteúdo, aumentando a importância de atributos experienciais como qualidade do conteúdo e expressividade da voz. Pesquisas examinaram vozsintética 14, aparênciafacial 13, congruência aparência–voz 60, atratividade audiovisual30 e respostas a rostos gerados porcomputador 61.

Este estudo conceitua a atratividade das celebridades virtuais por meio da aparência, voz e conteúdo. A atratividade física influencia a avaliaçãosocial 62, consistente com o efeitohalo 62, e espera-se que aumente a satisfação. A qualidade do conteúdo representa a dimensão narrativa e experiencial da produção de celebridades virtuais e é conceitualmente distinta da qualidade do serviço63, 64, 65.

Satisfação
A satisfação reflete a avaliação cognitiva e emocional dos consumidores sobre se as experiências atendem àsexpectativas 66,67 e é moldada pelo desempenho percebido em relação àsexpectativas 68,69. Ele tem sido amplamente estudado em contextos online70 e é central para a avaliaçãode desempenho 71. A atratividade influencia a satisfação em ambientesde serviço 72,73, e a atratividade vocal mostrou efeitossemelhantes 74. Assim, espera-se que a aparência, a voz e a qualidade do conteúdo moldem a satisfação em contextos de celebridades virtuais.

Assim, são propostas as seguintes hipóteses:
H1: A atratividade visual de celebridades virtuais influencia positivamente a satisfação do consumidor.
H2: A atratividade vocal de celebridades virtuais influencia positivamente a satisfação do consumidor.
H3: A qualidade do conteúdo das celebridades virtuais influencia positivamente a satisfação do consumidor.

Lealdade
Neste estudo, lealdade é conceituada como lealdade atitudinal, refletindo o compromisso psicológico do consumidor e o vínculo com a celebridade virtual, em vez de comportamentos reaise repetidos 19,33. Lealdade representa disposição para manter o relacionamento apesar dasbarreiras 75 e tem sido amplamente examinada como resultado da satisfação em ambientes online67,76, turismo77 e contextos de endossoVTuber 33. Assim, é proposta a seguinte hipótese:
H4: A satisfação do consumidor com celebridades virtuais influencia positivamente a lealdade a celebridades virtuais.

Intenção de compra nos produtos e serviços endossados por celebridades virtuais
A intenção de compra reflete a probabilidade e a prontidão do consumidor para adquirir um produto ouserviço 67,78,79 e é influenciada por fatores como satisfação, confiança, lealdade e prazer 78. A lealdade demonstrou prever fortemente a intenção decompra 80. Em contextos de celebridades virtuais, pesquisas examinaram os efeitos da intenção de compra 8,52 e o papel mediador da satisfação entre atratividade e intençãode compra 81,82. Assim, são propostas as seguintes hipóteses:
H5a: A satisfação do consumidor influencia positivamente a intenção de compra indiretamente, por meio da fidelidade.
H5b: A relação direta entre satisfação e intenção de compra não é significativa quando a lealdade está incluída no modelo.
H6: A lealdade do consumidor a celebridades virtuais influencia positivamente a intenção de compra.

Personalização (serviço personalizado)
Interatividade tem origem na sociologia e refere-se à comunicação baseada emrelacionamentos 83, frequentemente viabilizada por meio da tecnologia84. A IA fortaleceu o marketing interativo por meio de serviçospersonalizados 46, tornando a personalização central para a eficácia do marketingdigital 85. Personalização envolve adaptar conteúdo ou interação aos indivíduos para melhorar resultados86 e apoiar o engajamento e a cocriaçãode valor 87. Avanços em big data e rastreamentos digitais permitem que as empresas personalizem a comunicação usando históricos comportamentais e informações auto-divulgadasdos usuários 88,89,90.

Estudos anteriores mostram que a personalização modera relacionamentos-chave como qualidade–satisfação91, confiança–satisfação 16 e adoção de tecnologia sob preocupações de privacidade92, assim como outras vias relacionais 24,25,26,27. Neste estudo, a personalização é tratada como um moderador contextual que molda como satisfação e lealdade se traduzem em resultados relacionados à compra. As seguintes hipóteses são propostas:
H7a: A personalização percebida fortalece a relação entre satisfação e lealdade.
H7b: A personalização percebida fortalece a relação entre satisfação e intenção de compra.
H7c: A personalização percebida fortalece a relação entre lealdade e intenção de compra.

Modelo conceitual de pesquisa
A Figura 1 apresenta o modelo conceitual fundamentado no arcabouço estímulo–organismo–resposta: aparência, voz e conteúdo (estímulos) influenciam satisfação e lealdade (organismo), com a intenção de compra (resposta) surgindo principalmente por meio da lealdade. A personalização fortalece a relação satisfação–lealdade e é modelada como moderadora de caminhos estruturais selecionados.

figure-introduction-1
Figura 1: Modelo de pesquisa baseado no modelo estímulo–organismo–resposta. Modelo conceitual que ilustra as relações entre atributos de celebridades virtuais (aparência, voz e qualidade do conteúdo) como estímulos, variáveis orgânicas (satisfação e lealdade) e resultado comportamental (intenção de compra). A personalização é modelada como moderadora da relação satisfação–lealdade. Efeitos indiretos por meio da lealdade são retratados. Observação. CAA = Atratividade de aparência característica; CVA = Atratividade vocal característica; CCA = Atratividade característica do conteúdo; LO = lealdade; PE = Personalização; PI = Intenção de Compra; SA = Satisfação. Por favor, clique aqui para ver uma versão ampliada desta figura.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

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

O estudo foi dispensado de revisão ética completa sob as diretrizes institucionais de risco mínimo, pois envolveu uma pesquisa online anônima sem informações pessoais identificáveis coletadas. Um formulário de consentimento informado descrevendo o propósito do estudo, participação voluntária, anonimato e uso dos dados foi apresentado no início da pesquisa, e apenas os participantes consentidores prosseguiram.

1. Determinação do tamanho da amostra

A amostra final (N = 249) foi determinada com base nos requisitos estatísticos de potência para PLS–SEM. O número máximo de preditores para um único construto endógeno foi de seis (três características virtuais de celebridade e três variáveis de controle para satisfação; satisfação, termo de interação e controles para lealdade). A análise de potência indicou que detectar um tamanho médio de efeito (f2 = 0,15) em α = 0,05 e 0,80 de potência exigiu aproximadamente 97 observações. O tamanho da amostra alcançado ultrapassou esse limite, garantindo poder adequado para análises estruturais, de mediação e moderação.

2. Recrutamento e triagem de participantes

Os participantes foram recrutados por meio de um painel de pesquisa online usando amostragem não-probabilística intencional para garantir experiência prévia com celebridades virtuais. A elegibilidade era restrita a indivíduos com 18 anos ou mais. Itens de triagem e verificação de atenção foram incluídos, e respostas inválidas foram excluídas. A coleta de dados foi concluída assim que o tamanho alvo da amostra foi atingido.

3. Definição padronizada e instruções de levantamento

Os participantes receberam uma definição padronizada de celebridades virtuais como personas audiovisuais criadas digitalmente, com identidade visual estável, voz e conteúdo narrativo recorrente. Eles foram instruídos a responder com base em suas experiências reais.

4. Desenvolvimento e administração de instrumentos de levantamento

Escalas de medição validadas foram adaptadas ao contexto da celebridade virtual (Tabela 1), onde todos os construtos foram medidos usando escalas de Likert de 7 pontos (1 = fortemente discordante; 7 = fortemente concordo). O questionário incluiu seções sobre aparência, voz, qualidade do conteúdo, satisfação, lealdade, personalização, intenção de compra e dados demográficos. Os controles da plataforma impediam envios duplicados.

Tabela 1: Itens e fontes de medição. Itens de medição usados para cada construção incluem atratividade de aparência, atratividade de voz, qualidade do conteúdo, satisfação, lealdade, personalização e intenção de compra. São fornecidas fontes de adaptação de escala. Por favor, clique aqui para baixar esta Tabela.

5. Preparação e limpeza de dados

Os dados eram exportados em formato CSV. Respostas incompletas, de triagem falhada e de falha na verificação de atenção foram removidas. O conjunto de dados limpo foi importado para o software PLS–SEM para análise.

6. Medição e avaliação do modelo estrutural

Todos os construtos foram especificados como reflexivos. A confiabilidade foi avaliada usando a confiabilidade alfa e composta de Cronbach (≥ 0,70). A validade convergente foi avaliada usando AVE (≥ 0,50), e a validade discriminante foi avaliada usando o critério de Fornell–Larcker e HTMT (< 0,90).

Caminhos estruturais foram especificados de acordo com o modelo conceitual. A multicolinearidade foi avaliada usando o Fator de Inflação da Variância (VIF) < 5,0. O bootstrapping com 5.000 subamostras gerou coeficientes de caminho, valores t, valores p, intervalos de confiança de 95% e tamanhos de efeito (f2).

  1. Análise de mediação
    A mediação sequencial (atributos virtuais de celebridades → satisfação → lealdade → intenção de compra) foi testada usando efeitos indiretos bootstrappped (5.000 subamostras) com intervalos de confiança de 95%.
  2. Análise de moderação
    Os termos de interação testaram os efeitos moderadores da personalização. O bootstrap estimou os coeficientes de moderação e tamanhos de efeito, além de gráficos de interação ilustraram efeitos condicionais.
  3. Relevância preditiva
    O desempenho preditivo foi avaliado usando vendas nas cegas e/ou procedimentos fora da amostra. Os valores doQ 2_predict, RMSE e MAE foram comparados com um modelo de benchmark linear. A relevância preditiva foi suportada quando os erros Q2_predict > 0 e PLS eram menores que o benchmark.
  4. Relatórios e verificação
    Todos os resultados de confiabilidade, validade, estrutura, mediação, moderação e preditivos foram compilados para relatório. Os resultados eram cruzados com os resultados do software para garantir precisão e consistência.

7. Solução de problemas e modificações

Se as falhas na triagem fossem altas, os critérios e instruções de elegibilidade eram refinados. Se a confiabilidade (CR < 0,70) ou AVE (< 0,50) caíssem abaixo dos limiares, indicadores de baixo desempenho eram removidos, mantendo a coerência teórica. Questões de multicolinearidade (VIF acima dos limites) foram abordadas por meio da reavaliação das especificações do construto. Se os efeitos da mediação ou moderação não foram significativos, o tamanho da amostra ou operacionalização foi reavaliado. O bootstrapping utilizou 5.000 subamostras para garantir estimativas estáveis.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

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

A Tabela 2 resume as características demográficas da amostra final (N = 249), incluindo gênero, idade, nível educacional e frequência de interação com celebridades virtuais. A amostra apresentou representação equilibrada de gênero (52,6% mulheres) e consistia principalmente em adultos jovens a meia-idade com desempenho educacional relativamente alto. A frequência de engajamento estava concentrada na faixa semanal–mensal, com menos usuários por dia. Quando incluída como v...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

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

Este estudo examina como as características das celebridades virtuais influenciam a satisfação, a lealdade e a intenção de compra dentro de um contexto SOR, com a personalização como moderadora. Três insights principais surgem: a qualidade do conteúdo é o maior fator de satisfação em relação à aparência e à voz; a satisfação influencia a intenção de compra apenas indiretamente por meio da lealdade (mediação apenas indireta); e a personalização fortalece a relação satisfação–lealdade, mas...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

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

Os autores não declaram conflitos de interesse.

Agradecimentos

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

Esse trabalho foi financiado por financiamento de pesquisa da Universidade aSSIST.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Qualtrics
Versão: N/A		Qualtrics, LLCN/ACodificação de pesquisas, https://www.qualtrics.com/
Prolific
Versão: N/D		ProlíficoN/AFornecedor online de painéis de levantamento, https://www.prolific.com/
SmartPLS
Versão: 4.0.1		SmartPLS GmbHN/AAnálise PLS-SEM, https://www.smartpls.com/
ChatGPT
Versão: 5.2		OpenAIN/AAprimorando a legibilidade e a correção gramatical, https://www.chatgpt.com/

Referências

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

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Qualidade do Conte doSatisfa o do ConsumidorFidelidade do ClienteEfeitos da Personaliza oAn lise de Media oDesempenho Preditivo

Artigos relacionados