Исследовательская статья

Использование модели принятия технологий для понимания использования виртуальных инфлюенсеров пользователями: роль воспринимаемой аутентичности и антропоморфизма

DOI:

10.3791/70018

⸱

3 июля 2026 г.

 , 
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

В этой статье

Краткое содержание

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

В данном исследовании применяется расширенная модель принятия технологий для изучения использования виртуальных инфлюенсеров на платформах коротких видео, демонстрируя, что воспринимаемая полезность, простота использования, аутентичность и антропоморфизм существенно влияют на отношение пользователей и поведенческие намерения с помощью данных опросов, проанализированных с помощью PLS-SEM.

Аннотация

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

Виртуальные инфлюенсеры (VI) всё чаще становятся ключевыми игроками в приложениях для коротких видео, таких как TikTok, YouTube Shorts и Instagram Reels. В то время как предыдущие исследования изучали VI с точки зрения антропоморфизма, аутентичности и взаимодействия с потребителями, большинство предыдущих работ были сосредоточены на наборах данных Instagram или анализе контента без применения систематической поведенческой структуры. Для устранения этих ограничений в исследовании используется модель принятия технологий (TAM) для изучения того, как воспринимаемая полезность (PU) и воспринимаемая простота использования (PEOU) влияют на отношение пользователя и поведенческие намерения по отношению к следованию или взаимодействию с VI на платформах коротких видео. В исследовании рассматриваются воспринимаемая аутентичность и антропоморфизм как умеренные переменные, расширяя TAM для отражения психологической и социальной динамики. Была разработана концептуальная структура, интегрирующая TAM с этими модераторами. Данные были собраны в ходе онлайн-опроса среди 350 пользователей коротких видео, столкнувшихся с отредактированным VI-контентом, и измерены с помощью проверенных инструментов по шкале Лайкерта. Участники сначала познакомились со стандартизированными виртуальными видеостимулами с инфлюенсерами, а затем заполнили структурированный опрос, проводимый через онлайн-платформу опроса. Набор данных был проанализирован с помощью моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM) для оценки надёжности измерений, структурных взаимосвязей и эффектов модерации. Перед анализом набор данных был проверен на неполные ответы, отсутствующие значения и несоответствия ответов. Результаты подтверждают применимость TAM в контексте VI. PEOU положительно повлияла на PU (β = 0,46, p < 0,001), PU значительно повлияла на отношение (β = 0,39, p < 0,001), а отношение сильно предсказала поведенческое намерение (β = 0,58, p < 0,001). Воспринимаемая аутентичность укрепляла связь между PU и Отношением, а также между отношением и поведенческим намерением, в то время как антропоморфизм усилил влияние как PU, так и PEOU на отношение. Индексы соответствия модели (R2 = 0,64 для Attitude; R2 = 0,57 для поведенческого намерения) указывают на сильную объяснительную силу. Эти результаты подтверждают расширенный TAM в объяснении распространения виртуальных инфлюенсеров на платформах коротких видео.

Введение

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

В последние годы инфлюенсеры в социальных сетях (SMI) приобрели значительную аудиторию, делясь аспектами своей жизни, знаниями, продуктами и брендами на платформах общественноговещания 1,2. Виртуальные инфлюенсеры (VI) привлекли значительное внимание как академическое, так и бизнес-сообщества как новый подход к продвижению товаров и услуг на таких платформах, как Instagram, Facebook и TikTok3. В отличие от человеческих инфлюенсеров (ХИ), ВИ — это не реальные личности, а компьютерно сгенерированные персонажи, разработанные командами дизайнеров для имитации человеческого внешнего вида и поведения или напоминания анимированныхперсонажей 4. Благодаря высоким возможностям вовлечения многие бренды используют VI для маркетинга инфлюенсеров — либо через коллаборацию, либо создавая собственныеVI 5. В результате известные бренды, такие как BMW, сотрудничают с VI, такими как Lil Miquela, чтобы повысить вовлечённость клиентов и повлиять на решения о покупке.

По мере роста числа людей, подвергшихся влиянию SMI, инфлюенсер-маркетинг такжерасширяется 6. По данным Influencer Marketing Hub, количество компаний, специализирующихся на услугах маркетинга для инфлюенсеров, в 2021 году увеличилось на 26% и, по прогнозам, достигнет 18 900 по всему миру. 7. Одной из самых заметных новых категорий СМИ являются «3D, компьютерно сгенерированные персонажи», способные имитировать человеческое поведение и внешний вид 8,9,10. VI быстро приобрели популярность среди потребителей и всё чаще воспринимаются как авторитетные формители вкуса, сопоставимые с человеческими инфлюенсерами11. В период с 2017 по 2019 год количество VI на социальных платформах увеличилось с 27 до 12512. По мере роста популярности VI начали сотрудничать с международнымибрендами 12. VIs представляет собой убедительную альтернативу, сочетающую преимущества человеческих инфлюенсеров с большим контролем над внешностью исообщениями 13.

Особенно инновационным развитием в этой области стало появление виртуальных инфлюенсеров как социальных сетей, частично или полностью искусственных (например, компьютерных 3D-аватаров), но способных создавать контент, похожий на человеческих инфлюенсеров. Их стремительный рост привлёк внимание учёных, хотя существующие исследования остаютсяограниченными 14. Для устранения этого разрыва в настоящем исследовании рассматриваются парасоциальные взаимодействия (PSI), определяемые как когнитивные, аффективные и поведенческие реакции на медийныхфигур 15. Предыдущие исследования изучали PSI путем сравнения реакций аудитории на гуманоидных и виртуальных инфлюенсеров схожих характеристик.

Недавние исследования изучали различия между VI и человеческими инфлюенсерами в формировании восприятия пользователей, особенно в социальных видеосредах. Данные свидетельствуют о том, что рекомендации VI могут влиять на восприятие продукта (например, усиливать ассоциации с роскошью) и конкурировать с человеческими инфлюенсерами за воспринимаемую полезность и доверие. Однако идентификация с человеческими инфлюенсерами остаётся сильнее, что подчёркивает разрыв в аутентичности, который влияет на решения об усыновлении в контекстах коротких видео16, 17, 18. Количественные исследования последовательно определяют PU и PEOU как ключевые предикторы поведенческого намерения, часто дополняемые такими конструкциями, как удовольствие, социальное присутствие и вовлечённость в сообщество, что подтверждает применимость TAM в этойобласти 19,20.

Растущее количество исследований напрямую касается аутентичности в контексте VI. Как качественные, так и количественные исследования показывают, что воспринимаемая аутентичность существенно влияет на доверие, вовлечённость и убеждение. Такие факторы, как раскрытие информации ИИ и человеческое подобие, влияют на доверие и реакцию пользователей21,22. Дополнительные исследования показывают, что «машинные эвристические» сигналы могут снижать воспринимаемую аутентичность при распознавании происхождения ИИ, укрепляя подлинность как критическое граничное условие для принятия23–25. Обзоры антропоморфизма дополнительно подчёркивают его теоретическую роль как модератора, способного укреплять или ослаблять отношения между TAM через такие механизмы, как социальное присутствие и доверие26.

Аналогично, модель стимул–организм–реакция (SOR) была применена для изучения того, как антропоморфные сигналы и социальные стимулы влияют на принятие пользователями систем, управляемыхИИ 27. SOR особенно эффективен для фиксации эмоциональных реакций в реальном времени на технологические стимулы и роли ситуационных переменных в формировании поведения28. Это соответствует интерактивным средам, управляемым ИИ, где быстрая обратная связь между системой и пользователем генерирует динамическиеэмоциональные реакции 29. Фреймворк SOR также позволяет интегрировать множество аффективных и когнитивных стимулов. Однако такие модели, как TAM и UTAUT, хотя и широко используемы, фокусируются на заранее определённых конструкциях (например, воспринимаемой полезности и простоте использования), что может ограничивать их способность фиксировать многомерное влияние на поведениепользователя 30. Эти модели, как правило, больше подходят для статического анализа, чем для динамического принятиярешений 31. Мега-инфлюенсеры, например, могут охватить глобальную аудиторию, повысить узнаваемость бренда и создать значительную вовлечённость, хотя их эффективность варьируется в разныхконтекстах 32. SOR предоставляет дополняющие инсайты об аффективных процессах, тогда как TAM предлагает экономичную и предсказательную структуру для моделирования поведенческих намерений.

Эмпирические исследования показывают, что мега-инфлюенсеры способствуют более высокой вовлечённости, установке продукта и сбора информации33. Однако низкоуровневые инфлюенсеры могут повышать узнаваемость и достоверность, иногда превосходя таргетированнуюрекламу 34. Другие результаты показывают, что в то время как мега-инфлюенсеры способствуют более широкому вовлечению, мелкие инфлюенсеры демонстрируют более высокую аутентичность и доверие35. Эти смешанные результаты подчёркивают несоответствия в эффективности инфлюенсеров вконтекстах 36, 37 и подчёркивают необходимость изучения дополнительных типов инфлюенсеров, включая виртуальныхинфлюенсеров 38.

Несмотря на растущий интерес к VI, существующие исследования остаются ограниченными по охватам. Большинство исследований опираются на наборы данных и контент-анализ на основе Instagram для оценки метрик вовлечённости (например, лайков, комментариев, лингвистических особенностей), оставляя пробел в понимании намерений принятия с поведенческой точки зрения. Кроме того, ограниченные исследования изучали внедрение VI на платформах коротких видео, которые обладают уникальными социотехническими характеристиками, включая алгоритмическое воздействие, быстрое потребление контента и усиление парасоциальных взаимодействий.

Для устранения этих пробелов в данном исследовании применяется Модель принятия технологий (TAM) для систематического изучения факторов, влияющих на внедрение VI на платформах короткого видео. TAM выбран за свою сильную объяснительную силу, экономию и обширную эмпирическую валидацию в цифровых контекстах. Хотя альтернативные рамки, такие как SOR и UTAUT, дают ценные инсайты, они акцентируют внимание на аффективных или институциональных факторах, выходящих за рамки когнитивного фокуса данного исследования. Соответственно, TAM расширяется, чтобы включать воспринимаемую аутентичность и антропоморфизм на стадии формирования убеждений.

В частности, в данном исследовании рассматривается, как воспринимаемая простота использования (PEOU) влияет на воспринимаемую полезность (PU) и как эти конструкции формируют отношение пользователя и поведенческие намерения по отношению к VI. Далее исследуются модерирующие роли восприятия аутентичности и антропоморфизма в формировании этих отношений. Эмпирически исследование использует количественный опрос пользователей коротких видео и тестирует расширенную модель с использованием PLS-SEM. Переходя от контент-анализа к системе поведенческого внедрения, это исследование устраняет критический пробел и способствует пониманию внедрения VI в новых цифровых средах.

В этом исследовании представлены три ключевых вклада. Во-первых, TAM распространяется на виртуальных инфлюенсеров на платформах коротких видео, демонстрируя его применимость к сущностям, созданным ИИ. Во-вторых, он интегрирует антропоморфизм и воспринимаемую аутентичность в стадию формирования убеждений в TAM, усиливая путь веры–отношение–намерение. В-третьих, она развивает методологию, применяя количественный поведенческий подход с использованием данных опросов и PLS-SEM для оценки валидности измерений, структурных связей и эффектов модерации.

В целом, исследование даёт теоретические и практические представления о том, как аутентичность и человекоподобный дизайн влияют на внедрение VI. В ней изучаются влияние PEOU и PU на отношение (ATT) и поведенческое намерение (BI), а также проверяются модерирующие роли воспринимаемой аутентичности (PA) на отношения PU–ATT и ATT–BI, а также антропоморфизма (ANTH) на отношения PEOU–ATT и PU–ATT. Исходя из этих отношений, выдвигаются следующие гипотезы:

H1:P erceived Simplicity of Use (PEOU) положительно влияет на воспринимаемую полезность (PU).
H2: Воспринимаемая полезность (PU) положительно влияет на отношение (ATT) к виртуальным инфлюенсерам.
H3: Отношение (ATT) положительно влияет на поведенческое намерение (BI) при использовании виртуальных инфлюенсеров.
H4: Воспринимаемая простота использования (PEOU) положительно влияет на отношение (ATT) к виртуальным инфлюенсерам.
H5: Воспринимаемая аутентичность (PA) положительно смягчает отношения между PU и ATT.
H6: Воспринимаемая аутентичность (PA) положительно смягчает отношения между ATT и BI.
H7: Антропоморфизм (ANTH) положительно смягчает связь между PEOU и ATT.
H8: Антропоморфизм (ANTH) положительно смягчает связь между ПУ и АТТ.

Рисунок 1 представляет концептуальную основу, основанную на расширенной модели принятия технологий (TAM) для внедрения виртуальных инфлюенсеров на платформах коротких видео. Модель включает основные конструкции TAM, а также две модерирующие переменные — Воспринимаемую Аутентичность и Воспринимаемый Антропоморфизм — для отражения релевантных социальных и психологических влияний. Прямые связи представлены сплошными стрелками, а эффекты смягчения — пунктирными линиями, направленными на соответствующие структурные пути. Такое представление согласует концептуальную модель с предложенными гипотезами и повышает ясность, различая прямые и взаимодействия эффекты.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

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

Это исследование было одобрено Комитетом по этике исследований Международной бизнес-школы AzmanHashim, UniversitiTecnologi Malaysia, Куала-Лумпур, Малайзия (No одобрения: UTM). AHIBS/REC/2025/012). Все процедуры соответствовали институциональным этическим стандартам и принципам Хельсинкской декларации. Информированное согласие было получено от всех участников до начала сбора данных. Участникам сообщили о целях исследования, добровольном характере их участия, конфиденциальности их ответов и праве отказаться от участия в любое время без наказания. Также было получено письменное согласие на использование анонимных данных опросов в академических публикациях. В этой рукописи не включены лично идентифицируемые или конфиденциальные данные.

Методологический процесс исследования, использованный в данном исследовании для изучения использования потребителями виртуальных инфлюенсеров на платформах коротких видео, показан на рисунке 2. Процедура исследования проводилась последовательно, включая подготовку стимулов, экспозицию участников, проведение опроса, предварительную обработку данных и статистический анализ. Пользователи сначала знакомятся с тщательно подобранными виртуальными стимулами для инфлюенсеров на платформах коротких видео, таких как TikTok, YouTube Shorts и Instagram Reels. Для охватки ключевых конструкций модели принятия технологий (TAM), включая воспринимаемую простоту использования (PEOU), воспринимаемую полезность (PU), отношение (ATT) и поведенческое намерение (BI), собираются ответы на опрос с использованием проверенных инструментов шкалы Лайкерта. Собранные данные затем предварительно обрабатываются, включая очистку данных, оценку достоверности и надёжности для обеспечения качества данных.

Расширенный фреймворк TAM, включающий модерирующие переменные, затем применяется к усовершенствованному набору данных. В частности, антропоморфизм (ANTH) модергирует взаимосвязи между PEOU → ATT и PU → ATT, тогда как воспринимаемая аутентичность (PA) модергирует отношения между PU → ATT и ATT → BI. Эти модерирующие эффекты явно моделируются как взаимодействия на структурных путях. Наконец, модель измерения, структурные взаимосвязи и эффекты модерации оцениваются с помощью моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM). Результаты предоставляют комплексный и систематический анализ поведения пользователей по отношению к виртуальным инфлюенсерам на платформах коротких видео, выделяя как прямые связи (PEOU, PU → ATT → BI), так и эффекты модерации.

Методология и дизайн исследования
Методология была разработана в три этапа: разработка концептуальной основы, сбор данных и эмпирический анализ.

Разработка концептуальной основы
Этот этап включал разработку теоретической основы путём расширения модели принятия технологий (TAM) двумя социально-психологическими модераторами, актуальными для виртуальных инфлюенсеров: Воспринимаемая Аутентичность и Антропоморфизм. Модель предполагает, что PEOU влияет на PU, тогда как PU и PEOU совместно влияют на отношение, которое, в свою очередь, влияет на поведенческое намерение (рисунок 3).

Сбор данных
Эмпирические данные были собраны с помощью онлайн-анкеты, проведённой среди 350 пользователей платформ коротких видео, таких как TikTok, YouTube Shorts и Instagram Reels. Участников попросили посмотреть стандартизированные видео с популярными виртуальными инфлюенсерами. Были собраны данные о конструкциях TAM и модерирующих переменных. Контрольные переменные включали демографические и потребительские характеристики. Соблюдались этические соображения.

Эмпирический анализ
Данные анализировались с помощью двухступенчатого моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM). Надёжность и достоверность оценивались с помощью факторных нагрузок, альфа Кронбаха, композитной надёжности, средней извлечённой дисперсии (AVE), критерия Форнелла–Ларкера и отношения гетеротрейт–монопризнак (HTMT). Для тестирования структурных путей и эффектов модерации использовался bootstrapping с 5 000 повторных сэмплов, подтверждая подлинность модели TAM и антропоморфизм как модераторов.

Формулировка структурной модели
Исследование расширяет модель TAM, включая социально-эмоциональные аспекты виртуальных инфлюенсеров на коротких видеоплатформах. Помимо традиционных конструкций (PU, PEOU, отношение, поведенческое намерение), включены две модерирующие переменные — воспринимаемая аутентичность и антропоморфизм — которые представляют психологические измерения достоверности и подобия человека соответственно.

На уровне измерений все латентные конструкции (PEOU, PU, ATT, BI, PA, ANTH) определяются рефлексивно, при этом на каждый латентныйфактор 39 загружаются несколько элементов опроса. Модель измерения выражается так:

figure-protocol-1(1)

где xj — наблюдаемый индикатор, η — латентная конструкция, λj — факторная нагрузка, аε j — ошибка измерения. Это обеспечивало предвариальную надёжность, сходимость рациональность и дискриминантную рациональность перед проверкой причинных путей.

На структурном уровне базовые уравнения TAM были определены кактропы 40. Воспринимаемая полезность предсказывалась по воспринимаемой простоте использования:

figure-protocol-2(2)

Положение было задано как функция PU и PEOU:

figure-protocol-3(3)

Наконец, поведенческое намерение объяснялось установкой, при этом ПУ был необязательным прямым предиктором:

figure-protocol-4(4)

Для включения умеренности вводятся термины взаимодействия. Антропоморфизм (ANTH) смягчает влияние PU и PEOU на ATT, в то время как воспринимаемая аутентичность (PA) смягчает влияние PU на ATT и ATT на BI. Модерируемые структурные уравнения следующие:

figure-protocol-5(5)

Коэффициенты взаимодействия (β₆, β₇, β₈, β₉) указывают на то, изменяются ли TAM-отношения в зависимости от уровней антропоморфизма и подлинности. Например, условный эффект ПУ на АТТ равен:

β₂ + β₆· ANTH + β₈· PA

Аналогично, условный эффект ATT на BI выглядит:

β₄ + β₉· PA

Рамка также учитывает медиацию и модерируемую медиацию. Косвенное влияние PEOU на ATT через PU в базовой модели выглядит следующим образом:

figure-protocol-6(6)

С включением модераторов это стало условным косвенным эффектом:

figure-protocol-7(7)

где a и p представляют значения антропоморфизма и воспринимаемой подлинности соответственно.

Это позволяет проверить, зависит ли арбитрский характер PU от социальных характеристик PI, тем самым предоставляя доказательства модерированной медиации.

Воспринимаемая аутентичность (PA) и антропоморфизм (ANTH) выступают модераторами принятия виртуальных инфлюенсеров пользователями на платформах коротких видео, как показано на рисунке 3. Сплошные линии обозначают прямые TAM-связи, а пунктирные — эффекты смягчения. В целом модель интегрирует технологические и социально-психологические факторы, чтобы дать всестороннее объяснение принятия виртуальных инфлюенсеров.

Сбор наборов данных
Это исследование основано на наборе данных опроса (N = 350 участников). Участниками были постоянные пользователи платформ коротких видео, таких как TikTok, YouTube Shorts и Instagram Reels. Им показали отредактированные клипы Virtual Influencer и попросили заполнить структурированный опросник с использованием валидированных показателей шкалы Лайкерта для конструкций TAM (PEOU, PU, ATT, BI) и модераторов (PA, ANTH). Данные были предоставлены самостоятельно и не получены из публичной базы данных; однако структура измерения была адаптирована из установленных масштабов внедрения технологий и исследований виртуальных инфлюенсеров.

Таблица 1 описывает структуру набора данных по поведенческому принятию. Каждая строка представляет собой конструкцию расширенной модели TAM, а также её измеряемые элементы, тип масштаба и аналитическую роль. PEOU и PU измерялись по четыре элемента по 7-балльной шкале Ликерта.

В таблице 2 представлен демографический профиль респондентов. Демографический профиль респондентов (N = 350) свидетельствует о относительно сбалансированном гендерном распределении: мужчины составляют 50,86%, женщины — 45,43%, а небольшая доля (3,71%) идентифицирует себя как другие. По возрасту большинство участников относятся к возрастной группе 25–34 года (44,57%), за ними следуют 18–24 (29,43%) и 35–39 лет (26,00%), что говорит о том, что набор данных в основном состоит из молодых и средних возрастных людей. Что касается образовательных уровней, респонденты равномерно распределены по разным уровням: наибольшая часть имеет степень магистра (23,14%), за ними следуют выпускники средней школы (22,86%), бакалавриат (20,29%), диплом (17,43%) и докторские степени (16,29%). Это отражает разнообразный образовательный фон участников. Что касается поведения при использовании платформы, значительное большинство респондентов (61,71%) сообщили о ежедневном использовании, в то время как 29,14% пользуются платформой еженедельно, а 9,14% — время от времени. Это свидетельствует о высоком уровне вовлечённости в платформу среди выбранной популяции. Эти характеристики указывают на то, что выборка представляет активных пользователей платформ короткого видео.

Анализ данных
После сбора данных было проанализировано 350 действительных ответов с использованием моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM), подходящих для расширения теории, исследований, ориентированных на прогнозирование, и сложных моделей с модерирующими переменными. Анализ включал оценку моделей измерения, структурную оценку, анализ модерации и общую оценку модели.

Валидация модели измерения
Первым шагом было измерение надёжности и рациональности всех концепций. Внутренняя надёжность тестировалась с помощью методов Альфа (α) и композитной надёжности (CR) Кронбаха, при этом стандарты выше 0,70 считались удовлетворительными. Сходимость определялась по средней дисперсии (AVE ≥ 0,50). Дискриминантная когенность проверялась с помощью стандарта Форнелла–Ларкера, где квадратный корень AVE каждой конструкции был больше его ассоциаций с дополнительными понятиями. AVE конструкции j вычислялась как:

figure-protocol-8(8)

где λij — стандартизированная нагрузка элемента i на конструкцию j, а figure-protocol-9 — ошибка измерения.

Модель измерения текущего исследования показана на рисунке 4. Каждая затянувшаяся латентная конструкция TAM-фреймворка была операционализована несколькими отражающими индикаторами. В частности, воспринимаемая простота использования (PEOU) и воспринимаемая полезность (PU) измерялись по 4 пунктам, тогда как отношение (ATT) и поведенческое намерение (BI) измерялись по 3 пунктам. Модераторы — Воспринимаемая Аутентичность (PA) и Антропоморфизм (ANTH) — оценивались с использованием трёх индикаторов. Все пути вели от концепций к их индивидуальным указателям, отражая отражательный характер модели измерения. Надёжность и достоверность концепций были подтверждены с помощью факторных нагрузок, альфа-версии Кронбаха, композитной надёжности (CR) и средней дисперсии, извлеченной (AVE). Это сделало статистически обоснованным, что модель измерения и концепции измеряют желаемые измерения отношение пользователей и поведенческих намерений по отношению к виртуальным инфлюенсерам на платформах коротких видео.

Тестирование структурных моделей
После подтверждения валидности измерения были изучены структурные пути расширенной модели TAM. Предполагаемые прямые связи следующие:

figure-protocol-10(9)

figure-protocol-11(10)

figure-protocol-12(11)

Где: β 1 исследовал влияние PEOU → PU, β2, β3 изучал влияние PU и PEOU → ATT, β 4 отражал эффект ATT → BI. Коэффициенты пути (β) вычислялись с помощью метода загрузки (5000 повторных выборок), а значимость — с помощью t-значений и p-значений.

Анализ модерации
Был проведён анализ модерации для изучения эффектов взаимодействия. Расширение TAM включало Воспринимаемую Аутентичность (PA) и Антропоморфизм (ANTH) в качестве модераторов. Модерация тестировалась путём генерации терминов взаимодействия между независимыми переменными и модераторами. Расширенная модель была изображдена следующим образом:

figure-protocol-13(12)

Здесь: PU × PA: Проверили, усиливает ли аутентичность роль полезности в отношениях. PEOU × ANTH: Оценено, улучшает ли антропоморфизм эффект воспринимаемой простоты использования на отношение. TT × PA: Оценивалось, усиливает ли аутентичность результат отношения к поведенческому намерению. Значительный коэффициент β7,β 8 или β10 подтвердил наличие умеренности.

Оценка модели
Модель в целом оценивалась с точки зрения объяснительной и предсказательной силы:

Коэффициент определения (R2): Обозначал уточнённое изменение в эндогенных конструкциях (ATT и BI). R2 ≥ 0,50 считался большим в поведенческих исследованиях.

Прогностическая релевантность (Q 2): Определялась с помощью завязанности глаз, при этомQ 2 > 0 указывали на предсказательную валидность.

Размер эффекта (f2): использовался для определения влияния каждой конструкции на модель и рассчитывается как:

figure-protocol-14(13)

Где дисперсия объясняется при включении предиктора, а figure-protocol-15 — дисперсия при его исключении. В заключение, анализ данных первоначально подтверждает надёжность и валидность конструкции, проверяет структурные взаимосвязи TAM, оценивает эффекты замедления антропоморфизма и аутентичности, а также проверяет описательный и экстраполативный контроль типичного. Такой тщательный подход обеспечивает достоверность результатов и расширяет TAM на случай виртуальных инфлюенсеров на платформах коротких видео.

Проверка гипотез
Для подтверждения расширенной структуры TAM было протестировано восемь гипотез с использованием PLS-SEM с бутстрэппингом (5000 пересэмплов). Процесс загрузки создавал константы следа (β), t-значения и p-значения, которые устанавливались против критического порога (p < 0,05).

Прямые эффекты (H1–H4)
Сначала оценивались прямые последствия классического TAM. Результаты подтвердили, что воспринимаемая простота использования (PEOU) оказывала значительное влияние на воспринимаемую полезность (PU). Оценочное уравнение выглядит так:

figure-protocol-16 (14)

Где β1=0,46, t=8,72, p < 0,001. Соответственно, поддерживается H1.

Во-вторых, также было установлено, что воспринимаемая полезность (PU) и PEOU положительно влияют на отношение (ATT):

figure-protocol-17(15)

при β2=0,39, t=7,64, p < 0,001 иβ 3=0,21, t=2,14, p < 0,05. Эти результаты решительно поддерживают H2 и частичную поддержку H4, что подтверждает, что как воспринимаемая простота использования, так и полезность меняют отношение к использованию.

Наконец, влияние ATT на поведенческое намерение (BI) было значительным:

figure-protocol-18 (16)

при β4=0,58, t=10,12, p < 0,001. Поэтому H3 активно поддерживается, подчёркивая, что позитивное отношение сильно влияет на намерения использовать виртуальных инфлюенсеров.

Смягчение эффектов (H5–H8)
Модерирующие эффекты воспринимаемой аутентичности (PA) и антропоморфизма (ANTH) были проверены путём включения терминов взаимодействия.

Для H5 влияние ПУ на АТТ модерировалось ПА:

figure-protocol-19(17)

с β5=0,15, t=3,21, p < 0,01. Это говорит о том, что если VI считаются подлинными, их полезность сильнее влияет на отношение.

Для H6 также было значительным было модерирование ATT → BI с помощью PA:

figure-protocol-20(18)

с β6=0,12, t=2,94, стр<0,01. Это подразумевает, что аутентичность теснее связывает позитивные отношения с поведенческим намерением.

Для H7 антропоморфизм ANTH смягчает влияние PEOU на ATT:

figure-protocol-21(19)

с β7=0,14, t=3,08, p < 0,01. Соответственно, когда VI более похожи на людей, простота использования сильнее влияет на позитивное отношение.

Для H8 антропоморфизм также усиливает путь ПНХ → АТТ:

figure-protocol-22(20)

при β8=0,11, t=2,21, p < 0,05.

Производительность модели оценивалась с использованием R2 для объяснительной степени,Q 2 для прогностической релевантности и размера эффекта (f2) для оценки вклада каждого предиктора.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

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

Всего было получено 350 полезных ответов от активных пользователей приложений для коротких видео (Instagram Reels, YouTube Shorts и TikTok). Данные анализировались с помощью моделирования структурных уравнений с частичными наименьшими квадратами (PLS-SEM) в SmartPLS 4.0, после предварительной обработки и исключения неполных ответов. Этот подход позволил оценить как измерительные, так и структурные модели, а также эффекты модерации.

Результаты подтвердили дейст...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

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

Для проверки конструкций модель измерения оценивалась на надёжность, сходимость и дискриминантнуювалидность 39,40. Результаты исследования дают важную информацию о факторах, влияющих на использование виртуальных инфлюенсеров (VI) пользователями на платформах коротких видео. Результаты показывают, что как технологические (воспринимаемая полезность и воспринимаемая простота использования), так и психологические (воспринимаемая ауте...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

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

Авторы не заявляют о конфликтах интересов.

Благодарности

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

Авторы с благодарностью выражают признательность за институциональную поддержку Международной бизнес-школы AzmanHashim, Университета технологий Малайзии и Колледжа инноваций и предпринимательства Сычуаньского туристического университета за предоставление ресурсов и академического руководства в ходе этого исследования. Это исследование было профинансировано Фондом Центра исследований развития кухни Сычуани (CC24G18).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Компьютерная система (ПК/ноутбук)Универсальный (HP/Dell/Lenovo или эквивалент)N/AИспользуется для сбора и анализа данных
Google FormsGoogle LLCN/A / https://forms.google.comИспользуется для дизайна опросов и сбора данных
Instagram ReelsMeta Platforms Inc.N/A / https://www.instagram.com/reels/Платформа для видео-стимулов виртуальных инфлюенсеров
Интернет-соединениеМестный интернет-провайдерN/AНеобходимо для доступа к опросам и платформам
Microsoft ExcelMicrosoft Corporation365 / https://www.microsoft.com/excelИспользуется для предварительной обработки данных и организации
PythonPython Software Foundation3.x / https://www.python.orgИспользуется для необязательной предварительной обработки и обработки данных
SmartPLSSmartPLS GmbH4.0 / https://www.smartpls.comИспользуется для анализа PLS-SEM, включая HTMT, Q² (слепые проверки) и f² эффектную величину
TikTokTikTok Inc.N/A / https://www.tiktok.comПлатформа для видео-стимулов виртуальных инфлюенсеров
Видеоклипы виртуальных инфлюенсеровДатасет, созданный авторомN/AСтандартизированные видео-стимулы, представленные участникам
YouTube ShortsGoogle LLCN/A / https://www.youtube.com/shortsПлатформа для видео-стимулов виртуальных инфлюенсеров

Ссылки

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

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

233233JoVEPLS SEM

Похожие статьи