Araştırma makalesi

Sanal Ünlü Özellikleri Satın Alma Niyetini Nasıl Yönlendirir: Yapısal Denklem Modelleme ile Uyarıcı-Organizma-Tepki Çerçevesini Test Etmek

DOI:

10.3791/70685

⸱

3 Mart 2026

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

Bu makalede

Özet

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

Sanal ünlü deneyimi bağlamında, içerik kalitesi en çok memnuniyeti artırır; memnuniyet ise, sadakat yoluyla dolaylı olarak satın alma niyetini artırır. Kişiselleştirme, memnuniyet-sadakat bağlantısını güçlendirir, bu nedenle firmalar duygu uyandıran, anlatı uyumlu sanal ünlü içeriklerine ve kişiselleştirilmiş sadakat programlarına öncelik vermelidir.

Özet

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

Son yıllarda, firmalar ürünlerini ve markalarını çeşitli medya kanallarında tanıtmak için sanal ünlüleri tanıtmaya başladı. Bu araştırma, görünüş, ses ve içerik kalitesi gibi sanal ünlü çekicilik faktörlerinin tüketici memnuniyeti, sadakat ve satın alma niyetini nasıl etkileyebileceğini ampirik olarak incelemek için uyarıcı-organizma-tepki (SOR) çerçevesini kullanmaktadır. Kısmi en küçük kare yapısal denklem modellemesi (PLS-SEM), sanal ünlü deneyimlerine katılan 249 katılımcıdan oluşan bir seçim temelinde hipotezleri test etmek için kullanıldı. Bulgular, içerik kalitesinin kullanıcı memnuniyetinin en güçlü göstergesi olduğunu ve memnuniyetin sadakat yoluyla dolaylı olarak satın alma niyetini etkilediğini göstermektedir. Ayrıca, kişiselleştirme memnuniyet-sadakat ilişkisini yönetiyor; bu da kişiselleştirilmiş deneyimlerin sanal ünlüler ve hayranların etkileşimini artıracağını gösteriyor. Bulgular, sanal ünlü kampanyalarını düşünen firmaların görsel gerçekçilikten ziyade duygu uyandıran, anlatıya uygun içeriklere odaklanması gerektiğini gösteriyor. Ayrıca, sadakat geliştirme programlarına ve kişiselleştirilmiş etkileşim çözümlerine yatırımlar, tüketici memnuniyetini sürdürülebilir davranışlara dönüştürmek için gereklidir.

Giriş

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

Ünlü desteği yaygın olarak kullanılmaya devam ediyor ve şirketler dijital medyakanalları 1'de sanal ünlüleri giderek daha fazla benimsemektedir. Yapay zeka ve ilgili teknolojilerdeki gelişmeler, sanal ünlü formlarını çeşitlendirdi ve ölçeklenebilirlik ile etkileşimigeliştirdi 2.

Sanal ünlüler, sanal karakterler ile geleneksel ünlülerin melezleridirve burada dijital olarak oluşturulmuş kişilikler olarak tanımlanır; tekrarlayan anlatı temelli etkileşim yoluyla kamuoyunda tanınır ve kalıcı bağkurar. 3,4. Bu çalışma, tüketiciye yönelik dijital pazarlamada görsel-işitsel sanal ünlülere odaklanmaktadır. Şirketler tüketici davranışını etkilemek için giderek bu deneyimleregüvense de 5, araştırmalar sanal ünlü deneyimlerinin tatmin, sadakat ve satın alma niyetine nasıl dönüştüğüne sınırlı dikkat göstermiştir.

Önceki çalışmalar, davranışsal, bilişsel ve duygusal bakışaçılarını incelemiştir 4; güvenilirlik ve özgünlüğüvurgulamıştır 6,7, algılanan özgünlüğü8, kimlikaçıklaması 9, bilgi kalitesi10 ve duygusal tepkileri11. Çalışmalar ayrıca görünüş, ses ve içerik kalitesi gibi çekicilikipuçlarını da vurgulamıştır 12, ancak bu faktörlerin tüketici sonuçlarını nasıl etkilediğini sıklıkla açıklamayı başarısızolmaktadır 13,14. Sonuç olarak, olumlu değerlendirmeler sürekli olarak satın alma niyetine dönüşmez ve memnuniyet–satın alma ilişkisine dair kanıtlar karışıktır.

Bu boşluğu gidermek için, bu çalışma görünüm, ses ve içerik kalitesinin memnuniyet, sadakat ve satın alma niyetini nasıl şekillendirdiğini incelerken, moderatör olarak kişiselleştirmeyiSOR çerçevesi kullanarak test ediyor 15,16.

Bu çalışma, sanal ünlü çekiciliğini görünüm, ses ve içerik olarakkavramsallaştırarak katkıda bulunuyor 17, sadakati tatmini satın alma niyetiyle ilişkilendiren ana mekanizmaolarak açıklıyor 18,19 ve kişiselleştirmeyi memnuniyet-sadakat ilişkisinin bir güçlendiricisi olaraktanımlıyor 20.

Uyarıcı-Organizma-Yanıt (SOR) çerçevesi
SOR çerçevesi, çevresel uyaranların içsel durumları ve davranışsalyanıtları 21 nasıl etkilediğini, uyaranlar (S), organizmik durumlar (O) ve yanıtlar (R) dizisi aracılığıyla açıklar. Metaverse, oyun, perakende, reklam, e-ticaret ve ünlü desteğigibi bağlamlarda yaygın olarak uygulanmıştır 22,23,24,25,26,27,28. Ancak SOR, sanal ünlü özellikleri, değerlendirmeleri ve sonuçları arasındaki ilişkileri kursa da, değerlendirmelerin nasıl davranışsal niyetlere dönüştüğünü tam olarak açıklamaz. Bu nedenle, bu çalışma ilişki pazarlaması ve sadakatteorisi 29'u bütünleştirerek memnuniyet–sadakat–satın alma niyeti mekanizmasını netleştirir.

Sanal ünlülere yönelik tüketici tepkileri, görsel-işitsel çekicilik ve içerik etkileşimi gibi deneyimsel ipuçlarıyla giderekşekilleniyor 4,30. Görünüş ve ses ilk izlenimleri etkilerken, içerik kalitesi duygusal ve anlatı etkileşiminisürdürür 14,31. Bu faktörler olumlu değerlendirmeleri teşvik etse de, önceki araştırmalar yalnızca olumlu algıların satın alma niyetini yönlendirmeyebileceğini göstermektedir. Sadakat ve bağlılık gibi ilişki yapıları, olumlu deneyimleri davranışsal niyetlere dönüştürüyorgibi görünmektedir 32,33. Buna göre, görünüm, ses ve içerik kalitesi uyarıcı olarak modellenir; organizmik durumlar olarak tatmin ve sadakat; ve davranışsal tepki olarak niyeti satın almak. Sadakat psikolojik bağlılık olarak kavramsallaştırılır ve satın alma niyeti konatif sonuç olarak kavramlandırılır.

Ünlü desteği
Ünlü desteği, tanınmış kişilerin ürün veya hizmetleri tanıttığı yaygın bir pazarlamastratejisidir 34. Kullanımı özellikle sosyal medya influencerlarının yükselişiyle birlikte küreselolarak 1,36,37 arttı. Bilgisayar tarafından üretilen influencerlar, insan destekçilere alternatifolarak ortaya çıktı 37 ve esas olarak dijital platformlarüzerinden faaliyet göstermektedir 38.

Kapsamlı araştırmalar, onay etkinliği39,40 incelemiş ve kaynak güvenilirliği41, yani transfer35, genişletilmiş kaynakçekiciliği 42, ünlü markasıuyumu 43 ve süreç transferetkileri 44 gibi modeller önermiştir. Bu çerçeveler, güvenilirlik, çekicilik, sembolik anlam transferi ve markauyumunu vurgularak, sanal bağlamlarda onay mekanizmalarını anlamak için bir temel sağlar.

Sanal ünlü
Son çalışmalar, yapay zeka tarafından üretilen influencerları, VTuber'ları ve sanal marka elçilerini dijital ortamlardainceleyerek etkileşim, kişiselleştirme ve özgünlüğü vurguluyor. Medya zenginliği teorisi, daha zengin medyanın iletişim etkinliğiniartırdığını ve sanal karakterlerin bu zenginliği sürükleyici, çok duyusal etkileşim yoluylaörneklediğini ve duygusal ve sosyal tepkileri etkilediğiniöne sürer 49.

"Sanal ünlü" çeşitli dijital kişiliklerikapsasa da, bu çalışma görsel olarak bedenlendirilmiş, sabit kimliklere ve tekrarlayan içeriklere odaklanıyor. Önceki araştırmalar, etkilerini davranışsal, bilişsel ve duygusal bakış açılarıylaçerçeveler. 4. Davranışsal araştırmalar, katılım ve satın alma davranışınıinceler 32,51; Bilişsel araştırmalar güvenilirlik, özgünlük8, kimlikaçıklaması 9,52 ve bilgi kalitesi10 vurgular; Duygusal araştırma duygusal tutumlarıvurgular 11.

Sanal ünlü özellikleri
Kaynak güvenilirlik teorisi üzerine inşa edilen araştırmalar, sanal bağlamlarda antropomorfizm, çekicilik, güvenilirlik, uzmanlık ve parasosyal etkileşimi incelemiştir 1,32,53. Antropomorfizm, tüketici tepkilerini olumlu şekildeşekillendirir ve medyaajanları 57, sohbet botları58 ve sanal influencerlar için genişletilen Bilgisayarlar Sosyal Aktörlerparadigması 56 ile uyumludur. Ancak, sanal ünlüler gerçekçilik açısından farklılıkgösterir 4 ve tuhaf vadi teorisi, insana yakın temsillerin rahatsızlık uyandırabileceğiniöne sürer 59.

Teknolojik gelişmeler, sanal ünlüleri dinamik, içerik üreten ajanlara doğru kaydırarak, içerik kalitesi ve ses ifade yeteneği gibi deneyimsel özelliklerin önemini artırdı. Araştırmalar, sentetik ses14, yüz görünümü13, görünüm-sesuyumu 60, görsel-görselçekicilik 30 ve bilgisayar tarafından oluşturulan yüzlere verilentepkileri incelemiştir.

Bu çalışma, sanal ünlü çekiciliğini görünüş, ses ve içerik yoluyla kavramsallaştırıyor. Fiziksel çekicilik, halo etkisi62 ile uyumlu olan sosyal değerlendirmeyi etkiler ve memnuniyeti artırması beklenmektedir. İçerik kalitesi, sanal ünlü çıktısının anlatı ve deneyimsel boyutunu temsil eder ve kavramsal olarak hizmet kalitesindenfarklıdır 63,64,65.

Memnuniyet
Memnuniyet, tüketicilerin deneyimlerin beklentileri karşılayıp karşılamadığına dair bilişsel ve duygusal değerlendirmesiniyansıtır 66,67 ve beklentilere göre algılanan performansa göreşekilleniyor 68,69. Çevrimiçi bağlamlarda yaygın olarakincelenmiştir 70 ve performans değerlendirmesindemerkez bir yer tutmaktadır 71. Çekicilik, hizmet ortamlarında memnuniyetietkiler 72,73 ve ses çekiciliği benzer etkilergöstermiştir 74. Buna göre, görünüş, ses ve içerik kalitesinin sanal ünlü ortamlarında tatmini şekillendirmesi beklenmektedir.

Buna göre, aşağıdaki hipotezler önerilmektedir:
H1: Sanal ünlülerin görünüm çekiciliği tüketici memnuniyetini olumlu şekilde etkiler.
H2: Sanal ünlülerin ses çekiciliği tüketici memnuniyetini olumlu etkiler.
H3: Sanal ünlülerin içerik kalitesi tüketici memnuniyetini olumlu etkiler.

Sadakat
Bu çalışmada sadakat, tutumsal sadakat olarak kavramsallaştırılmıştır; bu da tüketicinin sanal ünlüyle olan psikolojik bağını yansıtır; gerçek tekrar davranışı değil19,33. Sadakat, engellere rağmen ilişkiyi sürdürme istekliliğinitemsil eder ve çevrimiçiortamlarda memnuniyet sonucu olarak geniş çapta incelenmiştir (67,76), turizm77 ve VTuber onaybağlamları 33. Buna göre, aşağıdaki hipotez önerilmektedir:
H4: Sanal ünlülerden tüketici memnuniyeti, sanal ünlülere olan sadakati olumlu şekilde etkiler.

Sanal ünlüler tarafından onaylanan mal ve hizmetlerde Satın Alma Niyeti
Satın alma niyeti, tüketicinin bir ürün veya hizmeti satın alma olasılığını ve hazır olmasınıyansıtır 67,78,79 ve memnuniyet, güven, sadakat ve keyif gibi faktörlerden etkilenir 78. Sadakatin satın almaniyetini güçlü şekilde tahmin ettiği gösterilmiştir 80. Sanal ünlü bağlamlarında, araştırmalar satın alma niyetietkileri 8,52 ve çekicilik ile satın alma niyeti arasındaki tatmin aracırolünü incelemiştir 81,82. Buna göre, aşağıdaki hipotezler önerilmektedir:
H5a: Tüketici memnuniyeti, sadakat yoluyla dolaylı olarak satın alma niyetini olumlu etkiler.
H5b: Memnuniyet ile satın alma niyeti arasındaki doğrudan ilişki, modele sadakat dahil edildiğinde önemsiz olur.
H6: Sanal ünlülere olan tüketici sadakati satın alma niyetini olumlu etkiler.

Kişiselleştirme (kişiselleştirilmiş hizmet)
Etkileşimlilik, sosyolojiden kaynaklanır ve ilişki temelliiletişimi ifade eder 83, genellikle teknoloji84 ile mümkün olur. Yapay zeka, kişiselleştirilmiş hizmetlerle etkileşimli pazarlamayıgüçlendirdi 46, kişiselleştirmeyi dijital pazarlama etkinliğinin merkezihaline getirdi 85. Kişiselleştirme, içeriği veya etkileşimi bireylere göre uyarlayarak sonuçlarıiyileştirmeyi ve etkileşimi desteklemeyi ve ortak değer yaratmayıdesteklemeyi içerir 87. Büyük veri ve dijital izlerdeki gelişmeler, firmaların davranışsal geçmişler ve kendi açıklayan kullanıcı bilgileri kullanarak iletişimikişiselleştirmesini sağlar 88,89,90.

Önceki çalışmalar, kişiselleştirmenin kalite–memnuniyet91, güven–memnuniyet16 ve teknoloji benimsenmesi gibi temel ilişkileri yönettiğini göstermektedir(gizlilik endişeleri 92) ve diğer ilişkiselyollar (24,25,26,27). Bu çalışmada, kişiselleştirme, memnuniyet ve sadakatin satın alma ile ilgili sonuçlara nasıl dönüştüğünü şekillendiren bağlamsal bir moderatör olarak ele alınmaktadır. Aşağıdaki hipotezler öne sürülmektedir:
H7a: Algılanan kişiselleştirme, memnuniyet ile sadakat arasındaki ilişkiyi güçlendirir.
H7b: Algılanan kişiselleştirme, memnuniyet ile satın alma niyeti arasındaki ilişkiyi güçlendirir.
H7c: Algılanan kişiselleştirme, sadakat ile satın alma niyeti arasındaki ilişkiyi güçlendirir.

Kavramsal araştırma modeli
Şekil 1, uyarıcı–organizma–yanıt çerçevesine dayanan kavramsal modeli sunar: görünüm, ses ve içerik (uyarıcılar) tatmini ve sadakati (organizma) etkiler; satın alma niyeti (yanıt) esas olarak sadakatten kaynaklanır. Kişiselleştirme, tatmin-sadakat ilişkisini güçlendirir ve seçilmiş yapısal yolların moderatörü olarak modellenir.

figure-introduction-1
Şekil 1: Uyarıcı–organizma–yanıt çerçevesine dayalı araştırma modeli. Sanal ünlü özellikleri (görünüm, ses ve içerik kalitesi) arasındaki uyarıcılar, organizmik değişkenler (memnuniyet ve sadakat) ve davranışsal sonuç (satın alma niyeti) arasındaki ilişkileri gösteren kavramsal model. Kişiselleştirme, memnuniyet–sadakat ilişkisinin moderatörü olarak modellenir. Sadakat yoluyla dolaylı etkiler tasvir edilir. Not. CAA = Karakteristik görünüm, çekicilik; CVA = Karakteristik ses çekiciliği; CCA = Karakteristik içerik çekiciliği; LO = sadakat; PE = kişiselleştirme; PI = Satın alma Niyeti; SA = Tatmin. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

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

Çalışma, kurumsal minimal risk yönergeleri kapsamında tam etik incelemeden muaf tutulmaya hak kazandı; çünkü kişisel tanımlayıcı bilgiler toplanmayan anonim bir çevrimiçi anket içeriyordu. Anketin başında çalışma amacı, gönüllü katılım, anonimlik ve veri kullanımını açıklayan bilgilendirilmiş bir onay formu sunuldu ve yalnızca rıza sahibi katılımcılar devam etti.

1. Örneklem büyüklüğü belirleme

Son örneklem (N = 249), PLS–SEM için istatistiksel güç gereksinimlerine dayanarak belirlendi. Tek bir endogen yapı için maksimum tahmin sayısı altıdır (üç sanal ünlü özelliği ve üç kontrol değişkeni memnuniyet için; memnuniyet, etkileşim terimi ve sadakat için kontroller). Güç analizi, α = 0.05 ve 0.80 güçte orta bir etki boyutunu (f2 = 0.15) tespit etmek için yaklaşık 97 gözlem gerektirdiğini gösterdi. Elde edilen örneklem büyüklüğü bu eşiği aşarak yapısal, arabuluculuk ve moderasyon analizleri için yeterli güç sağladı.

2. Katılımcı kazanımı ve taraması

Katılımcılar, sanal ünlülerle önceden deneyim sağlamak için amaçlı olasılık dışı örnekleme kullanılarak çevrimiçi bir araştırma paneli aracılığıyla seçildi. Uygunluk 18 yaş ve üzeri bireylerle sınırlıydı. Tarama ve dikkat kontrolü maddeleri dahil edildi, geçersiz yanıtlar ise hariç tutuldu. Hedef örneklem büyüklüğüne ulaşıldığında veri toplama işlemi sona erdi.

3. Standart tanım ve ölçüm talimatları

Katılımcılara, sanal ünlülerin dijital olarak oluşturulmuş görsel-işitsel kişilikler olarak standartlaştırılmış bir tanımı sunuldu; bu kişiler istikrarlı görsel kimlik, ses ve tekrarlayan anlatı içeriğine sahipti. Gerçek deneyimlerine dayanarak yanıt vermeleri talimatı verildi.

4. Ölçüm Aletleri geliştirme ve yönetimi

Doğrulanmış ölçüm ölçekleri, sanal ünlü bağlamına uyarlandı (Tablo 1), burada tüm yapılar 7 puanlı Likert ölçekleriyle ölçüldü (1 = kesinlikle katılmıyor; 7 = kesinlikle katılıyor). Ankette görünüm, ses, içerik kalitesi, memnuniyet, sadakat, kişiselleştirme, satın alma niyeti ve demografik bölümler yer alıyordu. Platform kontrolleri tekrarlanan göndermeleri engelledi.

Tablo 1: Ölçüm öğeleri ve kaynakları. Her yapı için kullanılan ölçüm öğeleri arasında görünüm çekiciliği, ses çekiciliği, içerik kalitesi, memnuniyet, sadakat, kişiselleştirme ve satın alma niyeti bulunur. Ölçek uyarlaması kaynakları sağlanır. Bu tabloyu indirmek için lütfen buraya tıklayın.

5. Veri hazırlama ve temizlik

Veriler CSV formatında dışa aktarıldı. Eksik, başarısız tarama ve başarısız dikkat kontrolü yanıtları kaldırıldı. Temizlenmiş veri seti analiz için PLS–SEM yazılımına aktarıldı.

6. Ölçüm ve yapısal model değerlendirmesi

Tüm yapılar yansıtıcı olarak tanımlanmıştır. Güvenilirlik, Cronbach'ın alfa ve bileşik güvenilirliği (≥ 0.70) kullanılarak değerlendirildi. Yakınsayan geçerlilik AVE (≥ 0.50) kullanılarak değerlendirildi ve ayrımcı geçerlilik Fornell–Larcker kriterleri ve HTMT (< 0.90) kullanılarak değerlendirildi.

Yapısal yollar kavramsal modele göre belirlenmiştir. Multikollinearlık, Varyans Enflasyon Faktörü (VIF) < 5.0 kullanılarak değerlendirildi. 5.000 alt numuneyle önyükleme yöntemi yol katsayıları, t-değerleri, p-değerleri, %95 güven aralıkları ve etki boyutları (f2) üretmiştir.

  1. Arabuluculuk analizi
    Ardışık arabuluculuk (sanal ünlü özellikleri → memnuniyet → sadakat → satın alma niyeti) %95 güven aralıklarıyla bootstrapped dolaylı etkiler (5.000 alt örnek) kullanılarak test edilmiştir.
  2. Moderasyon analizi
    Etkileşim terimleri, kişiselleştirmenin moderatif etkilerini test etti. Bootstrapping tahmini moderasyon katsayılarını ve etki boyutlarını gösterdi, etkileşim grafikleri ise koşullu etkileri gösterdi.
  3. Öngörücü önem
    Öngörücü performans, göz bağlı ve/veya örneklem dışı prosedürlerle değerlendirildi. Q 2_predict değerleri, RMSE ve MAE doğrusal bir kıyaslama modeliyle karşılaştırıldı. Tahminsel önemlilik, Q2_predict > 0 ve PLS hataları kıyaslamadan daha düşük olduğunda desteklendi.
  4. Raporlama ve doğrulama
    Tüm güvenilirlik, geçerlilik, yapısal, arabuluculuk, moderasyon ve öngörücü sonuçlar raporlama için derlendi. Çıktılar, doğruluk ve tutarlılık sağlamak için yazılım sonuçlarıyla çapraz kontrol edildi.

7. Sorun giderme ve modifikasyonlar

Tarama başarısızlıkları yüksekse, uygunluk kriterleri ve talimatlar geliştirildi. Güvenilirlik (CR < 0.70) veya AVE (< 0.50) eşiklerin altına düşerse, kötü performans gösteren göstergeler kaldırılırken teorik tutarlılık korunurdu. Çok kollinearlık sorunları (sınırların üzerindeki VIF) yapı spesifikasyonlarının yeniden değerlendirilmesiyle ele alındı. Arabuluculuk veya moderasyon etkileri anlamsızsa, örneklem büyüklüğü veya operasyonelleştirme yeniden değerlendirildi. Bootstrapping, stabil tahminler sağlamak için 5.000 alt örneklem kullandı.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

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

Tablo 2, son örneklemin demografik özelliklerini (N = 249) özetlemekte; cinsiyet, yaş, eğitim seviyesi ve sanal ünlülerle etkileşim sıklığı dahildir. Örneklem dengeli cinsiyet temsiliyetini (%52,6 kadın) gösterdi ve ağırlıklı olarak nispeten yüksek eğitim seviyesine sahip genç ve orta yaşlı yetişkinlerden oluşuyordu. Etkileşim sıklığı haftalık-aylık aralıkta yoğunlaştı ve günlük kullanıcı sayısı daha azdı. Kontrol değişkeni olarak dahil edildiğinde, kullanım sıklığı bağı...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

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

Bu çalışma, sanal ünlü özelliklerinin SOR çerçevesinde memnuniyet, sadakat ve satın alma niyetini nasıl etkilediğini inceliyor; moderatör olarak kişiselleştirme kullanılıyor. Üç temel içgörüler ortaya çıkar: içerik kalitesi, görünüş ve sese göre en güçlü memnuniyet kaynağıdır; tatmin, satın alma niyetini yalnızca dolaylı olarak sadakat yoluyla etkiler (dolaylı arabuluculuk); kişiselleştirme memnuniyet-sadakat ilişkisini güçlendirir ancak satın alma niyetini doğrudan etkilemez.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

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

Yazarlar çıkar çatışması belirtmemektedir.

Teşekkürler

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

Bu çalışma, aSSIST Üniversitesi'nden alınan araştırma fonlarıyla desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Qualtrics
Versiyonu: Yok		Qualtrics, LLCYokAnket kodlaması, https://www.qualtrics.com/
Prolific
Versiyon: Yok		VerimliYokÇevrimiçi anket panosu sağlayıcısı, https://www.prolific.com/
SmartPLS
Sürüm: 4.0.1		SmartPLS GmbHYokPLS-SEM analizi,https://www.smartpls.com/
ChatGPT
Sürüm: 5.2		OpenAIYokOkunabilirliği ve dilbilgisi kontrolünü artırmak, https://www.chatgpt.com/

Kaynaklar

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

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

erik KalitesiT ketici MemnuniyetiM teri SadakatiKi iselle tirme EtkileriArac l k Analizing r c Performans

İlgili makaleler