Sequential mediation of parasocial relationships for purchase intention: PLS-SEM and machine learning approach

Auteurs : Nora Sharkasi, Saeid Rezakhah

Résultats du processus de synthèse de l'article arXiv : 2307.00005v1

  • Résumé Complet
  • Points clés
  • Résumé vulgarisé
  • Article de blog
Le résumé n'est pas encore prêt
Résumés déjà disponibles dans d'autres langues : en

Résumé : Companies employ social media influencers SMIs due to the compelling evidence of their advertising effectiveness, however, more research is required to identify and compare factors driving their success.We investigate the effect of source influence SI on the intention to purchase I2P through the sequential mediation of parasocial relationships PSR with benign envy BE and PSR with the perceived brand influencer fit BIF.Two independent samples N=411; N=355 from Europe and Southeast Asia are used to perform: i PLSSEM analysis to obtain the model's predictive power and ii classification based machine learning ML to evaluate the model's accuracy. Moreover, within study and between studies comparative analyses are performed. We use regression analysis and split test ML technique for validation. Both samples indicate a higher role of trustworthiness and expertise in forming SI. Furthermore, comparative mediation analysis and predictive accuracy scores show that the audience related feature, BE, played a more vital role in affecting/predicting the followers' I2P than the brand-related feature, BIF. Our findings contribute to the knowledge of SMIs' credibility and comparative analysis paradigms and provide a better understanding for marketing practitioners and researchers.

Soumis à arXiv le 08 Jui. 2023

Outils pour cet article

Expliquer autrement 3 réécritures gratuites restantes aujourd'hui
Exporter BibTeX · RIS (Zotero, Mendeley, EndNote) · Markdown (Notion, Obsidian) · Premium
Alertes de citation Premium
Journal club Des slides pour le présenter Premium
Pour les journalistes Kit presse et détecteur de hype Premium

Posez des questions sur cet article à notre assistant IA

Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.

⚠La licence de l'article ne nous permet pas de nous appuyer sur son contenu et l'assistant IA ne peut se servir que des métadonnées de l'article plutôt que de l'article complet.

Figures et graphiques

Posez une question sur une figure en indiquant son numéro ou en utilisant son bouton de question pour demander une analyse visuelle. Au maximum deux figures et quatre panneaux par question. Les valeurs lues sur les graphiques sont approximatives ; vérifiez les données originales.

Instructions pour utiliser l'assistant IA ?

Évaluez la qualité du contenu généré par l'IA en votant

Note : 0

Pourquoi avons-nous besoin de votes ?

Les votes sont utilisés pour déterminer si nous devons réexécuter nos outils de synthèse. Si le compte atteint -10, nos outils peuvent être redémarrés.

Le résumé précédent a été créé il y a plus d'un an et peut être réexécuté (si nécessaire) en cliquant sur le bouton Exécuter ci-dessous.

⚠La licence de cet article spécifique ne nous permet pas de nous appuyer sur son contenu et les outils de synthèse seront exécutés en utilisant les métadonnées de l'article plutôt que l'article complet. Cependant, l'outil produira quand même un bon résultat, et vous pouvez également essayer nos outils sur des papiers avec des licences plus ouvertes.

Articles similaires résumés avec nos outils d'IA

Naviguez à travers encore plus d'articles similaires en utilisant une

représentation arborescente

Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.