Imagery makes social media captivating! Aesthetic value in a consumer-as-value-maximizer framework
Notice bibliographique
Résumé
Purpose Social media bring about the imagery of people, places and products. Showing particular success in attracting women and millennials, these media (e.g. Instagram, Snapchat and Pinterest) are built around imagery consumption. This paper follows a qualitative theory building approach to extend the theory of consumption values and develop a framework based on the values social media deliver to consumers that explain their use outcomes. Design/methodology/approach The framework was analytically developed based on a review of the literature. In contrast to frameworks such as stimulus-organism-response (S-O-R), the framework proposes that people consume social media to maximize relevant values, namely, the aesthetic, social and learning value. Then, a study based on semi-structured interviews is performed to elaborate on the values and their undertakings. Findings The paper defines the consumption’s aesthetic value and underscores it as a focal driver of social media use and a key concept in social commerce. Data analysis suggests that aesthetic value engenders such responses as consumer’s inspiration, infinity sensation and habitual entertainment. Additional drivers of social media users are social and learning values. The social value engenders self-expression and social privacy, whereas the learning value engenders resourcefulness and parallel shopping. Originality/value This paper stipulates that people consume (i.e. use) social media to maximize relevant values, which, in turn, result in two groups of responses (inner and outer responses). The framework indicates that the relevant values mediate the relation between a stimulus (e.g. social media use) and response (e.g. entertainment, inspiration and behavioral intent). It highlights the centrality of aesthetic value in digital marketing and social commerce environments. The framework, thus, contrary to S-O-R, views the consumer as a maximizer of values rather than (a) processor of emotional and cognitive rejoinders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,032 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».