MétaCan
Menu
Retour à la cohorte
Enregistrement W3158344359 · doi:10.1177/18393349211011171

Influencer Marketing and Authenticity in Content Creation

2021· article· en· W3158344359 sur OpenAlexaff
Sommer Kapitan, Patrick van Esch, Vrinda Soma, Jan Kietzmann

Notice bibliographique

RevueAustralasian Marketing Journal (AMJ) · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésInfluencer marketingPerceptionWillingness to payProduct (mathematics)MarketingBusinessAdvertisingControl (management)Content (measure theory)PsychologyMarketing managementRelationship marketingEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

Across four studies, over 1,100 participants, and two product categories, we examine the impact of endorser type (celebrity vs. influencer) on consumers’ willingness to pay for an endorsed product (Study 1a). We determine whether the impact of endorser type on willingness to pay is mediated by perceptions of authenticity (Study 1b). Finally, we test how perceptions that an endorser as a content creator (vs. paid promoter) acts as a boundary condition on the effect of authenticity on willingness to pay (Study 2a). Moreover, consumers see an endorsement by influencers who demonstrate they are intrinsically motivated and in creative control over their content as more believable and authentic, which significantly drives their willingness to pay for an endorsed product (Study 2b). We propose that in influencer marketing, marketing practitioners should seek to engage influencers who are authentic and retain control over their own content. Theoretical and practical implications are discussed, and recommendations for future research are presented.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,307
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Marketing Journal (AMJ)Même sujetDigital Marketing and Social MediaTravaux en français237 207