MétaCan
Menu
Retour à la cohorte
Enregistrement W3213200074 · doi:10.5539/ijms.v13n4p1

The Impact of Relationship Quality Between Social Media Influencers and Their Followers on Brand Purchase Intention

2021· article· en· W3213200074 sur OpenAlexvenueno aff
Tsung‐Hsien Kuo, Han-Kuang Tien

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInfluencer marketingPsychologySocial mediaSkepticismQuality (philosophy)PersuasionProduct (mathematics)AdvertisingAffect (linguistics)Brand relationshipMarketingBusinessSocial psychologyRelationship marketingBrand managementMarketing management

Résumé

récupéré en direct d'OpenAlex

Social media influencers (SMI) have been shown to influence the purchase decision-making of their followers. In this respect, it is necessary to explore the interactive relationship between them, i.e., relationship quality. Researchers will not know the extent to which social media influencers affect their followers and their persistence of persuasion until they understand the SMI-follower relationship quality. This study focused on whether the SMI-follower relationship quality enables followers to transfer their trust in SMIs and affects their attitude toward the advertised or recommended product and brand. Furthermore, it explored whether followers’ skeptical attitude toward advertising moderates the relationship between the SMI-follower relationship quality and trust transference, and whether followers’ self-monitoring moderates the relationship between their advertising skepticism and trust transference. This study distributed survey questionnaires online, and obtained a total of 235 valid copies. The data were used to conduct path analysis through the software PROCESS. The empirical data showed that the higher the SMI-follower relationship quality, the more likely are the followers to transfer their trust in SMIs to the advertised or recommended product or brand. In addition, it was found that trust transference positively mediates the impact of relationship quality on brand attitude. Further, the results indicated that the followers’ high level of advertising skepticism negatively moderates the impact of SMI-follower relationship quality on trust transference, and that a high level of self-monitoring inhibits the negative moderating effect of advertising skepticism on the relationship between SMI-follower relationship quality and trust transference to a larger extent.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,097
Tête enseignante GPT0,438
Écart entre enseignants0,342 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetDigital Marketing and Social MediaTravaux en français237 207