Impact of Influencer Marketing on Consumer Purchase Behavior during the Pandemic
Notice bibliographique
Résumé
Social Media has turned from our regular photos and thought dumping platform to a marketing space mainly led by influencers. Influencers, the ones who influence, hold a firm grasp on people all over social media through their content, views, thoughts, and uniqueness that they have to offer. These influencers are known to impact people especially the younger generations. We can mark them as a new form of marketing that works beyond traditional marketing and is not limited to just selling a product but broadens the horizon to building a brand identity and creating a trustful relation between the audience, the brand, and the influencer. As the number of people who use social media grow, so grows the number of influencers and so does the number of companies choosing to use influencer marketing. The scope is big, the audience is endless and the influencers are professionals at creating engaging marketing content that is a long-term investment for any company big or small. The aim of this paper is to bring to light the recent uproar of Influencer Marketing on social media during the pandemic and how it has had an impact on companies and on the audience’s purchase behavior. The data for this paper has been taken through a small research survey that has also been done on a sample size of 50 consumers to study the impact of influencer marketing on their purchase behavior and decisions. All data used is particular to the pandemic and hence data post-2020 to now has been used.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».