Relationship between Advertising Disclosure, Influencer Credibility and Purchase Intention
Notice bibliographique
Résumé
Understanding influencer credibility and online advertising and explaining its implications is the basis for analyzing customer purchase behavior. Novelties in digital marketing are visible in the growth of advertising through digital platforms using micro-influencers, compared to the former trend of using celebrities in creating brand awareness with the purpose to reach many customers and influence their buying decisions. The aim of this study is to examine how advertising disclosure (displayed/not displayed) affects influencer credibility, while analyzing influencer type (celebrity/micro-influencer) as a moderator variable underlying this relationship. Further, this paper investigates whether brand awareness mediates the relationship between influencer credibility and purchase intention. The questionnaire was designed and data were collected from 364 respondents using the convenience sampling method on the student population from one Croatian university. Regression analysis was performed to test the set hypothesis in SPSS using the PROCESS approach and independent sample t-test. The findings show: (1) displayed advertising status increases influencers’ credibility, and (2) this relationship is not moderated by influencer type. Moreover, (3) influencer credibility has a positive and significant relationship with purchase intention, and (4) this relationship is mediated through brand awareness. Research results indicate the importance of advertising disclosure and influencer credibility in influencer marketing, since brand awareness created through influencers’ credibility increased by displayed advertising disclosure significantly affects purchase intention of participants.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».