Celebrity endorsement in social media contexts: understanding the role of advertising credibility, brand credibility, and brand satisfaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Online tutoring is a new phenomenon in Indonesia that is quite popular at the moment, especially after the pandemic. The emergence of online tutoring for schoolchildren provides families with an alternative option for educating their children; additionally, online learning becomes an effective alternative because it does not pose a health risk during a pandemic. Online tutoring marketing optimizes marketing strategies through digital content using celebrity endorsements. The purpose of this study was to examine the effects of a comprehensive new model of using celebrity endorsement based on its dimensions and its effect on brand satisfaction, advertising credibility, brand credibility, and repurchase intention. The data collection technique in this study was quantitative and involved distributing questionnaires to 175 respondents in the city of Jakarta. This study uses a structural equation model (SEM) with the SmartPLS tool. The results obtained are able to identify and measure the impact of celebrity endorsement in digital marketing strategies that have an impact on repurchase intention. The results of the study explain that all pathways proved to have a positive effect, unless expertise on repurchase intention has a negative effect. There are 6 hypotheses accepted and 8 hypotheses rejected. The biggest influence on repurchase intention is advertising credibility. In terms of the total indirect effect, only attractiveness and trustworthiness have a significant total effect on repurchase intention, while expertise does not have a significant total effect. The implications of this research can be used as a basis for determining a comprehensive strategy for online tutoring companies to retain their customers after the pandemic.
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.
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 | 0,007 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle