MétaCan
Menu
Retour à la cohorte
Enregistrement W4379911827 · doi:10.54254/2754-1169/5/20220085

The Impact of Influencer Marketing Compared with Celebrity Endorsement on the Chinese Market

2023· article· en· W4379911827 sur OpenAlexaff
Kai Chen, Yi Lyu, Qingjing He

Notice bibliographique

RevueAdvances in Economics Management and Political Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensSpinal Cord Injury BC
Organismes subventionnairesnon disponible
Mots-clésBusinessPromotion (chess)AdvertisingInfluencer marketingMarketingChinaThe InternetSocial mediaSample (material)Marketing managementRelationship marketing

Résumé

récupéré en direct d'OpenAlex

This article discusses the impact of influencer marketing in the Chi-nese market. Due to the rapid growth of online shopping, influencer promotion has become an important marketing method in the Chinese market. The leading social media in China are Douyin, Red Book, and WeChat. And all of this software comes with an online shopping mall component. The presence of Taobao has also made online shopping more convenient. Social media professionals often have their shops on Taobao. We surveyed consumers of all ages across China using a ques-tionnaire and obtained a sample of 241. The questionnaire was de-signed to compare the impact of online marketing and celebrity en-dorsement on consumers in the Chinese market. Our survey showed that Chinese consumers are likelier to choose products promoted by internet celebrities, with female consumers being the majority. And the majority prefer beauty and garment products. Based on the ques-tionnaire analysis, it can be concluded that influencer marketing is more prevalent in the Chinese market. Due to the development of technology, people do not need to go to offline shops to buy products. Online shopping is more convenient for consumers. And influencer promotion just makes up for the lack of online shopping. Influencer demonstrations of products allow consumers to visualize the effec-tiveness of the products and thus feel confident in their purchases. This is also the reason why most consumers choose influencer market-ing.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,012
Tête enseignante GPT0,316
Écart entre enseignants0,304 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Economics Management and Political SciencesMême sujetDigital Marketing and Social MediaTravaux en français237 207