The role of social media influencers in shaping destination image and intention to visit Jordan: The moderating impact of social media usage intensity
Notice bibliographique
Résumé
Social media influencers have become important motivators in shaping tourist attitudes and behaviors. This study analyzed how exposure to influencer content impacts key outcomes for the destination Jordan. A survey of tourists who visited Jordan in the past 3 years measured their perceptions of influencer credibility, content quality, awareness/interest, trust/engagement, destination image, general tourism behavior, and intentions to revisit. Results of SEM analysis found significant positive effects of influencer marketing on both destination image and visit intentions. Awareness/interest and trust/engagement were most impactful, highlighting influencers' role in sparking early motivation. Content quality additionally predicted visit intentions by informing decisions. Perceived credibility made recommendations more persuasive. Furthermore, usage intensity positively moderated the mediated relationships, amplifying effects among heavy social media users. Findings provide theoretical validation of how influencers act as digital opinion leaders. By enhancing destination image through compelling portrayals, influencers shape audience travel interests and behaviors. Managerial implications suggest destinations should invest in influencer campaigns for reach and inspiration while ensuring content quality. Performance tracking informs optimal platform and demographic targeting. Overall, influencer marketing demonstrated significant persuasive appeal for potential tourists. This quantitative study pioneer’s measurement of influencer marketing's tangible impacts on key tourist metrics. The results empirically substantiate the ability of strategically leverage influencers to motivate visitation and guide decision-making. As practitioners refine partnerships for audience growth and branding, academic research must also advance a nuanced understanding of this emerging phenomenon at the confluence of social media and tourism consumer behavior.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».