When we are alike: homophily in livestream commerce
Notice bibliographique
Résumé
Purpose Homophily, a prominent phenomenon in social networking, profoundly shapes user behaviors on social media but has not been well studied in the livestream commerce context. This study aims to investigate its moderation role in leveraging the effects of key livestream commerce factors – perceived expertise of live streamers and perceived interaction during live streaming – on audience trust, a critical determinant of purchase intentions. Design/methodology/approach A survey was conducted among livestream shoppers on Taobao. A sample of 313 responses was analyzed. SPSS (version 29) was used for general statistical analysis. The partial least squares structural equation modeling approach with SmartPLS 4.1 software was used to assess the research model and hypotheses. Findings The results reveal noteworthy differential effects of homophily: it negatively moderates the expertise–trust association but positively moderates the interaction–trust relationship. When the audience perceives strong homophily with live streamers, their trust in these live streamers becomes increasingly contingent on the level of interaction, whereas the effect of perceived expertise diminishes. Originality/value The insights on the differential effects of homophily are novel to the literature. These findings extend theoretical understanding of the homophily effect and provide valuable guidance for live streamers, marketers and platforms seeking to reinforce audience trust and drive purchase intentions in livestream commerce.
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 | 0,006 | 0,010 |
| 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 | 0,000 | 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 ».