MétaCan
Menu
Retour à la cohorte
Enregistrement W4409589271 · doi:10.1108/jrim-12-2024-0573

Like, comment, and subscribe: investigating the effectiveness of digital engagement prompts

2025· article· en· W4409589271 sur OpenAlex
Jeffrey E. Anderson, Carlin A. Nguyen, Sidney Anderson

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Research in Interactive Marketing · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCustomer engagementBusinessComputer scienceInternet privacyAdvertisingMarketingPublic relationsData scienceWorld Wide WebPolitical scienceSocial media

Résumé

récupéré en direct d'OpenAlex

Purpose This study investigates the effectiveness of different types of calls-to-action (CTAs) in YouTube videos, specifically examining how “like,” “comment,” and “subscribe” prompts affect user engagement behaviors and how their placement within videos (beginning, middle, or end) influences viewer response rates. Design/methodology/approach The research analyzes 8,500 English-language YouTube videos from major English-speaking markets (USA, UK, Canada, Australia) using PLS-SEM. Video transcripts were analyzed to identify CTA presence and placement, while engagement metrics were collected via YouTube’s API. Findings Results show that “like” CTAs significantly increase video likes, particularly when placed mid-video. However, neither “comment” nor “subscribe” CTAs show significant effect on their respective engagement metrics. Cross-country analysis reveals variations in CTA effectiveness across markets, with the strongest effects observed in the USA. Research limitations/implications The sample of English-language content from Western markets limits generalizability to other cultural contexts. The analysis also relied solely on verbal CTAs, excluding non-verbal elements and content quality factors. Practical implications Content creators should strategically place “like” CTAs mid-video to maximize low-effort engagement, while recognizing that direct “comment” and “subscribe” requests have limited effectiveness without additional incentives or value propositions. Market-specific engagement strategies are recommended even within seemingly homogeneous English-speaking markets. Originality/value This study provides one of the first large-scale empirical tests of CTA effectiveness on YouTube, challenging the assumption that all CTAs boost engagement. By integrating Parasocial Relationship Theory and Expectancy-Value Theory, it demonstrates how both emotional connections and rational cost-benefit analyses determine viewer responses to prompts, expanding our theoretical understanding of digital 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,059
score de la tête « metaresearch » (Gemma)0,059
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0590,059
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,080
Tête enseignante GPT0,443
Écart entre enseignants0,363 · 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