Exploring the impacts of advertisement and influencer on tourist destination selection: An empirical investigation of Cox’s Bazar tourism in Bangladesh
Notice bibliographique
Résumé
,Purpose: This study aims to investigate the impact of social media advertising (SMA) and influencer endorsements on tourists' destination selection (TDS) for Cox’s Bazar, Bangladesh, and to determine the moderating role of generational cohorts in these relationships. Design/methodology/approach: A quantitative research design was employed, utilizing a self-administered survey. Data from 202 respondents were analyzed using confirmatory factor analysis (CFI=0.95, TLI=0.94, RMSEA=0.06) to validate the measurement model, followed by multiple regression and moderation analysis to test the hypothesized relationships. Findings: The regression results indicate that both SMA (β = 0.32, p < 0.001) and human influencer (HI) endorsements (β = 0.41, p < 0.001) significantly positively influence TDS. Furthermore, generational cohort significantly moderates these effects: SMA's impact is stronger for Gen Z (SMA×GenCohort: β = 0.12, p = 0.003), while conventional advertising is more effective for older cohorts (CA×GenCohort: β = -0.10, p = 0.001). Practical implications: Destination Marketing Organizations (DMOs) should adopt a generationally segmented strategy, prioritizing authentic human influencer partnerships and targeted social media campaigns for younger demographics, while maintaining a presence in conventional media for older tourists. Originality/value: By uniquely integrating the Elaboration Likelihood Model within an emerging market context, this research fills a critical gap in the literature, providing novel evidence on generational differences in processing destination marketing.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».