Les influenceurs et leurs impacts sur les choix des consommateurs dans le contexte d’Instagram
Notice bibliographique
Résumé
L’intérêt pour les influenceurs numériques comme outil de communication et de vente pour les marques s’accroît de manière considérable au cours des dernières années. Il reste toutefois beaucoup à explorer pour mieux comprendre comment les influenceurs peuvent créer un lien de confiance avec leurs abonnés et ainsi façonner leurs perceptions et leurs comportements. Cette étude vise donc à évaluer la perception des abonnés d’Instagram afin de comprendre leur relation avec les influenceurs ainsi que le processus d’influence qui en découle. Pour ce faire, la théorie des usages et des gratifications et le modèle « Stimulus – Organisme – Réponse » ont été combinés afin d’étudier le phénomène sous un angle plus analytique. En effet, cette recherche contribue à la littérature scientifique en offrant un cadre complet qui démontre comment les actions des influenceurs permettent de combler certains besoins des consommateurs et influencent ainsi l’intention d’achat des produits promotionnels et la loyauté envers cet influenceur. Les résultats d’un échantillon de 159 répondants à un questionnaire administré en ligne démontrent plusieurs effets de médiation entre les variables. Pour l’intention d’achat des produits promotionnels, les relations sociales, la recherche d’information et l’identification personnelle médient complètement sa relation avec le design visuel du compte de l’influenceur ainsi que la qualité informationnelle des produits promotionnels. Ainsi, les liens significatifs du modèle conceptuel expliquent 32,2% de l’intention d’achat des produits promotionnels. Puis, pour la loyauté envers l’influenceur, les liens significatifs du modèle permettent d’expliquer 58,2% de sa variation. Puis, l’impact du design visuel et de la qualité informationnelle sur la loyauté est médié partiellement par l’identification personnelle. La distraction a également un impact significatif positif sur cette variable dépendante. Ainsi, l’interactivité ne présente aucune relation significative, ce qui permet d’éliminer en partie l’ambigüité dans la littérature scientifique. La découverte de ces relations permettra aux professionnels du marketing de mieux comprendre le processus du consommateur pour adopter les recommandations des influenceurs ainsi que les approches à privilégier pour enclencher cette action. Cette étude démontre également l’importance de certains aspects pour favoriser la loyauté envers les influenceurs, un facteur clé pour les collaborations à long terme avec les entreprises. L’intégration de théories provenant de deux domaines distincts, soit la psychologie et le marketing, permet d’offrir un cadre plus complet du phénomène des influenceurs en contexte d’affaires et ouvre un nouvel angle pour des recherches futures.
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 | 0,003 | 0,009 |
| 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 | 0,004 | 0,005 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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 ».