MétaCan
Menu
Retour à la cohorte
Enregistrement W7165007638 · doi:10.62345/jads.2025.14.3.168

The Impact of Perceived Brand Control on Influencer Authenticity and Gen Z Consumer Engagement

2025· article· W7165007638 sur OpenAlexfundno aff
Nimra Khan, Aroosa Altaf, Shah Fahad

Notice bibliographique

RevueJournal of Asian Development Studies · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesAcademy of MarketingMcGill University
Mots-clésInfluencer marketingCredibilityPerceptionAffect (linguistics)Control (management)Brand engagementSocial media

Résumé

récupéré en direct d'OpenAlex

This study investigates how perceptions of brand control affect influencer authenticity and how perceptions of brand control shape consumers in Generation Z (Gen Z). Since influencer marketing has become increasingly important to brands, there has been concern about the naturalness of influencers amid growing brand interference. The research examines the impact of having different levels of brand control, based on content, messaging, and sponsorship disclosures, on activation of perceived authenticity of influencers. It also examines the mediating role of negative emotions in the relationship between perceptions of brand control and influencers' avoidance among Gen Z consumers. Quantitative research was employed, with a structured online survey administered to 400 Gen Z social media users. Findings from regression analysis indicated that high brand control, as a factor, significantly decreased perceptions of influencer authenticity and elicited negative emotions, which, in turn, served as a mediator of avoidance behavior. The results have valuable implications for brands, influencers, and policymakers, who should strike a balance between branding and independence to shape credibility and trust. This study adds to the existing body of research on influence marketing by showing a deeper psychological process through which brand control influences Gen Z consumers' 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,366
Écart entre enseignants0,338 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Asian Development StudiesMême sujetDigital Marketing and Social MediaTravaux en français237 207