نقش ویژگی‌های آواتار بر هویتیابی مشتری و قصد خرید در دنیای متاورس

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مدیریت، داشکدۀ مدیریت و نوآوری، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران

2 دانش‌آموختۀ دکتری، گروه مدیریت، داشکدۀ علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران

3 دانش‌آموختۀ کارشناسی ارشد مدیریت بازرگانی، گروه مدیریت، دانشکدۀ مدیریت و نوآوری، دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران

10.22108/nmrj.2024.139869.2989

چکیده

پژوهش حاضر با هدف بررسی تأثیر ویژگی‌های آواتار بر هویت‌یابی مشتری و قصد خرید با نقش میانجی درگیری مشتری در متاورس انجام شده است. در این مطالعه برای جمع‌آوری داده‌ها از پرسشنامۀ استاندارد استفاده شده است. جامعۀ آماری پژوهش نسل هزاره و متولدین بعد از آن شهر اصفهان بوده که به‌علت نامحدودبودن جامعۀ آماری مطابق با جدول گرجسی و مورگان تعداد ۳۸۴ نفر در‌نظر گرفته شده است. روایی محتوای سؤال‌های پرسشنامه را استادان و خبرگان حوزۀ تجارت الکترونیک بررسی و تأیید کردند و سپس پایایی آن با ضریب آلفای کرونباخ تأیید شد. برای تجزیه‌وتحلیل و به‌کار‌گیری آزمون‌های پژوهش از نرم‌افزار SPSS24 و برای تحلیل عاملی و الگوسازی معادله‌های ساختاری از نرم‌افزار Smart PLS3.0 استفاده شده است. نتایج آزمون فرضیه‌های پژوهش نشان داد که توانایی ذهنی، مهارت‌های اجتماعی، توانایی ورزشی و توانایی هنری / موسیقی، توانایی ورزشی و جذابیت فیزیکی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنادار دارد. همچنین، هویت‌یابی مشتری بر درگیری مشتری، درگیری مشتری بر قصد خرید و هویت‌یابی مشتری بر قصد خرید تأثیر مثبت و معنادار دارد.
 
 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Role of Avatar Features in Customer Identification and Purchase Intention in the Metaverse World

نویسندگان [English]

  • Somayeh Ahmadzadeh 1
  • Reihaneh Alsadat Tabaeeian 2
  • Pardis Shahrestani 3
1 Assistant Professor, Department of Management, Faculty of Management and Innovation, Shahid Ashrafi Esfahani University, Isfahan, Iran
2 PhD., Department of Management, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran
3 MA Graduate of Business Administration, Department of Management, Faculty of Management and Innovation, Shahid Ashrafi Esfahani University, Isfahan, Iran
چکیده [English]

This study investigated the impact of avatar features on customer identification and purchase intention in the metaverse with the mediating role of customer engagement. The data were collected using a standardized questionnaire. The statistical population comprised the millennial generation and those born thereafter in the city of Isfahan. Considering the unlimited population, a sample size of 384 individuals was determined based on Krejcie & Morgan’s (1970) table. The questionnaire's content validity was confirmed by professors and experts in the field of the metaverse and its reliability was established through Cronbach's alpha coefficient. The research tests were analyzed using SPSS 24 software, while factor analysis and structural equation modeling were performed using Smart PLS 3.0 software. The results of the model test indicated that avatar’s mental ability, avatar’s social skills, avatar's artistic/musical ability, avatar's athletic ability, and avatar's physical attractiveness exhibited positive and significant effects on customer identification. Additionally, customer identification demonstrated a positive and significant impact on customer engagement and purchase intention.
 
 
Introduction
The advent of advanced technologies has revolutionized people's lives, providing new opportunities for digital living. The metaverse, a virtual world that extends beyond reality, offers users the chance to engage in activities, such as shopping, trading, traveling, socializing, and interacting with others. Avatars play a crucial role in enhancing users' presence in the metaverse. Research has shown that users interact differently with something that resembles a human compared to inanimate objects. Thus, the human-like appearance of digital avatars is considered an essential and significant element in their conceptual definition as it promotes greater interaction. Despite the widespread importance of avatars and the need for companies and digital marketers to recognize the monetization potential through avatars and the fact that individuals invest money in customizing and enhancing the appearance of their avatars with unique apparel and accessories, there is a lack of research on the effects of avatar features on customer identification, engagement, and purchase intentions.
 
 Methodology
This study employed a qualitative approach. Data collection and hypothesis testing were conducted through a questionnaire consisting of 28 questions, employing a 5-point Likert scale ranging from 1 (completely disagree) to 5 (completely agree). The statistical population of the study comprised the millennial and Generation-Z individuals residing in Isfahan City. A sample size of 227 participants was estimated using Cochran's formula. The content validity of the questionnaire was reviewed and verified by professors and experts specializing in metaverse marketing, while its reliability was confirmed through the calculation of Cronbach's alpha coefficient. Factor analysis and hypothesis testing were conducted using SPSS 24 and Smart PLS 3.0 software, respectively.
 
Findings
The findings of this study revealed that avatar's mental ability exhibited a positive and significant impact on customer identification. Similarly, avatar's social skills demonstrated a positive and significant influence on customer identification. Avatar's artistic/musical ability and athletic ability both had positive and significant effects on customer identification. The physical attractiveness of avatar positively influenced customer identification. Also, customer identification was found to have a positive and significant impact on both customer engagement and purchase intention. Furthermore, customer engagement was shown to have a positive and significant effect on purchase intention.
 
 Conclusion
The findings of this study indicated that avatar features played a crucial role in facilitating customer identification within the metaverse. Additionally, both customer engagement and customer identification had positive effects on purchase intention. It could be concluded that the new generation desired to portray themselves as humorous and exciting, leading to the emergence of a competitive environment where individuals strived to make their avatars more attractive than others. These results had important implications for virtual world developers, metaverse managers, and brands, providing guidance for the design of virtual products and equipment tailored to avatars and the metaverse.
 
 
 

کلیدواژه‌ها [English]

  • Avatar
  • Customer Identification
  • Customer Engagement
  • Purchase Intention
  • Metaverse

مقدمه

گزارش‌های اخیر صنعت پیش‌بینی می‌کند که صنعت متاورس تا سال 2030 به ۹۹۶ میلیارد دلار با میزان رشد مرکب سالانه ۸/۳۹ درصد خواهد رسید (Kim et al., 2023). متاورس (Metaverse) یک‌دنیای مجازی موازی است و تمام تعاملات در این فضا با یک موجود دیجیتالی روان‌شناختی به نام آواتار (Avatar) انجام می‌شود که خود دیجیتالی کاربر را نشان می‌دهد. در این میان، رفتار کاربران در متاورس می‌تواند بر زندگی واقعی آنها تأثیر بگذارد و برعکس (Park & Kim, 2023). در‌واقع، آواتار موجودیت دیجیتالی با ظاهر انسان‌نماست که انسان یا نرم‌افزار آن را کنترل می‌‌کند (Elsharnouby et al., 2023). چشم‌انداز متاورس با تمرکز بر تعاملات مبتنی بر آواتار نیز اهمیت آواتارها و بازنمایی آنها را نشان می‌دهد (Lee et al., 2021). آواتارها به‌عنوان ابزار جدیدی معرفی می‌شوند که می‌توانند فروش را تحریک کنند (Gonzales-Chávez & Vila-Lopez, 2021). نتایج پژوهش  میائو و همکاران نشان می‌دهد که شرکت‌ها برای تعامل و ارائۀ خدمات بهتر به مشتریان خود به‌شدت روی آواتارها سرمایه‌گذاری می‌کنند؛ بنابراین پیش‌بینی می‌شود استفاده از آواتارها ۲۴۱ درصد در صنعت گردشگری و مهمانداری و ۱۸۷ درصد در کالاهای مصرفی افزایش یابد (Miao et al., 2022). همچنین، در صنعت بانکداری ۸۷ درصد از شرکت‌ها در‌حال حاضر از نوعی آواتار استفاده می‌کنند یا قصد دارند آن را ظرف دو سال اجرا کنند. جامعه‌پذیری ارائه‌شدۀ متاورس می‌تواند مزایای روانی و رفتاری را تحریک کند (Oh et al., 2023). پژوهش‌های گذشته نشان می‌دهد که مهم‌ترین بازدارنده‌های خرید آنلاین کمبود تجربه‌های لذت‌بخش، تعامل اجتماعی و مشاورۀ شخصی با نمایندۀ شرکت است (Holzwarth et al., 2006; Barlow et al., 2004). ایجاد آواتارهای خدمات‌دهنده می‌تواند این مشکل را حل کند؛ بنابراین برندها به دلایل مختلفی از‌جمله مدیریت ارتباط با مشتری، تسهیل خریدها و افزایش احتمال خرید از برند آواتارها را در وب‌سایت خود گنجانده‌اند (Choi et al., 2020).

لی و همکاران دریافتند که سازگاری و جذابیت ظاهر آواتار به‌طور مثبت با دوستی آواتار و دوستی آواتار به سهم خود به‌طور مثبتی با وفاداری کاربران آنلاین مرتبط است (Li et al., 2018). لیائو و همکاران در پژوهش خود دریافتند که پیوندهای مرتبط با جذابیت و سفارشی‌سازی آواتار برای القای جریان و وفاداری در کاربران آنلاین رفتار خرج‌کردن را تحریک می‌کند (Liao et al., 2019). همچنین، شناسایی آواتار به‌عنوان یک تجربۀ مثبت یا مطلوب توصیف می‌شود؛ زیرا آواتارها بیان هویت، خلاقیت و غوطه‌ور‌شدن در دنیای مجازی را امکان‌پذیر می‌کنند (Green et al., 2021).

همچنین، پژوهش‌ها نشان می‌دهد که افراد با چیزی که ظاهر انسانی دارد به‌گونه‌ای متفاوت از اشیای بی‌جان رفتار می‌کنند (Fox et al., 2015). بنابراین ظاهر انسانی به‌عنوان یک عنصر مهم و ضروری در تعریف مفهومی آواتارهای دیجیتال منجر به تعامل بیشتر می‌شود (Miao et al., 2022).

افراد نسل جدید مایل هستند که بامزه و هیجان‌انگیز تصویر شوند. به این منظور، استفاده از از آواتارها به عرصۀ رقابتی تبدیل شده است که در آن افراد سعی می‌کنند با آواتار خود را بسیار جذاب‌تر از بقیه نشان دهند؛ بنابراین استفاده از آواتار نقش مهمی در فرآیند رشد هویت آنلاین هزارۀ سوم دارد (Carlson & Taylor, 2019).

با‌وجود اهمیت‌یافتن آواتارها در تعاملات دیجیتال بین کاربران و برندها و ضرورت توجه شرکت‌ها و بازاریابان دیجیتال به مزایای ارتباط با آواتارها، لزوم توجه به آثار استفاده از آواتارها در کاربران و نحوۀ هویت‌یابی آنها وجود دارد. در‌واقع، مسئله این است که آواتارها چه شخصیتی به خود بگیرند. شناخت نحوۀ تعامل نسل‌های جدید با آواتار با هدف هویت‌سازی و ارتباط‌گیری در بازارهای دیجیتالی برای بازاریابان اهمیت دارد؛ با این حال محققان در مطالعات قبلی نتوانسته‌اند توضیح دهند که چگونه استفاده از شخصیت‌های آواتار در جهان‌های مجازی می‌تواند قصد خرید را با هویت‌یابی مشتریان و درگیری آنها شکل دهد. همسو با فرضیۀ شباهت جاذبه به نظر می‌رسد که مصرف‌کنندگان ترجیح می‌دهند با آواتارهایی در تعامل باشند که به‌لحاظ ظاهر و شخصیت شبیه آنها هستند. همچنین، مطالعات نشان داد که نژاد، جنسیت، جذابیت و تخصص نیز می‌توانند در تعامل افراد با آواتار مؤثر باشند (Elias et al., 2011; Taylor & Pentina; 2012). بنابراین محققان در پژوهش حاضر درصدد هستند به این سؤال پاسخ دهند که چگونه ویژگی‌های آواتار می‌تواند بر هویت‌یابی مشتری، تمایلات رفتاری و در‌نهایت، قصد خرید مجازی او در متاورس تأثیر داشته باشد.

 

  1. مبانی نظری پژوهش

1-2. آواتار

آواتار از‌نظر واژگان‌شناختی ریشۀ سانسکریتی دارد و برساخته از پیشوند آوا (ava) به‌معنای پایین و تار (tõ) به‌معنای گذر است و اشاره به هبوط خدا یا موجودی فوق بشری به‌صورتی آشکار دارد (مرادی برلیان، 1401). اما در چارچوب فناوری اصطلاحات متعدّدی با آواتارها وجود دارد؛ مانند ربات‌های گفت‌وگو (Ho et al., 2018)، عوامل مکالمۀ تجسم‌یافته (Lee & Choi, 2017; Schuetzler et al., 2018) و دستیاران مجازی-دیجیتال (Freeman & Beaver, 2018; Chattaraman et al., 2019; Han, 2021). محققان در این پژوهش آواتار را طبق تعریف نواک و فوکس (Nowak & Fox, 2018) به‌عنوان «نمایش دیجیتالی یک کاربر انسانی که تعامل با سایر کاربران، موجودیت‌ها یا محیط را تسهیل می‌کند» تعریف می‌کنند. پژوهش‌ها نشان داده ‌است که ایجاد آواتارها تحت‌تأثیر ویژگی‌های فردی، زمینه‌ای و فرهنگی است Triberti et al., 2017). مسائل مربوط به آواتارها به‌طور گسترده در‌زمینه‌های مختلف بررسی شده است؛ از‌جمله بازی‌های آنلاین (Moon et al., 2013)، بازی‌های اکسترنال (Li & Lwin, 2016)، بازی‌های ویدئویی (Ko & Park, 2021)، خدمات آنلاین (Etemad-Sajadi & Ghachem, 2015) و سایت‌های شبکه‌های اجتماعی (Westerman et al., 2015). برای مثال، برونگراها کسانی هستند که تمایل دارند آواتارهایی جذاب‌تر از خودشان را ایجاد کنند (Messinger et al., 2019). آواتارها می‌توانند با شخصیت‌هایی حتی بهتر از خودِ ایده‌آل و بدتر از خود واقعی ترکیب شوند (Mancini & Sibilla, 2017).

همچنین، ویژگی‌های آواتار ارائه‌شده با یک رابط می‌تواند توانایی افراد را برای ارائۀ خود و درگیری در محیط دیجیتال افزایش دهد یا محدود کند. ویژگی‌های یک آواتار ممکن است با عوامل متعدّدی از‌جمله ترجیحات کاربر، هنجارهای اجتماعی، تجربه‌ها در محیط و امکانات یا محدودیت‌های فناورانۀ سیستم تعیین شود (Nowak & Fox, 2018). این ویژگی‌ها شامل توانایی ذهنی، مهارت‌های اجتماعی، توانایی هنری / موسیقی، توانایی ورزشی و جذابیت فیزیکی است.

کاربران برای ساخت آواتار می‌توانند یک شخصیت یا الگوی آواتار را در پلتفرم‌های آواتارساز یا حتی شبکه‌های اجتماعی انتخاب یا خرید کنند (ویژگی‌هایی مانند مدل مو، رنگ پوست و لباس را برای شخصی‌سازی آواتار در انتخاب کاربر است) یا می‌توانند عکس‌های خود را در وب‌سایت‌های مخصوص تولید آواتار به آواتار تبدیل و سپس آواتار خود را برای استفاده در رسانه‌های اجتماعی، انجمن‌ها و دیگر پلتفرم‌ها ذخیره کنند.

 

2-2. هویت‌یابی مشتری با آواتار

یکی از انگیزه‌های اصلی برای ایجاد آواتار، بازنمایی هویت خود است (Zimmermann et al., 2022). به‌طور خاص، هویت آواتار بر‌اساس ویژگی‌های خود کاربر و نقش‌هایی که انتظار می‌رود آواتار بر‌عهده بگیرد، ایجاد می‌شود (O'Connor et al., 2015). آواتار مجموعه‌ای تصادفی از ویژگی‌های فیزیکی و روانی نیست (Triberti et al., 2017)، بلکه بازتاب شخصیت افراد است. محققان در چندین مطالعه نشان داده‌اند که افراد انتخاب می‌کنند تا عناصر هویت اجتماعی خود را در آواتارهایی که انتخاب می‌کنند، منتقل کنند؛ مانند جنس، جنسیت، نژاد یا سن (Gerbaudo, 2015). پژوهشگران کشف کردند که با‌وجود محدودیت‌های فنی مردم ترجیح می‌دهند طراحی آواتار خود را تحت کنترل داشته باشند و زمان زیادی را صرف سفارشی‌کردن آواتارهای خود ‌کنند تا ویژگی‌های مرتبط با هویت را هنگام تعامل با دیگران به‌صورت آنلاین نشان دهند. همچنین، کاربران به سفارشی‌سازی حساس هستند و آن را بیشتر می‌پذیرند؛ زیرا آنها بر این اساس کالا یا خدمات مدنظر خود را صمیمی ارزیابی می‌کنند (طبائیان و محمدشفیعی، 1401). امروزه، بسیاری از جهان‌های مجازی به اعضا امکان می‌دهند تا از هوش مصنوعی برای تولید آواتار با گرفتن تصاویر استفاده کنند. کاربران می‌توانند رنگ پوست، رنگ چشم، مدل مو، قد، نوع بدن، لباس، لوازم جانبی و ویژگی‌های شخصیتی آواتار را تنظیم کنند. کاربران این توانایی را دارند که تصویری از خود ایجاد کنند که از‌نظر ظاهری متمایز است و می‌تواند با استفاده از این عناصر سفارشی شود؛ زیرا درگیری آنها را در تعاملات اجتماعی آنلاین تسهیل می‌کند (Wu et al., 2023).

 

3-2. درگیری مشتری

درگیری مشتری در‌زمینه‌های مختلف از‌جمله بازاریابی، رفتارهای سازمانی، رفتارهای مشتری و مدیریت خدمات توجه زیادی را به خود جلب کرده است (Zheng et al., 2022). ظهور اینترنت و فناوری‌های جدید تیز نقش مشتری و شرکت را در فرآیند درگیری با مشتری تغییر و مطالعۀ درگیری را به سطح تحول‌گرا سوق داده است (Barari et al., 2021). همچنین، توانایی سازمان‌ها در جذب و حفظ مشتریان به روش درست و کارآمد، تضمین کنندۀ بقای آنها در محیط کسب‌و‌کار است (محمد شفیعی و احمدزاده، 1396). از این منظر پانساری و کومار یک تعریف جامع از درگیری مشتری به‌عنوان «مکانیک ارزش‌افزودۀ مشتری به شرکت از‌طریق درگیری مستقیم و غیرمستقیم» ارائه کردند (Pansari & Kumar, 2017). طبق تعریف فوق درگیری مشتری را می‌توان مجموعه‌ای از اقدام‌هایی دانست که مصرف‌کنندگان در رسانه‌های اجتماعی در پاسخ به محتوای مرتبط با برند انجام می‌دهند؛ مانند واکنش به محتوا، اظهارنظر دربارۀ محتوا، به ‌اشتراک‌گذاری محتوا با دیگران و ارسال محتوای تولید‌شده با کاربر (Zheng et al., 2022). سو و همکاران پنج بُعد درگیری مشتری را در قالب شناسایی، اشتیاق، توجه، جذب و تعامل پیشنهاد کردند (So et al., 2016).

 

4-2. متاورس

اصطلاح متاورس از دو واژۀ متا و ورس تشکیل شده است (Pamucar et al., 2022). کلمۀ متا به‌‌معنای برتر و ورس که از کلمۀ یونیورس گرفته شده به‌معنای جهان است. به ‌این ‌ترتیب، عبارت متاورس را می‌توان جهان برتر یا برتر از جهان تلقی کرد (محمودی و صادقی، 1401). متاورس را می‌توان جهان مجازی موازی و آمیخته با دنیای واقعی فعلی با درجۀ بالایی از تعامل با دنیای واقعی دانست که با این نشانه افراد می‌توانند آزادانه بین فضاهای واقعی و مجازی جابه‌جا شوند (Dolata & Schwabe, 2023). متاورس شروعی جدید برای ایجاد چیزی جدید است. به عبارتی دیگر، متاورس به‌عنوان نسل بعدی ارتباط اجتماعی شناخته شده است (Hwang & Chien, 2022). افراد در فضای متاورس می‌توانند در فعالیت‌های اجتماعی مانند بحث دربارۀ یک موضوع، همکاری در یک پروژه، بازی‌کردن و یادگیری از تجربه یا حل برخی مشکلات شرکت کنند (Jovanović & Milosavljević, 2022).

 

5-2. قصد خرید

قصد خرید یا رفتار خرید همیشه یک موضوع پژوهشی محبوب در‌زمینۀ بازاریابی بوده است. قصد خرید یک احتمال ذهنی یا احتمال خرید یک محصول خاص است (Chen & Xu, 2020). پاپاس در پژوهشی چنین مطرح کرد که درک قصد خرید مشتریان بسیار مهم است (Pappas, 2016)؛ زیرا رفتار خرید نهایی را می‌توان بر‌اساس قصد آنان پیش‌بینی کرد (دهقان نیری و همکاران، ۱۴۰۱). تجزیه‌وتحلیل سفر مصرف‌کننده بر‌اساس تجربه‌های خرید شخصی مشتریان ممکن است به رفتارهای خرید دارایی مجازی آنها کمک کند (Yoo et al., 2023). دارایی‌های مجازی مواردی است که با پول واقعی برای آواتار در بازی خریداری می‌شود. سلاح‌ها، اقلام، حیوانات خانگی، پایه‌ها و سفارشی‌سازی پوست محبوب‌ترین نمونه‌هاست (Cleghorn & Griffiths, 2015). کاربرانی که در دنیای مجازی شرکت می‌کنند، محصولات مجازی، کالاهای مجازی، ویژگی‌های مجازی و سایر اقلام مجازی (از‌جمله مبادله به ارزهای دنیای مجازی به‌خودی‌خود و خارج از آن) را خریدوفروش می‌کنند (Nazir et al., 2017). محصولات مجازی با آزمایش مجازی یک محصول در آواتار آنها، دسترسی بیشتری به محصولات ملموس را برای مصرف‌کنندگان فراهم می‌کنند و به‌طور متوالی، شانس افزایش شناخت و وفاداری برند را ایجاد می‌کنند (Park & Kim, 2023).

 

2-6. تدوین فرضیه‌ها و الگوی مفهومی پژوهش

یکی از انگیزه‌های اصلی برای ایجاد آواتار بازنمایی هویت خود است. محققان در پژوهش‌های قبلی نشان داده‌اند که ایجاد آواتار به زمینۀ فعالیتی بستگی دارد که آواتار برای آن ایجاد شده است (Zimmermann et al., 2022). افراد با دقت هویت خود را مدیریت می‌کنند که در دنیا‌های مجازی چگونه خود را نشان دهند تا بدینوسیله توانایی خود را برای تحقق هدف‌های اجتماعی بهینه کنند. آواتارها در محیط‌های دیجیتال برای ارائۀ خود استفاده می‌شوند و بر نحوۀ ارزیابی افراد از بدن‌های دیجیتال تأثیر می‌گذارند؛ زیرا کاربران در‌نظر دارند چگونه و چه زمانی ممکن است آنها را به‌عنوان آواتار انتخاب کنند. بسیاری از کاربران آواتارهایی را ترجیح می‌دهند که به‌طور دقیق، چیزی را دربارۀ آنها از‌نظر فیزیکی یا روانی به آنها نشان دهد (Nowak & Fox, 2018). در مطالعات متعدّدی تأیید شده است که احساسات انسان را می‌توان با شخصیت‌های کارتونی یا آواتارهای شبیه انسان و نیز با حرکات و حالات چهرۀ آواتارها بیان کرد. واسالو و جوینسون کشف کردند که آواتارها در سایت‌های وبلاگ‌نویسی به‌درستی ظاهر، سبک زندگی و سلیقۀ صاحبان مربوط را منعکس می‌کنند (Wu et al., 2023; Vasalou & Joinson, 2009). زولین و همکاران در پژوهشی به تحلیل موضوعی ارتباط کاربر_آواتار در بازی‌های ویدئویی پرداختند (Szolin et al., 2023). نتایج نشان داد که بازیکنان از آواتارهای خود به‌عنوان وسیله‌ای برای وارد‌کردن نسخۀ مجازی خود در بازی ویدیویی یا دستیابی به نسخۀ دلخواه خود استفاده می‌کنند که گاهی اوقات شامل عناصر فانتزی نیز می‌شود؛ بنابراین می‌توان احتمال داد که ویژگی‌های آواتار که منعکس‌کنندة توانایی و شخصیت کاربران است، هویت واقعی افراد را به تصویر بکشد و هویت‌یابی مشتری را با آواتارشان تسهیل کند. بر‌اساس این استدلال‌ها و شواهد تجربی قبلی فرضیه‌های زیر مطرح می‌شود.

فرضیۀ اول: توانایی ذهنی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنادار دارد.

فرضیۀ دوم: مهارت‌های اجتماعی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنادار دارد.

فرضیۀ سوم: توانایی هنری / موسیقی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنادار دارد.

فرضیۀ چهارم: توانایی ورزشی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنادار دارد.

فرضیۀ پنجم: جذابیت فیزیکی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنادار دارد.

گام بعدی پس از ایجاد آواتار دیدار، تعامل و درگیری با آواتارهای دیگر کاربران در متاورس است. همان‌طور که کاربران به‌طور فزآینده‌ای با آواتارهای دیگر تعامل و زمان خود را در متاورس سپری می‌کنند، وابستگی آنها به آواتارهایشان افزایش می‌یابد. آواتارها به کاربران کمک می‌کنند تا تمام فعالیت‌ها را در دنیای مجازی از‌جمله ارتباطات، بازی و تراکنش‌ها انجام دهند. آواتارها هنگام انجام‌دادن این فعالیت‌ها علاوه‌بر ویژگی‌های فیزیکی، شخصیت کاربر (شخصیت)، سبک ارتباطی و ویژگی‌های رفتاری را نیز نشان می‌دهند (Procter, 2021). الشارنوبی و همکاران نیز تقویت روابط بین مصرف‌کننده و برند را با آواتارها بررسی کردند (Elsharnouby et al., 2023). آنها نشان دادند آواتارها به‌عنوان یک ارائه‌دهندۀ اطلاعات و ابزار تعاملی بر ادراک، نگرش و رفتار مصرف‌کنندگان نسبت به یک نام تجاری تأثیر می‌گذارند. استفاده از آواتار نیز بر لذت‌گرایی مصرف‌کنندگان تأثیر‌گذار بود. بر‌اساس این استدلال‌ها و شواهد تجربی قبلی فرضیۀ ششم به شکل زیر مطرح می‌شود.

فرضیۀ ششم: هویت‌یابی مشتری بر درگیری مشتری تأثیر مثبت و معنادار دارد.

برخی از پژوهشگران ارتباط بین درگیری مشتری را در رسانه‌های اجتماعی و عملکرد اقتصادی مطالعه کردند (Algharabat & Rana 2021; De Oliveira et al., 2016). در‌مجموع، تمایل مشتریان به درگیری با برند را می‌توان از عوامل تمایل آنها برای خرید کالا یا خدمات از برند تعبیر کرد. در فرآیند درگیری، مشتریان ارتباط نزدیکی با جامعۀ مرتبط با برند برقرار می‌کنند و این ارتباط مشتریان را به خرید کالا یا خدمات مرتبط با برند تشویق می‌کند (Zheng et al., 2022). در همین راستا، شواهد حاصل از پژوهش سان و همکاران نشان دادند که ارتباط مثبتی بین درگیری مشتری و قصد خرید وجود دارد (Sun et al., 2019). بر اساس این استدلال‌ها و شواهد تجربی قبلی فرضیۀ هفتم به شکل زیر مطرح می‌شود.

فرضیۀ هفتم: درگیری مشتری بر قصد خرید تأثیر مثبت و معنادار دارد.

آهرن و همکاران معتقد بودند که هویت‌یابی مشتری از برند می‌تواند بر قصد خرید برند از جانب مشتری مؤثر باشد (Ahearne et al., 2005). در‌واقع، مشتری با خرید برند به ‌نوعی ابراز وجـود می‌کند و در‌نتیجـه، اگـر هویت برند با هویت مطلوب مشتری یکسان باشد، مشتری برای این ابراز وجود تصمیم می‌گیرد تا برند یادشده را خریداری کند. لی و لی اثر هویت‌یابی مشتری از برند را بـر رفتارهای شهروندی مشتریان بررسی کردند و با تأکید بر آثار این هویت‌یابی بر رفتارهای درون نقشـی مشتریان نتیجه گرفتند که هویت‌یابی مشتری از برند بر قصد خرید برند مؤثر است (Lii & Lee, 2012). وو و تسای بر اثرگذاری هویت‌یابی مشتریان از برند بر قصد خرید مجدد برند تأکیـد می‌کنند (Wu & Tsai, 2008) و معتقدند هر‌چه این هویت‌یابی از جانب مشتری پررنگ‌تر شود، مشتری با احتمال بیشتری بـرای خرید مجدد برند برنامه‌ریزی خواهد کرد (ابراهیمی و همکاران، ۱۳۹۵). شواهد حاصل از پژوهش سو و همکاران نشان دادند که شناسایی مشتری به‌طور مثبت با قصد خرید در مرحلۀ اولیه مرتبط است (Su et al., 2019). بر‌اساس این استدلال‌ها و شواهد تجربی قبلی فرضیۀ هشتم به شکل زیر مطرح می‌شود.

فرضیۀ هشتم: هویت‌یابی مشتری بر قصد خرید تأثیر مثبت و معنادار دارد.

بدین ترتیب مدل مفهومی پژوهش مطابق شکل ۱ طراحی شد.

 

 

 

توانایی هنری/موسیقی

توانایی ورزشی

جذابیت فیزیکی

مهارت‌های اجتماعی

توانایی ذهنی

ویژگی‌های آواتار

هویت‌یابی مشتری

قصد خرید

درگیری مشتری

H2

H1

H4

H5

H6

H7

H8

 

H3

شکل ۱: مدل مفهومی پژوهش (منبع: پژوهشگر ‌ساخته)

Figure 1: Research concept

 

 

 

  1. روش‌ پژوهش

پژوهش حاضر بر‌اساس هدف، جزء پژوهش‌های کاربردی و از‌نظر نحوۀ گردآوری داده‌ها، جزء پژوهش توصیفی-پیمایشی است. جامعۀ آماری این پژوهش شامل افراد با ردۀ سنی ۲0 تا ۴3 شهر اصفهان است که در‌زمینۀ متاورس در سال ۱۴۰۲ فعالیت می‌کنند.

به بیان ساده، جوانان متولد‌شده بین سال‌های 1981 تا 1996 به‌عنوان اولین افراد و متولدین سال‌های بعد که از آنها به‌عنوان نسل Z نام برده می‌شود از آن جهت جوانان و افراد متولد‌شده نسل هزاره نامیده می‌شوند که همزمان با فناوری دیجیتال رشد می‌کنند (Nadlifatin et al., 2022). فناوری به‌ویژه تکامل سریع نحوۀ ارتباط و تعامل افراد یکی دیگر از ملاحظه‌های شکل‌دهی نسل است که در این میان، هزاره‌ها در‌طول انفجار اینترنت به بلوغ رسیدند. رسانه‌های اجتماعی، اتصال مداوم سرگرمی‌ها و ارتباطات بر‌حسب تقاضا نوآوری‌هایی هستند که هزاره‌ها در سن بلوغ با آنها سازگار شدند (Dimock, 2019). به همین دلیل، هزاره‌ها به‌عنوان نیروی محرکۀ خرید آنلاین شناخته شده‌اند. حجم نمونۀ این پژوهش به‌علت نامحدودبودن جامعۀ آماری مطابق با جدول کرجسی و مورگان (Krejcie & Morgan, 1970) تعداد ۳۸۴ نفر در‌نظر گرفته شده است. برای گردآوری داده‌های لازم این پژوهش و اندازه‌گیری متغیر‌های مدل از ابزار پرسشنامۀ استاندارد با طیف پنج امتیازی لیکرت استفاده شده ‌است. پرسشنامۀ پژوهش حاضر شامل دو بخش عمده است: بخش اول سؤال‌های جمعیت‌شناختی است که شامل ۶ سؤال در‌زمینه‌های جنسیت، تأهل، سن، میزان تحصیلات، سطح درآمد و شغل است و بخش دوم شامل ۲۸ سؤال است که ده سؤال پژوهش برگرفته از پرسشنامۀ ژنگ و همکاران (Zheng et al., 2020) برای سنجش ویژگی‌های آواتار، هشت سؤال از پرسشنامه‌های Loewen et al. (2021); Liao et al.(2019); Moon et al. (2013)، برای سنجش هویت‌یابی مشتری، هفت سؤال برای سنجش درگیری مشتری از  Harrigan et al. (2017) و سه سؤال از پرسشنامۀ Liu et al. (2017) برای سنجش قصد خرید است. همچنین، روایی محتوای سؤال‌های پرسشنامه را استادان و خبرگان حوزۀ تجارت الکترونیک بررسی و تأیید کردند و سپس پایایی آن با ضریب آلفای کرونباخ تأیید شد. برای تجزیه‌وتحلیل و به‌کارگیری این آزمون‌ها از نرم‌افزار SPSS24 و برای تحلیل عاملی و الگوسازی معادله‌های ساختاری از نرم‌افزار Smart PLS3.0 استفاده شده ‌است.

 

  1. 4. یافته‌ها و بحث

1-4. یافته‌های جمعیت‌شناختی

یافته‌های پژوهش حاضر مشتمل بر بررسی ویژگی‌های جمعیت‌شناختی اعضای نمونه است که در جدول 1 نشان ‌داده‌ شده و حاکی از آن است که بیشترین تعداد پاسخ‌‌دهندگان در ردۀ سنی بین 20 الی 25 با تحصیلات کارشناسی و کمتر از آن هستند.

 

 

 

جدول 1: ویژگی‌های جمعیت‌شناختی نمونه

Table 1: Demographic characteristics of the sample

درصد فراوانی

شاخص

متغیر

۹٪/۵۲

زن

جنسیت

۹٪/۴۷

مرد

۸٪/۵۰

آزاد

نوع شغل

۲٪/۴۹

اداری

۵٪/۵۰

۲۰ تا ۲۵

سن

 

۶٪/۲۷

۲۶ تا ۳۱

 

۸٪/۱۲

۳۲ تا ۳۷

 

۱٪/۹

۳۸ تا ۴۳

 

۳٪/۵۶

کارشناسی و کمتر

تحصیلات

۵٪/۳۸

کارشناسی‌ارشد

۲٪/۵

دکتری

۸٪/۷۵

مجرد

وضعیت تأهل

۲٪/۲۴

متاهل

۷٪/۶۰

کمتر از ۱۰ میلیون

سطح درآمد

۴٪/۲۸

۱۰ تا ۲۰ میلیون

۹٪/۴

۲۰ تا ۳۰ میلیون

۰٪/۶

بیشتر از ۳۰ میلیون

منبع: پژوهشگر ساخته

 

 

4-2. یافته‌های بخش کمّی

بررسی نرمال‌بودن متغیرها: با استفاده از آزمون چولگی-کشیدگی می‌توان توزیع (نرمال، یکنواخت، پواسون و نمایی) داده‌های یک متغیر کمّی را تعیین کرد. نتایج در جدول 2 ارائه شده است.

 

جدول 2: آزمون کشیدگی-چولگی

Table 2: Elongation-skewness test

متغیرهای پنهان

چولگی

کشیدگی

مهارت‌های اجتماعی

-۳۸۳/۰

۱۸۶/۰

توانایی ذهنی

-۵۷۸/۲

۳۵۲/۰

توانایی موسیقی

-۴۵۶/۰

-۲۹۶/۳

جذابیت فیزیکی

-۲۲۱/۰

-۳۲۵/۰

ورزش

-۵۲۷/۰

-۳۰۸/۰

هویت‌یابی مشتری

-۰۸۸/۰

-۵۴۵/۲

درگیری مشتری

-۱۱۴/۰

-۴۳۶/۰

قصد خرید

-۱۰۹۴/۰

-۶۹۳/۰

منبع: پژوهشگر ساخته

 

 

نتایج نشان می‌دهد که چولگی و کشیدگی تمام مقدار‌ها کمتر از ۵/۲ و بیشتر از ۵/۲- نبوده است؛ بنابراین داده‌ها نرمال نیست. پس از روش حداقل مربعات جزئی برای تجزیه‌وتحلیل داده‌ها استفاده می‌شود. روش حداقل مربعات جزئی با PLS در سه مرحله برازش مدل اندازه‌گیری، مدل ساختاری و برازش کلی مدل انجام شد.

برازش مدل‌های اندازه‌گیری: برازش مدل اندازه‌گیری با بارهای عاملی سنجه‌ها، پایایی شاخص، روایی واگرا و هم‌گرا سنجیده می‌شود. پایایی شاخص برای سنجش پایایی درونی، شامل سه معیار ضرایب بار‌های عاملی، آلفای کرونباخ و پایایی مرکب است.

بارهای عاملی با محاسبۀ مقدار همبستگی شاخص‌های یک سازه با آن سازه، محاسبه شده و مقدار مناسب آن برابر و یا بیشتر از ۴/۰ است (Hulland, 1999). بارهای عاملی حاصل از اجرای مدل در جدول 3 نشان‌ داده‌ شده است.

 

جدول 3: متغیرها و بار‌های عاملی و ضرایب تأثیر مربوط به داده‌های پژوهش

Table 3: Variables and factor loadings and effect coefficients related to research data

بارهای عاملی

سؤال

متغیر

548/0

من می‌خواهم با آواتارم مهارت‌های اجتماعی خودم را به اشتراک بگذارم.

ویژگی‌های آواتار

712/0

من می خواهم ازطریق آواتارم با آواتارهای دیگر تعامل داشته باشم.

0.620

من می‌خواهم با آواتارم توانایی‌های ذهنی خودم را به اشتراک بگذارم.

534/0

می‌خواهم به‌عنوان یک فرد توانمند در فضای مجازی دیده شوم.

708/0

من می‌خواهم با آواتارم توانایی هنری / موسیقی خودم را به اشتراک بگذارم.

631/0

می‌خواهم به‌عنوان یک هنرمند در فضای مجازی دیده شوم.

650/0

من می‌خواهم با آواتارم جذابیت فیزیکی خودم را به اشتراک بگذارم.

616/0

من می‌خواهم با آواتارم توانایی ورزشی خودم را به اشتراک بگذارم.

622/0

می‌خواهم به‌عنوان یک ورزشکار در فضای مجازی دیده شوم.

629/0

احساس می‌کنم که سایر آواتارها به من احترام می‌گذارند.

671/0

وقتی آواتارها را ایجاد می‌کنم، تمایل دارم تا حد امکان آنها را واقعی و شبیه خودم بسازم.

هویت‌یابی مشتری

720/0

وقتی آواتارها را ایجاد می‌کنم، تمایل دارم آنها را به‌عنوان یک نسخۀ ایده‌آل از خودم بسازم.

698/0

وقتی آواتارها را ایجاد می‌کنم، تمایل دارم آنها را به‌عنوان فردی به‌طور کامل متفاوت از خودم ایجاد کنم.

717/0

احساس می‌کنم بین هویت خودم و هویت سایر افرادی که آواتار دارند، هم‌پوشانی وجود دارد.

667/0

من از‌نظر عاطفی به سایر آواتارها وابسته هستم.

760/0

خوشحالم که در متاورس با سایر آواتارها وقت می‌گذرانم.

723/0

احساس می‌کنم که آواتار من بخشی گسترده از خودم است.

717/0

آواتار من انعکاس‌دهندة شخصیت من است.

629/0

موفقیت‌هایی که در فضای مجازی با آواتارم به دست می‌آورم موفقیت‌های خود من محسوب می‌شود.

درگیری مشتری

576/0

من دوست دارم دربارۀ آواتار بیشتر بیاموزم.

629/0

من به هر‌چیزی دربارۀ آواتار توجه زیادی می‌کنم.

665/0

هر چیزی که مربوط به آواتار باشد، توجه من را جلب می‌کند.

732/0

من دوست دارم دربارۀ آواتار اطلاعات بیشتری کسب کنم.

680/0

وقتی با آواتار در تعامل هستم، همۀ چیزهای اطرافم را فراموش می‌کنم.

785/0

زمانی که من با آواتار تعامل دارم، زمان می‌گذرد.

774/0

من قصد دارم (یکبار دیگر) با آواتارم خرید کنم.

قصد خرید

762/0

من (یکبار دیگر) با آواتارم خرید می‌کنم.

754/0

من برنامه‌ریزی کرده‌ام تا (یک‌بار دیگر) با آواتارم خرید کنم.

منبع: پژوهشگر ساخته

 

باتوجه ‌به جدول 3 همۀ بارهای عاملی سنجه‌ها در سازه مربوط به همۀ سؤال‌ها بالای ۴/۰ است؛ بنابراین همۀ سؤال‌ها در‌سطح مناسبی است و نیازی به حذف هیچ یک از سؤال‌ها نیست.

آلفای کرونباخ شاخصی کلاسیک برای تحلیل پایایی است که برآوردی را برای پایایی بر‌اساس همبستگی درونی معرّف‌ها ارائه می‌دهد. مقدار مناسب برای آن مساوی و بزرگ‌تر از ۷/۰ است (Cronbach, 1951). پایایی ترکیبی (CR) معیار دیگری برای محاسبۀ پایایی است که پایایی سازه‌ها را نه به‌صورت مطلق، بلکه باتوجه‌ به همبستگی سازه‌هایشان با یکدیگر محاسبه می‌کند. برای پایایی مرکب میزان مساوی و بالای ۷/۰ مناسب ذکر شده ‌است (Nunnally, 1978).

 

جدول4: آلفای کرونباخ و پایایی ترکیبی و روایی هم‌گرا

Table 4: Cronbach's alpha and composite reliability and convergent validity

متغیرهای پنهان

ضریب آلفای کرونباخ

(AlPh ≥ 0/7)

ضریب پایایی ترکیبی

(CR ≥ 0/7)

میانگین واریانس استخراجی

 

توانایی ذهنی

741/0

779/0

55۰/0

توانایی موسیقی

924/0

960/0

619/0

جذابیت فیزیکی

807/0

818/0

635/0

درگیری مشتری

900/۰

9۴۵/۰

۴۴۱/۰

قصد خرید

963/۰

987/۰

۵۸۲/۰

مهارت‌های اجتماعی

903/0

942/0

573/0

هویت‌یابی مشتری

778/۰

8۱۶/۰

822/۰

ورزش

711/0

723/0

554/۰

منبع: پژوهشگر ساخته

 

 

مقدار‌های آلفای کرونباخ و پایایی مرکب گزارش ‌شده در جدول 4 بالای ۷/۰ است که نشان می‌‌دهد مدل از پایایی (از‌نظر آلفای کرونباخ و از‌لحاظ پایایی ترکیبی) برخوردار است.

روایی هم‌گرا و روایی واگرا: روایی هم‌گرا معیار دیگری است که برای برازش مدل‌های اندازه‌گیری در روش مدل‌سازی معادله‌های ساختاری به کار برده می‌شود. فورنل و لارکر استفاده از متوسط واریانس استخراج شده (AVE) را به‌عنوان معیاری برای اعتبار هم‌گرا پیشنهاد کرده‌اند (Fornell & Larcker, 1991). معیاری که برای مطلوب‌بودن AVE نمایش داده می‌شود، مساوی و بالاتر از 5/۰ است. در جدول 4 نتایج خروجی از مدل برای AVE نمایش‌داده ‌شده است. همان‌گونه که ملاحظه می‌شود، نتایج نمایانگر مناسب‌بودن روایی هم‌گرا (AVE) است.

برای بررسی روایی واگرای مدل اندازه‌گیری از معیار فورنل لارکر استفاده شده است. بر‌اساس این معیار روایی واگرای پذیرفتنی یک مدل حاکی از آن است که یک سازه در مدل نسبت به سازه‌های دیگر تعامل بیشتری با شاخص‌هایش دارد. فورنل و لارکر بیان می‌کنند که روایی واگرا وقتی در‌سطح پذیرفتنی است که میزان AVE برای هر سازه بیشتر از واریانس اشتراکی بین آن سازه و سازه‌های دیگر در مدل باشد (Fornell & Larcker, 1991).

 

 

 

جدول5: جدول روایی واگرای سازه‌ها

Table 5: Validity table of different constructs

توانایی ذهنی

توانایی موسیقی

جذابیت فیزیکی

درگیری مشتری

قصد خرید

مهارت‌های - اجتماعی

هویت‌یابی مشتری

ورزش

توانایی ذهنی

741/0

             

توانایی موسیقی

۳۳۳/۰

786/0

           

جذابیت فیزیکی

۳۳۶/۰

۳۸۹/۰

796/0

         

درگیری مشتری

۴۹۰/۰

۵۴۸/۰

۴۸۸/۰

74۴/۰

       

قصد خرید

۳۰۸/۰

۴۴۲/۰

۳۵۸/۰

۴۴۸/۰

۷۶۳/۰

     

مهارت‌های - اجتماعی

۴۱۷/۰

۴۶۴/۰

۳۶۷/۰

۴۹۸/۰

۳۳۱/۰

756/0

   

هویت‌یابی مشتری

۵۳۴/۰

۵۳۱/۰

۵۶۴/۰

۵۰۱/۰

۶۵۹/۰

۵۶۱/۰

۶۷۷/۰

 

ورزش

۴۱۵/۰

۲۶۵/۰

۳۹۹/۰

۴۳۲/۰

۳۵۷/۰

۴۶۹/۰

۶۳۶/۰

817/0

منبع: پژوهشگر ساخته

 

 

بر‌اساس نتایج به‌دست‌آمده از همبستگی‌ها و جذر AVE که بر‌روی قطر جدول (5) قرار داده شده می‌توان نتیجه گرفت مدل در‌سطح سازه از روایی واگرا برخوردار است.

 

برازش مدل ساختاری

اولین و ابتدایی‌ترین معیار برازش مدل ساختاری، ضرایب معناداری است. بررسی این معیار برای داده‌ها نشان می‌دهد که ضرایب معناداری تمامی فرضیه‌های پژوهش از ۹۶/۱ بیشتر است که این امر معنادار‌بودن تمامی سنجه‌ها و روابط بین سازه‌ها را در‌سطح اطمینان ۹۵ درصد نشان می‌دهد. نتایج شکل 2 حاکی از معنادار‌بودن فرضیه‌های پژوهش است.

 

 

 

توانایی هنری/موسیقی

توانایی ورزشی

جذابیت فیزیکی

مهارت‌های اجتماعی

توانایی ذهنی

ویژگی‌‌های آواتار

هویت‌یابی مشتری

قصد خرید

درگیری مشتری

3.05

4.79

8.12

8.1

42.49

9.8

2.41

6.25

شکل 2: ضرایب معناداری مربوط به داده‌های پژوهش (منبع: پژوهشگر ساخته)

Figure 2: The significance coefficient is related to the research data

 

ضریب تعیینR2  و ضریب قدرت پیش‌بینی Q2: نتایج به‌دست‌آمده از تحلیل مدل ساختاری در جدول (6) معیار R2 (R Squares) را برای متغیر درون‌زای مدل پژوهش نشان می‌دهد. نتایج این معیار نشان می‌دهد که مطابق بررسی چین (Chin, 1998) سه معیار ۱۹/۰، ۳۳/۰ و ۶۷/۰ به‌عنوان مقدار ملاک برای مقدار‌های ضعیف، متوسط و قوی است که در برازش مدل ساختاری مشاهده شد. متغیر درون‌زا بزرگ‌تر از ۳۳/۰ است و این نشان از برازش به‌نسبت قوی مدل ساختاری است. ضمن آنکه برای بررسی قدرت پیش‌بینی مدل از معیاری با عنوان Q2 (Stone-Geisser criterion) استفاده شده است. بر‌اساس پژوهش هنسلر و همکاران (Henseler et al., 2009) دربارۀ شدت قدرت پیش‌بینی مدل دربارۀ سازه‌های درون‌زا سه مقدار ۰۲/۰، ۱۵/۰ و ۳۵/۰ برای قدرت پیش‌بینی ضعیف، متوسط و قوی مدل مطرح شده است. با ملاحظۀ نتایج این معیار در جدول (6) و باتوجه ‌به اینکه میزان Q2 متغیر درون‌زا از ۱۵/۰ بیشتر است، می‌توان نتیجه گرفت که مدل قدرت پیش‌بینی متوسط را دارد.

 

جدول 6: مقدار‌های R2 و Q2

Table 6: R2 and Q2 values

Q2

R Square

متغیرها

۲۶۳/۰

۶۴۱/۰

درگیری مشتری

۳۰۸/۰

۵۶۹/۰

قصد خرید

۲۶۷/۰

۶۴۱/۰

هویت‌یابی مشتری

منبع: پژوهشگر ساخته

 

 

شاخص برازش اندازۀ اثرF2

اندازۀ اثر دیگر شاخص برازش بخش ساختاری مدل است که برای متغیرهای مستقل برون‌زا مصداق دارد. Cohen فرمول میزان اندازۀ تأثیر را به‌صورت زیر بیان و اضافه کرد (Diener, 2010). میزان این شاخص به‌ترتیب ۰۲۰/۰ (ضعیف)، ۱۵/۰ (متوسط) و ۳۵/۰ (قوی) است. نتایج جدول 7 حاکی از اثر متوسط و قوی متغیرهای مستقل بر متغیرهای وابسته است.

 

جدول 7: مقدار‌های شاخص برازش اندازۀ اثر F2

Table 7: F2 effect size fit index values

مسیر

F2

توانایی ذهنی -> هویت‌یابی مشتری

۵۶/۰

توانایی موسیقی -> هویت‌یابی مشتری

۶۰/۰

جذابیت فیزیکی -> هویت‌یابی مشتری

۴۰/۰

مهارت‌های-اجتماعی -> هویت‌یابی مشتری

۲۳/۰

ورزش -> هویت‌یابی مشتری

۲۲/۰

درگیری مشتری -> قصد خرید

۳۱/۰

هویت‌یابی مشتری -> درگیری مشتری

۸۷/۱

هویت‌یابی مشتری -> قصد خرید

۳۲/۰

منبع: پژوهشگر ساخته

 

همان‌طور که در جدول 7 آمده است، میزان اثر تقریباً تمام مسیرها از ۳۵/۰ بیشتر است و میزان شاخص اندازۀ اثر در‌سطح قوی ارزیابی می‌شود. همچنین، میزان اثر مهارت‌های-اجتماعی و ویژگی آواتار ورزشی به هویت‌یابی مشتری و میزان اثر درگیری مشتری و هویت‌یابی مشتری به قصد خرید از ۱۵/۰ بیشتر است؛ بنابراین در حد متوسط ارزیابی می‌شود.

 

شاخص برازش مدل کلی

برای سنجش برازش مدل دو شاخص GOF و SRMR وجود دارد. وتزلس و همکاران بیان می‌کنند اگر مقدار شاخص GOF تا 25/0 باشد، این شاخص ضعیف و بیشتر از این مقدار متوسط و قوی است (Wetzels et al., 2009). این مقدار برای مدل 527/0 برآورده شده که حاکی از برازش قوی مدل است. شاخص SRMR بین صفر تا یک تغییر می‌کند و هرقدر که کوچک‌تر باشد، بیانگر برازش بیشتر کل مدل است. به‌ عبارت‌ دیگر، چنانچه SRMR یک مدل ۸ درصد یا کمتر باشد، بیانگر برازش کلی بالای مدل است و هرقدر که بیشتر از ۸ درصد باشد، بیانگر برازش کمتر مدل است که طبق نتایج به‌دست‌آمده این عدد ۰۶۳/۰ است که نشان از برازش بالای مدل کلی را دارد.

 

آزمون و تحلیل فرضیه‌های پژوهش

 از آنجایی ‌که مقدار t محاسبه‌شده در تمامی فرضیه‌های پژوهش از ۹۶/۱ بزرگ‌تر است، تمامی فرضیه‌های پژوهش تأیید شده‌ است. با استفاده از مقدار VAF میانجیگری درگیری مشتری در ارتباط بین هویت مشتری و قصد خرید تبیین شد. همچنین، برای آنکه ثابت شود اثر میانجی معنادار است، محاسبۀ آمارۀ سوبل انجام شد. آمارۀ سوبل در‌سطح اطمینان ۹۵% باید از 96/1 بیشتر باشد. در این صورت میانجیگری درگیری مشتری پذیرفتنی است. نتایج در جدول 8 ارائه شد..

 

جدول 8: نتایج آزمون فرضیه‌های پژوهش

Table 8: The results of the research hypotheses test

فرضیه

فرضیه

میزان تأثیر

آمارۀ t

نتیجه

H1

توانایی ذهنی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنا‌دار دارد.

۱۸/۰

۷۹/۴

تأیید

H2

مهارت‌های اجتماعی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنا‌دار دارد.

۱۳/۰

۰۰۵/۳

تأیید

H3

توانایی هنری / موسیقی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معنا‌دار دارد.

۲۲/۰

۲۵/۶

تأیید

H4

توانایی ورزشی آواتار هویت‌یابی مشتری تأثیر مثبت و معنا‌دار دارد.

۳۴/۰

۱۲/۸

تأیید

H5

جذابیت فیزیکی آواتار هویت‌یابی مشتری تأثیر مثبت و معنا‌دار دارد.

۳2/۰

10/۸

تأیید

H6

هویت‌یابی مشتری بر درگیری مشتری تأثیر مثبت و معنا‌دار دارد.

۸۰/۰

۴۹/۴۲

تأیید

H7

درگیری مشتری بر قصد خرید تأثیر مثبت و معنا‌دار دارد.

۶۱/۰

۸۴/۹

تأیید

H8

هویت‌یابی مشتری بر قصد خرید تأثیر مثبت و معنادار دارد.

۱۶/۰

۴۱/2

تأیید

H9

درگیری مشتری میانجی ارتباط بین هویت‌یابی مشتری و قصد خرید است.

994/0

582/9

تأیید

منبع: پژوهشگر ساخته

 

  1. نتیجه‌گیری

توانایی ذهنی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معناداری دارد. نتایج پژوهش‌های نواک و فوکس (Nowak & Fox, 2018) حاکی از آن است که ویژگی‌های آواتار با عواملی مانند ترجیحات و نگرش‌های کاربر انتخاب می‌شود. به عبارتی دیگر، صفات و توانایی‌های آواتار بازتاب و انعکاس‌دهندة روحیات و توانایی‌های کاربر است. همچنین، زیمرمن و همکاران در پژوهشی نشان دادند آواتارها برای بیان‌کردن هویت و توانایی‌های فرد ایجاد می‌شوند (Zimmermann et al., 2022) که با نتایج این پژوهش هم‌راستاست.

مهارت‌های اجتماعی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معناداری دارد. در این راستا، نتایج پژوهش فوکیدس نشان داد که افراد سعی دارند رفتارهایی مطابق با نقش جنسیتی خود نشان دهند (Fokides, 2021). به‌طور مشابه، کو و پارک که تأثیر همخوانی خود با آواتار را در‌زمینۀ بازی ویدئویی بررسی کردند، پیشنهاد کردند که افراد آواتاری را انتخاب می‌کنند که با خود آنها همخوانی داشته باشد؛ زیرا مصرف‌کنندگان تمایل دارند برند یا محصولی را انتخاب کنند که با تصویر آنها مطابقت داشته باشد (Ko & Park, 2021). نتایج پژوهش پارک و کیم نیز نشان داد مردم آواتارهایی را ترجیح می‌دهند که با جنسیت خود همسو باشد و آواتارهایی را انتخاب می‌کنند که ویژگی‌هایی را داشته باشد که شبیه به خود آنهاست (Park & Kim, 2023).

توانایی هنری / موسیقی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معناداری دارد. وجود تجهیزات موسیقی و یا عناصر هنری در کنار آواتار ممکن است نشان‌دهندة علاقه یا مهارت صاحب آواتار به موسیقی و هنر باشد. از طرف دیگر، سبک طراحی آواتار از‌جمله انتخاب رنگ‌ها، الگوهای پیچیده و پس‌زمینه‌های خاص ممکن است نشان‌دهندة این موضوع باشد که مالک آواتار مهارت بیشتری در خلق آثار هنری دارد. در این راستا، هولم و همکاران ارتباط بین توانایی هنری / موسیقی و هویت‌یابی مشتری را مثبت و معنادار نشان داده‌اند (Holm et al., 2010) که با نتایج پژوهش مشابهت دارد.

توانایی ورزشی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معناداری دارد. نتایج پژوهش لی و همکاران حاکی از تأثیر مثبت توانایی ورزشی بر هویت‌یابی مشتری است (Li et al., 2018). همچنین، این فرضیه با نتایج پژوهش Beaufils & Berland  (2022) هم‌راستاست. در‌واقع، استفاده از آواتار ساز‌و‌کاری را فراهم می‌کند که آغازگر الگوی ارتباطی در تعامل با انسان‌های دیگر است. حضور یک آواتار با ارائۀ نشانه‌های اجتماعی نظیر هنر و ورزش می‌تواند با افزایش سطح لذت و جریان دریافت پاسخ اجتماعی با مصرف‌کنندگان را به‌طور مستقیم و غیر‌مستقیم تقویت کند و منجر به پیامدهای مطلوب نظیر قصد خرید شود.

جذابیت فیزیکی آواتار بر هویت‌یابی مشتری تأثیر مثبت و معناداری دارد. طبق پژوهش‌های لی و همکاران (Li et al., 2018) باتوجه ‌به تئوری شناخت تجسم‌یافته، جذابیت آواتار بر شناخت و رفتار کاربران تأثیر می‌گذارد و هر‌چه یک آواتار جذاب‌تر به نظر برسد، به‌احتمال، رفتار دوستانه‌تری از خود نشان می‌دهد و اجتماعی‌تر است. همچنین، آواتارهای جذاب رفتارهای مطلوبی از خود به نمایش می‌گذارند که با نتایج این پژوهش هم‌راستاست.

هویت‌یابی مشتری بر درگیری مشتری تأثیر مثبت و معناداری دارد. هویت‌یابی مشتری به فرآیند درک و شناخت مشتریان اشاره دارد. از سوی دیگر، درگیری مشتری به مشارکت با یک برند یا شرکت اشاره دارد؛ در‌نتیجه هویت‌یابی مشتری با شناسایی تجربه‌های شخصی، بهبود استراتژی‌های ارتباطی، تقویت وفاداری و افزایش اعتماد تأثیر مثبتی بر درگیری مشتری می‌گذارد. این فرضیه با نتایج پژوهش Park & Kim  (2023) هم‌راستاست.

درگیری مشتری بر قصد خرید تأثیر مثبت و معناداری دارد. آواتارها می‌توانند به مشتریان اجازه دهند تا در یک محیط مجازی با سایر مشتریان و نمایندگان فروش تعامل داشته باشند. تیلور و پنتینا نشان دادند مصرف کنندگان اطلاعاتی را که با این آواتارها منتقل می‌شود، مطمئن‌تر و معتبرتر ارزیابی می‌کنند؛ درنتیجه کیفیت ارتباط نیز بیشتر می‌شود (Taylor & Pentina, 2012). این می‌تواند از‌طرفی، ارتباط عاطفی، تبلیغات دهان‌به‌دهان و دانش مرتبط با آواتارها را افزایش دهد و در‌نتیجه، باعث درگیری و تعامل اجتماعی شود و از طرف دیگر، می‌تواند اعتماد و وفاداری مشتری را به برند افزایش دهد و به ‌قصد خرید بیشتر منجر شود. در این راستا، ژنگ و همکاران نشان دادند که درگیری مشتری بر قصد خرید تأثیر مثبت و معناداری دارد (Zheng et al., 2022). سان و همکاران نیز ارتباط درگیری مشتری و قصد خرید را مثبت و معنادار نشان داده‌اند (Sun et al., 2019) که همگی با نتایج پژوهش حاضر همخوانی دارد.

هویت‌یابی مشتری بر قصد خرید تأثیر مثبت و معناداری دارد. هویت‌یابی مشتری باعث می‌شود که کسب‌وکارها پیشنهادهای خود را برای مشتریان شخصی‌سازی کنند. هنگامی که کاربران توصیه‌های شخصی، پیشنهادهای محصول یا پیشنهادهای انحصاری را بر‌اساس ترجیحات خود دریافت می‌کنند، قصد خرید آنها افزایش می‌یابد. نتایج حاصل از پژوهش‌های Wu & Tsai (2008), King et al. (2016) و Zhang & Ahmad (2022) حاصل از تأثیر مثبت هویت‌یابی مشتری بر قصد خرید است (ابراهیمی و همکاران، 1395). سو و همکاران ارتباط مثبت و معناداری بین هویت‌یابی مشتری و قصد خرید را نشان دادند (Su et al., 2019) و نتایج همگی با نتایج پژوهش حاضر مطابقت دارد. از آنجایی که شاخص VAF برابر با 994/0 است، درگیری مشتری حالت میانجیگری دارد و این میزان از 8/0 بیشتر است که نشان‌دهندۀ میانجیگری کامل درگیری مشتری است. همچنین، آزمون سوبل نشان می دهد که اثر غیرمستقیم درگیری مشتری نیز از‌نظر آماری برابر 582/9 و معنادار است؛

بنابراین می‌توان استدلال کرد حضور یک آواتار با هویت‌یابی به مشتری می‌تواند منجر به درگیری بیشتر و خریدهای آتی شود. نه تنها آواتار و قصد خرید، میان هویت‌یابی و درگیری مشتری نیز ارتباط مثبتی یافت شد.

مدیران تجارت الکترونیک باید با ایجاد آواتارها برای برند و سازمان برای خود هویتی ازجهت برقراری ارتباط با مشتریان و وفادارسازی مشتری ایجاد کنند. مدیران می‌توانند از برندها یک نسخۀ مجازی در قالب آواتارها ایجاد کنند. این آواتارها در مقام نمایندگان فروش مجازی، به‌عنوان عامل توصیه‌گر برند یا کمک‌کننده برای حل مسائل کاربران و خریداران عمل می‌کنند.

همچنین، آنها می‌توانند آواتار‌هایی را برای برند یا شرکتشان ایجاد کنند تا ارزش‌های هنرمندانه منتقل شود و یا آواتار‌هایی را ایجاد کنند که خیالات، احساسات صمیمیت، هیجان، رقابت و سرگرمی را منتقل و یا آواتارهایی ورزشی همراه با ویژگی کمال و سختی را ایجاد کنند؛ زیرا با شخصیت و هدفشان تطابق بیشتری دارد. این شخصیت‌سازی از برند در فضای دیجیتال به مشتریان امکان می‌دهد با برند راحت‌تر در تعامل باشند. توسعه‌دهندگان برند آنلاین می‌توانند از آواتارهایی در تبلیغات استفاده کنند که مشخصات و ویژگی های برندشان را داشته باشد تا سطح بیشتری از تعامل با مشتریان ایجاد شود. شرکت‌ها و توسعه‌دهندگان تجارت الکترونیک می‌توانند در‌زمینۀ ایجاد پلتفرم‌های تولید و ساخت و فروش آواتار فعّال شوند.

آواتارها برای نظریه‌پردازان حوزۀ بازاریابی زمینۀ جالبی برای توسعه و مبنا قرار‌دادن پژوهش‌ها در چندین حوزه هستند. محققان در مطالعات آینده می‌توانند ارتباط آواتارهای کاربران را در‌حوزه‌های نظیر گردشگری دیجیتال یا فضاهای مجازی دیگر بررسی کنند. همچنین، این محققان می‌توانند پژوهش حاضر را در جوامع دیگر تکرار کنند و عناصر فرهنگی را در خود بگنجانند و این موضوع را که چگونه عناصر فرهنگی ممکن است تفسیر آواتار را تعدیل کنند، گسترش دهند.

در پژوهش حاضر نسل هزاره و متولدین سال‌های بعد از آن ارزیابی شد. از این ‌جهت، نمی‌توان نتایج را به‌طور صریح به کلیة افراد تعمیم داد. عناصر فرهنگی برای هویت‌یابی مشتری در این پژوهش گنجانده نشده است و از آنجایی که عناصر فرهنگی بر‌روی عواملی مانند جذابیت درک‌شدۀ افراد تأثر‌گذار است، ممکن است بر‌روی نتایج تأثیر بگذارد.

دهقان نیری، محمود، نوبهار، عماد، هادی‌زاده رئیسی، محمدرضا، و تقوی، سیدمهدی (1401). مقایسۀ تأثیر کانال های آنلاین سفارش غذا بر قصد خرید مشتریان (داخلی و برون سپاری). پژوهش های مدیریت منابع سازمانی، 12(2)، 59-83.
طبائیان، ریحانه‌السادات، و محمدشفیعی، مجید (1401). عوامل مؤثر بر انگیزش کاربران بازی‌ها در شبکه‌های اجتماعی و تأثیر آن بر نگرش کاربر و قصد خرید. تحقیقات بازاریابی نوین، 12(4)، 51-68.
محمدشفیعی، مجید، و احمدزاده، سمیه (1396). تأثیر چابکی سازمانی و مسئولیت اجتماعی شرکت بر تصویر برند. مدیریت برند، 5(9)، 41-78.
محمودی، محسن، و صادقی، سالار (1401). متاورس و تأثیر آن بر سبک زندگی. مطالعات حقوقی فضای مجازی، 1(2)، 44-62.
مرادی برلیان، مهدی (1401). درآمدی بر پیامدها و چالش‌های حقوقی متاورس. فصلنامۀ تحقیقات حقوقی، 25، 363-392.
 
Refrences
Ahearne, M., Bhattacharya, C. B., & Gruen, T. (2005). Antecedents and consequences of customer-company identification: expanding the role of relationship marketing. Journal of Applied Psychology, 90(3), 574- 585. https://doi.org/10.1037/0021-9010.90.3.574
Algharabat, R. S., & Rana, N. P. (2021). Social commerce in emerging markets and its impact on online community Engagement. Information Systems Frontiers, 23, 1499-1520.
Barari, M., Ross, M., Thaichon, S., & Surachartkumtonkun, J. (2021). A meta‐analysis of customer engagement behaviour. International Journal of Consumer Studies, 45(4), 457-477. https://doi.org/10.1111/ijcs.12609
Barlow, A. K., Siddiqui, N. Q., & Mannion, M. (2004). Developments in information and communication technologies for retail marketing channels. International Journal of Retail & Distribution Management, 32(3), 157-163. https://doi.org/10.1108/09590550410524948
Beaufils, K., & Berland, A. (2022). Avatar embodiment: from cognitive self-representation to digital body ownership. Hybrid Revue Des Arts ET Médiations Humaines, 9(1), 1-18. https://doi.org/10.4000/hybrid.2664
Carlson, M., & Taylor, L. (2019). Me and my avatar: Player-Character as fictional proxy. Journal of the Philosophy of Games, 2(1), 1-19. https://doi.org/10.5617/jpg.6230
Chattaraman, V., Kwon, W. S., Gilbert, J. E., & Ross, K. (2019). Should ai-based, conversational digital assistants employ social-or task-oriented interaction style? A task-competency and reciprocity perspective for older adults. Computers in Human Behavior, 90(1), 315-330. https://doi.org/10.1016/j.chb.2018.08.048
Chen, J., & Xu, W. (2020). A study on the impact of customer engagement on continued purchase intention for online video websites VIP service. Proceedings of the Thirteenth International Conference on Management Science and Engineering Management, 2(13), 668-682. https://doi.org/10.1007/978-3-030-21255-1_51
Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 295(2), 295-336.
       https://B2n.ir/h65778
Choi, Y., Mehraliyev, F., & Kim, S. (2020). Role of virtual avatars in digitalized hotel service. International Journal of Contemporary Hospitality Management, 32(3), 977-997. https://doi.org/10.1108/IJCHM-03-2019-0265
Cleghorn, J., & Griffiths, M. D. (2015). Why do gamers buy virtual assets? An insight in to the psychology behind purchase behaviour. Digital Education Review, 27(1), 85-104. https://eric.ed.gov/?id=EJ1065003
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334. https://doi.org/10.1007/bf02310555
De Oliveira, M. J., Huertas, M. K. Z., & Lin, Z. (2016). Factors driving young users' engagement with Facebook: Evidence from Brazil. Computers in Human Behavior, 54(1), 54-61. https://doi.org/10.1016/j.chb.2015.07.038
Dehghan Nayeri, M., Hadi Zade Raeisi, M. R., & Taghavi, M. (2022). Comparing the effect of online food ordering channels on the purchase intention of customers (Internal and outsourcing). Organizational Resources Management Researchs, 12(2), 59-83.
Diener, M. J. (2010). Cohen's d. The Corsini encyclopedia of psychology, 1-1. https://doi.org/10.1002/9780470479216.corpsy0200
Dimock, M. (2019). Defining generations: where millennials end and generation Z begins. Pew Research Center, 17(1), 1-7. https://B2n.ir/f10136
Dolata, M., & Schwabe, G. (2023). What is the metaverse and who seeks to define it? Mapping the site of social construction. Journal of Information Technology, 38(3), 239-266. https://doi.org/10.1177/02683962231159927
Ebrahimi, A., Alavialavimoslem, S. M., & Pourmourdinii, E. (2016). Investigating the effect of perceived social responsibility on brand reputation, brand identification and purchase intention (Case of study: golestan company at Shiraz). Journal Of Business Management, 8(3), 479-502. https://doi.org/10.22059/JIBM.2016.60624 ]In Persian[.
Elias, T., Appiah, O., & Gong, L. (2011). Effects of strength of ethnic identity and product presenter race on black consumer attitudes: A multiple-group model approach. Journal of Interactive Advertising, 11(2), 13-29. https://doi.org/10.1080/15252019.2011.10722182
Elsharnouby, M.H., Jayawardhena, C., Liu, H., & Elbedweihy, A.M. (2023). Strengthening consumer–brand relationships through avatars. Journal of Research In Interactive Marketing, 17(4), 581-601.
Etemad-Sajadi, R., & Ghachem, L. (2015). The impact of hedonic and utilitarian value of online avatars on e-service quality. Computers in Human Behavior, 52(1), 81-86. https://doi.org/10.1016/j.chb.2015.05.048
Fokides, E. (2021). My avatar and I. A study on avatars personality traits self-attributes, and their perceived importance. Journal of Ambient Intelligence and Humanized Computing, 12(1), 359-373. https://doi.org/10.1007/s12652-020-01977-1
Fornell, C., & Larcker, D. F. (1991). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104
Fox, J., Ahn, S. J., Janssen, J. H., Yeykelis, L., Segovia, K. Y., & Bailenson, J. N. (2015). Avatars versus agents: A meta-analysis quantifying the effect of agency on social influence. Human–Computer Interaction, 30(5), 401-432. https://doi.org/10.1080/07370024.2014.921494
Freeman, C., & Beaver, I. (2018). The effect of response complexity and media on user restatement with multimodal virtual assistants. International Journal of Human-Computer Studies, 119(1), 12-27. https://doi.org/10.1016/j.ijhcs.2018.06.002
Gerbaudo, P. (2015). Protest avatars as memetic signifiers: Political profile pictures and the construction of collective identity on social media in the 2011 protest wave. Information, Communication & Society, 18(8), 916-929. https://doi.org/10.1080/1369118X.2015.1043316
Gonzales-Chávez, M. A., & Vila-Lopez, N. (2021). Designing the best avatar to reach millennials: Gender differences in a restaurant choice. Industrial Management & Data Systems, 121(6), 1216-1236. https://doi.org/10.1108/IMDS-03-2020-0156
Green, R., Delfabbro, P. H., & King, D. L. (2021). Avatar identification and problematic gaming: The role of self-concept clarity. Addictive Behaviors, 113(1), 106694. https://doi.org/10.1016/j.addbeh.2020.106694
Han, M. C. (2021). The impact of anthropomorphism on consumers purchase decision in chatbot commerce. Journal of Internet Commerce, 20(1), 46-65. https://doi.org/10.1080/15332861.2020.1863022
Harrigan, P., Evers, U., Miles, M., & Daly, T. (2017). Customer engagement with tourism social media brands. Tourism Management, 59(1), 597-609. https://doi.org/10.1016/j.tourman.2016.09.015
Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. New Challenges to International Marketing. Emerald Group Publishing Limited.
Ho, A., Hancock, J., & Miner, A. S. (2018). Psychological, relational, and emotional effects of self-disclosure after conversations with a chatbot. Journal of Communication, 68(4), 712-733. https://doi.org/10.1093/joc/jqy026
Holm, J., Lehtiniemi, A., & Eronen, A. (2010). Evaluating an avatar-based user interface for discovering new music. In Proceedings of the 9th International Conference on Mobile and Ubiquitous Multimedia, Limassol Cyprus.  
Holzwarth, M., Janiszewski, C., & Neumann, M. M. (2006). The influence of avatars on online consumer shopping behavior. Journal of Marketing, 70(4), 19-36. https://doi.org/10.1509/jmkg.70.4.019
Hulland, J. (1999). Use of partial least squares (PLS) in strategic management research: A review of four recent studies. Strategic Management Journal, 195-204. https://doi.org/10.1002/(SICI)1097-0266
Hwang, G. J., & Chien, S. Y. (2022). Definition, roles and potential research issues of the metaverse in education: An artificial intelligence perspective. Computers and Education: Artificial Intelligence, 3(1), 100082. https://doi.org/10.1016/j.caeai.2022.100082
Jovanović, A., & Milosavljević, A. (2022). VoRtex metaverse platform for gamified collaborative learning. Electronics, 11(3), 317. https://doi.org/10.3390/electronics11030317
Kim, D. Y., Lee, H. K., & Chung, K. (2023). Avatar-mediated experience in the metaverse: The impact of avatar realism on user-avatar relationship. Journal of Retailing and Consumer Services, 73(1), 103382. https://doi.org/10.1016/j.jretconser.2023.103382
King, R. C., Schilhavy, R. A., Chowa, C., & Chin, W. W. (2016). Do customers identify with our website? The effects of website identification on repeat purchase intention. International Journal of Electronic Commerce, 20(3), 319-354. https://doi.org/10.1080/10864415.2016.1121762
Ko, D. W., & Park, J. (2021). I am you you are me: Game character congruence with the ideal self. Internet Research, 31(2), 613-634. https://doi.org/10.1108/INTR-05-2020-0294
Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610. https://doi.org/10.1177/00131644700300030
Lee, L. H., Braud, T., Zhou, P., Wang, L., Xu, D., Lin, Z., & Hui, P. (2021). All one needs to know about metaverse: A complete survey on technological singularity virtual ecosystem and research agenda. Arxiv Preprint Arxiv:2110.05352. https://doi.org/10.48550/arXiv.2110.05352
Lee, S., & Choi, J. (2017). Enhancing user experience with conversational agent for movie recommendation: Effects of self-disclosure and reciprocity. International Journal of Human-Computer Studies, 103(1), 95-105. https://doi.org/10.1016/j.ijhcs.2017.02.005
Li, B. J., & Lwin, M. O. (2016). Player see player do: Testing an exergame motivation model based on the influence of the self avatar. Computers in Human Behavior, 59(1), 350-357. https://doi.org/10.1016/j.chb.2016.02.034
Li, K., Van Nguyen, H., Cheng, T.C.E., & Teng, C. I. (2018). How do avatar characteristics affect avatar friendliness and online gamer loyalty? Perspective of the theory of embodied cognition. Internet Research, 28(4), 1103-1121. https://doi.org/10.1108/IntR-06-2017-0246
Liao, G. Y., Cheng, T. C. E., & Teng, C. I. (2019). How do avatar attractiveness and customization impact online gamers flow and loyalty? Internet Research, 29(2), 349-366.
Lii, Y. S., & Lee, M. (2012). Doing right leads to doing well: When the type of CSR and reputation interact to affect consumer evaluations of the firm. Journal of Business Ethics, 105(1), 69-81. https://doi.org/10.1007/s10551-011-0948-0
Liu, F., Xiao, B., Lim, E. T., & Tan, C. W. (2017). The art of appeal in electronic commerce: Understanding the impact of product and website quality on online purchases. Internet Research, 27(4), 752-771.
Loewen, M. G., Burris, C. T., & Nacke, L. E. (2021). Me myself and not-I: Self-discrepancy type predicts avatar creation style. Frontiers in Psychology, 11(1), 1902. https://doi.org/10.3389/fpsyg.2020.01902
Mahmoudi, M., & Sadeghi, S. (2022). Metaverse and its impact on lifestyle. Legal Studies of Cyberspace, 1(2), 44-62.  https://doi.org/10.30495/cyberlaw.2022.693926 ] In Persian].
Miao, F., Kozlenkova, I. V., Wang, H., Xie, T., & Palmatier, R. W. (2022). An emerging theory of avatar marketing. Journal of Marketing, 86(1), 67-90. https://doi.org/10.1177/0022242921996646
Mancini, T., & Sibilla, F. (2017). Offline personality and avatar customisation: Discrepancy profiles and avatar identification in a sample of MMORPG players. Computers in Human Behavior, 69(1), 275-283. https://doi.org/10.1016/j.chb.2016.12.031
Messinger, P. R., Ge, X., Smirnov, K., Stroulia, E., & Lyons, K. (2019). Reflections of the extended self: Visual self-representation in avatar-mediated environments. Journal Of Business Research, 100(1), 531-546. https://doi.org/10.1016/j.jbusres.2018.12.020
Moon, J., Hossain, M. D., Sanders, G. L., Garrity, E. J., & Jo, S. (2013). Player commitment to massively multiplayer online role-playing games (MMORPGs): An integrated model. International Journal of Electronic Commerce, 17(4), 7-38. https://doi.org/10.2753/JEC1086-4415170401
Moradiberelian, M. (2023). An introduction to the implications and legal challenges of metaverse. Legal Research Quarterly, 25, 363-392.  https://doi.org/10.52547/JLR.2022.228286.2279 ]In Persian[.
Mohammad Shafiei, M., & Ahmadzadeh, S. (2016). Active organizational agility and corporate social responsibility on brand image. Brand Management, 5(9), 41-78. https://doi.org/10.22051/BMR.2018.16218.1338 [In Persian].
Nadlifatin, R., Persada, S. F., Clarinda, M., Handiwibowo, G. A., Laksitowati, R. R., Prasetyo, Y. T., & Redi, A. A. N. P. (2022). Social media-based online entrepreneurship approach on millennials: A measurement of job pursuit intention on multi-level marketing. Procedia Computer Science, 197(1), 110-117. https://doi.org/10.1016/j.procs.2021.12.124
Nazir, M., Hamilton, J. R., & Tee, S. (2017). Real money trading in virtual worlds. In Proceedings of the 17th International Conference on Electronic Business, ICEB, Dubai.
Nowak, K. L., & Fox, J. (2018). Avatars and computer-mediated communication: A review of the definitions uses, and effects of digital representations. Review of Communication Research, 6(1), 30-53. https://doi.org/10.12840/issn.2255-4165.2018.06.01.015
Nunnally, J. C. (1978). An overview of psychological measurement. Clinical Diagnosis of Mental Disorders: A Handbook, 97-146. https://doi.org/10.1007/978-1-4684-2490-4_4
O'Connor, E. L., Longman, H., White, K. M., & Obst, P. L. (2015). Sense of community social identity and social support among players of massively multiplayer online games (MMOGs): A qualitative analysis. Journal of Community & Applied Social Psychology, 25(6), 459-473. https://doi.org/10.1002/casp.2224
Oh, H. J., Kim, J., Chang, J. J., Park, N., & Lee, S. (2023). Social benefits of living in the metaverse: The relationships among social presence supportive interaction, social self-efficacy and feelings of loneliness. Computers in Human Behavior, 139(1), 107498. https://doi.org/10.1016/j.chb.2022.107498
Pamucar, D., Deveci, M., Gokasar, I., Tavana, M., & Köppen, M. (2022). A metaverse assessment model for sustainable transportation using ordinal priority approach and Aczel-Alsina norms. Technological Forecasting and Social Change, 182(1), 121778. https://doi.org/10.1016/j.techfore.2022.121778
Pansari, A., & Kumar, V. (2017). Customer engagement: The construct antecedents and consequences. Journal of the Academy of Marketing Science, 45(1), 294-311. https://doi.org/10.1007/s11747-016-0485-6
Pappas, N. (2016). Marketing strategies perceived risks and consumer trust in online buying behaviour. Journal of Retailing And Consumer Services, 29(1), 92-103. https://doi.org/10.1016/j.jretconser.2015.11.007
Park, J., & Kim, N. (2023). Examining self-congruence between user and avatar in purchasing behavior from the metaverse to the real world. Journal of Global Fashion Marketing, 15(1), 1-16. https://doi.org/10.1080/20932685.2023.2180768
Procter, L. (2021). I am/we are: Exploring the online self-avatar relationship. Journal of Communication Inquiry, 45(1), 45-64. https://doi.org/10.1177/0196859920961041
Schuetzler, R. M., Giboney, J. S., Grimes, G. M., & Nunamaker Jr, J. F. (2018). The influence of conversational agent embodiment and conversational relevance on socially desirable responding. Decision Support Systems, 114(1), 94-102. https://doi.org/10.1016/j.dss.2018.08.011
So, K. K. F., King, C., Sparks, B. A., & Wang, Y. (2016). The role of customer engagement in building consumer loyalty to tourism brands. Journal of Travel Research, 55(1), 64-78. https://doi.org/10.1177/0047287514541008
Su, L., Li, Y., & Li, W. (2019). Understanding consumers purchase intention for online paid knowledge: A customer value perspective. Sustainability, 11(19), 5420. https://doi.org/10.3390/su11195420
Sun, Y., Shao, X., Li, X., Guo, Y., & Nie, K. (2019). How live streaming influences purchase intentions in social commerce: An IT affordance perspective. Electronic Commerce Research and Applications, 37(1), 100886. https://doi.org/10.1016/j.elerap.2019100886
Szolin, K., Kuss, D. J., Nuyens, F. M., & Griffiths, M. D. (2023). Exploring the user-avatar relationship in videogames: A systematic review of the Proteus effect. Human–Computer Interaction, 38(5-6), 374-399. https://doi.org/10.1080/07370024.2022.2103419
Tabaeeian, R. A., & Mohammad Shafiee, M. (2023). Identifying factors affecting the motivation of games users in social networks and their impact on the user attitude and shopping intention. New Marketing Research Journal, 12(4), 51-68. 10.22108/NMRJ.2022.133637.2696 [In Persian].
Taylor, D. G., & Pentina, I. (2012). Source characteristics in online shopping: do avatar expertise, similarity, and attractiveness affect purchase outcomes? Routledge.
Triberti, S., Durosini, I., Aschieri, F., Villani, D., & Riva, G. (2017). Changing avatars changing selves? The influence of social and contextual expectations on digital rendition of identity. Cyberpsychology, Behavior, and Social Networking, 20(8), 501-507. https://doi.org/10.1089/cyber.2016.0424
Vasalou, A., & Joinson, A. N. (2009). Me myself and I: The role of interactional context on self-presentation through avatars. Computers in Human Behavior, 25(2), 510-520. https://doi.org/10.1016/j.chb.2008.11.007
Westerman, D., Tamborini, R. & Bowman, N.D. (2015). The effects of static avatars on impression formation across different contexts on social networking sites. Computers in Human Behavior, 53(1), 111-117. https://doi.org/10.1016/j.chb.2015.06.026
Wetzels, M., Odekeken-Schroder, G., & VanOppen, C. (2009). Using PLS path modelling for accessing hierarchical construct models: Guidelines and empirical illustrations. MIS Quarterly, 33(1), 177. https://doi.org/10.2307/20650284
Wu, S., Xu, L., Dai, Z., & Pan, Y. (2023). Factors affecting avatar customization behavior in virtual environments. Electronics, 12(10), 2286. https://doi.org/10.3390/electronics12102286
Wu, W. Y., & Tsai, C. H. (2008). The empirical study of CRM: Consumer‐company identification and purchase intention in the direct selling industry. International Journal of Commerce and Management, 17(3), 194-210. https://doi.org/10.1108/10569210710833617
Yoo, K., Welden, R., Hewett, K., & Haenlein, M. (2023). The merchants of Meta: A research agenda to understand the future of retailing in the metaverse. Journal of Retailing, 99(2), 173-192. https://doi.org/10.1016/j.jretai.2023.02.002
Zhang, Q., & Ahmad, S. (2022). Linking corporate social responsibility consumer identification and purchasing intention. Sustainability, 14(19), 12552. https://doi.org/10.3390/su141912552
Zheng, R., Li, Z., & Na, S. (2022). How customer engagement in the live-streaming affects purchase intention and customer acquisition E-tailer's perspective. Journal of Retailing and Consumer Services, 68(1), 103015. https://doi.org/10.1016/j.jretconser.2022.103015
Zheng, A., Duff, B. R., Vargas, P., & Yao, M. Z. (2020). Self-presentation on social media: When self-enhancement confronts self-verification. Journal of Interactive Advertising, 20(3), 289-302. https://doi.org/10.1080/15252019.2020.1841048
Zimmermann, D., Wehler, A., & Kaspar, K. (2022). Self-representation through avatars in digital environments. Current Psychology, 42(3), 1-15. https://doi.org/10.1007/s12144-022-03232-6