虚拟影响者和真实影响者特征在塑造Z世代在TikTok上的购买行为中的作用：混合SEM-ANN方法 Jindarat Peemanee, Thanithaporn Udomlarp, Ploychompoo Weber, Ranitha Weerarathna

《Journal of Theoretical and Applied Electronic Commerce Research》：The Role of Virtual and Human Influencer Characteristics in Shaping Gen Z Purchases on TikTok: Hybrid SEM-ANN Approach Jindarat Peemanee, Thanithaporn Udomlarp, Ploychompoo Weber and Ranitha Weerarathna

　　摘要：本研究探讨了人类影响者（HI）和虚拟影响者（VI）如何塑造泰国Z世代用户在TikTok上的消费者反应。基于来源可信度理论（SCT）、拟社会互动理论（PSI）和技术接受模型（TAM），本研究提出了一个比较框架，以解释影响者特征如何影响态度和购买相关的反应。数据来自400名泰国的Z世代TikTok用户，并使用基于协方差的结构性方程建模（CB-SEM）进行分析。结果表明，人类影响者和虚拟影响者的特征都积极影响了影响者态度（IA），进而显著影响了购买决策（PD）。然而，人类影响者特征对购买决策的总体影响远强于虚拟影响者。这些发现表明，虽然虚拟影响者通过创新和视觉一致性有助于形成积极的评价，但人类影响者在将态度转化为购买结果方面更为有效。本研究提供了非西方背景下的比较证据，并将可信度、关系和技术视角整合到一个分析框架中。

1. 引言
社交媒体平台上沟通与商业之间的界限模糊，将日常在线互动转变为市场营销和消费的机会[1]。这一变化主要由影响者营销推动，该营销方式利用了在线内容创作者的覆盖范围和可信度[2]。这种方法在Z世代（Gen Z）中尤为成功，因为他们是深植于在线社区的数字原住民[3]。TikTok已成为社会商业的领先平台，其特点是短视频内容、定制化内容以及社群趋势[4]。在东南亚地区，TikTok的月活跃用户已超过4.6亿，其中泰国约有5000万用户，反映了该平台在新兴区域市场中社会商业领域日益重要的作用[5]。在泰国，这一趋势更为明显。Z世代每天在社交媒体上花费超过三小时，使用TikTok进行购物、社交和娱乐活动，将其深度融入日常消费习惯[6,7]。数字支付方式的日益普及以及智能手机的广泛使用推动了泰国电子商务产业的发展[8,9]。TikTok已成为泰国的主要社会商业中心，使用户能够在不离开应用程序的情况下顺利完成从产品展示到评估和购买的过程[10]。

人类影响者的说服力主要来源于受众对他们的看法：当观众认为影响者诚实可靠时，即使是在一种单向的媒介关系中，这种亲密感也成为了重要的影响因素[11,12]。这些影响者通常被视为平易近人且易于产生共鸣，通过个人故事讲述、真实的产品展示和即兴互动来塑造追随者的观点和购买意向[13,14]。从理论角度来看，这种动态与来源可信度理论和拟社会互动理论相一致，这两种理论强调了感知到的知识、诚实和关系亲密感如何影响有效的说服效果[15]。随着这些变化，数字影响者的兴起也在改变影响者营销的方式。与人类影响者不同，虚拟影响者是利用人工智能（AI）和尖端视觉技术创造的虚拟角色，旨在模拟人类的外貌和行为[15]。尽管它们缺乏真实的经历，但它们提供了独特的结构优势，包括对叙事的控制、持续的内容生产、全球覆盖范围以及因个人不当行为而导致的声誉风险较低[16,17]。因此，品牌越来越多地将虚拟影响者作为人类影响者的战略替代品或在数字营销中的补充。然而，它们的人工特性引发了关于真实性、情感温暖和诚实性的根本性问题——这些品质在营销沟通中非常重要，特别是在泰国这样的集体主义文化中，消费者的决策基于人际信任和真实的关系联系[18,19]。

特别是在西方国家之外，虚拟影响者和人类影响者的共存是一个有趣但研究不足的现象。大多数研究关注的是人类影响者的可信度[20]、虚拟影响者的吸引力[21]、拟社会互动的基本概念[22]或技术采纳[23]。然而，仍存在几个关键空白。首先，直接比较虚拟影响者和人类影响者主要在西方个人主义背景下进行[24,25]。鉴于泰国的集体主义传统、社交媒体的广泛使用以及快速发展的数字商业，这一地区代表了截然不同的背景，但相对较少受到实证研究关注[26]。其次，很少有研究关注泰国Z世代，他们可能将集体主义理想与在TikTok等平台上创造个人数字身份结合起来[27]。很少有研究结合技术接受模型来解释观众如何评估基于AI的影响者，尽管大多数先前的研究依赖于来源可信度理论或拟社会互动理论。将这些观点结合起来，可以更深入地理解技术接受度、情感参与度和可信度如何相互作用，从而影响社会商业中的消费者态度和行为[28,29]。然而，即使有了这些见解，在理解人类影响者和虚拟影响者在综合分析框架中的相对影响方面仍存在重大空白，特别是在泰国这样的非西方背景下。

本研究不是将影响者的成功视为一种一致的现象，而是探讨了人类影响者和虚拟影响者在TikTok等社交媒体平台上通过不同的评估过程如何发挥作用。本研究关注泰国Z世代消费者的特征如何影响他们的态度，进而影响他们的购买决策，强调了这些影响者的方面。通过将来源可信度理论、拟社会互动理论和技术接受模型结合到一个概念框架中，本研究提供了关于技术相关评估如何相互作用以确定影响者效果的比较解释，从而解决了可信度感知和情感联系的问题。除了确定哪种类型的影响者具有更大的总体影响力外，本研究还探讨了人类影响者和虚拟影响者塑造消费者行为的特定心理途径。研究结果提供了具有理论意义和实践意义的见解，对于试图在非西方文化背景下和快速发展的社会商业平台上平衡人类真实性和虚拟创新的设计者来说很有帮助。

2. 文献回顾与假设构建
本研究不是将影响者营销视为一种同质现象，而是回顾了现有文献，以澄清情境条件、影响者特征和理论视角如何塑造影响者的有效性。回顾涵盖了2015年至2026年间在Scopus和Web of Science上索引的经过同行评审的文章，搜索词包括“影响者营销”、“虚拟影响者”、“拟社会互动”、“来源可信度”、“TikTok”和“Z世代消费者行为”。最初筛选出超过320条记录，根据标题、摘要和与研究结构的相关性进行了筛选，最终保留了66项研究进行实质性审查。讨论首先将研究置于泰国数字商业生态系统和Z世代消费者行为的背景中，然后探讨了与虚拟影响者和人类影响者相关的定义特征和理论解释。随后，综合这些研究领域的见解来发展研究的假设。

2.1. 背景：泰国数字商业生态系统与Z世代
泰国是一个快速发展的影响者营销研究领域，但研究相对不足。该国的数字基础设施以高互联网连接性和智能手机普及率为特征，这加速了TikTok、Shopee和Lazada等社交商业平台的增长[11]。这种环境支持了一个庞大的电子商务市场，2024年的交易价值约为280-300亿美元[30,31]，部分得益于数字钱包和基于二维码的支付系统的广泛采用[12]。对于1995年至2010年间出生的泰国Z世代来说，社交媒体不仅是一种沟通方式，也是社交互动、身份构建和消费相关决策的主要场所[1,27]。这一群体是社交媒体的最活跃用户之一，既是内容的生产者也是消费者。他们经常将影响者作为生活方式的验证和灵感来源[32,33]。在这种环境下，影响者作为有效的意见领袖，简化信息，提供社交支持，并影响消费趋势[26]。与研究理论框架一致，可信度线索和关系纽带塑造了影响者的态度；这些评估反应在将影响者曝光转化为购买决策中起着核心作用[13]。综合考虑这些理论观点，可以更全面地解释信任、关系纽带和技术相关评估如何共同塑造当代社会商业环境中的消费者态度和行为。这些特征使泰国成为一个概念上重要的研究背景，用于探讨基于影响者的说服力在平台驱动的数字市场中的运作方式。

2.2. 虚拟影响者：特征与理论视角
虚拟影响者（VI）是通过算法和先进的视觉技术设计的数字实体，旨在模拟人类的外貌、个性和社会互动模式[14]。虚拟影响者的增加反映了数字营销实践的变化，因为品牌被其叙事控制、品牌形象的一致性以及与人类影响者相关的声誉风险降低等优点所吸引[8,16]。从可信度的角度来看，来源可信度理论表明，说服力取决于对专业性、可信度和吸引力的感知[19]。对于虚拟影响者而言，这些感知往往受到技术精湛度、与品牌形象的一致性以及信息一致性的影响。然而，缺乏真实经历可能会限制某些受众对其真实性的感知，从而削弱其可信度[20,25]。拟社会互动理论进一步解释了受众如何即使从未亲自见到媒体人物也能感受到亲近感。通过精心挑选的故事和动态的平台互动，虚拟影响者可以创造出亲密感和亲近感[15]。研究继续质疑这些拟社会关系是否具有与人类影响者建立的关系相同的深度和情感韧性[22,23]。这些拟社会关系的强度取决于影响者是人类还是虚拟的。由于人类影响者被认为具有更高的可信度和生活经历，因此往往能形成更深层次的情感联系，而虚拟影响者则可能依赖构建的叙事和视觉互动线索来模拟这种亲近感[15,34]。因此，两种类型影响者的拟社会互动的性质和强度可能有所不同，影响受众形成态度和对说服性信息的反应[35]。人文主义视角也影响这些判断。人文主义理论强调了人们倾向于将人性特征赋予非人类存在物的倾向[16]，如果处理得当，这可以增加参与度。同时，过于逼真的设计可能会产生反感或不确定感[18,20]。技术采纳模型提供了另一个视角，因为观众对数字影响者的态度取决于这些角色在平台环境中是否显得相关和易于互动[31]。虽然新颖性和创造性可能吸引消费者，但实证数据表明，虚拟影响者的说服力更多依赖于认知验证而非情感温暖[21,36]。

2.3. 人类影响者：特征与理论基础
人类影响者的说服力来源于基于真实生活经验的特征，而非算法设计。先前的研究一致地将他们的有效性与其真实性、共鸣性和领域相关性的专业性联系起来，这些都是通过可观察到的现实世界行为体现出来的[28]。通过分享个人故事、在日常生活中展示产品以及进行自然的、即兴的互动，人类影响者能够在追随者中建立信任和真实性[37]。从来源可信度理论的角度来看，这些实践使人类影响者能够在专业性、可信度和吸引力这些核心维度上表现出色[29]。除了可信度之外，基于情感的互动方式也验证了人类影响者的影响力。根据拟社会互动理论和社会存在理论，声音线索、面部表情和响应性沟通可以帮助观众将与影响者的互动视为具有社会意义，而不仅仅是媒介化的，从而增加了他们的人际存在感[15,24]。这种亲近感促进了类似于友谊的虚拟关系的建立，使人们对他们欣赏的影响者的建议更加接受。社会影响理论通过强调认同和内化的过程来解释这一机制，即消费者吸收他们喜欢并且认为与自己价值观一致的影响者的态度和偏好[27]。综合来看，这些过程表明，在泰国这样的集体主义文化环境中，人类影响者具有相当大的有效性，因为消费者的决策可能受到更广泛的文化因素（如关系信任和社会和谐）的影响[10]。

2.4. 比较发现的综合与研究空白
对现有研究的总结（见表1）揭示了一些共识性见解以及现有文献中的显著局限性。在诸多研究中，真实性和可信度始终被认定为消费者信任及影响者效力的核心驱动力，尤其是在人类影响者的情况下[28]。同时，准社会互动被确定为一种关键的中介机制，能够将影响者的特征转化为态度和行为结果[23,24]。相比之下，关于虚拟影响者的研究则强调了它们在感知上的新颖性、可控制性和创造性灵活性，但同时也对其传递情感温暖和真实性的能力提出了质疑[9]。然而，尽管有这些发现，相关文献仍然支离破碎。大多数直接比较虚拟影响者和人类影响者的实证研究都是在西方个人主义背景下进行的[38,39]，导致我们对东南亚地区这一动态的了解十分有限。此外，来自东亚市场（尤其是中国）的研究成果也较为缺乏，中国拥有抖音（TikTok的姊妹平台，由字节跳动开发）这一在短视频商务和影响者营销领域处于领先地位的平台[40,41]。鉴于抖音与TikTok的平台渊源及其在亚洲数字商业生态系统中的区域影响力，这种研究空白对于理解影响者动态具有重要意义。对于泰国Z世代消费者来说，他们的媒体使用习惯结合了集体主义文化价值观以及高度的社交平台参与度，尤其是在TikTok上[1]。这一空白尤为重要。此外，很少有研究将来源可信度理论、准社会互动理论和技术接受模型结合起来，以解释人们对可信度的感知、关系过程和技术评估如何共同决定影响者的影响力[32]。要填补这些空白，需要一个更加全面的理论框架，该框架应考虑到在具有独特文化背景的社交商务环境中，以人为中心和以技术为中介的影响过程。

此外，先前研究中的一个概念性局限在于“属性”一词的使用模糊不清，这通常在没有明确界定温暖度、能力等具体维度的情况下就被使用[42]。因此，许多研究依赖于宽泛且定义松散的构念[38,43]，可能会降低概念的精确度，并限制影响者效力模型的解释能力。在本研究中，采用了“特征”这一术语来反映消费者对影响者相关线索的总体评价，而不是具有固定心理定义的离散特征类别。从概念上讲，这种区别至关重要：人格特质被理论化为影响者作为信息发送者所内在的稳定特质[43]，而这里所定义的特征则是接收者层面的构念——它们是通过反复接触影响者的行为、内容风格和关系线索而在受众脑海中形成的感知判断。这种框架与来源可信度理论是一致的，该理论认为说服力不在于信息源本身客观上具备什么，而在于接收者认为信息源具备什么[29]。同样，准社会互动理论也将关系亲密性视为一种通过反复接触形成的受众体验，而不是影响者本身固有的品质[15]。因此，本研究中的HI（人类影响者特征）和VI（虚拟影响者特征）构念捕捉了消费者在评价影响者时形成的累积感知反应——这些反应受到平台环境、文化取向和个人使用历史的影响，因此在概念上不同于像大五人格特质这样的稳定人格分类体系。这种差异在测量方法上体现得更加明显：每一项条目都是从消费者评价的角度出发构建的（例如，“你认为虚拟影响者更值得信赖”；“你觉得人类影响者会基于真实经历来评价产品”）。因此，这些构念基于感知和情境依赖的评估，而不是固定的性格特征。

表1. 相关研究中关于人类影响者和虚拟影响者的主要发现综述。

2.5. 假设构建
本研究结合了来源可信度理论（SCT）[46]、准社会互动理论（PSI）[47]和技术接受模型（TAM）[48]的视角，来解释影响者特征如何塑造消费者反应。在本研究中，TAM并未作为具有感知有用性或易用性等核心构念的直接可操作模型来使用，而是作为解释消费者如何在数字环境中认知评价虚拟影响者的框架。SCT为理解与可信度相关的特征如何影响说服力提供了基础，而PSI则解释了感知到的关系亲密性如何有助于形成对影响者的积极态度。TAM对于虚拟影响者尤为重要，因为它们的有效性取决于受众如何认知评估和接受技术中介的信息源。在本研究中，这些理论视角被用作解释构念之间关系的框架，而不是在模型中直接操作化。

2.5.1. 直接效应
根据这一框架，人类影响者的特征预计会通过整体感知可信度和关系评估来影响人们对影响者的态度。先前的研究表明，对影响者特征的总体感知有助于建立信任和准社会联系，进而促进对人类影响者更积极的评价[26]。这些特征是在构念层面进行概念化的，反映的是消费者的整体感知，而不是单个测量项目。除了塑造态度外，这些特征还可能通过减少不确定性并增强产品推荐的感知可信度来直接影响消费者的决策过程。值得注意的是，本研究关注的是对影响者特征的整体感知这一统一构念，而不是孤立地考察个别特征。因此，提出以下假设：
H1. 人类影响者的特征对影响者态度有积极影响。
H2. 人类影响者的特征对购买决策有积极影响。

相比之下，虚拟影响者的特征预计通过不同的机制来影响态度。虚拟影响者的特征是通过对其技术实现度和功能吸引力的整体感知来评估的，尤其是对于技术经验丰富的Z世代消费者而言。然而，这种影响更多地与技术接受度的考虑相关，而不是与深刻的情感或关系纽带有关[9,32]。从技术角度出发，消费者可能基于对技术和功能价值的综合感知来评价虚拟影响者，这可以塑造他们的整体态度。这些特征也可能直接影响与购买相关的反应，特别是当虚拟影响者被视为一致且引人入胜的信息源时。因此，提出以下假设：
H3. 虚拟影响者的特征对影响者态度有积极影响。
H4. 虚拟影响者的特征对购买决策有积极影响。

在H1-H4假设中，虽然预计人类和虚拟影响者的特征都会对影响者态度产生积极影响，但背后的机制在理论上是不同的。对于人类影响者，所提出的效应主要由SCT和PSI解释：感知可信度、真实性和关系亲密性是形成积极态度的机制。对于虚拟影响者，效应更多是由TAM相关的过程驱动的：消费者对技术新颖性、功能一致性和在数字平台环境中的契合度的认知评估。尽管这些机制并未作为独立的潜变量直接操作化——因为理论框架更多是解释性的视角而非经过实证验证的结构——但这种区别构成了预期两种影响者类型效应大小差异的理论基础。

最后，对影响者的态度被广泛认为是行为结果的重要预测因素。与态度-行为框架一致，对影响者更积极的态度预计会增加消费者跟随推荐和进行购买决策的意愿[13,36]。在本研究中，购买决策被定义为消费者对影响者推荐的依赖程度以及他们自我报告的按照这些推荐行动的可能性，而不是实际购买行为。尽管态度是行为的重要预测因素，但它并不完全决定购买决策，因为消费者行为还受到多种情境和个人因素的影响。在本研究中，影响者态度反映的是消费者对影响者的整体评价反应，而不是对特定特征的孤立感知。因此，提出以下假设：
H5. 影响者态度对购买决策有积极影响。

2.5.2. 中介效应
除了直接效应之外，影响者态度还预计会作为中介机制，连接影响者特征和购买决策。从心理学角度来看，消费者首先会对影响者形成评价反应，然后再将这些感知转化为行为意图。因此，无论是人类影响者还是虚拟影响者的特征，作为统一的构念，都可能通过影响者态度对购买决策产生间接效应。因此，提出以下假设：
H6. 影响者态度介导人类影响者特征与购买决策之间的关系。
H7. 影响者态度介导虚拟影响者特征与购买决策之间的关系。

除了测试每种影响者类型的单独效应外，一个理论上的问题是：人类影响者的特征是否对影响者态度和购买决策的总体影响比虚拟影响者特征更强。先前的比较研究一致表明，在真实性、情感亲密性和关系可信度对消费者评价至关重要的情境中，人类影响者具有比虚拟影响者更强的说服力[10,39]。人类影响者能够分享生活经历、表达真实情感、自然互动，比虚拟影响者的算法控制下的表现更能建立牢固的准社会纽带和更多的态度反应[38,49]。在泰国这样的包容性文化背景下，人际信任和社交关系在塑造消费者决策中具有特别重要的作用[50,51]。根据来源可信度理论，人类影响者基于可观察到的现实世界行为所表现出的可信度和专业知识更容易被受众接受，而虚拟影响者的可信度信号更多依赖于启发式评估而非经验评价[10]。因此，提出以下比较假设：
H8. 人类影响者的特征对影响者态度和购买决策的积极影响比虚拟影响者特征更强。

2.6. 概念框架
假设的关系在图1所示的概念模型中得到了说明。该模型将人类影响者特征和虚拟影响者特征作为外生构念，它们影响影响者态度。影响者态度被置于中介构念的位置，进而影响购买决策。

3. 研究方法
3.1. 研究设计和测量方法
本研究采用了定量研究设计，通过横断面调查来检验概念模型中提出的关系。该方法适用于评估泰国Z世代消费者中影响者特征与影响者态度及随后购买结果之间的关系[37]。数据是在一个时间点收集的，允许在社交商务背景下考察研究变量之间的结构关系。所有构念都使用了先前研究中的成熟量表[21,29,52,53]进行测量，并进行了少量调整，以确保其与TikTok平台和泰国文化环境的相关性。回答采用五点李克特量表收集，范围从1（强烈不同意）到5（强烈同意）。

虚拟影响者特征（VI）使用了Moustakas等人[21]和Gerlich[54]修改后的五项量表进行测量，涵盖了与可信度、创新性、产品一致性、信息一致性和感知中立性相关的感知。人类影响者特征（HI）使用Ohanian[29]提出的来源可信度框架及Angmo和Mahajan[45]的后续改进版本进行测量，重点关注自然性、体验专业知识、说服力、个人吸引力和共鸣性。值得注意的是，HI和VI量表都是为了测量消费者对影响者行为和内容特征的感知，而不是赋予影响者的固定人格特质。每项条目都是以受访者判断的形式呈现的（例如，“你认为……”，“你觉得……”），确保构念反映的是消费者对影响者的感知，而不是影响者本身的本质。这种操作化符合来源可信度理论和准社会互动理论的以接收者为中心的视角，并刻意避免了将评估感知与人格归因混淆——在虚拟影响者的情况下这一点尤为重要，因为他们的“特征”完全是构建出来的，没有独立于受众解释的心理现实。

有两个条目的表述需要额外解释。首先，VI5（“你认为虚拟影响者比人类影响者更中立”）保留自Gerlich[54]开发的量表，其中将相对于人类影响者的感知中立性视为虚拟影响者的定义特征，反映了它们的算法一致性和无个人偏见。这种比较性表述存在于原始的验证量表中，反映了中立性这一属性与人类主观性相对的重要性。该条目的可接受负荷（β = 0.737）和构念的内部一致性（α = 0.878, AVE = 0.607）支持其保留（见表2）。其次，HI3（“你认为人类影响者的推荐会影响你的购买决策”）捕捉了受访者对影响者影响力的感知——这个维度在概念上不同于测量实际行为依赖性和产品尝试的购买决策构念（PD）。该项目反映了源可信度理论（Source Credibility Theory）中的说服维度[31]，并与原始的泰语测量工具一致。在该工具中，该项目的设计目的是评估人们对 influencer（影响者）的说服力，而不是实际购买行为。其因子载荷（β = 0.777）和区分效度证据（HTMT HI–PD = 0.658，远低于0.85的阈值）证实了HI和PD仍然是两个不同的构念（见表3）。

表2. 测量模型结果：指标载荷和收敛效度。

Influencer Attitude（IA）反映了受访者对 influencer 的整体情感和评价反应，使用了来自 Feng, Chen & Xie [53] 的五项量表进行测量。这些项目评估了普遍的认可度、信息用的实用性、决策信心、感知的产品质量以及 influencer 对品牌相关态度的影响。

Purchase Decision（PD）使用了来自 Schouten 等人 [52] 的五项量表进行测量，涵盖了 influencer 对产品试用、发现、购买信心以及备选方案比较便利性的影响。需要指出的是，Purchase Decision 量表中的一些项目在行为具体性上有所不同。PD1 和 PD2 采用了过去行为的框架（“你是否有过在看到 influencer 评价后做出购买决定？”；“你是否曾经因为 influencer 的推荐而尝试购买之前不知道的产品？”），而 PD3–PD5 则反映了态度依赖性和决策信心。这一综合框架反映了在源量表 [44] 中进行的购买决策的多维度性质，该量表同时涵盖了经验回顾和倾向于受 influencer 指导的购买行为。表2显示，所有项目都合理地加载到了一个因子上（载荷：0.765–0.869），并且该构念表现出较强的内部一致性（α = 0.886，AVE = 0.625），表明受访者将这些项目解读为反映了连贯的潜在态度。尽管如此，未来的研究可能会从开发更具同质性的表述量表中受益，以明确区分行为意向和过去的购买行为。

测量项目是从先前研究中的经过验证的量表中改编而来的，并进行了修改，以适应泰国基于 TikTok 的社交商务环境。所有测量项目都明确提到了 TikTok influencer 和 TikTok 平台上的用户互动，以确保与研究背景相适应。受访者被要求根据他们与 TikTok 内容和 influencer 的互动情况来评价所有项目。

3.2. 工具开发和验证
测量项目是从已建立的量表中改编的，以保持内容有效性，同时确保与情境的相关性。例如：“TikTok 上的虚拟 influencer 显得值得信赖且形象良好”用于 VI，“真人 influencer 根据现实世界经验评价产品”用于 HI，“你对所关注的 influencer 持有积极态度”用于 IA，“你倾向于根据信任的 influencer 的评价来购买产品”用于 PD。问卷明确将所有项目置于 TikTok 环境中，以确保研究设置与构念测量之间的情境一致性。

为了确保清晰性和适用性，问卷由三位具有数字营销和消费者行为专长的学者进行了审查。通过对30名受访者进行预测试，评估了语言的清晰度和理解度以及初步的可靠性。根据预测试结果对语言进行了少量修改，以提高其对泰国 Z 世代受访者的适用性和文化适宜性。

3.3. 数据收集和样本
研究对象是1995年至2010年间出生的、经常使用 TikTok 的泰国 Z 世代成员。采用非概率目的性抽样方法招募符合研究预定义标准的受访者。通过 Facebook、Line、Instagram 和 TikTok 等社交媒体渠道分发在线调查来寻找受访者——这些平台是泰国 Z 世代常用的。参与者在完成主要调查前需要回答资格筛选问题，以确保他们符合研究要求。具体询问了受访者是否（1）曾在数字平台上关注过 influencer，（2）见过或了解过虚拟 influencer，以及（3）是否符合 Z 世代的年龄标准。只有符合纳入标准的人才会完成整个研究。由于大部分受访者年龄在15-18岁之间，因此特别注意了伦理问题。在泰国，根据平台规定，18岁以下用户注册 TikTok 账户需要父母参与，从而建立了关于未成年人数字参与的隐性家长意识。在完成调查之前，所有受访者都收到了书面信息表，解释了研究目的、自愿性质和数据隐私问题。参与被视为知情同意，且没有收集任何敏感或可识别个人身份的信息。该研究方案已获得玛哈沙拉卡姆大学伦理委员会的批准（批准编号：710-677/2025），涵盖了与该年龄段参与者相关的研究程序。这种招募和筛选方法在平台基础客户行为和数字活跃人群的研究中广泛使用，因此有助于获得合适的参与者，同时符合研究的概念焦点。受访者被要求根据他们与 TikTok influencer 和 TikTok 内容的互动情况来回答所有问题。尽管测量项目的表述较为通用，但在数据收集过程中所有回答都明确植根于 TikTok 的背景。为了确保数据质量，对所有回答进行了审查。由于调查设计的原因，所有回答都是完整的，没有观察到统一的回答模式。使用 Cochran 的公式计算了所需的最小样本量，假设置信水平为95%、误差范围为5%，得出至少需要385名受访者[55]。最终获得了400份完整且有效的回答，并用于分析。这个样本量超过了 CB-SEM 常引用的200的最低阈值[56,57]；然而，还根据本研究估计的具体模型要求进一步评估了样本量的充足性。当前模型包含四个潜在构念、20个观测指标和五条结构路径，属于中等复杂度范围。根据已建立的该复杂度模型的样本量指南[58]，400的样本量提供了足够的容量，并支持所有路径的可靠参数估计。包含筛选问题以确认受访者的 TikTok 使用情况。

3.4. 样本特征
最终样本由400名积极使用 TikTok 的泰国 Z 世代受访者组成。女性受访者占样本的较大比例（72.0%），大多数参与者年龄在15至18岁之间（78.0%）。在教育背景方面，大多数人就读于高中或职业课程（66.0%），95.5%是高中或大学的学生。关于月收入，四分之三的受访者（75.0%）报告的收入低于143美元。总体而言，这些特征反映了积极参与 TikTok 的年轻、以学生为主的泰国 Z 世代用户群体。

3.5. 数据分析
数据分析分两个阶段进行，遵循基于协方差的结构方程建模的既定指南[56]。选择基于协方差的 SEM 而非基于方差的替代方法，因为本研究的主要目标是测试理论，并在有预设因果结构的潜在构念间进行验证，这正是 CB-SEM 在最大似然估计下的优势[56,57]。统计分析使用 Jamovi（版本2.6）[59] 进行，这是一种结合了 R 编程语言的高级分析模块的统计软件包，semi-automatic estimation (SEM) 中还使用了 lavaan [60] 进行了额外分析。补充的人工神经网络（ANN）分析使用 Python（版本3.10）和 scikit-learn 库（版本1.2.2）中的 MLPRegressor 模块[61] 进行。

在第一阶段，评估了测量模型以检验可靠性和有效性。使用 Cronbach’s alpha 和复合可靠性来检验内部一致性，值高于0.70表示可靠性强。使用平均方差提取值（AVE）来检验收敛效度，值高于0.50被视为令人满意[62]。使用 Fornell–Larcker 标准来检验区分效度，该标准要求每个构念的 AVE 的平方根大于其与其它构念的相关性[62,63]。

在第二阶段，评估了结构模型以检验提出的假设。选择基于协方差的结构方程建模（CB-SEM），因为它适合理论检验和验证，并且在最大似然估计下能够提供稳健的模型拟合指数和参数估计[56,64]。通过5000次重采样的自助法检验了结构路径的显著性。使用决定系数（R2）来评估 Influencer Attitude 和 Purchase Decision 的解释能力，而使用 Stone–Geisser Q2 统计量通过盲法程序来评估预测相关性[64]。

为了加强预测解释并补充 SEM 的发现，我们使用了构念平均值（HI_mean、VI_mean、IA_mean 和 PD_mean）进行了补充的人工神经网络（ANN）分析。两个模型被构建来反映初始的结构路径：(i) 从 HI 和 VI 预测 influencer 的态度；(ii) 从 HI、VI 和 influencer 的态度预测购买决策。使用十折交叉验证和保留集来评估模型性能，并通过排列相关性对预测变量的贡献进行排序。ANN 分析是在 Python 3.10 中使用 scikit-learn 库[61] 实施的，具体使用了多层感知器（MLP）神经网络（MLPRegressor）进行连续性预测。

3.6. 共同方法偏差的缓解
由于数据是通过自我报告问卷收集的，因此使用程序性和统计方法来处理潜在的共同方法偏差。在程序上，确保了受访者的匿名性和数据保密性，并通过随机化项目顺序来减少评估焦虑和回答模式[65]。统计上，使用探索性因子分析进行了 Harman 的单因素检验。结果表明没有单一因子能解释大部分方差，说明共同方法偏差不太可能是一个严重问题。此外，还根据 Kock 的建议[66] 进行了全面的共线性评估。所有构念的方差膨胀因子（VIF）值都低于3.3的阈值，最高的 VIF 值为2.89（见表4），进一步证明共同方法偏差没有显著影响结果。

表3. 区分效度（HTMT）。
表4. 结构模型分析结果。

4. 结果
4.1. 测量模型评估
评估了测量模型，以检验构念的可靠性和有效性。如表2所报告的，所有指标载荷都达到了推荐的0.60阈值。内部一致性的测量结果显示，Cronbach’s alpha 和复合可靠性值都超过了0.70。此外，每个构念的平均方差提取值（AVE）都高于0.50的最低标准[62]。总体而言，这些结果证实了测量量表具有足够的内部一致性和收敛效度。

4.2. 结构模型和假设检验
评估了结构模型，以检验构念之间的假设关系，结果分别列在表4和表5以及图2中。在假设检验之前，首先评估了整体模型拟合度。标准化均方根残差（SRMR）值为0.030，低于推荐的0.08阈值，表明模型拟合度可以接受[64]。
表5. 中介分析。
图2. 每条路径上的标准化路径系数（β）用实线表示统计上显著的路径；虚线表示不显著的路径。性别（GEN）被作为控制变量纳入。** p < 0.01（双侧）；n.s. = 不显著。该模型还表现出令人满意的解释能力。Influencer Attitude（IA）的决定系数（R2）为0.689，Purchase Decision（PD）的决定系数为0.594，表明该模型能够解释两个内生构念的大部分方差。这些值在行为研究中被认为是中等至显著的[64]。此外，使用 Hair 等人[47] 提出的方法从决定系数中近似得到了 Q2 统计量来评估预测相关性。Q2(IA) = 0.689 和 Q2(PD) = 0.594 的结果均明显大于零，证实了两个内生构念的预测相关性显著。

进一步使用 HTMT 标准检验了区分效度，如表3所示。所有 HTMT 值都低于0.85的阈值，为构念的独特性提供了额外支持。此外，还进行了 HTMT 推断，没有置信区间包含1.0的值，进一步证实了区分效度[63]。如表4和图2所示，结果揭示了 both 显著和非显著的关系。Human Influencer Characteristics（HI）对 Influencer Attitude（IA）有强烈的正面影响（β = 0.619，p < 0.001），支持了 H1 假设。这一发现表明，诸如真实性、体验可信度和共鸣性等属性在塑造泰国Z世代用户对网红的积极评价方面起着核心作用。虚拟网红的特性（VI）也对网红态度产生了积极且显著的影响（β = 0.283，p < 0.001），支持了H3假设。然而，这种影响的程度明显小于真人网红，表明虚拟网红通过不同的、可能情感基础较弱的评估过程来影响态度的形成。相比之下，真人网红的特性（β = 0.039，p > 0.05）和虚拟网红的特性（β = 0.007，p > 0.05）对购买决策（PD）的直接影响在统计上并不显著。这些发现不支持H2和H4假设，表明网红的特性并不会直接转化为购买行为。相比之下，网红的特性（IA）对购买决策有强烈的正面影响（β = 0.735，p < 0.001），支持了H5假设。这一结果证实了态度作为将网红特性转化为行为结果的主要机制的作用。IA → PD路径的相对较高的标准化系数（β = 0.735）值得进一步解读。在一个完整的中介模型中，当预测变量不直接对结果产生显著影响时，较大的态度-行为系数既符合理论预期，也与基于平台的消费者研究结果一致[13,53]。这种模式反映了网红特性仅通过态度形成来发挥作用的结构性条件，从而将解释变异集中在IA → PD路径上。重要的是，多重共线性并未解释这一结果：所有VIF值均低于3.3（范围：1.12–2.89），所有HTMT比率也低于0.85，排除了因变量重叠导致的系数估计膨胀。因此，观察到的系数大小可以归因于所研究的心里机制，而非统计异常。

4.2.1 中介效应
为了进一步检验间接关系，进行了中介分析，结果见表5。研究发现表明，网红态度（IA）显著中介了真人网红特性与购买决策之间的关系（β = 0.455，p < 0.001），支持了H6假设。同样，IA也中介了虚拟网红特性与购买决策之间的关系（β = 0.207，p < 0.001），支持了H7假设。重要的是，这两种间接效应的置信区间都不包括零，证实了中介效应的存在。鉴于HI → PD和VI → PD的直接影响不显著，结果表明存在一个完整的中介机制，即网红特性仅通过影响态度来影响购买决策。总体而言，结构模型呈现出清晰且符合理论的模式：无论是真人还是虚拟网红的特性，都通过态度路径间接影响购买决策。在预测变量中，真人网红的特性对态度形成的影响更强，而网红态度是影响购买决策的最重要因素。这些发现强调了态度评估作为TikTok驱动的社交商务环境中基于网红的说服力的关键心理机制的作用。这一模式也与使用人工神经网络（ANN）进行的进一步补充预测分析结果一致，该分析突出了网红态度在预测购买决策中的重要作用（见附录A）。

4.2.2 比较影响
为了进一步比较真人网红特性（HI）和虚拟网红特性（VI）的总体影响，除了直接路径和间接路径外，还考察了它们对购买决策的总体影响。结果显示，HI对购买决策的总体影响明显强于VI（β = 0.493，z = 6.267，p < 0.001 vs β = 0.215，z = 2.895，p = 0.004）。这一模式与之前的结构路径结果一致，即HI对网红态度的影响更强（β = 0.619，p < 0.001 vs β = 0.283，p < 0.001），并且只有通过网红态度的间接效应对两种预测变量都显著。无论是态度形成还是购买决策的总体影响，证据都一致表明在TikTok背景下，真人网红的影响更强。这些结果支持H8假设，证实了真人网红的特性对网红态度和购买决策的正面影响都大于虚拟网红的特性。这种差异在态度形成（β = 0.619 vs. 0.283）和购买决策的总体影响（β = 0.493 vs. 0.215）上都很明显。为了确定这种差异的统计显著性，使用自助法重采样（5000次迭代）检验了总体效应的置信区间。HI对购买决策的总体效应的95%置信区间（0.440，0.837）与VI的置信区间（0.066，0.351）不重叠，证实两者之间的差异在统计上显著（p < 0.05）。这种非重叠的区间模式为H8假设提供了直接的统计支持，证实了在当前背景下，真人网红的特性对消费者结果的总体影响大于虚拟网红的特性。

4.3 使用人工神经网络（ANN）进行补充预测检验
为了补充结构方程模型（SEM）的发现，进行了人工神经网络（ANN）分析。虽然结构方程模型在理论测试和估计潜在变量之间的方向关系方面表现出色，但ANN提供了一种无模型的方法，能够捕捉非线性模式并排名预测变量的重要性，而无需施加结构约束[68]。因此，ANN不是用来替代SEM，而是作为一种收敛验证工具，以评估SEM确定的预测变量重要性排名在不同分析框架下的有效性——从而增强了对实质结论的信心。指定了两个多层感知器回归模型来反映SEM的结构：模型A根据HI_mean和VI_mean预测网红态度（IA_mean）；模型B根据HI_mean、VI_mean和IA_mean预测购买决策（PD_mean）。每个模型都使用了一个包含五个节点的单隐藏层和Sigmoid激活函数。数据集被划分为70%的训练集和30%的保留测试集。对训练集应用了十折交叉验证以减少过拟合。网络使用基于验证损失的梯度下降反向传播算法进行训练，最大迭代次数为1000次，收敛容忍度为0.0001。通过保留测试集计算基于排列的重要性强度来评估预测变量的重要性。完整的ANN设置和诊断信息见附录B。模型A的交叉验证RMSE为0.435（R2 = 0.521），保留集R2为0.465；模型B的交叉验证RMSE为0.592（R2 = 0.405），保留集R2为0.449。排列重要性证实HI_mean在预测IA_mean方面的贡献大于VI_mean（重要性：0.482 vs 0.228），而IA_mean是对PD_mean影响最大的预测变量（重要性：0.736）。这些结果与SEM的分析结果一致，提供了方法论上的支持，证明了真人网红特性在态度形成中的主导地位以及网红态度在预测购买决策中的核心作用。值得注意的是，不同重要性得分——真人网红的相关性指标贡献最大，而虚拟网红的视觉-技术指标占主导——部分揭示了每种网红类型背后的分解机制，部分解决了汇总变量测量带来的局限性。未来的研究可以采用多维度子量表来更明确地分解这些特性层面的效应。

5. 讨论
5.1 关键发现与解读
研究结果表明，真人网红和虚拟网红在影响泰国Z世代用户在TikTok上的态度和购买决策方面存在明显差异，特别是在效应强度和潜在说服机制方面。结果显示，真人网红的特性对网红态度的影响明显强于虚拟网红的特性。值得注意的是，这两种类型的网红都不直接影响购买决策；相反，它们都是通过网红态度这一中介机制来起作用的，这证实了态度是将感知到的网红特性与消费者行为联系起来的主要心理途径。这种效应的强度（β = 0.619）表明了真实性、情感温暖和现实生活经验在基于网红的说服力中的作用。这些特性似乎与泰国Z世代用户产生了强烈共鸣，他们倾向于信任那些展示出真正专业知识、分享可共鸣的个人经历，并以感觉亲社会和情感亲近的方式沟通的用户[26,39]。在泰国文化背景下，先前的研究指出人们非常重视人际信任和关系亲密性[1,29]，真人网红表达同情心和自发互动的能力可能有助于他们获得更强的评价优势。虚拟网红的特性也与网红态度呈正相关，尽管这种效应较弱（β = 0.283）。这表明，尽管虚拟网红的评估过程更偏向认知层面，但它们仍被看作是有效的。虚拟网红的吸引力更多与创新、视觉设计和品牌呈现的一致性相关。从这个角度来看，研究结果与技术接受模型一致，表明泰国Z世代消费者主要从实用性和数字环境中的互动便利性来评估虚拟网红[10]。连续的内容供应和创意叙事等功能有助于产生积极的评价，而缺乏真实的人类经验似乎限制了虚拟网红能够建立的关系深度[21,39]。此外，网红态度在将网红特性转化为实际购买决策中起着核心作用。网红态度与购买决策之间的强显著关系（β = 0.735）表明，积极的整体评价是影响发挥作用的关键机制。这与理性行动理论一致，该理论强调态度是行为结果的直接前因[13]。在像TikTok这样的平台上，用户短时间内接触到大量内容，对网红的积极态度可能会降低感知风险，并通过帮助消费者缩小选择范围来简化决策过程[7,69]。除了直接关系外，研究还揭示了一个完整的中介机制。无论是真人还是虚拟网红的特性，对购买决策都没有显著的直接影响；相反，它们的影响都是通过网红态度完全传递的。这种模式表明，消费者并不会立即对感知到的网红特性作出反应。这些特性首先形成了一种整体评价反应，然后这种评价反应指导了行为决策。从理论角度来看，这一发现支持了来源可信度理论和拟社会互动理论的综合解释力，这两种理论都认为可信度线索和关系亲密性通过态度形成间接影响行为[15,29]。同时，这也与技术接受模型一致，该理论表明技术相关的评价可能通过态度形成间接影响消费者反应，而非直接通过TAM（技术接受模型）的衡量指标[13,53]。然而，应该认识到，较强的IA → PD系数也反映了数据收集的设计条件。样本仅包括自我报告积极参与网红活动的Z世代TikTok用户，这一特征使他们更可能表现出与态度一致的行为反应。与一般人口调查不同，在那里态度-行为差距通常更宽，因为存在竞争动机和情境障碍，而在这个背景下高度参与的数字消费者更有可能在同一平台环境中根据他们的评估采取行动[69]。TikTok的集成生态系统——内容曝光、产品评价和购买执行都在一个界面内完成——通过减少态度形成和行为执行之间的摩擦进一步缩小了这一差距。然而，这种情境解释并不能排除在参与度较低的人群中观察到的系数可能高估了这种关系的可能性；因此，下文将讨论态度-行为差距作为一个局限性。除了中介结果之外，总体效应的比较也提供了额外的见解。这一比较结果进一步强调了真人网红和虚拟网红通过不同的说服机制运作，不应被视为可互换的代理。HI的更强总体效应表明，真人网红的说服优势不仅限于态度形成，还能更有效地转化为与购买相关的结果。这与来源可信度理论一致，该理论强调了感知到的专业知识、可信度和真实性在塑造消费者反应中的作用[70]，以及拟社会互动理论，该理论强调关系亲密性和情感连接是影响的关键驱动因素[15]。在集体主义文化背景下，如泰国，先前的研究表明人际信任和社会亲和力会塑造消费者行为[1,29]，这些以人为中心的品质在指导购买相关决策时可能具有相对更大的权重。相比之下，尽管虚拟影响者对态度有积极影响，但他们的影响力似乎更多依赖于认知层面的评估，如新颖性、设计一致性和技术吸引力，这些因素在将积极态度转化为更强的行为结果方面的效果可能较弱。这种模式也与先前的研究一致，即技术中介者通常是根据功能性和象征性特征来评估的，而不是基于深刻的关系理解[21,71]。这些不同的模式也可能反映了泰国文化中的信任机制。来源可信度理论和拟社会互动理论主要是在个体主义、低语境的研究环境中发展起来的，在这些环境中，说服力主要被建模为对信息属性的认知评估。而在集体主义、高语境的文化中，如泰国，信任则在认知和情感维度上发挥作用——植根于感知的能力和可靠性以及群体归属感[72]。对于真人影响者来说，这两个维度可以通过真实的自我展示和自发的情感互动同时被激活。而对于虚拟影响者来说，由于缺乏真实的情感能力，情感维度在结构上受到了限制。观察到的效果大小差异（HI β = 0.619 vs. VI β = 0.283）与这种解释大体一致。然而，由于本研究没有直接测量认知信任与情感信任，也没有包括个体层面的文化价值量表，因此这种解释虽然具有理论依据，但在实证上尚未得到验证，更适合作为未来研究的方向，而不是本研究的结论。

5.2 理论贡献
本研究在数字营销和影响者研究领域做出了几项贡献。首先，它将来源可信度理论、拟社会互动理论和技术接受模型结合在一个分析框架内，通过可信度感知、关系过程和技术相关评估来同时解释影响者的有效性。通过整合这些视角，该研究超越了以往研究中主导的单一理论解释。观察到的两种影响者类型之间的效果大小差异（HI（β = 0.619）与VI（β = 0.283）在影响者态度上与理论预期一致，即真人影响者比虚拟影响者更有效地利用关系-情感路径。然而，由于本研究没有包括情感或认知说服过程的直接测量，这种解释仍然是探索性的。未来使用特定情绪量表或精细加工可能性模型（ELM）框架的研究将更有能力严格测试这一差异。
第二个贡献涉及将影响者特征视为消费者方面的评估感知与发送者方面的个性构建之间的概念区分。以往的影响者研究经常将这两者混为一谈——将感知的可信度或亲和力视为影响者本身的稳定特征，而不是受众心中的判断[42]。本研究通过将HI和VI构建基于受众的评估来解决这一问题：所有项目都被构建为受访者的判断，而不是影响者的属性，并通过SCT和PSI解释为接收者的感知，而不是固定的影响者属性。虽然将构建基于受众评估而不是发送者属性在说服研究中是一个公认的做法，但系统地将其应用于比较真人影响者和虚拟影响者在新西兰社交商务背景下仍然有限。因此，这项研究的贡献不在于概念上的区分本身，而在于展示了受众评估视角如何揭示两种影响者在东南亚社交商务背景下的不同说服特征。
第三，研究发现提供了在东南亚背景下直接比较真人影响者和虚拟影响者的实证证据。虽然现有研究主要集中在西方背景下，但本研究通过考察泰国Z世代消费者的影响者动态，填补了这一地理上的空白。因此，这些结果将当前对影响者营销的理解扩展到了一个以集体主义价值观和强烈关系为导向的文化背景中。
最后，本研究提供了来自东南亚市场的基于背景的证据，这在影响者营销文献中尚未得到充分体现。观察到的真人影响者在泰国Z世代消费者中的优势与先前的研究大体一致，表明在集体主义、高语境的文化背景下，关系真实性和情感信任可能比抽象的可信度信号具有更大的说服力[27]。然而，由于本研究没有使用个体层面的文化价值量表或跨文化比较，这些解释仍然具有探索性而非基于实证的确立。未来的研究应纳入文化价值量表或比较设计，以正式测试结构模型是否具有文化依赖性。在TikTok的短格式、算法驱动的环境中研究这些动态，将进一步有助于特定平台的影响者说服力理解，这是依赖于通用社交媒体平台的研究尚未完全实现的。

5.3 管理启示
以下启示基于第4节报告的实证发现。当建议涵盖了特定产品类别、内容格式或活动背景时，应将这些视为基于理论的推断，而不是从当前数据直接得出的结论，因为研究并未实证检验特定类别的效果。这样的建议将在未来旨在测试产品类型和活动目标边界条件的研究中得到验证。
本研究为针对TikTok上Z世代消费者的营销人员和品牌提供了几点实际启示。当活动目标强调建立信任、情感连接或展示真实产品使用时，真人影响者似乎特别有效。他们表达真实性和个人经验的能力可能特别适合护肤、健康和时尚等领域——在这些领域，理论上预期基于可信度的说服力会很有影响力，尽管这种推断超出了当前数据的范围，在当前数据中，感知的可信度在消费者决策中起着关键作用。
同时，虚拟影响者在重视创新、视觉一致性或大规模内容制作的活动中具有独特优势。他们的优势在以技术为导向、游戏或高度风格化的创意活动中尤为明显，这些活动中重视未来主义的品牌形象和叙事控制。因此，不建议将真人影响者和虚拟影响者视为替代品，而是可以采用混合策略。在这种方法中，真人影响者可以提供情感共鸣和真实的代言，而虚拟影响者则通过全天候的内容和互动数字体验支持品牌的持续存在。内容策略应根据影响者的特点进行定制。真人影响者受益于分享非剧本式的、幕后和体验性的内容，这增强了真实性，而虚拟影响者在利用视觉精致、叙事连贯和互动的格式时最为有效。重要的是，关于虚拟影响者的人为性质的透明度是必不可少的，因为透明度有助于保持消费者的信任并减少与感知欺骗相关的负面反应[44,73]。

5.4 局限性和未来研究方向
本研究的范围必然涉及一些边界条件，这些条件共同勾勒出了未来研究的生产性议程。以下每一点既指出了当前设计的局限性，也指出了后续研究的特定机会。首先，关注泰国Z世代消费者和TikTok平台可能会限制结果的普遍性。未来的研究可以在不同的文化背景下应用所提出的模型，包括更加个体主义的社会以及其他社交媒体平台，以检验潜在的边界条件。
其次，横断面数据限制了因果解释。此外，本研究没有纳入性别之外的控制变量，例如平台使用强度或之前的购买经验，这些因素可能独立影响消费者的反应，应在未来的模型规范中予以考虑。此外，如人际信任和社会和谐等构建并未直接测量；因此，引用这些因素的解释反映了基于先前文献的情境推理，而非从当前数据得出的实证结论。
第三，潜在的态度-行为差距构成了解释研究结果的一个重要边界条件。观察到的IA → PD系数（β = 0.735）与结构受限模型中的完全中介作用一致；然而，它可能不适用于消费者平台参与度较低或面临更大购买摩擦的情境。本研究测量的是自我报告的行为意向，而不是实际的交易行为，这可能导致积极态度相对于实际购买结果被过高估计。未来的研究将受益于纳入观察到的行为数据——如点击率、购物车添加或完成的交易——以评估态度评估在多大程度上转化为可测量的商业结果。
第四，缺乏注意力检查项是一个程序上的限制。尽管通过调查设计控制和筛选统一响应模式来监控数据质量，但在未来的研究中加入专门的注意力检查将为验证受访者参与度和排除注意力不集中的响应提供更严格的基础。
第五，使用要求先前接触过影响者的筛选标准可能会引入选择偏差。从未关注过影响者的受访者被系统地排除在外，这意味着样本来自已经倾向于对影响者给予积极评价的人群。这种高参与度受访者的集中可能有助于观察到较强的IA → PD系数，并可能在应用于更广泛的消费者群体时高估这些关系。未来的研究应包括不同影响者参与程度的受访者，以更好地评估模型的边界条件。
第六，本研究依赖于广泛的综合影响者特征测量。未来的研究可能受益于检查更具体的子维度，例如真人影响者之间的不同真实性方面或虚拟影响者之间感知的人类相似性程度，以提供关于影响者有效性机制的更细致的见解。
最后，样本的人口统计构成需要关于普遍性的关键讨论。由于78%的受访者年龄在15-18岁之间，95.5%的自认为是学生，样本集中在Z世代中年轻且教育背景较为同质的部分。虽然这个群体是TikTok最活跃的用户之一，也是影响者营销的主要目标受众，但它可能并不反映Z世代消费者的全部行为范围。较年轻的青少年可能对社会影响和新奇效果更为敏感，这可能放大观察到的态度-行为关系相对于较年长的Z世代消费者而言。相比之下，工作的Z世代成年人可能更重视不同的影响者特征——如领域专业知识和产品可信度——而不是亲和力和美学吸引力。这些代内差异可能会显著改变所提出的关系的强度和方向。未来的研究应有意招募整个Z世代年龄范围和职业范围的参与者，以检验结构模型是否在各个子群体中成立。包括较早职业阶段的Z世代将大大增强研究结果的外部有效性。未来的研究还可以探索新兴的混合影响形式——包括经过大量编辑的真人影响者或协作的人机角色——以更好地理解不断扩展的数字影响范围。

6. 结论
本研究表明，真人影响者和虚拟影响者在塑造TikTok上泰国Z世代消费者的购买决策中都发挥了重要作用，尽管通过不同的机制。真人影响者由于他们的真实性、情感亲密感和真实生活经验而特别有影响力，而虚拟影响者则从创新、一致性和创造性控制中获取价值。对于这两种类型的影响者来说，对影响者的整体积极态度成为影响者特征与消费者行为之间的关键纽带。
通过整合多个理论视角并考察非西方文化背景，本研究有助于更细致地理解社交商务中的影响者营销。从实际角度来看，研究结果鼓励营销人员超越真人影响者和虚拟影响者之间的二元选择，而是采用利用两者互补优势的策略。随着人工智能和数字内容创作的不断进步，认识到这些不同的影响途径对于有效和负责任的营销实践将变得越来越重要。