Conde, R., & Casais, B. (2023). Micro, macro and mega-influencers on Instagram: The power of persuasion via the parasocial relationship. Journal of Business Research, 158, 113708.

Mots clés : Marketing d’influence, Instagram, micro-influenceurs, relation parasociale, influenceurs des réseaux sociaux.

 

Introduction

L’article présente trois domaines principaux de recherche sur le marketing d’influence : 

1. L’optimisation de l’influence et l’identification des influenceurs (Li et Du, 2017, More et Lingam, 2019, Roelens et al., 2016, Sheikhahmadi et al., 2017)
2. L’étude des pratiques liées à la gestion de la présence et de l’influence en ligne (Audrezet et al., 2020, Delisle et Parmentier, 2016, García-Rapp, 2017) 
3. L’impact des influenceurs sur les réseaux sociaux (SMIs) sur les attitudes et comportements des consommateurs (Lim et al., 2017, Magno et Cassia, 2018, Torres et al., 2019, Uribe et al., 2016, Vrontis et al., 2021).

Elle met en avant l’importance de la congruence entre l’influenceur et le produit (Kim et Kim, 2021), ainsi que le rôle des relations parasociales qui influencent l’intention d’achat (Breves et al., 2019 ; Leite & Baptista, 2022). 

Pour cela, elle va s’intéresser aux micro-influenceurs, qui généralement, ont une relation de confiance plus forte avec leurs abonnés (Borges-Tiago et al., 2023). Les auteurs vont proposer un modèle conceptuel pour examiner l’impact de la taille de l’influenceur (micro, macro et méga-influenceurs) sur son pouvoir d’influence sur les consommateurs (Vrontis et al., 2021).

 

Développement

Définitions

Les influenceurs des médias sociaux (SMI) sont des personnes possédant un grand nombre d’abonnés et capables d’influencer leurs comportements et attitudes (de Veirman et al., 2017; Haenlein & Libai, 2017). Ils sont classés selon leur nombre de followers : mega-influencers, macro-influencers, et micro-influencers. S’ajouter à cela, les celebrities,  nano-influencers (Campbell & Farrell, 2020), ainsi que des virtual influencers créés par IA (Vrontis et al., 2021).

 

	Micro influenceurs	Macro influenceurs	Mega influenceurs
Followers	1,000 – 100,000	100,000 – 1,000,000	> 1,000,000
Avantages	Audience fidèle et engagée Perçus comme très crédibles Faible coût	Portée plus grande sur des marchés spécifiques Bon retour sur investissement  Accessible	Grande visibilité et capacité à atteindre les masses Effet de halo : Peuvent créer des tendances mondiales Plus facile de mesurer le ROI
Inconvénients	Faible visibilité et notoriété Volatile et plus difficile de mesurer le ROI	Taux d’engagement plus faible que les micro influenceurs mais plus coûteux	Coûts élevés Moins d’engagements Audience très exposée aux publicités

 

Le pouvoir d’influence des SMIs dépend de facteurs comme l’attractivité, l’expertise et l’authenticité (Chen et al., 2021). L’authenticité est un élément essentiel car elle favorise la crédibilité et l’intention d’achat (Aw & Labrecque, 2020).

Cette étude cherche donc à comprendre l’impact des SMIs dans le domaine de la mode et du lifestyle sur leurs abonnés, avec un focus sur le phénomène parasocial (lien fictif que porte un individu envers un influenceur).

Le modèle suggère que l’attitude de l’audience envers l’influenceur et l’intention d’achat sont influencés par le nombre d’abonnés de l’influenceur. La taille de l’audience a également un impact sur la popularité et le leadership d’opinion (de Veirman et al., 2017, Ladhari et al., 2020, Casaló et al., 2020).

Hypothèses

C’est ainsi que les hypothèses de recherche incluent :

• H1a : La taille de l’audience a un effet direct et positif sur la popularité perçue de l’influenceur (de Veirman et al., 2017).
• H1b : La taille de l’audience a un effet direct et positif sur le leadership d’opinion attribué à l’influenceur (de Veirman et al., 2017).
• H1c : La popularité perçue a un effet direct et positif sur le leadership d’opinion (de Veirman et al., 2017).
• H2a : La popularité perçue a un effet direct et positif sur l’intention d’adopter les recommandations de l’influenceur (Ladhari et al., 2020).
• H2b : Le leadership d’opinion a un effet direct et positif sur l’intention de l’abonné à adopter les recommandations de l’influenceur (Casaló et al., 2020).

D’autres hypothèses sont également abordées sur la proximité perçue créée par l’influenceur, qui mène au développement de relations parasociales (Colliander & Dahlén, 2011).

• H3a : La relation parasociale influence la relation entre la popularité perçue et l’intention du public d’adopter les recommandations des influenceurs.
• H3b : La relation parasociale exerce une influence négative sur la relation entre le leadership d’opinion attribué et l’intention du public d’adopter les recommandations des influenceurs.

L’étude

L’étude a analysé 140 influenceurs portugais avec des audiences allant de 1 500 à 384 500 abonnés, et des taux d’engagement allant de 1 % à 31,2 %, catégorisés selon leur nombre d’abonnés (micro et macro-influenceurs).

Les concepts mesurés sont les suivants : 

• La popularité : Échelle de différence sémantique à 5 niveaux avec 3 questions (De Veirman et al., 2017)
• Le leadership d’opinion : Échelle de Likert à 5 niveaux avec 7 questions. Adaptée de Casaló et al., (2020)
• La relation parasociale : Échelle de Likert à 5 niveaux avec 22 questions (Auter et Palmgreen, 2000)
• L’intention d’adopter les recommandations des SMI : Échelle de Likert à 5 niveaux avec 5 questions. Adaptée de Casaló et al. (2020)

Le questionnaire a recueilli 577 réponses valides dont la majorité de femmes (97,2 %) et 74,5 % étaient âgées de  18 et 24 ans, 18,2 % étaient âgées de 25 à 34 ans.Concernant le nombre de followers sur Instagram, 29,1 % des participants ont indiqué en avoir plus de 1 000, suivis par 23,7 % ayant entre 500 et 1 000 followers.  23,7 % des répondants suivaient entre 6 et 10 SMIs de mode ou de lifestyle, 29,1 % en suivaient entre 11 et 20, et 30,7 % suivaient plus de 20 SMIs.

Après avoir écarté les valeurs aberrantes, une bonne adéquation de l’échantillon pour la plupart des mesures, sauf pour la relation parasociale, où certains items ont été exclus, a été révélée par l’analyse factorielle exploratoire. 

Les résultats ont montré de grandes différences entre les types d’influenceurs (micro, macro, mega) sur la perception de la popularité, du leadership d’opinion et de la relation parasociale. 

• Les hypothèses H1a, H1c et H2b ont été validées, confirmant que la popularité perçue est influencée par la taille de l’influenceur, qui affecte le leadership d’opinion et l’intention de suivre les recommandations. 
• Cependant, aucune relation significative n’a été trouvée entre la taille de l’influenceur et le leadership d’opinion ou entre la popularité perçue et l’intention de suivre les recommandations (rejet de H1b, H2a).
• L’hypothèse H3a sur l’effet positif de la relation parasociale sur l’intention de suivre les recommandations a également été validée.
• En revanche, aucune interaction significative n’a été trouvée entre la popularité perçue et la relation parasociale, rejetant l’hypothèse H3a.

 

Conclusion

L’article souligne l’importance de la relation parasociale dans le marketing d’influence, en expliquant que la proximité avec l’audience renforce la confiance et l’engagement, d’où l’efficacité des micro-influenceurs. Pour les marques, le choix de l’influenceur dépend des objectifs visés : les micro-influenceurs peuvent être choisis pour générer de l’engagement et stimuler les conversions, tandis que les macro et méga-influenceurs permettent surtout d’accroître la visibilité. 

L’étude souligne ainsi l’essor du marketing de proximité et l’importance grandissante de l’authenticité et de l’interactivité dans la communication digitale. 

Cette étude présente toutefois des limitations, notamment son échantillon non probabiliste et limité au contexte portugais et aux influenceuses mode et lifestyle. De plus, l’étude se concentre sur l’intention de suivre les recommandations et non sur les mesures directes d’efficacité publicitaire, telles que l’attitude envers le produit ou l’intention d’achat, comme suggéré par Muda et al. (2014).

Pour les recherches futures, il serait pertinent d’élargir la diversité des échantillons et d’analyser les effets des SMIs masculins, ou de reproduire cette étude dans un contexte post-pandémique pour confirmer ou étendre ces résultats (Vrontis et al., 2021), au vu de la croissance exponentielle du digital.

 

Intégration dans ma revue de littérature

Cet article pourrait contribuer à ma recherche en fournissant une base théorique sur le rôle des différents types d’influenceurs, les micro-influenceurs dans notre cas, sur Instagram, ainsi que sur le rôle des relations parasociales dans la persuasion des abonnés. Je m’appuierai dessus afin d’expliquer comment lafoodloveuse pourrait impacter l’image de la marque Cédric Grolet via ses contenus Instagram, en influençant la perception de la marque auprès de ses abonnés.

 

Références bibliographiques

• Audrezet, A., de Kerviler, G., & Guidry Moulard, J. (2020). Authenticity under threat: When social media influencers need to go beyond self-presentation. Journal of Business Research, 117, 557-569.
• Auter, P. J., & Palmgreen, P. (2000). Development and validation of a parasocial interaction measure: The audience‐persona interaction scale. Communication Research Reports, 17(1), 79-89.
• Aw, E. C.-X., & Labrecque, L. I. (2020). Celebrity endorsement in social media contexts: Understanding the role of parasocial interactions and the need to belong. Journal of Consumer Marketing, 37(7), 895-908.
• Borges-Tiago, M. T., Santiago, J., & Tiago, F. (2023). Mega or macro social media influencers: Who endorses brands better? Journal of Business Research, 157, Article 113606.
• Campbell, C., & Farrell, J. R. (2020). More than meets the eye: The functional components underlying influencer marketing. Business Horizons, 63(4), 469-479.
• Casaló, L. V., Flavián, C., & Ibáñez-Sánchez, S. (2020). Influencers on Instagram: Antecedents and consequences of opinion leadership. Journal of Business Research, 117, 510-519.
• De Veirman, M., Cauberghe, V., & Hudders, L. (2017). Marketing through Instagram influencers: The impact of number of followers and product divergence on brand attitude. International Journal of Advertising, 36(5), 798-828.
• Delisle, M.-P., & Parmentier, M.-A. (2016). Navigating person-branding in the fashion blogosphere. Journal of Global Fashion Marketing, 7(3), 211-224.
• García-Rapp, F. (2017). ‘Come join and let’s BOND’: Authenticity and legitimacy building on YouTube’s beauty community. Journal of Media Practice, 18(2-3), 120-137.
• Haenlein, M., & Libai, B. (2017). Seeding, referral, and recommendation: Creating profitable word-of-mouth programs. California Management Review, 59(2), 68–91.
• Kim, D. Y., & Kim, H.-Y. (2021). Influencer advertising on social media: The multiple inference model on influencer-product congruence and sponsorship disclosure. Journal of Business Research, 130, 405–415.
• Ladhari, R., Massa, E., & Skandrani, H. (2020). YouTube vloggers’ popularity and influence: The roles of homophily, emotional attachment, and expertise. Journal of Retailing and Consumer Services, 54, 102027.
• Leite, F. P., & Baptista, P. D. P. (2022). The effects of social media influencers’ self-disclosure on behavioral intentions: The role of source credibility, parasocial relationships, and brand trust. Journal of Marketing Theory and Practice, 30(3), 295–311.
• Li, F., & Du, T. C. (2017). Maximizing micro-blog influence in online promotion. Expert Systems with Applications, 70, 52–66.
• Lim, X. J., Mohd Radzol, A. R. bt, Cheah, J.-H., & Wong, M. W. (2017). The impact of social media influencers on purchase intention and the mediation effect of customer attitude. Asian Journal of Business Research, 7(2).
• Magno, F., & Cassia, F. (2018). The impact of social media influencers in tourism. Anatolia, 29(2), 288-290.
• More, J. S., & Lingam, C. (2019). A SI model for social media influencer maximization. Applied Computing and Informatics, 15(2), 102-108.
• Roelens, I., Baecke, P., & Benoit, D. F. (2016). Identifying influencers in a social network: The value of real referral data. Decision Support Systems, 91, 25-36.
• Sheikhahmadi, A., Nematbakhsh, M. A., & Zareie, A. (2017). Identification of influential users by neighbors in online social networks. Physica A: Statistical Mechanics and its Applications, 486, 517-534.
• Torres, P., Augusto, M., & Matos, M. (2019). Antecedents and outcomes of digital influencer endorsement: An exploratory study. Psychology and Marketing, 36(12), 1267-1276.
• Uribe, R., Buzeta, C., & Velásquez, M. (2016). Sidedness, commercial intent and expertise in blog advertising. Journal of Business Research, 69(10), 4403-4410.