از تحلیل مضمون و فراترکیب تا طراحی مدل یکپارچه: کاوشی عمیق در معماری دانش گونهشناسی اکوسیستم اینفلوئنسرها | ||
| چشم انداز مدیریت بازرگانی | ||
| مقاله 3، دوره 24، شماره 63، مهر 1404، صفحه 38-62 اصل مقاله (1.21 M) | ||
| نوع مقاله: علمی - پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/jbmp.2025.242511.1722 | ||
| نویسنده | ||
| محمدرضا دلوی اصفهانی* | ||
| گروه مدیریت،واحددهاقان،دانشگاه آزاد اسلامی،اصفهان،ایران | ||
| چکیده | ||
| اهداف: اقتصاد تولیدکنندگان محتوا و اکوسیستم اینفلوئنسرها به یک نیروی فرهنگی و اقتصادی قدرتمند تبدیل شده است، اما درک علمی از آن همچنان پراکنده و تکبعدی است. مطالعات پیشین عمدتاً بر جنبههای مجزا مانند استراتژیهای بازاریابی یا جامعهشناسی شهرت دیجیتال متمرکز شدهاند و از ارائه یک دیدگاه کلنگر که بتواند تعاملات پیچیده میان کنشگران، فناوریها و ساختارهای اقتصادی را تبیین کند، بازماندهاند. این پژوهش با هدف پر کردن این شکاف مفهومی، به دنبال طراحی و ارائه یک مدل مفهومی یکپارچه و پویا است. هدف اصلی، فراتر رفتن از تحلیلهای خطی و ارائه چارچوبی است که بتواند منطق زیربنایی، نیروهای محرکه و مسیرهای تکاملی اکوسیستم اینفلوئنسرها را به صورت سیستمی آشکار سازد و نشان دهد چگونه کنشگران انسانی، ساختارهای فناورانه و منطق اقتصادی در یک فرآیند همتکاملی بر یکدیگر تأثیر میگذارند. روش پژوهش: پژوهش حاضر با اتخاذ یک رویکرد کیفی تفسیری، از یک استراتژی دومرحلهای نظاممند بهره میبرد. در مرحله اول، با استفاده از پروتکل PRISMA برای جستجوی نظاممند در پایگاههای داده معتبر (نظیر Scopus, Web of Science)، تعداد ۲۸ مطالعه کیفی عمیق که بین سالهای ۲۰۲۰ تا ۲۰۲۵ منتشر شده بودند، به عنوان نمونه نهایی انتخاب شدند. معیار اصلی انتخاب، تمرکز مطالعات بر دینامیکهای داخلی اکوسیستم بود. سپس، دادههای کیفی مستخرج از این مقالات با استفاده از روش تحلیل مضمون به دقت کدگذاری و مضامین اولیه شناسایی شدند. در مرحله دوم، با بهکارگیری استراتژی فراترکیب که بر تفسیر و بازتفسیر مفاهیم برای رسیدن به یک مفهومپردازی جدید و انتزاعیتر تأکید دارد، مضامین استخراجشده با یکدیگر تلفیق و سنتز گردیدند. این فرآیند منجر به توسعه و خلق یک مدل مفهومی جامع شد که فراتر از جمعبندی صرف یافتههای پیشین عمل میکند. یافتهها: خروجی اصلی این پژوهش، ارائه مدل معماری سهوجهی پویا است که اکوسیستم اینفلوئنسرها را نه به عنوان یک ساختار ایستا، بلکه به مثابه یک ارگانیسم زنده و همتکاملی در سه لایه درهمتنیده و دارای حلقه بازخورد تبیین میکند. لایه اول، هسته انسانی: این لایه بر دینامیکهای روابط انسانی متمرکز است و شامل مفاهیمی چون اصالت ادراکشده به عنوان یک اجرای استراتیژیک، انباشت سرمایه اجتماعی از طریق تعامل، و ماهیت کار نامطمئن اینفلوئنسرها میباشد. لایه دوم، داربست فناورانه : این وجه به نقش بنیادین پلتفرمها میپردازد و شامل حاکمیت الگوریتمی به عنوان نیروی نامرئی شکلدهنده به محتوا، معماری پلتفرم که کنشها را ممکن یا محدود میسازد، و ابزارهای تحلیلی برای بهینهسازی عملکرد است. لایه سوم، موتور اقتصادی: این لایه منطق تجاری حاکم بر اکوسیستم را شرح میدهد و شامل تکامل مدلهای کسبوکار از تبلیغات ساده به سوی اقتصاد اشتراکی و فروش مستقیم، و فرآیند حرفهایشدن صنعت است. یافته کلیدی نشان میدهد که یک دینامیک چرخهای و پویا میان این سه وجه وجود دارد؛ به طوری که فشار الگوریتمها (وجه فناورانه) بر لزوم تولید محتوای مداوم، ماهیت کار نامطمئن را (وجه انسانی) تشدید کرده و این امر به نوبه خود، منجر به ظهور مدلهای کسبوکار جدید (وجه اقتصادی) برای کاهش این بیثباتی میشود. نتیجهگیری: این پژوهش با ارائه مدل معماری سهوجهی پویا، از تحلیلهای تکبعدی فراتر رفته و یک لنز تحلیلی سیستمی برای درک و پیشبینی روندهای آتی در اقتصاد تولیدکنندگان محتوا فراهم میآورد. این چارچوب مفهومی، پیامدهای نظری و عملی قابل توجهی دارد. از منظر نظری، این مدل به ادبیات مطالعات رسانههای دیجیتال کمک کرده و اینفلوئنسرها را به مثابه کنشگران اقتصادی و کارگران دیجیتال در یک ساختار پیچیده بازتعریف میکند. از منظر عملی، این چارچوب برای اینفلوئنسرها ابزاری برای درک بهتر نیروهای شکلدهنده به حرفهشان، برای برندها دیدگاهی عمیقتر جهت همکاریهای مؤثر، و برای سیاستگذاران ضرورت توجه به مسائلی چون حقوق کارگران دیجیتال و شفافیت الگوریتمی را برجسته میسازد. | ||
| کلیدواژهها | ||
| اکوسیستم اینفلوئنسرها؛ اقتصاد تولیدکنندگان محتوا؛ فراترکیب؛ تحلیل مضمون؛ حاکمیت الگوریتمی؛ اصالت ادراکشده | ||
| عنوان مقاله [English] | ||
| From Thematic Analysis and Meta-Synthesis to Integrated Model Design: An In-Depth Exploration of Knowledge Architecture in Influencer Ecosystem Typologies | ||
| نویسندگان [English] | ||
| Mohammadreza Dalvi Esfahani | ||
| Department of Management, Deh C, Islamic Azad University, Isfahan, Iran. | ||
| چکیده [English] | ||
| Objectives: While the creator economy, particularly the influencer ecosystem, has become a potent cultural and economic force, scholarly understanding of it remains fragmented and one-dimensional. Previous studies have predominantly focused on isolated aspects such as marketing strategies or the sociology of digital fame, failing to provide a holistic perspective that explains the complex and dynamic interplay between actors, technologies, and economic structures. This research aims to fill this significant conceptual gap by designing and presenting an integrated and dynamic conceptual model. The primary objective is to move beyond linear analyses and offer a framework that systematically reveals the underlying logic, driving forces, and evolutionary pathways of the influencer ecosystem, demonstrating how human actors, technological structures, and economic logics co-evolve and mutually shape one another. Methods: Adopting a qualitative, interpretive approach, this study utilizes a systematic two-stage strategy. In the first stage, following the PRISMA protocol for systematic search in reputable academic databases (e.g., Scopus, Web of Science), 28 in-depth qualitative studies published between 2020 and 2025 were selected as the final sample. The main selection criterion was the studies’ focus on the internal dynamics of the ecosystem. Subsequently, qualitative data extracted from these articles were meticulously coded using Thematic Analysis to identify initial themes. In the second stage, employing a “meta-synthesis” (meta-ethnography) strategy, which emphasizes the interpretation and re-interpretation of concepts to achieve a new, higher-level conceptualization, the extracted themes were integrated and synthesized. This process led to the development of a comprehensive conceptual model that transcends a mere aggregation of previous findings. Findings: The main output of this research is the “Dynamic Three-Dimensional Architectural Model,” which conceptualizes the influencer ecosystem not as a static structure but as a living, co-evolutionary organism operating through three interconnected and feedback-looped layers. The first layer, the Human Core, focuses on complex relational dynamics, including concepts such as “perceived authenticity” as a strategic performance, the accumulation of “social capital” through interaction, and the “precarious labor” nature of influencing. The second layer, the Technological Scaffolding, addresses the foundational role of platforms, encompassing “algorithmic governance” as an invisible force shaping content and visibility, “platform architecture” (e.g., likes, stories) that enables or constrains actions, and “analytical tools” for performance optimization. The third layer, the Economic Engine, details the ecosystem’s commercial logic, including the “evolution of business models” from simple advertising towards the subscription and direct-sale economy, and the “professionalization” of the industry. A key finding is the cyclical dynamic among these layers; for instance, algorithmic pressure (Technological Scaffolding) for constant content creation intensifies the precarious nature of work (Human Core), which in turn drives the emergence of new business models (Economic Engine) aimed at mitigating this instability Conclusion: By presenting the Dynamic Three-Dimensional Architectural Model, this research moves beyond one-dimensional analyses to provide a systemic analytical lens for understanding and predicting future trends in the creator economy. This framework offers significant theoretical and practical implications. Theoretically, it contributes to the literature on digital media and platform studies by reframing influencers as economic actors and digital laborers within a complex techno-economic structure. Practically, it provides influencers with a tool to better understand the forces shaping their careers, offers brands deeper insights for more effective collaborations, and highlights for policymakers the urgent need to address issues such as digital labor rights and algorithmic transparency | ||
| کلیدواژهها [English] | ||
| Influencer Ecosystem, Creator Economy, Meta-Synthesis, Thematic Analysis, Algorithmic Governance, Perceived Authenticity | ||
| مراجع | ||
|
Arriagada, A., & Ibáñez, F. (2020). You need at least one picture daily, if not, you’re dead: Content creators and platform evolution in the social media ecology. Social media Society. 6(3) https://doi.org/10.1177/2056305120944624
Campbell, C., & Farrell, J. R. (2020). More than meets the eye: The functional components underlying influencer marketing. Business Horizons, 63(4),469-479. https://doi.org/10.1016/j.bushor.2020.03.003
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. https://doi.org/10.1016/j.jbusres.2018.07.005
Cotter, K. (2019). Playing the visibility game: How digital influencers and algorithms negotiate influence on Instagram. New Media & Society21(4), 895-913. https://doi.org/10.1177/1461444818815684
Cunningham, S., & Craig, D. (2021). Creator governance in social media entertainment. Social Media + Society,7(2)https://doi.org/10.1177/20563051211024963
Evans, N. J., Phua, J., Lim, J., & Jun, H. (2021). Regulating social media influencers: The effects of sponsorship disclosure, influencer credibility, and brand trust. Journal of Public Policy & Marketing, 40(3), 360-376,https://doi.org/10.1177/0743915620923235
Hudders, L., De Jans, S., & De Veirman, M. (2021). The commercialization of social media stars: A literature review and directions for future research. International Journal of Advertising, 40(3),327-375. https://doi.org/10.1080/02650487.2020.1836925
Jin, S. V., Muqaddam, A., & Ryu, E. (2021). Instafamous and social media influencer marketing. Marketing Intelligence & Planning37(5), 567-579,https://doi.org/10.1108/MIP-09-2018-0375
Kay, S., Mulcahy, R., & Parkinson, J. (2020). When less is more: The impact of macro and micro social media influencers’ disclosure. Journal of Marketing Management,36(4-3),247-278. https://doi.org/10.1080/0267257X.2020.1718740
Kumar, V., & Sharma, A. (2024). Predicting influencer marketing effectiveness using machine learning: A data-driven approach. Expert Systems with Applications, 238,121734. https://doi.org/10.1016/j.eswa.2023.121734
Li, F., Larimo, J., & Leonidou, L. C. (2022). The rise of influencer marketing platforms: A business model perspective. Industrial Management & Data Systems, 122(1),169-191. https://doi.org/10.1108/IMDS-03-2021-0164
Lou, C., & Yuan, S. (2019). Influencer marketing: How message value and credibility affect consumer trust of branded content on social media. Journal of Interactive Advertising, 19(1),58-73. https://doi.org/10.1080/15252019.2018.1533501
Sokolova, K., & Kefi, H. (2020). Instagram and YouTube bloggers promote it, why should I buy? How credibility and parasocial interaction influence purchase intentions. Journal of Retailing and Consumer Services. 53,1011915. https://doi.org/10.1016/j.jretconser.2019.01.011
Stoldt, R., Wellman, M. L., Ekdale, B., & Tully, M. (2019). Professionalizing and profiting: The rise of intermediaries in the social media influencer industry. Social Media + Society.5(1). https://doi.org/10.1177/2056305119832587
Tuters, M., & Jokubauskaitė, E. (2022). Influencer-led networked misinformation campaigns: The case of the COVID-19 pandemic. Information, Communication & Society25(1), 125-143. https://doi.org/10.1080/1369118X.2021.1994628
Vrontis, D., Makrides, A., Christofi, M., & Thrassou, A. (2021). Social media influencer marketing: A systematic review, integrative framework and future research agenda. Journal of Business Research. 134,1-19. https://doi.org/10.1016/j.jbusres.2021.05.021
Yesiloglu, S., & Costello, J. (2021). Influencer marketing: Building brand communities and engagement. Routledge. https://doi.org/10.4324/9780429322501
Banker, S., & Khetani, V. (2024). Explainable AI for business decision making: A systematic review. Decision Support Systems. 178, 114131. https://doi.org/10.1016/j.dss.2023.114131
Bostrom, N., & Yudkowsky, E. (2023). The ethics of artificial intelligence. In The Cambridge Handbook of Artificial Intelligence (pp. 316–334). Cambridge University Press. https://doi.org/10.1017/9781009072168.025
Cao, L. (2024). Data science: A comprehensive overview. ACM Computing Surveys ,56(6), 1-41. https://doi.org/10.1145/3632297
Dwivedi, Y. K., Kshetri, N., Hughes, L., & Slade, E. L. (2023). Opinion Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Mariani, M. M., Machado, I., & Nambisan, S. (2023). Types of innovation and artificial intelligence: A systematic quantitative literature review. Technovation, 122,102656. https://doi.org/10.1016/j.technovation.2022.102656
Al-Emran, M., & Al-Sharafi, M. A. (2024). The impact of AI-generated content on influencer marketing: A study of consumer trust and engagement. Technology in Society, 76, 102431. https://doi.org/10.1016/j.techsoc.2023.102431
Arriagada, A., & Concha, J. (2023). Creator governance: How creators navigate platform governance in the creator economy. Social Media + Society. 9(3) https://doi.org/10.1177/20563051231195547
Geyser, W. (2024). The state of influencer marketing 2024: Benchmark report. Influencer Marketing Hub. (Note: Valid Industry Report, often cited). https://influencermarketinghub.com/influencer-marketing-benchmark-report/
Haenlein, M., & Kaplan, A. (2023). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California Management Review,61(4), 5-14. https://doi.org/10.1177/0008125619864925
Sands, S., Campbell, C., & Ferraro, C. (2024). The rise of the machine influencer: How virtual influencers are reshaping digital marketing. Business Horizons, 67(1), 77-88. https://doi.org/10.1016/j.bushor.2023.08.003
Zhang, Y., & Wang, X. (2024). The architecture of the creator economy: Platforms, labor, and governance. Journal of Digital Social Research,6(1), 1-22.
Zsila, Á., Orosz, G., Bőthe, B., & Demetrovics, Z. (2022). Parasocial breakup and its consequences on social media. Cyberpsychology, Behavior, and Social Networking, 25(4), 217-224.
| ||
|
آمار تعداد مشاهده مقاله: 179,765 تعداد دریافت فایل اصل مقاله: 129,827 |
||