Η επίδραση των διαφορετικών μορφών προσωποποίησης (personalization) στο digital marketing στην εμπιστοσύνη και την πιστότητα των καταναλωτών: μια εμπειρική ποσοτική μελέτη
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Μεταπτυχιακό Πρόγραμμα Ψηφιακό Μάρκετινγκ, Σχολή Οικονομικών Επιστημών και Διοίκησης, Πανεπιστήμιο Νεάπολις Πάφος
Abstract
Η παρούσα διπλωματική εργασία διερευνά την επίδραση τριών μορφών προσωποποίησης στο Digital Marketing — της δημογραφικής, της συμπεριφορικής και της AI-driven / Predictive — στην εμπιστοσύνη και πιστότητα των καταναλωτών προς τις μάρκες. Παράλληλα, εξετάζει τον ρόλο δημογραφικών παραγόντων, όπως η ηλικία και το φύλο, καθώς και τον αντίκτυπο των ανησυχιών για την ιδιωτικότητα στην αποδοχή της AI-drivn / Predictive προσωποποίησης.
Για την επίτευξη των ερευνητικών στόχων, υιοθετήθηκε ποσοτική ερευνητική προσέγγιση μέσω δομημένου ερωτηματολογίου, το οποίο συμπληρώθηκε από 120 ενήλικες, κατοίκους Κύπρου. Το ερωτηματολόγιο περιελάμβανε κλίμακες Likert για τη μέτρηση των βασικών μεταβλητών, συγκριτικές ερωτήσεις αξιολόγησης οπτικών σεναρίων προσωποποίησης, καθώς και ανοικτές ερωτήσεις σεναρίου. Η ανάλυση των δεδομένων πραγματοποιήθηκε με το στατιστικό λογισμικό Jamovi, αξιοποιώντας ανάλυση συσχέτισης Pearson, πολλαπλή και απλή γραμμική παλινδρόμηση, One-Way ANOVA και Independent Samples t-test.
Τα αποτελέσματα έδειξαν ότι και οι τρεις μορφές προσωποποίησης επηρεάζουν θετικά και στατιστικά σημαντικά τόσο την εμπιστοσύνη όσο και την πιστότητα των καταναλωτών, με την AI-driven / Predictive προσωποποίηση να εμφανίζει τη μεγαλύτερη επίδραση. Ωστόσο, σε συνθήκες πραγματικού σεναρίου, η δημογραφική προσωποποίηση αναδείχθηκε ως η μορφή που εμπνέει τη μεγαλύτερη εμπιστοσύνη, φέρνοντας στην επιφάνεια μια αντίφαση μεταξύ γενικών στάσεων και βιωματικής εμπειρίας. Επιπλέον, διαπιστώθηκαν στατιστικά σημαντικές διαφορές ανά ηλικία, με τους νεότερους καταναλωτές να εμφανίζουν υψηλότερα επίπεδα εμπιστοσύνης και πιστότητας, και ανά φύλο, με τις γυναίκες να ανταποκρίνονται θετικότερα στην προσωποποίηση. Τέλος, επιβεβαιώθηκε η αρνητική επίδραση των ανησυχιών για ιδιωτικότητα στην αποδοχή της AI-driven / Predictive προσωποποίησης.
Τα ευρήματα της έρευνας συμβάλλουν στη γεφύρωση του ερευνητικού κενού αναφορικά με τη συγκριτική μελέτη των επιμέρους μορφών προσωποποίησης, και παρέχουν πρακτικές κατευθύνσεις για επαγγελματίες του Digital Marketing που επιδιώκουν να σχεδιάσουν στρατηγικές εξατομίκευσης που σέβονται την ιδιωτικότητα και ενισχύουν τη μακροχρόνια σχέση με τους καταναλωτές.
Description
This dissertation investigates the impact of three forms of personalization in Digital Marketing — demographic, behavioral, and AI-driven / Predictive — on consumer trust and brand loyalty. In parallel, it examines the role of demographic factors such as age and gender, as well as the influence of privacy concerns on consumers' acceptance of AI-driven / Predictive personalization.
A quantitative research approach was adopted, utilizing a structured questionnaire completed by 120 residents of Cyprus. The questionnaire included Likert-scale items measuring the core variables, comparative questions evaluating visual personalization scenarios, and open-ended scenario-based questions. Data analysis was conducted using Jamovi statistical software, employing Pearson correlation analysis, multiple and simple linear regression, One-Way ANOVA, and Independent Samples t-tests.
The results indicated that all three forms of personalization positively and significantly influence both consumer trust and brand loyalty, with AI-driven / Predictive personalization demonstrating the strongest effect. However, in the context of a real-life scenario, demographic personalization emerged as the form that inspires the greatest trust, revealing a tension between general attitudes and lived experience. Statistically significant differences were also found by age, with younger consumers displaying higher levels of trust and loyalty, and by gender, with women responding more positively to personalization. Finally, privacy concerns were confirmed to negatively affect acceptance of AI-driven / Predictive personalization.
The findings contribute to bridging a research gap regarding the comparative study of distinct personalization types, and offer practical guidance for Digital Marketing professionals seeking to design personalization strategies that respect consumer privacy while fostering long-term brand relationships.