O valor propagandístico dos anúncios (Ads) no Twitter: um estudo entre a geração do milênio mexicana

Resumo

Objetivo:

Este estudo empenhou-se em medir o valor propagandístico percebido dos anúncios no Twitter em uma grande amostra de mexicanos da geração do milênio.

Metodologia:

Foi utilizada uma pesquisa online para coletar os dados de 630 estudantes universitários. Os antecedentes das hipóteses sobre o valor propagandístico foram a informatividade, entretenimento, irritação e credibilidade. Um modelo foi estimado utilizando-se os quadrados mínimos parciais.

Resultados:

Os resultados indicam que a informatividade e o entretenimento foram os prognosticadores mais fortes, com a credibilidade em terceiro lugar. Além disso, a credibilidade exibiu efeitos de gênero: ela foi significativa para as entrevistadas mulheres, mas não para os homens. A irritação não alcançou significância estatística na maioria das subamostras, sugerindo que os anúncios do Twitter são mais aceitáveis para a geração do milênio do que outros formatos de propaganda.

Contribuições:

A geração do milênio tende a desvalorizar os formatos tradicionais de propaganda. Ao mesmo tempo, são usuários frequentes dos sites das redes sociais. Esta pesquisa oferece a primeira estimativa empírica do modelo do valor propagandístico de Ducoffe no serviço de microblog Twitter, e a primeira aplicação deste modelo robusto de propaganda na web a uma amostra latino-americana. Nossos resultados têm implicações importantes para as marcas regionais e globais que têm a geração do milênio como público-alvo.

Palavras-chave:
Propaganda em redes sociais; geração do milênio; microblogging; Twitter

Abstract

Purpose:

This study set out to measure the perceived Advertising Value of Twitter ads on a large sample of Mexican Millennials.

Design/methodology/approach:

An online survey was used to collect data among 630 university students. The hypothesized antecedents of Advertising Value were Informativeness, Entertainment, Irritation and Credibility. The model was estimated using Partial Least Squares.

Findings:

Results indicate Informativeness and Entertainment were the strongest predictors, with Credibility in third place. In addition, Credibility displayed gender effects: it was significant for female respondents but not for males. Irritation failed to reach statistical significance in most subsamples, suggesting Twitter ads are more acceptable to Millennials than other advertising formats.

Originality/value:

Millennials tend to dismiss traditional advertising formats. At the same time they are heavy users of Social Networking Sites. This research provides the first empirical estimation of the Ducoffe model of Advertising Value in the microblogging service Twitter, and the first application of this robust model of web advertising to a Latin American sample. Our results have important implications for both regional and global brands targeting Millennials.

Keywords:
Social media advertising; Millennials; microblogging; Twitter

1 Introdução

Apesar de estarem classificados como destinos importantes na Internet, os sites das redes sociais (SRS) frequentemente lutam para gerar receitas compatíveis com seus altos custos operacionais. Os modelos típicos de receita utilizados pelos SRS são a propaganda, a assinatura e a transação (Enders, Hungenberg, Denker & Mauch, 2008). Entre eles, o modelo de propaganda, que inclui anúncios de texto e banners, anúncios afiliados e patrocínios, é o mais comumente utilizado pelos SRS (Enders et al., 2008; Nogueira-Cortimiglia, Ghezzi & Renga, 2011). Esse modelo depende de uma grande base de usuários, com usuários ativos mensalmente como sua métrica principal, porque a maioria dos anunciantes exigirá vários milhões de visitantes únicos para considerar um SRS em particular como uma opção viável para investir seus orçamentos de propaganda.

O Twitter está entre os SRS mais populares; ele afirma ter 310 milhões de usuários mensais, com 79% deles fora dos EUA (Twitter, 2016). Na América Latina, Brasil e México possuem o maior número de usuários, previstos a alcançar 27,7 e 23,5 milhões até 2016 (Emarketer, 2016a). Além disso, os usuários do Twitter na região são principalmente adolescentes e jovens adultos, o que sugere que a propaganda no Twitter seria uma opção atraente para as marcas que têm a geração do milênio (ou Millennials) como público-alvo.

As empresas, entretanto, têm lutado para se conectar com a geração do Milênio, porque a maioria dos métodos tradicionais de propaganda se provou ineficiente para capturar a sua atenção. Apenas 1% dos membros da geração do milênio pesquisados em um estudo recente disse que uma propaganda convincente aumentaria sua confiança em uma marca. A geração do milênio acredita que a propaganda é manipuladora e inautêntica (Schawbel, 2015).

É imperativo, portanto, entender melhor as opiniões e atitudes dos jovens consumidores latino-americanos em relação aos anúncios do Twitter. Em particular, é importante estabelecer em que medida os fatores, como a credibilidade percebida do anúncio, ou a irritação vinculada a ele, afetam as atitudes dos usuários em relação à propaganda no Twitter, e se isso deve encorajar ou desencorajar as marcas de realizar tais práticas. Este estudo oferece uma resposta empírica clara a essas questões utilizando o modelo de valor propagandístico proposto por Ducoffe (1996). Nossos resultados são, portanto, relevantes para as marcas globais e regionais que têm os jovens consumidores latino-americanos como seu público-alvo.

2 Características do Twitter e formatos dos anúncios

O serviço de microblogging Twitter foi lançado em 2006, e tornou-se um dos SRS mais populares do mundo. Uma previsão independente feita por Emarketer (2016b) estimou que os usuários ativos do Twitter em todo o mundo, definidos como aqueles que entram em suas contas pelo menos uma vez por mês, serão 291 milhões em 2016, com a maior parte do crescimento acontecendo nos mercados emergentes.

Como os outros SRS, os usuários podem postar atualizações de status para suas conexões (chamadas de seguidores no Twitter), e em troca eles podem ler as atualizações das pessoas ou das empresas que eles seguem. Esses posts estavam originalmente limitados a textos simples com 140 caracteres, assim permitindo o serviço a operar em redes de celulares, como mensagens SMS. Essa habilidade inata de operar na Internet e em redes de celulares muito contribuiu para a rápida difusão do Twitter.

As empresas e suas marcas logo descobriram o Twitter e começaram a utilizá-lo para se conectar com seus clientes (Israel, 2009). Em particular, as empresas aéreas fornecem um exemplo inicial de negócios utilizando o Twitter como uma plataforma de marketing eficiente. Por exemplo, as empresas aéreas mexicanas de baixo custo Volaris e VivaAerobus têm estado em uma concorrência acalorada para obter a maior presença nas mídias sociais desde 2009, quando abriram seus sites no Twitter. Em dois anos, a Volaris alcançou 88 mil seguidores no Twitter, contra 77 mil da VivaAerobus (Reyes, 2011). Ambas as empresas aéreas utilizam a plataforma para anunciar tarifas promocionais e arrastar possíveis clientes para seu site na Internet. A Volaris também utiliza a plataforma para ouvir seus clientes, que tendem a ser “extremamente diretos” ao twittar para as empresas (Cruz, 2010). A Volaris conhece assim sobre os problemas dos clientes em tempo real, e normalmente pode dar uma resposta ou solução mais rápida do que um call center convencional.

Como a maioria dos SRS, o Twitter oferece seu serviço gratuitamente aos usuários, e depende de um modelo de receita publicitária (Enders et al., 2008). O Twitter começou com os anúncios pagos em 2010, e tem visto sua receita com anúncios crescer consistentemente, especialmente na plataforma de celulares que atualmente compreende 90% das receitas com anúncios (Emarketer, 2016c). Entretanto, o Twitter tem sido cuidadoso em proteger a experiência de seus usuários e evitar que os usuários sejam sobrecarregados com anúncios (Copeland, 2012). A aglomeração de anúncios no Twitter é percebida como sendo menor do que em outras plataformas populares da Internet, como Google Search ou Facebook (Tassi, 2013).

O rápido crescimento dos orçamentos publicitários nos SRS é uma forte justificativa para a pesquisa das atitudes dos consumidores em relação aos anúncios que eles encontram nessas plataformas (Saxena & Khanna, 2013; Taylor, Lewin & Strutton, 2011). Estudos anteriores examinaram a propaganda nos SRS em geral (Chandra, Goswami & Chouhan, 2013; Saxena & Khanna, 2013; Taylor et al., 2011) ou o Facebook, o atual líder nos SRS (Dao, Le, Cheng & Chen, 2014; Logan, Bright & Gangadharbatla, 2012; Méndiz-Noguero, Victoria-Mas & Arroyo-Almaraz, 2013). Há também vários estudos sobre o uso do Twitter como uma plataforma para se comunicar com os consumidores, em áreas como atendimento ao cliente (Coyle, Smith & Platt, 2012; Sreenivasan, Lee & Goh, 2012), envolvimento com a marca (Kwon & Sung, 2011; Li & Li, 2014; Logan, 2014; Sandoval-Almazán & Nava-Rogel, 2012) e boca a boca eletrônico (Jansen, Zhang, Sobel & Chowdury, 2009; Kim, Sung & Kang, 2014; Zhang Jansen & Chowdhury, 2011). Esses estudos são classificados na rubrica de marketing de envolvimento, segundo o qual as empresas publicam conteúdo da marca em seus SRS, normalmente sem qualquer custo, na esperança de que seus seguidores se envolvam com tal conteúdo “curtindo” o mesmo, adicionando um comentário ou, no melhor das hipóteses, encaminhando-o a seus próprios contatos sociais (Henry & Harte, 2012).

O outro uso do Twitter como plataforma de marketing é a propaganda com alvo, pela qual o Twitter coloca posts “promocionais” em frente a usuários selecionados e cobra os anunciantes de acordo com as ações realizadas por tais usuários. Entretanto, a tecnologicamente experiente geração do milênio pode reconhecer esses posts como propaganda paga, e reagir a eles desfavoravelmente (Schawbel, 2015). É aí que o robusto modelo de valor propagandístico de Ducoffe (1996) pode oferecer insights valiosos, porque considera explicitamente a irritação do consumidor em relação aos anúncios como um prognosticador do valor propagandístico percebido. Entretanto, uma aplicação direta desse modelo aos anúncios do Twitter ainda não foi tentada. Considerando a popularidade crescente do Twitter na América Latina, e as preocupações potenciais do anunciante em relação à irritação do usuário com os anúncios, nosso estudo oferece a primeira estimativa do valor propagandístico para os anúncios do Twitter no contexto da América Latina, com escalas traduzidas para o espanhol.

Figura 1:
Formatos de propaganda noTwitter.

Atualmente, há três formatos distintos de propaganda no Twitter (ver Figura 1). O primeiro são os tweets promocionais, que são tweets normais criados pelas marcas para suscitar o envolvimento com os usuários. Os algoritmos proprietários do Twitter os exibirão no alto dos resultados de busca relevantes na página de busca do Twitter, e nas atualizações de notícias dos usuários quando o tweet é considerado relevante para a busca ou para os interesses do usuário. Esses tweets são visivelmente rotulados como promocionais, e o Twitter cobra o anunciante se o usuário clicá-lo, marcá-lo como favorito ou retwittá-lo. O Twitter não dá aos usuários a opção de deixar de ver os tweets promocionais, mas oferece um botão Descartar que o usuário pode clicar se não gostar do anúncio (Twitter, 2014a). O Twitter utiliza essa reação negativa para refinar os anúncios que terão aquele usuário como alvo, assim como para oferecer feedback para o anunciante.

Em seguida, há as contas promocionais, que aparecem na seção A “quem seguir” na página do usuário, também marcadas como promocionais. O algoritmo do Twitter analisa os seguidores da marca e determina outras marcas que aqueles usuários tendem a seguir. Quando ele detecta um usuário que segue aquelas marcas, mas não a conta do anunciante, o algoritmo recomenda a conta promocional do anunciante para aquele usuário (Twitter, 2014b). O anunciante paga pelo número de novos seguidores que consegue.

Em terceiro lugar, há as tendências promocionais, que aparecem no alto da lista de tendências no Twitter e são também rotuladas como promocionais. Elas são visíveis a todos os usuários do Twitter enquanto são promovidas (Twitter, 2014c).

Com exceção do rótulo “promocional”, esses formatos de anúncio parecem tweets, tendências e contas sugeridas normais. Portanto, são exibidos naturalmente no desktop do Twitter e na interface do usuário dos celulares, bem como os vários Aplicativos do Twitter são fornecidos para todos os sistemas operacionais móveis; iPhone, Android, Blackberry, Windows, Symbian etc. Considerando a importância crescente da propaganda em celulares, essa compatibilidade entre desktop e telas de celular tornou-se uma vantagem importante para o Twitter na mudança em andamento dos orçamentos da propaganda digital para as plataformas celulares (Emarketer, 2015; Koh, 2014).

3 Atitudes do consumidor em relação à propaganda nos SRS

A teoria mais comumente utilizada para explicar as percepções e atitudes do usuário em relação à propaganda na Internet é o modelo de valor propagandístico proposto por Ducoffe (1996) e posteriormente refinado por Brackett e Carr (2001). Nesse modelo, o valor propagandístico dos consumidores é definido como “uma avaliação subjetiva do valor ou da utilidade relativa da propaganda para os consumidores” (Ducoffe, 1995, p. 1). Essa avaliação é concebida como uma “avaliação ponderada cognitiva da medida na qual a propaganda dá aos consumidores o que eles querem” (Ducoffe, 1996, p. 24).

Esse modelo é baseado na teoria dos Usos e Gratificações da mídia (McQuail, 1983), que argumenta que os usuários da mídia se expõem seletivamente às mídias com base em suas necessidades e motivos da busca de gratificação, e assim satisfazem suas necessidades utilitárias e/ou hedônicas. De maneira similar, Ducoffe (1996) propôs a informatividade, o entretenimento e a irritação como antecedentes do valor propagandístico, e propôs uma associação positiva entre valor propagandístico e atitude em relação à propaganda na Internet. A credibilidade foi posteriormente incluída no modelo como o quarto antecedente do valor propagandístico, novamente no contexto da propaganda no ciberespaço (Brackett & Carr, 2001). A Figura 2 mostra o modelo e as hipóteses associadas. Em seguida, apresentamos a definição de constructo e formulamos nossas hipóteses.

Figura 2:
Modelo do valor propagandístico

Informatividade. Os teóricos do marketing geralmente concordam que a função primária da propaganda é transmitir informações sobre os produtos e serviços para permitir que os consumidores tomem as melhores decisões possíveis de compra. Se um anúncio oferece informações úteis, oportunas e relevantes, os consumidores são mais propensos a perceber o anúncio como valioso. Sendo assim, nossa primeira hipótese é:

H1: A informatividade percebida do anúncio do Twitter está positivamente associada a seu valor propagandístico percebido.

Entretenimento. A propaganda representa uma proporção substancial de todo o conteúdo das mídias. Por isso, os consumidores são mais propensos a ter uma avaliação positiva de um anúncio quando eles o acham divertido (Ducoffe, 1995). De acordo com a teoria dos usos e gratificações, o valor de entretenimento do conteúdo da propaganda está em sua habilidade de atender as necessidades dos consumidores por escapismo, diversão, prazer estético ou alívio emocional (McQuail, 1983). Além disso, o formato de anúncio de tweet promocional oferece oportunidades para os anunciantes serem altamente criativos na reprodução do anúncio e no material multimídia que o Twitter atualmente permite. Portamos, propomos:

H2: O entretenimento percebido do anúncio do Twitter está positivamente associado a seu valor propagandístico percebido.

Irritação. Os consumidores podem se irritar com as táticas de propaganda que acham aborrecidas, ofensivas ou demasiadamente manipuladoras (Ducoffe, 1996). A quantidade excessiva de propaganda que os usuários encontram em alguns sites, ou aglomerados de anúncios, pode também ser fonte de irritação (Kim & Sundar, 2010). Isso leva a nossa terceira hipótese:

H3: A irritação percebida do anúncio do Twitter está positivamente associada a seu valor propagandístico percebido.

Credibilidade. Brackett e Carr (2001) propuseram a credibilidade como uma extensão válida para o modelo de Ducoffe, citando sua prevalência em outros modelos (Eighmey, 1997; MacKenzie & Lutz, 1989). Em seu estudo sobre o valor propagandístico da web entre universitários, eles descobriram que o uso da credibilidade como um antecedente do valor propagandístico aumentou o poder prognosticador do modelo original. Portamos, postulamos:

H4: A credibilidade percebida do anúncio do Twitter está positivamente associada a seu valor propagandístico percebido.

Na formulação original de Ducoffe (1996), o valor propagandístico influenciou positivamente a atitude em relação à propaganda na web, com uma correlação estimada de 0,70. Além disso, ele propôs que o entretenimento também tinha um efeito direto e positivo na atitude em relação à propaganda na web porque “ambos os constructos possuem dimensões afetivas que não são capturadas pelo valor propagandístico“ (Ducoffe, 1996, p. 30), o último sendo concebido principalmente como um constructo cognitivo. Capturamos esses dois relacionamentos das hipóteses como se segue:

H5: O valor percebido do anúncio do Twitter está positivamente associado à atitude em relação à propaganda no Twitter.

H6: O valor percebido do entretenimento do Twitter está positivamente associado à atitude em relação à propaganda no Twitter.

Estudos anteriores baseados nesse modelo examinaram vários formatos de propaganda digital, incluindo banners (Brackett & Carr, 2001; Ducoffe, 1996; Sun, Lim, Jiang, Peng & Chen, 2010), links patrocinados nos resultados do mecanismo de busca (Lin & Hung, 2009), anúncios no Facebook (Logan et al., 2012; Dao et al., 2014); e anúncios na TV online (Logan, 2013). No campo cada vez mais importante da propaganda em celulares, o modelo foi utilizado para explicar a aceitação dos anúncios em SMS pelos consumidores (Blanco, Blasco & Azorín, 2010; Haghirian, Madlberger & Inoue, 2008; Liu, Sinkovics, Pezderka & Haghirian, 2012), assim como da propaganda baseada em localização (Xu, Oh & Teo, 2009). A Tabela 1 mostra uma visão geral dos coeficientes Beta nos modelos estruturais estimados desses estudos anteriores. No melhor de nosso conhecimento, este estudo é a primeira aplicação desse modelo clássico de propaganda na plataforma Twitter.

Tabela 1:
Aplicações anteriores do modelo de valor propagandístico

4 Desenvolvimento do instrumento e coleta de dados

As escalas para informatividade, entretenimento, irritação e valor propagandístico foram adaptadas de Ducoffe (1996) para os entrevistados avaliarem os anúncios do Twitter. Seguindo Bracket e Carr (2001), baseamos nossa escala para credibilidade nos itens propostos por MacKenzie e Lutz (1989). A medida para a atitude em relação à propaganda no Twitter foi adaptada da escala de Alwitt e Prabhaker (1994) de atitudes em relação à propaganda na TV. As escalas publicadas foram traduzidas para o espanhol por dois nativos do idioma inglês (nenhum dos autores) e as diferenças foram reconciliadas. As escalas em espanhol foram então traduzidas de volta para o inglês por um terceiro nativo do idioma inglês. As escalas original e traduzida são fornecidas no Apêndice.

A pesquisa foi construída e postada online utilizando Formulários Google, o que permitiu a importante vantagem de exibição correta tanto no desktop quanto no smartphone. Cogitamos que muitos entrevistados potenciais veriam primeiro o convite em seus celulares, e quisemos tornar muito rápido e fácil para eles responderem a pesquisa a partir de seu aparelho celular. Fizemos uma pesquisa piloto com doze alunos de graduação de Marketing, e suas sugestões foram utilizadas para refinar alguns itens e melhorar o convite e o layout da pesquisa nas telas do desktop/celular.

Recrutamos os participantes para o estudo utilizando uma amostra em bola de neve. Inscrevemos duas seções dos estudantes de administração (total de 55 estudantes) em um exercício em classe para medir o alcance e sua habilidade em mobilizar suas redes sociais pessoais. Os estudantes primeiro responderam uma breve pesquisa com seu nome, idade, gênero, e-mail e número de seguidores no Twitter e amigos no Facebook. Posteriormente, cada estudante recebeu uma URL personalizada para uma cópia online individual da pesquisa no Twitter criada com Formulários Google; Os estudantes foram instruídos a enviar seu URL personalizado através de suas redes sociais pessoais utilizando qualquer mensagem pessoal que considerassem mais efetiva para viralizar o convite para levar a pesquisa a seus contatos de primeira ordem, e aos contatos de segunda ordem de seus contatos. Não foi concedido nenhum crédito de aula pela participação. O processo prosseguiu por dez dias e os resultados de seus esforços de recrutamento foram mostrados aos estudantes (total de 656 pesquisas concluídas, com o maior recrutador obtendo 85 pesquisas e 17 recrutadores obtendo 0).

Além disso, três assistentes de pesquisa (do mesmo curso de graduação e da mesma faixa etária dos outros estudantes) que trabalhavam com um dos autores enviaram o URL da pesquisa para suas próprias redes pessoais e obtiveram 110 questionários preenchidos. Finalmente, 30 questionários adicionais foram respondidos por estudantes que participavam de uma pesquisa para um trabalho diferente sobre propaganda de busca em celular que se voluntariaram e deram seu Twitter, recebendo o URL para a pesquisa. No total, 796 questionários foram preenchidos online entre outubro e novembro de 2013.

Um exame cuidadoso dos questionários obtidos revelou que alguns entrevistados responderam mais de um questionário, provavelmente porque receberam convites de vários amigos. Essas repetições foram descartadas e apenas o primeiro questionário (de acordo com a marca temporal) foi retido. Alguns questionários foram preenchidos por usuários cujas idades e locais de trabalho indicavam que já não eram mais universitários, e estes também foram descartados porque não se adequavam à população-alvo desta pesquisa. Também descartamos alguns questionários inválidos (n = 15) que tinham a mesma resposta para todos os itens. Considerando o perfil socioeconômico de nossos recrutadores, a amostra ficou fortemente inclinada para estudantes de universidades privadas, mas o perfil etário e de gênero foi apropriado para nosso estudo. Alguns poucos estudantes (n = 12) atualmente cursando o ensino médio também responderam o questionário e mantivemos suas respostas. No final, 630 questionários foram considerados utilizáveis.

Embora não fosse uma amostra probabilística, decidimos que uma amostra ampla composta principalmente por universitários era adequada para nosso estudo por duas razões. Em primeiro lugar, a geração do milênio é uma importante população-alvo para estudos de marketing e particularmente relevante para empresas interessadas em utilizar o Twitter como mídia de propaganda (Smith, 2011; Moore, 2012). Em segundo lugar, a distribuição etária nos SRS em geral, e no Twitter em particular, está fortemente concentrada em usuários adolescentes e jovens adultos, conforme relatado em um recente estudo nacional no México (Asociación Mexicana de Internet [AMIPCI], 2013) mostrado na Tabela 2. Por comparação, as características finais da amostra são mostradas na Tabela 3.

Tabela 2:
Perfil demográfico dos usuários do Twitter x Facebook no México

• Nota. Fonte: Adaptado de Estudio de marketing digital y social media 2013, pela AMIPCI, 2013.

Tabela 3:
Características da amostra

5 Estimativa do modelo

O modelo de hipóteses foi testado utilizando-se o método dos Quadrados Mínimos Parciais (PLS) da modelagem de equações estruturais, que é adequado para pesquisa exploratória e não está sujeito ao pressuposto da normalidade da SEM baseado em covariância (Hair, Sarstedt, Ringle & Mena, 2012). A estimativa foi realizada usando-se a versão 2.0 do SmartPLS (Ringle, Wende & Will, 2005). Primeiro avaliamos a medição do modelo externo, que envolve o exame da confiabilidade do indicador, da confiabilidade da consistência interna, a validade convergente e a validade discriminante (Hair et al., 2012).

A Tabela 4 mostra os carregamentos do modelo externo, alfas de Cronbach e as confiabilidades compostas. O item irr1 foi descartado porque seus carregamentos estavam muito abaixo do limite de 0,70 sugerido por Hulland (1999). Todos os outros itens tinham carregamentos aceitáveis (números mostrados na Tabela 4 são após a remoção do item irr1). Além disso, as confiabilidades compostas para todas as escalas estavam bem acima do limite sugerido de 0,70 (Bagozzi & Yi, 1988), indicando boa consistência interna.

A Tabela 5 mostra a variância média extraída (AVE), a raiz quadrada de AVE (em negrito na diagonal principal) e as correlações interconstructo. Todos os valores AVE estão bem acima de 0,50, o que indica boa validade convergente (Bagozzi & Yi, 1988). Além disso, atendendo o critério de Fornell-Larcker, cada um dos elementos da diagonal principal é maior do que os elementos da respectiva fileira e coluna fora da diagonal, o que indica uma validade discriminante adequada ao nível do constructo (Henseler, Ringle & Sinkovics, 2009; Hulland, 1999).

Tabela 4:
Carregamentos do indicador, alfas de Cronbach da escala e confiabilidades compostas

• Nota: * Esse item foi retirado da análise, carregamento < 0,70. Adaptado de “Uso de quadrados mínimos parciais (PLS) na pesquisa sobre gestão estratégica: Uma revisão de quatro estudos recentes”, por J. Hulland, 1999, Strategic Management Journal, 20, 195-204.

Tabela 5:
Variância média extraída e correlações interconstructo

Os carregamentos cruzados dos Indicadores oferecem uma verificação complementar para a validade discriminante, dessa vez ao nível do indicador (Henseler et al., 2009). O carregamento de cada indicador deve ser maior do que todos seus carregamentos cruzados, e isso foi mesmo o caso. Em suma, o modelo de medição exibe um indicador adequado e confiabilidade da consistência interna, assim como validades convergente e discriminante.

A Figura 3 mostra a estimativa do modelo de hipóteses para toda a amostra. Os valores de R² indicam que os prognosticadores das hipóteses explicam 70% da variância do valor propagandístico e 55% da variância da atitude em relação à propaganda do Twitter. Com exceção do caminho para a irritação, todos os coeficientes tiveram os sinais previstos e foram estatisticamente significativos. Como a normalidade não é pressuposta para os estudos de PLS, os testes de significância se baseiam em bootstrapping (Hair et al., 2012). Os valores t para os coeficientes de caminho são mostrados na Tabela 6. Nesse caso, todos os coeficientes são significativos ao nível de 5% (valor crítico 1,96 para testes bicaudais), com exceção da irritação, que teve pouca significância.

Tabela 6:
Coeficientes de caminho para a amostra original (n = 630) e 5000 amostras bootstraping

Figura 3:
Coeficientes de caminho estimados para toda a amostra (Modelo 1).

De modo geral, o modelo de hipóteses mostra uma adequação muito boa para os dados da pesquisa sobre o Twitter e explica uma quantidade substancial da variância das variáveis latentes endógenas.

Os resultados para a estimativa do modelo estrutural utilizando toda a amostra são mostrados na Tabela 7a como Modelo 1. Esses resultados apoiam todos os relacionamentos das hipóteses com seus sinais esperados, exceto para o coeficiente de caminho da irritação, que resultou não significativo (embora significativo ao nível de 10%, valor crítico de 1,650).

O tamanho mínimo da amostra para o PLS é dez vezes o maior número dos caminhos estruturais direcionados a um constructo latente, em particular no modelo estrutural (Hair, Ringle & Sarstedt, 2011). Nesse caso, o máximo são quatro caminhos direcionados para o valor propagandístico, assim exigindo um tamanho mínimo de amostra de 40. Portanto, com uma amostra grande o bastante para apoiar uma análise mais detalhada, decidimos testar o modelo de hipóteses em um número relevante de subamostras. Em cada caso, rechecamos os carregamentos externos do modelo, o AVE, a confiabilidade composta e o critério de Fornell-Larcker para garantir que a confiabilidade e a validade do modelo permaneciam aceitáveis apesar da subamostra menor e/ou especificação diferente de modelo (como os Modelos 6, 7, 18 e 19, em que a irritação não foi incluída). Os resultados do teste estão disponíveis como documento anexo.

O questionário perguntava aos entrevistados a frequência na qual eles clicavam em anúncios do Twitter, e as frequências mencionadas estão mostradas na Tabela 8. Os entrevistados estão aproximadamente divididos igualmente entre aqueles que nunca clicaram em um anúncio (41%) e aqueles que clicaram (59%). Testamos o modelo básico entre essas duas subamostras. Os resultados são mostrados lado a lado na Tabela 7a como Modelos 2 e 3.

Tabela 7ª:
Estimativa do modelo para toda a amostra, subamostras clica e não clica, mulheres e homens

• Nota: * significativo 95%, ** significativo 99% (testes bicaudais)

Tabela 8:
Você clica frequentemente nos anúncios do Twitter?

Para os participantes que nunca clicaram em um anúncio do Twitter, a variável irritação se torna significativa com o efeito negativo esperado no valor propagandístico. Por outro lado, para os participantes que clicam nos anúncios, o coeficiente do caminho da irritação cai para quase zero, e o estatístico t permanece não significativo.

Em seguida, testamos o modelo das subamostras homens e mulheres, e os resultados são mostrados na Tabela 7a como os Modelos 4 e 5. Em ambos os casos, a irritação resultou não significativa, que é o mesmo resultado do Modelo 1. Entretanto, uma diferença interessante aparece para credibilidade. Para as entrevistadas mulheres, a credibilidade mantém a significância que tinha na amostra total, ao passo que para os entrevistados homens, a credibilidade falha no teste de significância.

Para realizar uma análise mais detalhada dos participantes que clicaram nos anúncios, para quem já está estabelecido que a irritação não é significativa, a amostra é então dividida em entrevistados mulheres (Modelo 6) e homens (Modelo 7) que clicaram em anúncios do Twitter. Os resultados revelam que a credibilidade é significativa para as entrevistadas mulheres, mas não para os homens - mesma conclusão anteriormente resultante dos Modelos 4 e 5.

Neste momento, questionamos se havia diferenças significativas entre os usuários com baixos versus altos níveis de atividade de postagem e entre aqueles que entraram recentemente no SRS versus aqueles que tinham mais experiência. Não medimos essas variáveis em nossa pesquisa, mas já que mais de 90% dos entrevistados de nossa pesquisa forneceram seu nome de usuário do Twitter, complementamos os dados da pesquisa sobre usuários com duas estatísticas que obtivemos de seus perfis públicos: tempo de uso e número total de tweets. Dividimos então a amostra na média dessas duas variáveis e testamos o modelo básico nessas novas subamostras. Primeiro examinamos se os usuários diferiam por conta de seu nível de atividade de postagem; os resultados são mostrados na Tabela 7b como Modelo 8 e Modelo 11. Para ambas as subamostras, havia diferenças importantes com relação ao Modelo básico 1.

Para os entrevistados com menor número de tweets totais, o coeficiente do caminho da irritação se tornou significativo, ao passo que para aqueles com maior número de tweets totais, a irritação e a credibilidade se tornaram não significativas. Além disso, quando o primeiro grupo é subdividido nas subamostras mulheres e homens (Modelos 9 e 10), a irritação se tornou não significativa para os homens, porém significativa para as mulheres, ao passo que a credibilidade se tornou não significativa tanto para homens quanto para mulheres. Na outra subamostra, entre os usuários com o maior número de tweets, a comparação entre mulheres e homens (Modelos 12 e 13) não resultou em diferenças de gênero. Esses resultados indicam que à medida que os usuários homens e mulheres ganham mais experiência com a plataforma do Twitter, a irritação e a credibilidade se tornam menos importantes em sua avaliação do valor propagandístico.

Em seguida, examinamos se o tempo de Twitter revelava diferenças significativas entre os participantes da pesquisa. Os resultados para pouco e muito tempo são exibidos na Tabela 7c como Modelos 14 e 17.

Tabela 7b:
Estimativa do modelo de poucos e muitos tweets totais, subamostras mulheres e homens

• Nota: * significativo 95%, ** significativo 99% (testes bicaudais)

Tabela 7c:
Estimativa do modelo para pouco e muito tempo, subamostras mulheres e homens

• Nota: * 95% significativo, ** 99% significativo (testes bicaudais)

Os usuários com pouco tempo de uso não diferem significativamente do Modelo básico 1. Entretanto, para os entrevistados com muito tempo de uso, o coeficiente do caminho para credibilidade se tornou não significativo. Quando dividimos cada subamostra em entrevistados homens e mulheres, descobrimos que para os entrevistados homens com pouco uso a credibilidade perdeu sua significância, ao passo que para as mulheres, não. Esse resultado espelha os resultados anteriores dos Modelos 4 e 5. Entre os entrevistados com alto uso não detectamos quaisquer diferenças de gênero (Modelos 18 e 19). Novamente, esses resultados sugerem que, à medida que os usuários do Twitter de ambos os gêneros se tornam mais experientes, a irritação e a credibilidade perdem sua significância inicial para a avaliação do valor propagandístico, e apenas a informatividade e o entretenimento mantêm sua relevância.

6 Conclusões

Esta pesquisa contribui para nossa compreensão das percepções do valor propagandístico entre os usuários dos SRS, sobre o qual ainda há poucos estudos publicados (por exemplo, Dao et al., 2014; Hassan, Fatima, Akram, Abbas & Hasnain, 2013; Logan et al., 2012; Saxena & Khanna, 2013). Especificamente, descobrimos que a informatividade, o entretenimento e a credibilidade percebidos influenciam significativamente as percepções do valor propagandístico e as atitudes em relação à propaganda na plataforma do Twitter. Quatro de nossas seis hipóteses de pesquisa foram apoiadas em todas as amostras, uma foi apoiada na amostra total e em algumas subamostras e apenas uma hipótese recebeu apoio limitado. Isso mostra a aplicabilidade do modelo de Ducoffe para SRS e no contexto da América Latina.

Os resultados da amostra principal e das várias subamostras indicam que a informatividade tem o maior efeito no valor propagandístico para os anúncios do Twitter; apenas em duas das subamostras ele ficou em segundo lugar, por pequena margem, com o entretenimento ficando em primeiro. A magnitude das estimativas do caminho da informatividade é consistente com os resultados do estudo sobre propaganda na web realizado por Ducoffe (1996) e Brackett e Carr (2001), e o estudo mais recente sobre os anúncios no Facebook realizado por Logan et al. (2012), como mostrado na Tabela 1. Sendo assim, a Hipótese 1 é fortemente apoiada em todas as amostras.

O entretenimento teve o segundo maior efeito no valor propagandístico, com efeitos estatisticamente significativos em todas as amostras. Além disso, descobriu-se que o entretenimento teve um efeito direto na atitude em relação à propaganda no Twitter; o efeito foi substancial e significativo em todas as subamostras. Sendo assim, encontramos um forte apoio para a Hipótese 2 e Hipótese 6.

A credibilidade ficou em terceiro lugar pelo tamanho de seu efeito no valor propagandístico. Além disso, descobrimos efeitos de gênero estatisticamente significativos para esse prognosticador. Especificamente, quando a amostra total foi dividida em entrevistados homens e mulheres, a credibilidade foi apenas significativa para as mulheres. Esse resultado foi repetido quando a subamostra dos que clicavam e a subamostra do pouco tempo de Twitter foram divididas por gênero: em ambos os casos, a credibilidade importou às mulheres, mas não aos homens. Portanto, a Hipótese 4 recebeu apoio qualificado.

Por fim, a irritação resultou sendo o prognosticador mais fraco do valor propagandístico neste estudo, não alcançando o nível de significância em quase todas as subamostras. Uma possível explicação seria que quase metade de nossa amostra da geração do milênio acha os anúncios do Twitter irritantes e evita clicar nos mesmos; para essa subamostra (Modelo 3), a irritação resultou um prognosticador significativo do valor propagandístico. Entretanto, um pouco mais da metade da amostra se sente pouco incomodada pelos anúncios do Twitter, tendo clicado nos anúncios em algum momento, e para estes a estimativa do caminho da irritação resultou não significativa.

Em todos os casos em que a irritação foi significativa, a magnitude do coeficiente do caminho ficou em quarto lugar depois da informatividade, do entretenimento e da credibilidade. Poderíamos argumentar que a política do Twitter de proteger a experiência de usuário (Copeland, 2012) e de postar relativamente poucos anúncios no newsfeed do usuário resultou em a irritação não ser uma preocupação importante para os usuários do Twitter da geração do milênio. Portanto, a Hipótese 3 recebeu apenas apoio limitado. Um resumo das conclusões do estudo com relação às hipóteses pesquisadas é apresentado na Tabela 9.

Tabela 9:
Resumo das hipóteses

As implicações para a propaganda das marcas e dos negócios na região são diretas. Na maioria de nossas subamostras, a informatividade teve os maiores coeficientes estimados de caminho sobre o valor propagandístico. Os usuários do Twitter da geração do milênio valorizam a qualidade informativa dos anúncios que o Twitter exibe. A implicação para os anunciantes é que tweets promovidos efetivos devem oferecer informações relevantes e oportunas sobre o produto/serviço. Além disso, a informatividade deve ser aprimorada através do aumento da personalização das mensagens que as opções do Twitter oferecem (como interesses pessoais, palavras-chave e meta comportamental).

O entretenimento teve a segunda maior influência no valor propagandístico. Além disso, o efeito direto do entretenimento na atitude foi significativo e notavelmente consistente em todas as subamostras. A implicação é que escrever tweets promovidos espirituosos, engraçados ou divertidos influencia positivamente a avaliação dos usuários dos anúncios do Twitter e sua atitude geral em relação à propaganda no Twitter.

A irritação teve um efeito estatisticamente significativo apenas entre os entrevistados que disseram nunca ter clicado em um anúncio no Twitter, e os usuários com poucos tweets totais, embora o Modelo 9 tenha mostrado que isso era realmente apenas uma preocupação das usuárias. Sendo assim, a maioria de nossa amostra da geração do milênio não discordou dos anúncios do Twitter, o que sugere que a plataforma oferece uma oportunidade interessante aos anunciantes, particularmente à luz dos recentes relatórios do setor sobre a fadiga do usuário com os anúncios no Facebook (Tassi, 2013) e alguns estudos que pesquisaram que a irritação foi um antecedente significativo do valor propagandístico (Hassan et al., 2013). Outro resultado relevante é que à medida que os usuários ganham mais experiência com o Twitter, medida como tempo de uso e tweets totais postados, a irritação se torna não significativa como um prognosticador do valor propagandístico. Isso sugere que as preocupações iniciais dos usuários com a propaganda tendem a diminuir à medida que eles fazem maior uso do Twitter, presumivelmente por causa de uma experiência do usuário positiva.

Finalmente, o estudo descobriu que a credibilidade é significativa somente entre as mulheres e os usuários com menos tweets totais. A implicação para os anunciantes, particularmente aqueles que servem às mulheres, é que escrever cópia que reforce a credibilidade do tweet promovido (isto é, mencionar avaliações independentes ou garantias de devolução de dinheiro) tornará o anúncio mais efetivo entre as usuárias. Considerando as preocupações em relação ao ceticismo da geração do milênio quanto à propaganda convencional (Schawbel, 2015), esse resultado representa boas novas para as marcas.

Algumas poucas limitações do estudo devem ser reconhecidas. A principal delas é o uso de uma amostra de estudantes, embora grande. Essa não foi nossa intenção original. Quando lançamos este estudo, planejávamos utilizar o Twitter para convidar diretamente participantes em potencial para fazer parte de nossa pesquisa utilizando a opção de mensagem @mention. Um dos autores havia acabado de concluir uma pesquisa sobre discussão de eventos no Twitter (Núñez, 2013), que nos forneceu listas de nomes de usuários do Twitter geolocalizados baseados na Cidade do México (124.504 usuários). Estes são usuários locais que participaram de discussões relevantes de eventos, que algumas vezes se tornaram temas da moda (trending topics). Sendo assim, eles podem ser considerados amostras probabilísticas de usuários do Twitter na Cidade do México. Extraímos uma amostra estratificada dessa população e começamos a convidar os usuários manualmente para tomar parte de nossa pesquisa, mas rapidamente descobrimos que nossa conta tinha sido bloqueada pelo Twitter, que interpretou nosso contato com não seguidores como spam, e apenas desbloqueou a conta quando prometemos que interromperíamos nosso comportamento de contato. Em vista dessa restrição, decidimos convidar os participantes através de seus contatos do Twitter, de fato uma amostra bola de neve, utilizando nossos próprios estudantes como recrutadores.

Embora impedidos de utilizar uma amostra probabilística, uma pesquisa com estudantes universitários é ainda relevante para esta pesquisa. A geração do milênio é um segmento importante para muitas marcas, e as pesquisas do setor relatam que a faixa etária dos participantes do Twitter concentra-se fortemente nos adolescentes e jovens adultos (AMIPCI, 2013). Ainda assim, algum cuidado deve ser tomado ao generalizar os resultados deste estudo.

Em primeiro lugar, para as marcas que anunciam no México e na América Latina, o Twitter está entre os maiores SRS e que crescem mais rapidamente. Em segundo lugar, os resultados deste estudo, e outros relatórios do setor (Tassi, 2013), sugerem que a irritação do usuário com os anúncios é menor do que no Facebook, o SRS líder. Em terceiro lugar, por ter a geração do milênio como alvo, este estudo contribui para nosso conhecimento sobre uma população importante, não apenas no México, mas em todo o mundo (Smith, 2011). Moore (2012, p. 436) apontou que a “tecnologia impulsiona a homogeneidade global entre a população mundial da faixa etária da geração do milênio”. Em quarto lugar, esta pesquisa estende os resultados de estudos anteriores acerca das percepções sobre a propaganda na Internet entre os consumidores hispânicos, um segmento de mercado importante nos EUA (Korgaonkar, Silverblatt & O’Leary, 2001).

Duas implicações importantes para a plataforma do Twitter em si devem ser mencionadas. Em primeiro lugar, argumentaríamos que a política da empresa de proteger a experiência do usuário e evitar propaganda excessiva poderia explicar porque 59% dos usuários em nossa amostra haviam clicado os anúncios em algum momento e não teriam tido a irritação como um prognosticador significativo do valor propagandístico. É muito provável que os entrevistados em nossa pesquisa tenham tido experiência com anúncios do Facebook, e puderam assim comparar o aglomerado de anúncios em ambas as plataformas.

Em segundo lugar, o fato de que a penetração do smartphone seja muito alta em nossa amostra da geração do milênio implica uma visão positiva da propaganda do Twitter em celulares, que cresceu rapidamente no último ano e agora compreende 90% das receitas com anúncios (Emarketer, 2016c).

Quanto à pesquisa futura, os autores dariam boas-vindas a oportunidades de estender e comparar esses resultados com as amostras da geração do milênio de países de língua espanhola de outros países latino-americanos ou até mesmo para desenvolver e validar uma tradução para o português das escalas de Ducoffe. O fato de que a pesquisa pode ser entregue através de Formulários Google, nos tamanhos de desktop e das telas de smartphone, torna tais estudos razoavelmente diretos, sendo que a pesquisa sobre as percepções do usuário da propaganda nas mídias sociais ainda está em sua infância.

Referências

• Alwitt, L. F., & Prabhaker, P. R. (1994). Identifying who dislikes television advertising: Not by demographics alone. Journal of Advertising Research, 34(6), 17-29.
• Asociación Mexicana de Internet. (2013). Estudio de marketing digital y social media 2013 Retrieved from https://www.amipci.org.mx/es/estudios
  » https://www.amipci.org.mx/es/estudios
• Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74-94.
• Blanco, C. F., Blasco, M. G., & Azorín, I. I. (2010). Entertainment and informativeness as precursory factors of successful mobile advertising messages. Communications of the IBIMA, 2010(2010), 1-11
• Brackett, L. K., & Carr, B. N. J. (2001). Cyberspace advertising vs. other media: Consumer vs. mature student attitudes. Journal of Advertising Research, 41(1), 23-32.
• Chandra, B., Goswami, S., & Chouhan, V. (2013). Investigating attitude towards online advertising on social media: An empirical study. Management Insight, 8(1), 1-14.
• Cruz, L. (2010, November 12). Resulta eficaz contacto virtual con clientes. Reforma, 8-16.
• Copeland, M. (2012). Dick Costolo doesn’t want you to worry about Twitter’s business Retrieved from http://www.wired.com/2012/05/dick-costolo-twitter-business/
  » http://www.wired.com/2012/05/dick-costolo-twitter-business/
• Coyle, J. R., Smith, T., & Platt, G. (2012). “I’m here to help” how companies’ microblog responses to consumer problems influence brand perceptions. Journal of Research in Interactive Marketing, 6(1), 27-41.
• Dao, W. V-T., Le, A. N. H., Cheng, J. M.-S., & Chao, D. C. (2014). Social media advertising value: The case of transitional economies in Southeast Asia. International Journal of Advertising, 33(2), 271-294.
• Ducoffe, R. H. (1995). How consumers assess the value of advertising. Journal of Current Issues & Research in Advertising, 17(1), 1-18.
• Ducoffe, R. H. (1996). Advertising Value and advertising on the web. Journal of Advertising Research, 36(1), 21-36.
• Eighmey, J. (1997). Profiling user responses to commercial websites. Journal of Advertising Research 37(3), 59-66.
• Emarketer. (2015). Mobile ad spend to top $100 billion worldwide in 2016, 51% of digital market Retrieved from http://www.emarketer.com/Article/Mobile-Ad-Spend-Top-100-Billion-Worldwide-2016-51-of-Digital-Market/1012299
  » http://www.emarketer.com/Article/Mobile-Ad-Spend-Top-100-Billion-Worldwide-2016-51-of-Digital-Market/1012299
• Emarketer. (2016a). Twitter’s user base in Latin America Continues to grow Retrieved from http://www.emarketer.com/Article/Twitters-User-Base-Latin-America-Continues-Grow/1013924
  » http://www.emarketer.com/Article/Twitters-User-Base-Latin-America-Continues-Grow/1013924
• Emarketer. (2016b). Twitter ad revenues expected to continue robust growth Retrieved from http://www.emarketer.com/Article/Twitter-Ad-Revenues-Expected-Continue-Robust-Growth/1013571
  » http://www.emarketer.com/Article/Twitter-Ad-Revenues-Expected-Continue-Robust-Growth/1013571
• Emarketer. (2016c). eMarketer growth outlook for Twitter Retrieved from http://www.emarketer.com/Article/eMarketer-Lowers-Growth-Outlook-Twitter/1013714
  » http://www.emarketer.com/Article/eMarketer-Lowers-Growth-Outlook-Twitter/1013714
• Enders, A., Hungenberg, H., Denker, H. P., & Mauch, S. (2008). The long tail of social networking: Revenue models of social networking sites. European Management Journal, 26(3), 199-211.
• Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. The Journal of Marketing Theory and Practice, 19(2), 139-152.
• Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use of partial least squares structural equation modeling in marketing research. Journal of the Academy of Marketing Science, 40(3), 414-433.
• Haghirian, P., Madlberger, M., & Inoue, A. (2008, January). Mobile advertising in different stages of development: A cross-country comparison of consumer attitudes. Proceedings of the Annual Hawaii International Conference on System Sciences, Waikoloa, Hawaii, USA, 41.
• Hassan, M. U., Fatima, S., Akram, A., Abbas, J., & Hasnain, A. (2013). Determinants of consumer attitude towards social-networking sites advertisement: Testing the mediating role of advertising value. Middle East Journal of Scientific Research, 16(3), 319-330.
• Henry, M., & Harte, B. (2012). A new model for assessing the value of social media activity. Journal of Brand Strategy, 1(3), 234-239.
• Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. Advances in International Marketing, 20(1), 277-319.
• Hulland, J. (1999). Use of partial least squares (PLS) in strategic management research: A review of four recent studies. Strategic Management Journal, 20(2), 195-204.
• Israel, S. (2009). Twitterville: How businesses can thrive in the new global neighborhoods New York, NY: Portfolio.
• Jansen, B. J., Zhang, M., Sobel, K., & Chowdury, A. (2009). Twitter power: Tweets as electronic word of mouth. Journal of the American society for information science and technology, 60(11), 2169-2188.
• Kim, N. Y., & Sundar, S. S. (2010). Relevance to the rescue: Can “Smart Ads” reduce negative response to online ad clutter? Journalism & Mass Communication Quarterly, 87(2), 346-362.
• Kim, E., Sung, Y., & Kang, H. (2014). Brand followers’ retweeting behavior on Twitter: How brand relationships influence brand electronic word-of-mouth. Computers in Human Behavior, 37(1), 18-25.
• Koh, Y. (2014). Twitter results silence naysayers Retrieved from http://online.wsj.com/articles/twitters-user-growth-picks-up-1406664889
  » http://online.wsj.com/articles/twitters-user-growth-picks-up-1406664889
• Korgaonkar, P., Silverblatt, R., & O’Leary, B. (2001). Web advertising and Hispanics. Journal of Consumer Marketing, 18(2), 134-152.
• Kwon, E. S., & Sung, Y. (2011). Follow me! Global marketers’ Twitter use. Journal of Interactive Advertising, 12(1), 4-16.
• Li, Z., & Li, C. (2014). Twitter as a social actor: How consumers evaluate brands differently on Twitter based on relationship norms. Computers in Human Behavior, 39(1), 187-196.
• Lin, F. H., & Hung, Y. F. (2009). The value of and attitude toward sponsored links for internet information searchers. Journal of Electronic Commerce Research, 10(4), 235-251.
• Liu, C. L. E., Sinkovics, R. R., Pezderka, N., & Haghirian, P. (2012). Determinants of consumer perceptions toward mobile advertising: A comparison between Japan and Austria. Journal of Interactive Marketing, 26(1), 21-32.
• Logan, K. (2013). And now a word from our sponsor: Do consumers perceive advertising on traditional television and online streaming video differently? Journal of Marketing Communications, 19(4), 258-276.
• Logan, K. (2014). Why isn’t everyone doing it? A comparison of antecedents to following brands on Twitter and Facebook. Journal of Interactive Advertising, 14(2), 60-72.
• Logan, K., Bright, L. F., Gangadharbatla, H. (2012). Facebook versus television: Advertising value perceptions among females. Journal of Research in Interactive Marketing, 6(3), 164-179.
• MacKenzie, S. B., & Lutz, R. J. (1989). An empirical examination of the structural antecedents of attitude toward the ad in an advertising pretesting context. The Journal of Marketing, 53(2), 48-65.
• McQuail, D. (1983). Mass Communication Theory: An Introduction London: Sage.
• Méndiz-Noguero, A., Victoria-Mas, J. S., & Arroyo-Almaraz, I. (2013). La eficacia de la publicidad social en las redes sociales: Un experimento online con usuarios jóvenes. Razón y palabra, 18(82), 31-19.
• Moore, M. (2012). Interactive media usage among millennial consumers. Journal of Consumer Marketing, 29(6), 436-444.
• Nogueira-Cortimiglia, M., Ghezzi, A., & Renga, F. (2011). Social applications: Revenue models, delivery channels, and critical success factors-An exploratory study and evidence from the spanish-speaking market. Journal of Theoretical and Applied Electronic Commerce Research, 6(2), 108-122.
• Núñez, A. (2013). Análisis de mensajes en redes sociales para la detección de eventos de impacto (Unpublished Master’s thesis ). Instituto Tecnológico Autónomo de México, Mexico City.
• Reyes, S. (2011, August 30). Resulta eficaz contacto virtual con clientes. El Norte, p. 18.
• Ringle, C., Wende, S., & Will, A. (2005). Smart PLS 2.0 (Beta) Retrieved from http://www.smartpls.de
  » http://www.smartpls.de
• Sandoval-Almazán, R., & Nava-Rogel, R. M. (2012). Uso de Twitter en la empresa mexicana: Un modelo de análisis. Razón y palabra, 17(80), 43-28.
• Saxena, A., & Khanna, U. (2013). Advertising on social network sites: A structural equation modelling approach. Vision: The Journal of Business Perspective, 17(1), 17-25.
• Schawbel, D. (2015). 10 new findings about the millennial consumer Retrieved from http://www.forbes.com/sites/danschawbel/2015/01/20/10-new-findings-about-the-millennial-consumer/
  » http://www.forbes.com/sites/danschawbel/2015/01/20/10-new-findings-about-the-millennial-consumer/
• Smith, K. T. (2011). Digital marketing strategies that Millennials find appealing, motivating, or just annoying. Journal of Strategic Marketing, 19(6), 489-499.
• Sreenivasan, N. D., Lee, C. S., & Goh, H-L. D. (2012). Tweeting the friendly skies: Investigating information exchange among Twitter users about airlines. Program, 46(1), 21-42
• Sun, Y., Lim, K. H., Jiang, C., Peng, J. Z., & Chen, X. (2010). Do males and females think in the same way? An empirical investigation on the gender differences in Web advertising evaluation. Computers in Human Behavior, 26(6), 1614-1624.
• Tassi, P. (2013). Facebook’s advertising is starting to spiral out of control Retrieved from http://www.forbes.com/sites/insertcoin/2013/07/01/facebooks-advertising-is-starting-to-spiral-out-of-control/
  » http://www.forbes.com/sites/insertcoin/2013/07/01/facebooks-advertising-is-starting-to-spiral-out-of-control/
• Taylor, D. G., Lewin, J. E., & Strutton, D. (2011). Friends, fans, and followers: do ads work on social networks? Journal of Advertising Research, 51(1), 258-275.
• Twitter. (2014a). What are promoted tweets? Retrieved from https://support.twitter.com/articles/142101
  » https://support.twitter.com/articles/142101
• Twitter. (2014b). What are promoted accounts? Retrieved from https://support.twitter.com/articles/282154
  » https://support.twitter.com/articles/282154
• Twitter. (2014c). What are promoted trends? Retrieved from https://support.twitter.com/articles/282142
  » https://support.twitter.com/articles/282142
• Twitter. (2016). About us Retrieved from https://about.twitter.com/company
  » https://about.twitter.com/company
• Xu, H., Oh, L. B., & Teo, H. H. (2009). Perceived effectiveness of text vs. multimedia location-based advertising messaging. International Journal of Mobile Communications, 7(2), 154-177.
• Zhang, M., Jansen, B. J., & Chowdhury, A. (2011). Business engagement on twitter: a path analysis. Electronic Markets, 21(3), 161-175.

• 2
  Processo de Avaliação: Double Blind Review

• 13
  *novo item irr1, finalmente descartado

• Agências de fomento: Os autores agradecem o apoio da Asociación Mexicana de Cultura, A.C.

Apêndice: Itens das escalas original e traduzida para as medidas

Contribuição de cada autor:

Datas de Publicação

• Publicação nesta coleção
  Set 2016

Histórico

• Recebido
  24 Abr 2015
• Aceito
  09 Jun 2016