ทัศนคติของผู้บริโภคเจนซีต่ออินฟลูเอนเซอร์เอไอ เปรียบเทียบกับอินฟลูเอนเซอร์มนุษย์: การสำรวจความถ่องแท้ ความน่าเชื่อถือ และปฏิสัมพันธ์แบบพาราโซเชียล
คำสำคัญ:
เอไอ, ปัญญาประดิษฐ์, อินฟลูเอนเซอร์, เจนซีบทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อสำรวจทัศนคติที่กลุ่มเจนซี (Gen Z) ประเมินอินฟลูเอนเซอร์ที่เป็นปัญญาประดิษฐ์ หรือเอไอ (“เสมือนจริง”) เปรียบเทียบกับอินฟลูเอนเซอร์ที่เป็นมนุษย์ ภายใต้สามกรอบแนวคิดหลัก ได้แก่ ความถ่องแท้ (perceived authenticity), ความน่าเชื่อถือ (trustworthiness) และ ปฏิสัมพันธ์แบบพาราโซเชียล (parasocial interaction: PSI) โดยใช้การเก็บข้อมูลเชิงสำรวจแบบภาคตัดขวาง (cross-sectional, within-subject survey) กับผู้ใช้โซเชียลมีเดียกลุ่มเจนซี (จำนวน 100 คน; ช่วงอายุ 18–27 ปี) ที่ได้จากการคัดเลือกแบบเจาะจง (purposive sampling) ผู้ตอบแบบสอบถามได้รับชมตัวอย่างโปรไฟล์และโพสต์ของอินฟลูเอนเซอร์ที่เป็นมนุษย์และเอไอ จากนั้นได้ทำการประเมินผ่านแบบสอบถามที่ผ่านการตรวจสอบค่าความเที่ยงตรง และมีค่าความเชื่อมั่นสูง (α ≈ 0.90–0.96)
ผลการทดสอบ paired-samples t-test พบว่าอินฟลูเอนเซอร์ที่เป็นมนุษย์ได้รับการประเมินสูงกว่าอย่างมีนัยสำคัญทางสถิติเมื่อเทียบกับอินฟลูเอนเซอร์ที่เป็นเอไอในทุกมิติ ได้แก่ ความถ่องแท้, ความน่าเชื่อถือ และ ปฏิสัมพันธ์แบบพาราโซเชียล (ps < .001 ทั้งหมด) อีกทั้งการวิเคราะห์ความแปรปรวนร่วม (ANCOVA) ยืนยันว่าความแตกต่างดังกล่าวยังคงมีนัยสำคัญทางสถิติภายหลังการควบคุมตัวแปรร่วม “ความคุ้นเคย” ต่ออินฟลูเอนเซอร์แต่ละประเภท (ค่า ps < .001 ทั้งหมด, η² = 0.13–0.15) ผลการวิเคราะห์ชี้ให้เห็นว่าช่องว่างระหว่างอินฟลูเอนเซอร์มนุษย์กับอินฟลูเอนเซอร์เอไอสะท้อนถึงความแตกต่างเชิงการรับรู้อย่างแท้จริง มากกว่าจะเป็นผลจากระดับการเปิดรับหรือประสบการณ์เดิมของผู้ตอบแบบสอบถาม นอกจากนี้การวิเคราะห์สหสัมพันธ์เพียร์สัน (Pearson correlation) ภายในอินฟลูเอนเซอร์ที่เป็นเอไอ แสดงให้เห็นถึงความสัมพันธ์เชิงบวกอย่างมากระหว่างความถ่องแท้กับความน่าเชื่อถือ (r = 0.741) และระหว่างปฏิสัมพันธ์แบบพาราโซเชียลกับความน่าเชื่อถือ (r = 0.669) อีกทั้งยังพบความสัมพันธ์ในระดับปานกลางระหว่างความถ่องแท้กับปฏิสัมพันธ์แบบพาราโซเชียล (r = 0.595) ในส่วนของผลการวิเคราะห์ถดถอยพหุคูณ (multiple regression) ชี้ให้เห็นว่าความถ่องแท้ (β = 0.531, p < .001) และปฏิสัมพันธ์แบบพาราโซเชียล (β = 0.353, p < .001) เป็นตัวทำนายความน่าเชื่อถือของอินฟลูเอนเซอร์ที่เป็นเอไอพร้อมกัน (R² = 0.63) ซึ่งสะท้อนถึงกลไกทั้งด้านความน่าเชื่อถือและด้านความสัมพันธ์ที่ทำงานเสริมกัน
อย่างไรก็ตาม การตีความผลลัพธ์ทางงานวิจัยยังมีข้อจำกัด ได้แก่ การสุ่มตัวอย่างโดยไม่ใช้ความน่าจะเป็น (non-probability sampling), ข้อมูลแบบภาคตัดขวางจากการรายงานตนเอง, ความเอนเอียงที่อาจเกิดจากวิธีการวัด (common-method bias), ความไม่สมดุลในการรับสื่อที่อาจเอื้อประโยชน์ต่ออินฟลูเอนเซอร์ที่เป็นมนุษย์ และการขาดการทดสอบความคงรูปของโครงสร้าง (factor invariance) หรือการออกแบบการทดลอง (เช่น กรอบการเปิดเผยข้อมูล, ระดับความคล้ายมนุษย์, ประเภทสินค้า)
ผลการวิจัยนี้มีส่วนช่วยสร้างภาพเปรียบเทียบที่มีความถูกต้องเชิงโครงสร้างต่อการตอบสนองของเจนซีต่ออินฟลูเอนเซอร์ที่เป็นเอไอ และช่วยอธิบายเงื่อนไขที่เอื้อต่อการสร้างความน่าเชื่อถือของอินฟลูเอนเซอร์ที่เป็นเอไอในเชิงการจัดการ ผลการวิจัยบ่งชี้ว่าอินฟลูเอนเซอร์ที่เป็นเอไอควรได้รับการวางตำแหน่งให้เป็น ส่วนเสริม (complement) มากกว่าที่จะเป็นตัวทดแทน (substitute) ของอินฟลูเอนเซอร์ที่เป็นมนุษย์โดยเฉพาะเมื่อวัตถุประสงค์หลักคือการสร้างความน่าเชื่อถือและความสัมพันธ์ที่ลึกซึ้งกับผู้ติดตาม
เอกสารอ้างอิง
Abidin, C. (2016). “Aren’t These Just Young, Rich Women Doing Vain Things Online?”: Influencer Selfies as Subversive Frivolity. Social Media + Society, 2(2). https://doi.org/10.1177/2056305116641342
Artificial Intelligence+. (2025). Gen Z's growing distrust of AI. Retrieved from https://www.aiplusinfo.com/gen-zs-growing-distrust-of-ai/
Audrezet, A., de Kerviler, G., & Moulard, J. G. (2020). Authenticity under threat: When social media influencers need to go beyond self-presentation. Journal of Business Research, 117, 557–569. https://doi.org/10.1016/j.jbusres.2018.07.008
Baghel, D. (2023). The role of influencer authenticity and brand trust in shaping consumer behavior: Strategies to engage Generation Z. ShodhKosh: Journal of Visual and Performing Arts, 4(1). https://doi.org/10.29121/shodhkosh.v4.i1.2023.3327
Cascio Rizzo, G. L., Berger, J., & Villarroel, F. (2023). What drives virtual influencer’s impact? arXiv. https://doi.org/10.48550/arXiv.2301.09874
Carrasco, J.-A., & Lucas, K. (2016). Measuring attitudes: quantitative and qualitative methods. Transportation Research Procedia, 11, 165–171. https://doi.org/10.1016/j.trpro.2015.12.014
Center for News, Technology & Innovation. (2025). Synthetic media & deepfakes. Retrieved from https://cnti.org/issue-primers/synthetic-media-deepfakes/
Chen, Y., Xue, T., Tuomi, A., & Wang, Z. (2022). Hotel robots: An exploratory study of Generation Z customers in China. Tourism Review, 77(5), 1262–1275. https://doi.org/10.1108/TR-02-2022-0095
Committee of Advertising Practice & Advertising Standards Authority. (2023). Influencers’ guide to making clear that ads are ads (3rd ed.). ASA & CAP. https://www.asa.org.uk/resource/influencers-guide.html
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.
https://doi.org/10.1080/02650487.2017.1348035
Djafarova, E., & Trofimenko, O. (2019). ‘Instafamous’–credibility and self-presentation of micro-celebrities on social media. Information, Communication & Society, 22(10), 1432–1446. https://doi.org/10.1080/1369118X.2018.1438491
European Commission. (2023). Influencer Legal Hub: Resources on influencer transparency and enforcement actions. European Commission. https://commission.europa.eu/live-work-travel-eu/consumer-rights-and-complaints/influencer-legal-hub_en
Federal Trade Commission. (2023). FTC’s Endorsement Guides: What People Are Asking. Federal Trade Commission. https://www.ftc.gov/business-guidance/advertising-marketing/endorsements-influencers-reviews
Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). SAGE Publications.
Fu, M., Fraser, B., & Arcodia, C. (2024). Digital natives on the rise: A systematic literature review on Generation Z’s engagement with RAISA technologies in hospitality services. International Journal of Hospitality Management, 122, Article 103885. https://doi.org/10.1016/j.ijhm.2024.103885
Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057
Gulan, M., Feng, Y., Mvondo, G. F. N., & Niu, B. (2025). How Do Virtual Influencers Affect Consumer Brand Evangelism in the Metaverse? The Effects of Virtual Influencers’ Marketing Efforts, Perceived Coolness, and Anthropomorphism. Journal of Theoretical and Applied Electronic Commerce Research, 20(1), 36. https://doi.org/10.3390/jtaer20010036
Horton, D., & Wohl, R. R. (1956). Mass communication and para-social interaction: Observations on intimacy at a distance. Psychiatry, 19(3), 215–229. https://doi.org/10.1080/00332747.1956.11023049
Jayatissa Dimani. (2023). Generation Z – A new lifeline: A systematic literature review. Sri Lanka Journal of Social Sciences and Humanities, 3(2), 179–186. https://doi.org/10.4038/sljssh.v3i2.110
Jin, S. A. A., & Phua, J. (2014). Following Celebrities’ Tweets About Brands: The Impact of Twitter-Based Electronic Word-of-Mouth on Consumers’ Source Credibility Perception, Buying Intention, and Social Identification With Celebrities. Journal of Advertising, 43(2), 181–195. https://doi.org/10.1080/00913367.2013.827606
Joshi, Y., Lim, W.M., Jagani, Kumar, S. (2025). Social media influencer marketing: foundations, trends, and ways forward. Electron Commer Res 25, 1199–1253. https://doi.org/10.1007/s10660-023-09719-z
Ju, N., Kim, T. & Im, H. (2024). Fake human but real influencer: the interplay of authenticity and humanlikeness in Virtual Influencer communication?. Fash Text 11, 16. https://doi.org/10.1186/s40691-024-00380-0
Karunasingha, A., & Abeysekera, N. (2022). The mediating effect of trust on consumer behavior in social media marketing environments. South Asian Journal of Marketing, 3(2), 135–149. https://doi.org/10.1108/SAJM-10-2021-0126
Lankton, N. K., McKnight, D. H., & Tripp, J. (2015). Technology, humanness, and trust: Rethinking trust in technology. Journal of the Association for Information Systems, 16(10), 880–918. https://doi.org/10.17705/1jais.00411
Lao, Y., Hirvonen, N., & Larsson, S. (2025). Everyday encounters with deepfakes: Young people's media and information literacy practices with AI-generated media. Journal of Documentation, 81(7), 216–235. https://doi.org/10.1108/JD-01-2025-0007
Lou, C., & Kim, H. K. (2019). Fancying the new rich and famous? Explicating the roles of influencer content, credibility, and parental mediation in adolescents’ parasocial relationship, materialism, and purchase intentions. Frontiers in Psychology, 10, 2567. https://doi.org/10.3389/fpsyg.2019.02567
Marwick, A. E. (2013). Status update: Celebrity, publicity, and branding in the social media age. Yale University Press.
Mori, M. (1970). The uncanny valley. Energy, 7(4), 33–35. (Translated from Japanese).
Morning Consult. (2025). Gen Z and AI: Why Brands Must Tread Carefully. Retrieved from https://pro.morningconsult.com/analysis/genz-ai-trust-privacy-research
Mrad, M., Ramadan, Z. and Nasr, L.I. (2022), "Computer-generated influencers: the rise of digital personalities", Marketing Intelligence & Planning, Vol. 40 No. 5, pp. 589-603. https://doi.org/10.1108/MIP-12-2021-0423
Muniz, F., Stewart, K., & Magalhães, L. (2023). Are they humans or are they robots? The effect of virtual influencer disclosure on brand trust. Journal of Consumer Behaviour, 22(4), 567–580. https://doi.org/10.1002/cb.2271
Naffi, N. (2025, October 1). Deepfakes and the crisis of knowing. UNESCO. Retrieved from https://www.unesco.org/en/articles/deepfakes-and-crisis-knowing
Neufeld-Wall, Maya Elizabeth, "Being Real: Gen-Z, Self-Presentation, and Authenticity on Social Media" (2023). Communication Honors Theses. 26. ttps://digitalcommons.trinity.edu/comm_honors/26
Ohanian, R. (1990). Construction and validation of a scale to measure celebrity endorsers’ perceived expertise, trustworthiness, and attractiveness. Journal of Advertising, 19(3), 39–52. https://doi.org/10.1080/00913367.1990.10673191
Omeish, F., Shaheen, A., Alharthi, S., & Alfaiza, A. (2025). Between human and AI influencers: Parasocial relationships, credibility, and social capital formation in a collectivist market: A study of TikTok users in the Middle East. Discover Sustainability, 6, Article 116. https://doi.org/10.1007/s43621-025-00891-w
Podsakoff, P. M., MacKenzie, S. B., & Podsakoff, N. P. (2012). Sources of method bias and how to control it. Annual Review of Psychology, 63, 539–569.
Powell, L., Rebman, C., & Wimmer, H. (2025). Exploration of AI synthetic media and deepfake: Understanding the technologies, detection software, legislation, initiatives, and curriculum. Issues in Information Systems, 26(4), 183–194. https://doi.org/10.48009/4_iis_2025_116
Rubin, A. M., Perse, E. M., & Powell, R. A. (1985). Loneliness, parasocial interaction, and local television news viewing. Human Communication Research, 12(2), 155–180. https://doi.org/10.1111/j.1468-2958.1985.tb00071.x
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, 101742. https://doi.org/10.1016/j.jretconser.2019.01.011
Subramanian, K. R. (2015). Advertising clutter and consumer apathy. GE–International Journal of Management Research, 3(6), 309–322.
Teixeira, T. S. (2014). The rising cost of consumer attention: Why you should care, and what you can do about it (HBS Working Paper No. 14-055). Harvard Business School.
Tirocchi, S. (2024). Generation Z, values, and media: From influencers to BeReal, between visibility and authenticity. Frontiers in Sociology, 8. https://doi.org/10.3389/fsoc.2023.1304093
Tsumura T, Yamada S (2023) Influence of agent’s self-disclosure on human empathy. PLoS ONE 18(5): e0283955. https://doi.org/10.1371/journal.pone.0283955
Turner, A. (2015). Generation Z: Technology and social interest. The Journal of Individual Psychology, 71(2), 103–113. https://doi.org/10.1353/jip.2015.0021
Usercentrics. (2025). Privacy as personal branding: Gen Z's digital citizenship. Retrieved from https://usercentrics.com/magazine/articles/privacy-as-personal-brand-genzs-digital-citizenship/
van Driel, L., & Dumitrica, D. (2020). Selling brands while staying “authentic”: The professionalization of Instagram influencers. Convergence: The International Journal of Research into New Media Technologies, 27(1), 66–84.
CL Foundation. (2025). Online identity for Gen Z: Who do we think we are online? Retrieved from https://www.3cl.org/who-do-we-think-we-are-online-rethinking-digital-identity-for-gen-z/
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารการวิจัยนวัตกรรมการจัดการธุรกิจ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อคิดเห็นและเนื้อหาที่ปรากฏในบทความเป็นความเห็นส่วนบุคคลของผู้แต่งแต่ละท่าน มิได้สะท้อนถึงทัศนะของวารสารหรือหน่วยงาน/สถาบันต้นสังกัด ความถูกต้องและข้อผิดพลาดใด ๆ เป็นความรับผิดชอบของผู้แต่งโดยเฉพาะ
การนำบทความ เนื้อหา ข้อมูล หรือภาพประกอบไปใช้ซ้ำหรือเผยแพร่ในลักษณะอื่น ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารการวิจัยนวัตกรรมการจัดการธุรกิจก่อนเท่านั้น
