Učinkovitost psihografskoga segmentiranja korisnika društvenih mreža pomoću njihovih digitalnih otisaka

doctoral thesis

• Title (english): Efficiency of psychographic segmentation of social media users by their digital footprints
• Author: Sabina Sačer
• Mentor: Mirko Palić (mentor)
• Mentor: Krunoslav Matešić (mentor)
• Committee member: Marija Tomašević-Lišanin (predsjednik povjerenstva)
• Committee member: Mirko Palić (član povjerenstva)
• Committee member: Krunoslav Matešić (član povjerenstva)
• Committee member: Jasmina Dlačić (član povjerenstva)
• Committee member: Miroslav Mandić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Economics and Business; Zagreb
• Defense date and country: 2023-04-03, Croatia
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Economics; Marketing
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Psychology; General Psychology
• Universal decimal classification (UDC): 330 - Economics. Economic science ; 159.9 - Psychology

Abstract

Cilj ove doktorske disertacije bio je istražiti učinkovitost psihografskoga segmentiranja korisnika društvenih mreža koristeći njihove digitalne otiske. Za bolje razumijevanje odnosa između varijabli, postavljen je konceptualni model. Kako bi se model testirao, istraživanje je provedeno u dva dijela. Prvi dio istraživanja sadržavao je upitnik osobina ličnosti, a kao rezultat dobivena je matrica osobina ličnosti-reakcije “Sviđa mi se” korisnika. Ova matrica je jedinstvena za ovo ekonomsko, kulturološko i političko okruženje, a omogućava marketinškim stručnjacima provedbu psihografske segmentacije željenog segmenta bez ispunjavanja upitnika osobina ličnosti. Drugi dio istraživanja proveo se metodom kvazi-eksperimenta putem društvene mreže Facebook na korisnicima iz Republike Hrvatske. Korisnici društvene mreže Facebook bili su izloženi oglasima prilagođenima određenoj osobini ličnosti. Koristili su se nalazi prvog dijela istraživanja kako bi se korisnici segmentirali sukladno određenoj osobini ličnosti te ih se izlagalo promotivnim porukama prilagođenima toj osobini ličnosti, kao i oglasima prilagođenim nekom od preostale četiri osobine ličnosti. Promatrala se učinkovitost promotivne poruke kad se poklopi osobina ličnosti korisnika i promotivna poruka prilagođena toj osobini ličnosti. Znanstveni doprinos primarnog istraživanja provedenog za potrebe izrade ove doktorske disertacije ogleda se u stvaranju jedinstvene matrice osobina ličnosti-reakcija „Sviđa mi se“ kao i jedinstvene i po prvi puta u svijetu prikazane matrice osobina ličnosti i kategorije pod kojima Facebook svrstava određene oznake „Sviđa mi se“. Također, uvedena je reakcija „Sviđa mi se“ kao vrste digitalnog otiska korisnika društvene mreže u ovom geografskom i ekonomskom području, a po prvi puta se promatrala i granica učinkovitosti psihografske segmentacije svih oblika ličnosti pomoću tog digitalnog otiska, te su u istraživanje uključene varijable dob, spol i geografska lokacija korisnika društvene mreže, kao i promatran njihov moderatorski utjecaj. Cjelokupno istraživanje potvrdilo je učinkovitost psihografske segmentacije korisnika društvenih mreža koristeći njihove digitalne otiske.

Abstract (english)

The purpose of this PhD thesis is to explore the efficiency of psychographic segmentation of social media users using their digital footprints. The Conceptual model was set for better understanding of the relationship between variables. To test the model, research will be conducted in two parts. First, using a survey method it will test personality traits, and as a result it will generate a user personality trait-reaction „Like“ matrix. This matrix will be unique for this economic, cultural and political region, and it will allow marketing experts to make psychographic segmentation of their segment without using a Personality Item Pool. Second part of this research will be conducted using some kind of experiment on social media Facebook users from Croatia. Users of Facebook will be presented with ads tailored to certain personality traits. To make appropriate segmentation results, the first part of the research will be used. Users who score high on certain personality traits will be exposed to ads tailored to that personality trait, as well as ads tailored on one of four remaining personality traits. Efficiency will be observed when personality traits meet the ads tailored to that personality trait. The data will be analysed using statistical methods and procedures. Scientific contribution of the primary research conducted for the purpose of this PhD thesis is presented in building a personality trait-reaction „Like“ matrix, as well as, for the first ever demonstrated in the world, a unique personality trait- category of reaction „Like“ matrix and category in which Facebook classifies certain personality trait-reactions „Like“. Also, the reaction „Like“ matrix will be introduced as a type of digital footprint of social media users in this geo-economic region. For the first time, the efficiency barrier of psychographic segmentation efficiency of all personality traits will be observed using this type of digital footprint, while also investigating the limit of social media users’ efficiency along with contemplating the moderator effect using age, gender and geo location of social media users as variables. The entire research will confirm the efficiency of psychographic segmentationof social media users using their digital footprints.

• Keywords: društvene mreže; psihografska segmentacija; digitalni otisak; marketing
• Keywords (english): social media; psychographic segmentation; digital footprint; marketing; Croatia
• Language: croatian
• URN:NBN: urn:nbn:hr:148:313076
• Promotion: 2023
• Study programme: Title: Economics and Business Economics; Study programme type: university; Study level: postgraduate; Academic / professional title: doktor/doktorica znanosti, područje društvenih znanosti, polje ekonomija (doktor/doktorica znanosti, područje društvenih znanosti, polje ekonomija)
• Type of resource: Text
• Extent: 303 str.
• File origin: Born digital
• Access conditions: Open access
• Created on: 2023-04-20 06:16:48