Üretken Yapay Zeka İçeriğinin Açıklanmasının Turizmde Tüketici Katılımı ve Ziyaret Niyetleri Üzerindeki Etkisi: Bir İçerik Analizi ve Deneysel Çalışma

Abstract

Üretken yapay zekanın artan popülaritesi, kullanıcı dostu olmasıyla birlikte, çeşitli çalışma disiplinlerinde geniş çapta kabul görmesinden sorumludur. Bu teknolojinin sosyal medya tanıtıcıları için içerik oluşturmada kullanılması birçok sektörde kullanılmaktadır. genAI içeriğinin ifşa edilmesine ilişkin mevzuattaki son değişiklikler göz önüne alındığında, bu tür bir ifşaatın tüketici davranışı üzerindeki etkisinin araştırılması büyük önem taşımaktadır. Çalışmamız, açıklamanın bir turistik destinasyonu ziyaret etme niyeti üzerindeki etkilerini araştırmaktadır. Öncelikle Instagram'dan 501'i gen AI içeriği ve 500'ü insan yapımı içerik olmak üzere 1001 gönderiyi çıkararak bir içerik analizi yaptık. Bu gönderilere olan etkileşimi kontrol etmeyi amaçlıyoruz. İkinci olarak, açıklamayı bağımsız bir değişken olarak ve ziyaret niyetini de bağımlı bir değişken olarak deneyiyoruz. Ayrıca algılanan bilgi kalitesinin aracı rolünü de kontrol ediyoruz. Bulgularımız, markalar için ekonomik faydalar sağlamasına rağmen genAI içeriğine olan ilginin, insan yapımı içeriğe kıyasla daha düşük olduğunu gösteriyor. Ayrıca genAI içeriğinin ifşa edildiği gönderilerin ziyaret etme niyeti daha düşüktür.

Keywords

• genai
• generative AI
• Visit intention
• Tourism

The Impact of Generative AI Content Disclosure on Consumer Engagement and Visit Intentions in Tourism: A Content Analysis and Experimental Study

Abstract

The growing popularity of Generative AI, together with its user-friendliness, is responsible for its extensive acceptance in several study disciplines. The utilisation of this technology in creating content for social media handles is used in several industries. Given the recent changes in legislation concerning the disclosure of genAI content, it is essential to investigate the impact of such disclosure on consumer behaviour. Our study explores the effects of disclosure on the intention to visit a tourist destination. First, we conducted a content analysis by extracting 1001 posts from Instagram, of which 501 were genAI content and 500 were human-created content. We aim to check the engagement on these posts. Second, we experiment with disclosure as an independent variable and visit intention as a dependent variable. We also check the mediating role of perceived information quality. Our findings indicate that despite having economic benefits for the brands, the engagement for genAI content is lower when compared to that of human-created content. Also, the intention to visit is lower for posts with disclosure of genAI content.

Keywords

• GenAI
• Tourism
• Visit Intention

References

1. Ali, J., Shamsan, M., Hezam, T., & Majeed, A. (2023). Impact of ChatGPT on Learning Motivation: Teachers and Students’ Voices. Journal of English Studies in Arabia Felix, 2, 41–49. https://doi.org/10.56540/jesaf.v2i1.51
2. Almahamid, S., Mcadams, A. C., Kalaldeh, T. A., & Al-Sa’Eed, M. (2005). THE RELATIONSHIP BETWEEN PERCEIVED USEFULNESS, PERCEIVED EASE OF USE, PERCEIVED INFORMATION QUALITY, AND INTENTION TO USE E-GOVERNMENT.
3. Brehm, J. W. (1966). A theory of psychological reactance (pp. x, 135). Academic Press.
4. Brodie, R., Juric, B., Ilic, A., & Hollebeek, L. (2011). Consumer Engagement in a Virtual Brand Community: An Exploratory Analysis. Journal of Business Research, 66. https://doi.org/10.1016/j.jbusres.2011.07.029
5. Bruns, J. D., & Meißner, M. (2024). Do you create your content yourself? Using generative artificial intelligence for social media content creation diminishes perceived brand authenticity. Journal of Retailing and Consumer Services, 79, 103790. https://doi.org/10.1016/j.jretconser.2024.103790
6. Carvalho, I., & Ivanov, S. (2024). ChatGPT for tourism: Applications, benefits, and risks. Tourism Review. https://doi.org/10.1108/TR-02-2023-0088
7. Connelly, B., Certo, T., Ireland, R., & Reutzel, C. (2011). Signaling Theory: A Review and Assessment. Journal of Management - J MANAGE, 37, 39–67. https://doi.org/10.1177/0149206310388419