Un estudio de la UMA analiza el perfil del público español que consume contenidos de e-sports en tiempo real
Profesores de la Universidad de Málaga han analizado los perfiles que acceden a contenidos de deportes electrónicos a través de plataformas de live streaming como Twich. La investigación ha estudiado a cerca de 400 espectadores de e-sports y para su desarrollo ha aplicado la teoría de la identificación social (SIT), que propone que una parte del autoconcepto de un individuo se define por su pertenencia a grupos sociales.
Fuente: Universidad de Málaga
Un equipo científico formado por tres profesores de la Facultad de Ciencias Económicas y Empresariales de la Universidad de Málaga ha llevado a cabo una investigación en la que analiza el público español que consume contenidos de deportes electrónicos a través de plataformas de live streaming, en tiempo real, como Twitch.
En concreto, los profesores Fernando Navarro, Sebastián Molinillo y Rafael Anaya han centrado su trabajo en el estudio de las relaciones entre las comunidades de streamers de e-sports y su audiencia. Los resultados de esta investigación se han publicado en la revista científica ‘International Journal of Human–Computer Interaction’.
Señalan que la identificación afecta de manera determinante en la intención de la audiencia en comprar las marcas patrocinadoras.
Así, se destaca el efecto crucial que tiene la comunidad que se genera alrededor de los streamers de e-sports, ya que la identificación social que la audiencia siente con el jugador o con el equipo de estos deportes en línea influye de manera positiva en el vínculo con la comunidad que se genera alrededor de la persona que realiza la retransmisión en directo.
A su vez, los autores señalan que esta identificación afecta de manera determinante en la intención de la audiencia en comprar las marcas patrocinadoras del streaming, así como otros comportamientos positivos hacia el streamer como lealtad y compromiso.
Con estos resultados, los investigadores esperan que este estudio pueda ayudar a que las empresas conozcan mejor los mecanismos psicológicos y sociales del público de los deportes electrónicos. “Esto podría redundar en una mejora sustancial de las estrategias de marketing enfocadas a este público específico de consumidores”, afirman.
Otra de los aspectos en los que se adentra este trabajo es que propone claves para que los propios streamers puedan mejorar su relación con la marca a través, por ejemplo, de una comunicación bidireccional mediante chats, encuestas en tiempo real o eventos en vivo; la creación de contenido que invite a la participación activa o el reconocimiento de la lealtad de los seguidores a través de contenido exclusivo.
Esta investigación ha analizado a cerca de 400 espectadores de e-sports y para su desarrollo ha aplicado la teoría de la identificación social (SIT), que propone que una parte del autoconcepto de un individuo se define por su pertenencia a grupos sociales. Se trata de un enfoque que, según explican los profesores de la UMA, no había sido utilizado previamente para comprender los comportamientos de los espectadores hacia marcas patrocinadoras, jugadores o equipos en el contexto de los deportes en línea.
Referencia:
Navarro-Lucena, F., Molinillo, S., & Anaya-Sánchez, R. (2024). ‘Effect of Social Identification on Esports Viewers Behaviours’.
International Journal of Human–Computer Interaction.
Últimas publicaciones
El objetivo del Plan, con una vigencia de cinco años, es garantizar la plena igualdad de trato y oportunidades de mujeres y hombres, consolidando un camino ya emprendido por la organización, promovida por la Consejería de Universidad, Investigación e Innovación
Sigue leyendo
El Espacio Creativo Cultural Santa Clara del Ayuntamiento de Palma del Río acoge la exposición ‘Paseo Matemático al-Ándalus’ de la Fundación Descubre / Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, una muestra que podrá visitarse hasta el próximo 14 de octubre.
Sigue leyendo
Un equipo de investigación de la Universidad de Málaga presenta una herramienta estadística para identificar de forma precisa conexiones cerebrales incluso cuando la señal está distorsionada e incompleta. Este modelo es aplicable a contextos clínicos como el estudio de enfermedades neurodegenerativas como el Alzheimer o el Parkinson, el procesamiento del lenguaje o el desarrollo neurotecnológico.
