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
La Fundación Descubre-Consejería de Universidad, Investigación e Innovación y la Universidad Pablo de Olavide coordinan esta entidad regional que persigue la atención y asesoramiento a las iniciativas basadas en la participación activa de la ciudadanía. En su nueva convocatoria de ayudas, financiará 8 proyectos que aborden retos científicos y sociales de la región hasta junio de 2027.
El proyecto está financiado por el programa Erasmus+ de la Unión Europea y cuenta con la participación de instituciones de Italia, España y Francia.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado un sistema basado en aprendizaje profundo capaz de localizar y clasificar automáticamente anomalías en radiografías de tórax. Los resultados mejoran la precisión de otros métodos utilizados y lo validan como una herramienta con potencial para dar soporte a la evaluación precoz de patologías del pulmón.
