Resumo

Este estudo teve como objetivo desenvolver um modelo preditivo baseado em dados secundários para auxiliar marcas na tomada de decisões sobre patrocínio de torneios de e-sports, maximizando a eficácia do patrocínio e alinhando-se às expectativas do público-alvo.

Este estudo aborda uma lacuna significativa na literatura ao desenvolver um modelo preditivo para decisões de patrocínio em e-sports, oferecendo uma ferramenta inovadora para marcas não endêmicas entenderem e explorarem melhor esse mercado emergente.

Este estudo utilizou dados secundários de três torneios de e-sports (League of Legends, Counter-Strike 2 e Mobile Legends). A modelagem de equações estruturais e a análise de condições necessárias foram aplicadas para desenvolver e validar um modelo preditivo de decisões de patrocínio.

O modelo preditivo desenvolvido identificou que variáveis como o número de jogadores e o valor do prêmio exercem influência significativa na decisão de patrocínio. O modelo demonstrou robustez estatística, mas foi limitado a uma única simulação, sugerindo a necessidade de validação adicional.

Este estudo contribui teoricamente ao preencher uma lacuna na literatura de patrocínio em e-sports, oferecendo um modelo preditivo baseado em dados secundários Metodologicamente, o uso de modelagem de equações estruturais e análise de condições necessárias proporciona uma abordagem robusta para a tomada

Este estudo oferece insights práticos para gestores de marketing ao desenvolver um modelo preditivo que pode melhorar a eficácia das decisões de patrocínio em e-sports, alinhando as estratégias das marcas com as expectativas do público-alvo e promovendo uma maior integração de marcas

This study aimed to develop a predictive model based on secondary data to assist brands in making sponsorship decisions for e-sports tournaments, enhancing sponsorship effectiveness and aligning with audience expectations. It specifically focused on analyzing critical variables and validating the model.

This study addresses a significant gap in the literature by developing a predictive model for sponsorship decisions in e-sports, providing an innovative tool for non-endemic brands to better understand and exploit this emerging market.

This study utilized secondary data from three e-sports tournaments (League of Legends, Counter-Strike 2, and Mobile Legends). Structural equation modeling and necessary condition analysis were applied to develop and validate a predictive model for sponsorship decisions.

The predictive model identified that variables such as the number of players and prize value significantly influence sponsorship decisions. The model demonstrated statistical robustness but was limited to a single simulation, indicating the need for further validation.

This study theoretically contributes by addressing a gap in the sponsorship literature within e-sports, offering a predictive model based on secondary data. Methodologically, the use of structural equation modeling and necessary condition analysis provides a robust approach to decision-making in emerging contexts.

his study provides practical insights for marketing managers by developing a predictive model that can enhance the effectiveness of sponsorship decisions in e-sports, aligning brand strategies with audience expectations and promoting greater integration of non-endemic brands into this market.