Zusammenfassung
Produktbewertungen sind in Bereichen wie der Entwicklung neuer Produkte, der Absatzprognose oder der Aktienkursentwicklung von großer Bedeutung. Um planen zu können, müssen Manager nicht nur die aktuellen Bewertungen kennen, sondern auch die zukünftigen Entwicklungen. Das Kapitel zeigt, dass es selbst mit Hilfe von Modellen des maschinellen Lernens schwierig ist, künftige Bewertungen vorherzusagen, da die Bewertungsdynamik je nach Produkt sehr unterschiedlich ist. Da die Heterogenität der Bewertungsentwicklung im Laufe der Zeit in der Literatur nicht gut widergespiegelt wird, liegt der Schwerpunkt der Forschungsarbeit dieses Kapitels darauf. Mittels Zeitreihenclustering auf Basis von Dynamic Time War** werden 23,7 Millionen Bewertungen von Amazon.com analysiert. Daraus lassen sich fünf charakteristische Muster für Konsumgüterbewertungen ableiten. Diese Meinungslebenszyklen weisen nicht nur eine spezifische Merkmalsdynamik, sondern auch relevante Veränderungen im Zeitverlauf auf. Mit weiteren dynamischen Analysen wird gezeigt, dass sich die dynamischen Treiber auch zwischen den Clustern unterscheiden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
3.1 Elektronisches Zusatzmaterial
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Lange, I. (2023). Meinungslebenszyklen: Die Dynamik von Online-Produktbewertungen. In: Texte als Daten. Beiträge zur empirischen Marketing- und Vertriebsforschung. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-42973-7_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-42973-7_3
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-42972-0
Online ISBN: 978-3-658-42973-7
eBook Packages: Business and Economics (German Language)