Die digitale Herausforderung:
Wie gehen Konsumenten mit
Online-Bewertungen um?
Freie Universität Berlin und Kjero.com
© Sa...
2
Ziel der Studie
© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
3
Relevanz des Themas
• Marktforschung und Marketing-Wissenschaft sind sich einig: Online-Bewertungen beeinflussen
Kaufent...
4
Ziele der Untersuchung
Ob Reise, Taxifahrer oder Liefergeschwindigkeit – mittlerweile hat schon mehr als
jeder zweite In...
5
Vorbemerkung der Studienpartner
In den USA präferieren 58% der Konsumenten Online Shops mit
Konsumentenbewertungen – die...
6
Die Stichprobe im
Überblick
© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexan...
7
95,4 Prozent der befragten kjero.com Nutzer haben
Online-Bewertungen bereits genutzt
Gesamtstichprobe N= 2732 kjero.com ...
8
Die „Nicht-Nutzer“ im Überblick
Interessierende
Teilstichprobe
N= 126 kjero.com Nutzer
Geschlecht 85,7% weiblich, 14,3% ...
9
Die „Nutzer“ im Überblick
Interessierende
Teilstichprobe
N= 2606 kjero.com Nutzer
Geschlecht 84,1% weiblich, 15,9% männl...
10
„Nutzer“ sind signifikant jünger als „Nicht-Nutzer“
37,72 Jahre
41,48 Jahre
Nutzer Nicht-Nutzer
Alter in Jahren
Die Mit...
11
Diese Differenz spiegelt sich auch innerhalb der
Ländergruppen wider
38,68 Jahre
36,41 Jahre
38,16 Jahre
42,67 Jahre
39...
12
Der Anteil der „Nicht-Nutzer“ aus der Schweiz ist relativ
gesehen deutlich höher als der Anteil der „Nutzer“
© Marketin...
13
Generelles Online-
Verhalten der befragten
Nutzer
© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrin...
14
Das Internet hat für die befragten Nutzern einen hohen
Stellenwert…
3 Items von 1 (nicht aufregend/ unwichtig/ irreleva...
15
… und viele Nutzer schätzen ihre Internet-
Erfahrung als umfangreich ein
1 Item von 1 (nicht umfangreich)
bis 5 (umfang...
16
Relevanz von Online-
Bewertungen für
Konsumenten
© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina...
17
Die befragten kjero.com Nutzer haben eine eher positive
Einstellung zu Online-Bewertungen
Skala: Adaptiert von Jimenez ...
18
Im Mittel sind die deutschen Probanden Online-Bewertungen
gegenüber am positivsten eingestellt, die Schweizer am negati...
19
Detailinformation zum Item „Online-Bewertungen sind hilfreich für
meine Entscheidungsfindung“ im Ländervergleich
30.20%...
20
Detailinformation zum Item „Ich lese typischerweise Online-Bewertungen,
bevor ich eine Kaufentscheidung treffe“ im Länd...
21
Detailinformation zum Item „Ich schaue mir immer Online-Bewertungen
an, bevor ich etwas kaufe“ im Ländervergleich
24.30...
22
Detailinformation zum Item „Online-Bewertungen beeinflussen häufig
meine Kaufentscheidungen“ im Ländervergleich
19.90%
...
23
Zwar vermutet ein beachtlicher Teil der Befragten
auch gefälschte Online-Bewertungen…
8,20%
34,0%
38.20%
14,4%
5,20%
1 ...
24
… wobei die Schweizer vergleichsweise am wenigsten
skeptisch sind, die Deutschen am meisten skeptisch…
Mittelwert = 2,7...
25
…mehr als die Hälfte der Befragten hält Online-
Bewertungen aber für glaubwürdig
1.50%
8.90%
34,80%
43,80%
10.90%
1 2 3...
26
Detailinformationen für die Ländergruppen
Mittelwert = 3,54 (s.d. = 0,86)
Gemessen auf einer Skala von 1 (stimme überha...
27
Online-Bewertungen werden aus verschiedenen
Gründen genutzt
Gemessen mit insgesamt 16 Items von 1(stimme überhaupt nich...
28
Motive für die Nutzung von Online-Bewertungen
im Ländervergleich
3,94
3.36 3.29
1.99
3.53
3.85
3.41
2.88
1.76
3.3
3.8
3...
29
Online-Bewertungen werden beim Kauf vieler
verschiedener Produkte und Services konsultiert*
Elektronik-
produkte
Autos/...
30
Strategischer Umgang mit
Online-Bewertungen
© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gott...
31
Die Nutzer sind sich der oftmals großen Zahl vorhandener
Online-Bewertungen für ein Produkt bewusst…
Deutsche und
Öster...
32
…zudem enthalten Online-Bewertungswebseiten
viele Informationsbausteine…
 Nutzer müssen sich
entscheiden, wie sie bei
...
33
Nutzertypen von Online-Bewertungen
Fragestellung
Gibt es Gruppen von Individuen, die sich bei der Nutzung von Online-
B...
34
Die vier Nutzertyp-Cluster im Überblick
Positive Online-Bewertungen
Negative Online-Bewertungen
Mittelmäßige Online-Bew...
35
Cluster 1: „Die vielseitigen Intensiv-Nutzer“
1 2 3 4 5
Ein typischer Vertreter dieses Clusters…
… ist vergleichsweise ...
36
Cluster 2: „Die moderaten All-Round-Nutzer“
Ein typischer Vertreter dieses Clusters…
… hat eine eher positive Einstellu...
37
Cluster 3: „Die selektiven Strategen“
Ein typischer Vertreter dieses Clusters…
… ist vergleichsweise jünger und hat ein...
38
1 2 3 4 5
Cluster 4: „Die unentschiedenen Skeptiker“
Ein typischer Vertreter dieses Clusters…
… hat eine indifferente E...
39
Ausprägung der Motive in den einzelnen Clustern
Kaufinformationen
erhalten
Soziale Interaktion
bei der
Informationssuch...
40
Ausprägung des Preis- und Qualitätsbewusstseins
beim Einkauf in den einzelnen Clustern
"Ist mir eher
der Preis am
wicht...
41
Generelle Diskussion und Fazit
• Die befragten kjero.com-Nutzer haben grundsätzlich eine eher positive Einstellung zu O...
42
Zusammenfassung: Vier Nutzertypen in DACH
© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottsc...
43
Generelle Handlungsempfehlungen für Online-
Bewertungen
1. Setzen Sie nicht nur auf beste Bewertungen, sondern auf die ...
44
Rating & Review Management und WoM
Nutzer-Story Loop
Das in WoM Aktionen und Kampagnen generierte Konsumenten-Feedback ...
45
Über die Studienpartner
Über MR. WOM
MR. WOM der erste Word of Mouth (WoM) Marketing Spezialist der Schweiz und einer d...
46© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
Sabrina Gottschal...
47
Weiterführende Quellen und Links zum Thema Online-
Bewertungen
Bambauer-Sachse, S., & Mangold, S. (2011). Brand equity ...
Nächste SlideShare
Wird geladen in …5
×

eWOM Studie - Wie Konsumenten in Deutschland, Österreich und der Deutsch-Schweiz Online-Bewertungen heute nutzen

7.482 Aufrufe

Veröffentlicht am

eWOM Studie - digitales Word of Mouth (Zusammenfassung)
der Freien Universität Berlin - unterstützt von MR. WOM und Kjero.
Wie Konsumenten in Deutschland, Österreich und der Deutsch-Schweiz Online-Bewertungen heute nutzen und welche Nutzertypen von Reviews und Ratings es in D A CH gibt.

Veröffentlicht in: Marketing

eWOM Studie - Wie Konsumenten in Deutschland, Österreich und der Deutsch-Schweiz Online-Bewertungen heute nutzen

  1. 1. Die digitale Herausforderung: Wie gehen Konsumenten mit Online-Bewertungen um? Freie Universität Berlin und Kjero.com © Sabrina Gottschalk und Alexander Mafael Studienbeteiligte Forschungs- durchführung: Inhaltliche Studienbegleitung: Bereitstellung Befragungspanel:
  2. 2. 2 Ziel der Studie © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  3. 3. 3 Relevanz des Themas • Marktforschung und Marketing-Wissenschaft sind sich einig: Online-Bewertungen beeinflussen Kaufentscheidungen von Konsumenten maßgeblich • Online-Bewertungsseiten (z.B. tripadvisor.com, ciao.com) erhalten immer mehr Zulauf • Konsumenten finden auf Online-Bewertungsseiten eine große Informationsvielfalt und Informationsmenge vor Die einen verlassen sich blind auf sie, die anderen halten sie für Quatsch: Kundenbewertungen im Internet (Wirtschaftswoche, 30.07.2014) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  4. 4. 4 Ziele der Untersuchung Ob Reise, Taxifahrer oder Liefergeschwindigkeit – mittlerweile hat schon mehr als jeder zweite Internetnutzer seine Meinung im Netz veröffentlicht (Bitkom, 2014) Kernfragen der Untersuchung: • Welchen Stellenwert haben Online-Bewertungen für Konsumenten? • Wie gehen Konsumenten mit Online-Bewertungen um? • Gibt es bestimmte Nutzer-Typen von Online-Bewertungen? Anlage der Untersuchung: • Großzahlige Befragung mit Nutzern der Online-Plattform kjero.com • Besondere Eignung der kjero.com-Nutzer als Befragungsteilnehmer aufgrund ihrer großen Erfahrung mit Produkten und Bewertungen © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  5. 5. 5 Vorbemerkung der Studienpartner In den USA präferieren 58% der Konsumenten Online Shops mit Konsumentenbewertungen – die Online-Bewertungen steigern dort den Absatz durchschnittlich um 18%. (Revoo.com 2013, Marketing Sherpa 2007 ) Warum MR. WOM und Kjero diese Studie unterstützen: • Online-Bewertungen haben heute eine hohe Bedeutung für die Kaufentscheidung von Konsumenten im Internet. Studien von u.a. Accelerom zeigen, dass die Empfehlung von Freunden und Kollegen einer der wichtigsten Kontaktpunkte für die Kaufentscheidung von Konsumenten ist. Markenhersteller und die Marketingbranche selbst präferieren dabei oft nur eine hohe Quantität sehr positiver Bewertungen, da sie davon ausgehen, dass Online Nutzer sich nur an den besten Bewertungen im Netz für ihre Produktauswahl orientieren. • MR. WOM und Kjero verfolgen den Ansatz, dass es im Word of Mouth Marketing nicht darauf ankommt, nur positive, sondern vor allem qualitativ hochwertige, differenzierte und authentische Produkt-Bewertungen von Konsumenten zu erhalten. Denn nur ehrliche Konsumentenbewertungen haben nachhaltigen und glaubwürdigen Einfluss auf die Kaufentscheidung. Daher haben beide Studienpartner die Forschung der FU Berlin gerne unterstützt – MR. WOM inhaltlich und operativ in der Studienbegleitung zwischen der FU Berlin und dem von ihm vermittelten Panelpartner Kjero und Kjero durch Bereitstellung ihres Testerpanels. • Die nun vorliegende Studie belegt, dass das Nutzungsverhalten bei Online-Bewertungen wesentlich differenzierter ist und es mehrere Nutzertypen gibt. Diese Erkenntnisse unterstützen und bestätigen den qualitativen Word of Mouth Marketing Ansatz von MR. WOM und verifizieren die Qualität der Nutzer von Kjero.com. © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  6. 6. 6 Die Stichprobe im Überblick © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  7. 7. 7 95,4 Prozent der befragten kjero.com Nutzer haben Online-Bewertungen bereits genutzt Gesamtstichprobe N= 2732 kjero.com Nutzer Interessierende Teilstichprobe N= 2606 kjero.com Nutzer, die Online- Bewertungen bereits genutzt haben 95,4% 4,6% Haben Sie schon einmal vor einer Kaufentscheidung Online-Bewertungen gelesen? Ja Nein © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  8. 8. 8 Die „Nicht-Nutzer“ im Überblick Interessierende Teilstichprobe N= 126 kjero.com Nutzer Geschlecht 85,7% weiblich, 14,3% männlich Alter 41,48 Jahre Herkunft Deutschland: 52 Nutzer (41,3%) Österreich: 56 Nutzer (44,4%) Schweiz: 18 Nutzer (14,3%) Haushaltsgröße Deutschland: 3,31 Personen im Haushalt Österreich: 3,0 Personen im Haushalt Schweiz: 4,06 Personen im Haushalt Berufliche Tätigkeit (Auszug) 41,3% Angestellte(r) 16,7% Hausfrau/ Hausmann 9,5% Arbeiter(in) 7,1% Rentner(in) 6,3% Sonstiges © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  9. 9. 9 Die „Nutzer“ im Überblick Interessierende Teilstichprobe N= 2606 kjero.com Nutzer Geschlecht 84,1% weiblich, 15,9% männlich Alter 37,74 Jahre Herkunft Deutschland: 1365 Nutzer (52,4%) Österreich: 1064 Nutzer (40,8%) Schweiz: 177 Nutzer (6,8%) Haushaltsgröße Deutschland: 3,13 Personen im Haushalt Österreich: 3,15 Personen im Haushalt Schweiz: 3,81 Personen im Haushalt Berufliche Tätigkeit (Auszug) 53,3% Angestellte(r) 17,6% Hausfrau/Hausmann 5,4% Arbeiter(in) 6,3% Selbstständige(r) 5,5% Student(in) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  10. 10. 10 „Nutzer“ sind signifikant jünger als „Nicht-Nutzer“ 37,72 Jahre 41,48 Jahre Nutzer Nicht-Nutzer Alter in Jahren Die Mittelwerte unterscheiden sich signifikant auf dem 1% Niveau (p***<0,001) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  11. 11. 11 Diese Differenz spiegelt sich auch innerhalb der Ländergruppen wider 38,68 Jahre 36,41 Jahre 38,16 Jahre 42,67 Jahre 39,54 Jahre 44,11 Jahre Deutschland Österreich Schweiz Alter in Jahren Nutzer Nicht-Nutzer © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael Die Mittelwerte unterscheiden sich signifikant auf dem 5% Niveau (p***<0,05)
  12. 12. 12 Der Anteil der „Nicht-Nutzer“ aus der Schweiz ist relativ gesehen deutlich höher als der Anteil der „Nutzer“ © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 52% 41% 7% 39% 47% 14% Deutschland Österreich Schweiz Anteil der „Nutzer" und „Nicht-Nutzer" „Nutzer" „Nicht-Nutzer"
  13. 13. 13 Generelles Online- Verhalten der befragten Nutzer © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  14. 14. 14 Das Internet hat für die befragten Nutzern einen hohen Stellenwert… 3 Items von 1 (nicht aufregend/ unwichtig/ irrelevant) bis 5 (aufregend/ wichtig/ relevant) MittelwertDeutschland = 4,42 MittelwertÖsterreich = 4,33 MittelwertSchweiz = 4,38 © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 1 2 3 4 5 aufregend wichtig relevant Die Nutzung des Internets ist für mich… Deutschland Österreich Schweiz
  15. 15. 15 … und viele Nutzer schätzen ihre Internet- Erfahrung als umfangreich ein 1 Item von 1 (nicht umfangreich) bis 5 (umfangreich) MittelwertD, AT, CH = 4,43 Deutsche, Österreicher und Schweizer weisen bei ihrer Meinung zum Internet sowie bei ihrer Internet- Erfahrung keine systematischen Unterschiede auf © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 4.45 4.41 4.38 1 2 3 4 5 Deutschland Österreich Schweiz
  16. 16. 16 Relevanz von Online- Bewertungen für Konsumenten © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  17. 17. 17 Die befragten kjero.com Nutzer haben eine eher positive Einstellung zu Online-Bewertungen Skala: Adaptiert von Jimenez & Mendoza, 2013 19,10% 23,50% 23,90% 32,20% 3% 4.90% 3,10% 1,1% 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% Online-Bewertungen beeinflussen häufig meine Kaufentscheidungen. Ich schaue mir immer Online-Bewertungen an, bevor ich etwas kaufe. Ich lese typischerweise Online-Bewertungen, bevor ich eine Kaufentscheidung treffe. Ich denke, dass Online-Bewertungen hilfreich für meine Entscheidungsfindung sind. Was denken Sie im Allgemeinen über Online-Bewertungen? Stimme überhaupt nicht zu Stimme vollkommen zu Generelle Einstellung zu Online-Bewertungen 4 Items von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu) Mittelwert = 3,71 (s.d. = 0,87) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  18. 18. 18 Im Mittel sind die deutschen Probanden Online-Bewertungen gegenüber am positivsten eingestellt, die Schweizer am negativsten von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu), abgebildet sind die Mittelwerte der vier Items für die Ländergruppen ***p<0.001 **p<0.05 © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 Online-Bewertungen beeinflussen häufig meine Kaufentscheidungen. Ich schaue mir immer Online-Bewertungen an, bevor ich etwas kaufe. Ich lese typischerweise Online-Bewertungen, bevor ich eine Kaufentscheidung treffe. Ich denke, dass Online-Bewertungen hilfreich für meine Entscheidungsfindung sind. Einstellung gegenüber Online-Bewertungen Deutschland Österreich Schweiz
  19. 19. 19 Detailinformation zum Item „Online-Bewertungen sind hilfreich für meine Entscheidungsfindung“ im Ländervergleich 30.20% 30.60% 28.20% 0.70% 1.60% 1.10% 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% Deutschland Österreich Schweiz „Ich denke, dass Online-Bewertungen hilfreich für meine Entscheidungsfindung sind“ 1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  20. 20. 20 Detailinformation zum Item „Ich lese typischerweise Online-Bewertungen, bevor ich eine Kaufentscheidung treffe“ im Ländervergleich 25.60% 23.50% 13.00% 1.80% 4.30% 6.20% 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% Deutschland Österreich Schweiz „Ich lese typischerweise Online-Bewertungen, bevor ich eine Kaufentscheidung treffe“ 1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  21. 21. 21 Detailinformation zum Item „Ich schaue mir immer Online-Bewertungen an, bevor ich etwas kaufe“ im Ländervergleich 24.30% 24.20% 13.00% 3.40% 5.50% 13.00% 0.00% 10.00% 20.00% 30.00% 40.00% 50.00% Deutschland Österreich Schweiz „Ich schaue mir immer Online-Bewertungen an, bevor ich etwas kaufe“ 1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu) Bei diesem Item zeigt sich ein besonders deutlicher Unterschied im Antwortverhalten der schweizerischen und der deutschen Probanden © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  22. 22. 22 Detailinformation zum Item „Online-Bewertungen beeinflussen häufig meine Kaufentscheidungen“ im Ländervergleich 19.90% 19.40% 11.90% 2.90% 3.20% 2.80% 0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% 40.00% 45.00% 50.00% Deutschland Österreich Schweiz „Online-Bewertungen beeinflussen häufig meine Kaufentscheidungen“ 1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  23. 23. 23 Zwar vermutet ein beachtlicher Teil der Befragten auch gefälschte Online-Bewertungen… 8,20% 34,0% 38.20% 14,4% 5,20% 1 2 3 4 5 „Ich glaube, dass ein großer Teil der Online-Bewertungen im Internet gefälscht ist“ stimme überhaupt nicht zu stimme vollkommen zu Nur 8% der Befragten stimmen überhaupt nicht zu, dass ein großer Teil der Online- Bewertungen gefälscht ist. Mittelwert = 2,74 (s.d. = 0,98) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  24. 24. 24 … wobei die Schweizer vergleichsweise am wenigsten skeptisch sind, die Deutschen am meisten skeptisch… Mittelwert = 2,74 (s.d. = 0,98) Gemessen auf einer Skala von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 6.8% 31.1% 37.7% 14.5% 6.4% 7.9% 33.8% 36.1% 13.2% 3.9% 14.4% 33.8% 32.2% 12.4% 2.3% 0% 10% 20% 30% 40% 50% 1 2 3 4 5 „Ich glaube, dass ein großer Teil von Online-Bewertungen gefälscht ist.“ Deutschland Österreich Schweiz
  25. 25. 25 …mehr als die Hälfte der Befragten hält Online- Bewertungen aber für glaubwürdig 1.50% 8.90% 34,80% 43,80% 10.90% 1 2 3 4 5 stimme überhaupt nicht zu stimme vollkommen zu 54,7% der Befragten stimmen der Aussage, dass Online-Bewertungen glaubwürdig sind, zu oder vollkommen zu „Ich glaube, dass Online-Bewertungen grundsätzlich eine glaubwürdige Quelle darstellen“ Mittelwert = 3,54 (s.d. = 0,86) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  26. 26. 26 Detailinformationen für die Ländergruppen Mittelwert = 3,54 (s.d. = 0,86) Gemessen auf einer Skala von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu) © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 1.6% 7.4% 32.9% 42.8% 11.6% 1.3% 10.1% 33.8% 40.5% 9.3% 0.5% 7.2% 32.8% 41.5% 8.7% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 1 2 3 4 5 „Ich glaube, dass Online-Bewertungen grundsätzlich eine glaubwürdige Informationsquelle darstellen“ Deutschland Österreich Schweiz
  27. 27. 27 Online-Bewertungen werden aus verschiedenen Gründen genutzt Gemessen mit insgesamt 16 Items von 1(stimme überhaupt nicht zu) bis 5 (stimme voll und ganz zu) M=3,86 M=3,18 M=3,03 M=1,87 M=3,39 Kaufinformationen erhalten Soziale Interaktion bei der Informationssuche Teil einer Community sein Vergütung erhalten Tipps zum Umgang mit einem Produkt erhalten „Wenn Sie Bewertungen von anderen Konsumenten im Internet lesen, aus welchen Gründen tun Sie dies?“ Das Motiv „Kaufinformationen erhalten“ spielt als Grund für den Umgang mit Online- Bewertungen die bedeutendste Rolle, „Vergütung zu erhalten“, die geringste Skala: Adaptiert von Hennig-Thurau & Walsh, 2003 © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  28. 28. 28 Motive für die Nutzung von Online-Bewertungen im Ländervergleich 3,94 3.36 3.29 1.99 3.53 3.85 3.41 2.88 1.76 3.3 3.8 3.07 2.93 1.86 3.35 Kaufinformationen erhalten Soziale Interaktion bei der Informationssuche Teil einer Community sein Vergütung erhalten Tipps zum Umgang mit einem Produkt erhalten Deutschland Österreich Schweiz Bei den deutschen Probanden sind die Motive generell am stärksten ausgeprägt, die Bedeutung der unterschiedlichen Motive innerhalb der Länder-Gruppen ist allerdings ähnlich. Gemessen mit insgesamt 16 Items von 1(stimme überhaupt nicht zu) bis 5 (stimme voll und ganz zu) Skala: Adaptiert von Hennig-Thurau & Walsh, 2003 © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  29. 29. 29 Online-Bewertungen werden beim Kauf vieler verschiedener Produkte und Services konsultiert* Elektronik- produkte Autos/ Autozubehör Hotels/ Reisen Bücher/ CDs/ DVDs Möbel Restaurants Sportgeräte Haushalts- geräte „Alles Mögliche“ „Fast alles“ „zu viel zum auflisten“ Lebensmittel Babyartikel „Für welche Produkte oder Dienstleistungen haben Sie in der Vergangenheit bereits Online-Bewertungen gelesen? Für…“ …und für vieles mehr! Bekleidung Tierfutter *Grün hinterlegt = besonders häufige Nennung *Qualitative Auswertung und Gruppierung von über 30.000 offenen Nennungen © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  30. 30. 30 Strategischer Umgang mit Online-Bewertungen © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  31. 31. 31 Die Nutzer sind sich der oftmals großen Zahl vorhandener Online-Bewertungen für ein Produkt bewusst… Deutsche und Österreicher sind sich hier sehr ähnlich, Nutzer aus der Schweiz haben ein etwas weniger ausgeprägtes Bewusstsein für die große Zahl an vorhandenen Online-Bewertungen für viele Produkte und Dienstleistungen 66,9% 21,6% 11,5% 60,0% 26,0% 14,0% 52,5% 33,9% 13,6% 0 10 20 30 40 50 60 70 80 90 100 Ja Nein Vielleicht „Ich bin mir der großen Zahl an Online-Bewertungen bewusst“ Deutschland Österreich Schweiz © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  32. 32. 32 …zudem enthalten Online-Bewertungswebseiten viele Informationsbausteine…  Nutzer müssen sich entscheiden, wie sie bei der Informationssuche mit Online-Bewertungen umgehen, und auf welche Informationsbausteine sie Wert legen. © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  33. 33. 33 Nutzertypen von Online-Bewertungen Fragestellung Gibt es Gruppen von Individuen, die sich bei der Nutzung von Online- Bewertungen ähneln? Messinstrument Likert-Skala: 13 Dimensionen, die den Umgang mit Online-Bewertungen und den Informationsbausteinen auf Online-Bewertungsseiten abbilden, gemessen mit jeweils zwei Items. Beispiel: Dimension „Fokus auf positive Online-Bewertungen“ Item 1: „In Situationen, in denen sehr viele Online-Bewertungen für ein Produkt oder für eine Dienstleistung vorhanden sind, schaue ich mir vor allem positive Online-Bewertungen (z.B. 5 von 5 Sternen) an“ (1 stimme überhaupt nicht zu - 5 stimme vollkommen zu) Item 2: „In Situationen, in denen sehr viele Online-Bewertungen für ein Produkt oder für eine Dienstleistung vorhanden sind, sind für meine Entscheidung besonders Online-Bewertungen relevant, die positive Aspekte des Produktes oder der Dienstleistung hervorheben“ (1 stimme überhaupt nicht zu - 5 stimme vollkommen zu) Methodik Clusteranalytische Verfahren 1. Single-Linkage-Verfahren: Elimination von Ausreißern 2. Ward-Verfahren: Bestimmung der Clusterzahl 3. k-means Algorithmus: Identifikation der optimalen Clusterzuordnung 4. ANOVAS und Kreuztabellen: Abgrenzung der Cluster voneinander Ergebnis: 4-Cluster-Lösung  Nutzer in den Clustern weisen Gemeinsamkeiten in Bezug auf ihren Umgang mit Online-Bewertungen auf. © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  34. 34. 34 Die vier Nutzertyp-Cluster im Überblick Positive Online-Bewertungen Negative Online-Bewertungen Mittelmäßige Online-Bewertungen Sterne-Ranking Anzahl Hilfreich-Ranking Struktur/Textaufbau Schreibstil Länge Überschrift Informationen Autor Aktualität Argumentation 1 2 3 4 5 Cluster 1 Cluster 2 Cluster 3 Cluster 4 Beim Umgang mit Online- Bewertungen fokussieren sich die Cluster-Mitglieder auf… © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  35. 35. 35 Cluster 1: „Die vielseitigen Intensiv-Nutzer“ 1 2 3 4 5 Ein typischer Vertreter dieses Clusters… … ist vergleichsweise älter und hat ein niedrigeres Bildungsniveau als die Mitglieder der anderen Cluster …nutzt Online-Bewertungen am häufigsten Bei der Nutzung von Online-Bewertungen… … betrachtet er sehr viele Elemente und Informationsbausteine ... legt er einen besonderen Fokus auf Aktualität und inhaltliche Argumentation … sind ihm die Sterne-Rankings besonders wichtig  Sehr intensive Auseinandersetzung mit Online-Bewertungen Clustergröße1 N=440 Land DE=62%, AT=31,8%, CH=6,1% Durchschnittsalter 39,8 Beruf (Top 3 Nennung) Angestellte=56,8%, Hausfrau=14,1%, Arbeiterin=8% Ausbildung (Top 3 Nennung) Lehre=40% Universität 20,9% Abitur=18,4% Einstellung Online-Bewertungen2 4,04 Nutzungshäufigkeit2 Online-Bewertungen 4,26 Fokus auf… 1 Signifikante Unterschiede zwischen den Clustern bei allen Variablen, p**<0,05. Keine sign. Unterschiede zwischen den Clustern bei Geschlecht , HH Größe, Zahl soz. Kontakte, Beziehungsstatus, Budget, Häufigkeit Online-Aktivitäten, Verantw. für Einkauf, 2 Auf einer Skala von 1-5. © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  36. 36. 36 Cluster 2: „Die moderaten All-Round-Nutzer“ Ein typischer Vertreter dieses Clusters… … hat eine eher positive Einstellung zu Online-Bewertungen und nutzt diese eher häufig Bei der Nutzung von Online-Bewertungen… … ähnelt sein Vorgehen dem von Cluster 1, ist aber insgesamt weniger stark ausgeprägt … haben mittelmäßige Bewertungen für ihn eine geringe Bedeutung  Moderat ausgeprägte Auseinandersetzung mit Online- Bewertungen Clustergröße1 N=1092 Land DE=56,1%, AT=37%, CH=6,9% Durchschnittsalter 37,9 Beruf (Top 3 Nennung) Angestellte=56,4%, Hausfrau=12,5%, Selbstständige=6,3% Ausbildung (Top 3 Nennung) Lehre=35,9%% Abitur=23,9% Universität=22,7% Einstellung Online-Bewertungen2 3,69 Nutzungshäufigkeit Online-Bewertungen2 3,97 1 2 3 4 5 Fokus auf… © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 1 Signifikante Unterschiede zwischen den Clustern bei allen Variablen, p**<0,05. Keine sign. Unterschiede zwischen den Clustern bei Geschlecht , HH Größe, Zahl soz. Kontakte, Beziehungsstatus, Budget, Häufigkeit Online-Aktivitäten, Verantw. für Einkauf, 2 Auf einer Skala von 1-5.
  37. 37. 37 Cluster 3: „Die selektiven Strategen“ Ein typischer Vertreter dieses Clusters… … ist vergleichsweise jünger und hat ein höheres Bildungsniveau als die Mitglieder der anderen Cluster Bei der Nutzung von Online-Bewertungen… … will er hauptsächlich negative Bewertungen mit klaren Argumenten sehen … nutzt er besonders Sterne-Rankings … interessieren ihn andere Informationen wenig … betrachtet er insbesondere „Detailinformationen“ wie Autor- Informationen oder „Hilfreich-Bewertungen“ nicht  Sehr selektive Nutzung bestimmter Informationsaspekte Clustergröße1 N=803 Land DE=43,5%, AT=49,4%, CH=7,1% Durchschnittsalter 36,1 Beruf (Top 3 Nennung) Angestellte=51,2%, Hausfrau=11,7%, Studentin=8,7% Ausbildung (Top 3 Nennung) Lehre=32,5% Abitur=27,3% Universität=23,2% Einstellung Online-Bewertungen2 3,69 Nutzungshäufigkeit Online-Bewertungen2 4,34 1 2 3 4 5 Fokus auf… © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael 1 Signifikante Unterschiede zwischen den Clustern bei allen Variablen, p**<0,05. Keine sign. Unterschiede zwischen den Clustern bei Geschlecht , HH Größe, Zahl soz. Kontakte, Beziehungsstatus, Budget, Häufigkeit Online-Aktivitäten, Verantw. für Einkauf, 2 Auf einer Skala von 1-5.
  38. 38. 38 1 2 3 4 5 Cluster 4: „Die unentschiedenen Skeptiker“ Ein typischer Vertreter dieses Clusters… … hat eine indifferente Einstellung zu Online-Bewertungen … nutzt Online-Bewertungen eher sporadisch Bei der Nutzung von Online-Bewertungen… … betrachtet er insgesamt wenig Informationsaspekte intensiv … achtet er am ehesten auf Sterne-Ranking und Argumentation  Misst Online-Bewertungen generell eine relativ geringe Bedeutung bei Fokus auf… © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael Clustergröße1 N=271 Land DE=48%, AT=45,4%, CH=6,6% Durchschnittsalter 39,8 Beruf (Top 3 Nennung) Angestellte=50,2%, Hausfrau=15,1%, Arbeiterin=8,1% Ausbildung (Top 3 Nennung) Lehre=29,5% Abitur=24,4% Universität=24,4% Einstellung Online-Bewertungen2 3,29 Nutzungshäufigkeit Online-Bewertungen2 3,73 1 Signifikante Unterschiede zwischen den Clustern bei allen Variablen, p**<0,05. Keine sign. Unterschiede zwischen den Clustern bei Geschlecht , HH Größe, Zahl soz. Kontakte, Beziehungsstatus, Budget, Häufigkeit Online-Aktivitäten, Verantw. für Einkauf, 2 Auf einer Skala von 1-5.
  39. 39. 39 Ausprägung der Motive in den einzelnen Clustern Kaufinformationen erhalten Soziale Interaktion bei der Informationssuche Teil einer Community sein Vergütung erhalten Tipps zum Umgang mit einem Produkt erhalten „Die vielseitigen Intensiv-Nutzer“ 4.36 3.99 3.83 2.6 4.07 „Die moderaten All-Round-Nutzer“ 3.8 3.27 3.18 2.04 3.47 „Die selektiven Strategen“ 4.03 3.06 2.85 1.45 3.28 „Die unentschiedenen Skeptiker“ 3.43 2.67 2.59 1.5 2.94 0 1 2 3 4 5 von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu), abgebildet sind die Mittelwerte der fünf Motive für die vier Cluster © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  40. 40. 40 Ausprägung des Preis- und Qualitätsbewusstseins beim Einkauf in den einzelnen Clustern "Ist mir eher der Preis am wichtigsten" "Ist mir der Preis am wichtigsten" "Ist mir eher die Qualität am wichtigsten" "Ist mir die Qualität am wichtigsten" "Die vielseitigen Intensiv-Nutzer" 8.6% 5.0% 32.0% 54.3% "Die moderaten All-Round-Nutzer" 12.8% 5.8% 43.1% 38.2% "Die selektiven Strategen" 9.6% 5.3% 47.1% 38.0% "Die untenschiedenen Skeptiker" 13.0% 3.5% 42.5% 41.0% 0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0% © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  41. 41. 41 Generelle Diskussion und Fazit • Die befragten kjero.com-Nutzer haben grundsätzlich eine eher positive Einstellung zu Online-Bewertungen und halten diese für relativ glaubwürdig • Online-Bewertungen werden häufig und beim Kauf einer Vielzahl von Produkten und Dienstleistungen (z.B. Hotels, Elektronikprodukte und Restaurants) genutzt • Kaufinformationen und Tipps zum Umgang mit Produkten oder Dienstleistungen zu erhalten sind die wichtigsten Gründe für das Lesen von Online-Bewertungen • Im Ländervergleich haben deutsche Nutzer von Online-Bewertungen die positivste Einstellung; unter den schweizerischen Probanden sind relativ viele „Nicht-Nutzer“ von Online Bewertungen zu finden  Online-Bewertungen haben für die befragten Nutzer einen großen Stellenwert • Clusteranalysen zeigen vier verschiedene Nutzungstyp-Gruppen von Online-Bewertungen: • „Die vielseitigen Intensiv-Nutzer“ • „Die moderaten All-Round-Nutzer“ • „Die selektiven Strategen“ • „Die unentschiedenen Skeptiker“  Die befragten Nutzer gehen strategisch mit Online-Bewertungen um und unterscheiden sich hierbei in ihrem Vorgehen und in den als wichtig erachteten Informationsbausteinen © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  42. 42. 42 Zusammenfassung: Vier Nutzertypen in DACH © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  43. 43. 43 Generelle Handlungsempfehlungen für Online- Bewertungen 1. Setzen Sie nicht nur auf beste Bewertungen, sondern auf die ganze Vielfalt an Ratings & Reviews 2. Achten Sie auf differenzierte Online-Bewertungen und nicht schnell generierte oberflächliche Quantität 3. Sorgen Sie für ehrliches und authentisches Konsumenten-Feedback und verzichten Sie auf Manipulation, Zensur, oder gar die Fälschung von Bewertungen – das hat auf Dauer keinen Erfolg 4. Stellen Sie auch mittelmäßige oder schlechte Bewertungen transparent und umfassend im Internet dar, denn nur dies schafft auf Dauer treue Käufer 5. Auch negative Bewertungen sind nützliche Bewertungen – zur Produktoptimierung oder für selektiv vorgehenden Online Nutzer 6. Nutzen Sie etablierte WOM-Produkttester-Panels – nur diese garantieren Ihnen qualifizierte Produktrückmeldungen und ein nachhaltiges Review & Rating Management 7. Spielen Sie das Kundenfeedback, nutzer generierten Content, Reviews und Ratings wieder zurück in den Markt – via Werbung, in Ihren Social Media Kanälen, am POS oder auf Ihrer Marken-Website © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  44. 44. 44 Rating & Review Management und WoM Nutzer-Story Loop Das in WoM Aktionen und Kampagnen generierte Konsumenten-Feedback in Form von User generated Content (Rezensionen, Bewertungen, Kommentare, Bilder, Videos, Blogberichte etc.) können Firmen für die Kommunikation in ihrem Markenuniversum nutzen und mit Ihren Marken-Kontaktpunkten verknüpfen und somit für mehr Reputation & neues Word of Mouth sorgen. Der generierte Earned Media Content kann in den Markt zurückgespielt werden z.B. als Reviews in Ihrem Online Shop, als Regalstopper am POS, als Empfehlungssiegel auf Produkt-Verpackungen, in Anzeigen oder Werbebannern, als User- Testimonial in TV Spots und Plakaten, als Branded Content in den Social Media Kanälen oder mit einem Rating & Review Widget auf der Marken-Website. Die eigenen Mediakanäle werden dadurch zum Verstärker des erzeugten Word of Mouth © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael ©
  45. 45. 45 Über die Studienpartner Über MR. WOM MR. WOM der erste Word of Mouth (WoM) Marketing Spezialist der Schweiz und einer der führenden Experten für Mundpropaganda- und Empfehlungsmarketing im deutschsprachigen Raum. MR. WOM macht Unternehmen, Marken, Produkte und Services kleiner und grosser Unternehmen weitererzählbarer und empfehlenswerter. Das Leistungsportfolio von MR. WOM umfasst die Entwicklung, Konzeption und Umsetzung von Word of Mouth Marketing Strategien, Massnahmen und System-Lösungen sowie die die WoM-Wissensvermittlung in Form von Trainings, Seminaren, Mentoring und Vorträgen. Mehr Informationen zu MR. WOM finden sich unter www.mrwom.com. Über Kjero.com Auf Kjero.com können Konsumenten kostenlos neue Produkte entdecken und testen, mit Anderen teilen und ihre Erfahrungen und Meinungen dazu offen und unbeeinflusst mit Freunden, Verwandten und Kollegen austauschen. Die authentischen Online-Bewertungen und Offline-Empfehlungen der Tester helfen anderen Konsumenten bei der Produktauswahl und liefern Unternehmen wertvolles Feedback zur Optimierung von Produkten und Dienstleistungen. Das Marken- und Empfehlungsportal Kjero.com wurde 2010 in Innsbruck, Österreich gegründet und ist in Deutschland, Österreich und der Schweiz aktiv. Marken können Kjero.com für Word of Mouth Marketing Kampagnen nutzen, um Empfehlungen und Mundpropaganda off- und online zu erzeugen. Mehr Informationen zu Kjero finden sich unter www.kjero.com © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael
  46. 46. 46© Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael Sabrina Gottschalk Freie Universität Berlin Marketing-Department Otto-von-Simson Straße 19 14195 Berlin Tel: +49 (30) 838-54773 sabrina.gottschalk@fu-berlin.de Alexander Mafael Freie Universität Berlin Marketing-Department Otto-von-Simson Straße 19 14195 Berlin Tel: +49 (30) 838-52047 alexander.mafael@fu-berlin.de Kontakte Kontakt FU Berlin und wissenschaftliche Fragen zur Studie Kontakt MR. WOM - Word of Mouth Marketing Consulting Mark Leinemann | Founder & Managing Director MR. WOM Tel. +41 71 4601070 | mark.leinemann@mrwom.com | www.mrwom.com Kontakt Kjero.com Stefan Ramershoven | Geschäftsführung Tel. +43 512 328 308 | stefan.ramershoven@kjero.com | www.kjero.com
  47. 47. 47 Weiterführende Quellen und Links zum Thema Online- Bewertungen Bambauer-Sachse, S., & Mangold, S. (2011). Brand equity dilution through negative online word-of-mouth communication. Journal of Retailing and Consumer Services 18(1), 38-45. Verfügbar unter: http://www.sciencedirect.com/science/article/pii/S096969891000086X Bambauer-Sachse, S., & Mangold, S. (2013). Do consumers still believe what is said in online product reviews? A persuasion knowledge approach. Journal of Retailing and Consumer Services 20(4), 373-381. Verfügbar unter: http://www.sciencedirect.com/science/article/pii/S0969698913000337 Cheung, M.Y., Luo, C., Sia, C.L., & Chen, H. (2009). Credibility of electronic word-of-mouth: Informational and normative determinants of online customer recommendations. International Journal of Electronic Commerce 13(4), 9-38. Verfügbar unter: http://web.a.ebscohost.com/ehost/detail/detail?sid=07e9f345-b419-46ae-9a92- 07eb2da3112a%40sessionmgr4003&vid=0&hid=4207&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#db=buh&AN=41423245 Chevalier, J.A., & Mayzlin, D. (2006). The effect of word of mouth on sales: Online book reviews. Journal of Marketing Research 43(3), 345-354. Verfügbar unter: http://www.jstor.org/stable/30162409 Dellarocas, C., Zhang, X., & Awad, N.F. (2007). Exploring the value of online product reviews in forecasting sales: The case of motion pictures. Journal of Interactive Marketing 21(4), 23-45. Frei verfügbar unter: http://blog.mikezhang.com/files/movieratings.pdf Doh, S.-J., & Hwang, J.-S. (2009). How consumers evaluate eWOM (Electronic word-of-mouth) messages. CyberPsychology & Behavior 12(2), 193- 197. Verfügbar unter: http://web.b.ebscohost.com/ehost/pdfviewer/pdfviewer?sid=f787be3b-d5a2-407f-8fd3- 844f9af0140f%40sessionmgr198&vid=0&hid=112 Duan, W., Gu, B., & Whinston, A.B. (2008). Do online reviews matter? – An empirical investigation of panel data. Decision Support Systems 45, 1007-1016. Verfügbar unter: http://pages.stern.nyu.edu/~wgreene/entertainmentandmedia/online-reviews.pdf Hung, K.H., & Li, S.Y. (2007). The influence of eWOM on virtual consumer communities: Social capital, consumer learning, and behavioral outcomes. Journal of Advertising Research, December, 485-495. Verfügbar unter: http://www.coms.hkbu.edu.hk/~kineta/files/The_influence_of_eWOM.pdf Mudambi, S.M., & Schuff, D. (2010). What makes a helpful online review? A study of customer reviews on Amazon.com. MIS Quarterly 34(1), 185- 200. Verfügbar unter: http://wweb.uta.edu/management/Dr.Casper/Fall10/BSAD6314/BSAD%206314- Student%20Articles/Moderated%20Multiple%20Regression/moderation%20...pdf Zhu, F., & Zhang, X. (2010). Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics. Journal of Marketing 74, 133-148. Working Paper verfügbar unter: http://uxscientist.com/public/docs/uxsci_49.pdf © Marketing-Department, Freie Universität Berlin & Kjero.com | Sabrina Gottschalk und Alexander Mafael

×