SlideShare ist ein Scribd-Unternehmen logo
Die digitale Herausforderung:
Wie gehen Konsumenten mit
Online-Bewertungen um?
Freie Universität Berlin
© Sabrina Gottschalk und Alexander Mafael
Studienbeteiligte
Forschungs-
durchführung:
Inhaltliche
Studienbegleitung:
2
Ziel der Studie
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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
• Besondere Eignung der Kjero-Nutzer als Befragungsteilnehmer aufgrund ihrer großen Erfahrung
mit Produkten und Bewertungen
• Studienbegleitung durch MR. WOM (www.mrwom.com)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 diese Studie unterstützt:
• 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 verfolgt 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 Kaufent-
scheidung. Daher hat MR. WOM als Studienpartner die Forschung der FU Berlin gerne unterstützt – inhaltlich und
operativ in der Studienbegleitung zwischen der FU Berlin und dem von ihm vermittelten Panelpartner Kjero.
• 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.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
6
Die Stichprobe im
Überblick
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
7
95,4 Prozent der befragten Panel Nutzer haben
Online-Bewertungen bereits genutzt
Gesamtstichprobe N= 2732 Kjero Nutzer
Interessierende
Teilstichprobe
N= 2606 Kjero 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 | Sabrina Gottschalk und Alexander Mafael
8
Die „Nicht-Nutzer“ im Überblick
Interessierende
Teilstichprobe
N= 126 2606 Nutzer der Plattform kjero
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 | Sabrina Gottschalk und Alexander Mafael
9
Die „Nutzer“ im Überblick
Interessierende
Teilstichprobe
N= 2606 Nutzer der Plattform kjero
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
Die Mittelwerte unterscheiden sich signifikant auf
dem 5% Niveau (p***<0,05)
12
Der Anteil der „Nicht-Nutzer“ aus der Schweiz ist relativ
gesehen deutlich höher als der Anteil der „Nutzer“
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
52%
41%
7%
39%
47%
14%
Deutschland Österreich Schweiz
Anteil der „Nutzer" und „Nicht-Nutzer"
„Nutzer"
„Nicht-Nutzer"
13
Generelles Online-
Verhalten der befragten
Nutzer
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
1
2
3
4
5
aufregend wichtig relevant
Die Nutzung des Internets ist für mich…
Deutschland
Österreich
Schweiz
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 | Sabrina Gottschalk und Alexander Mafael
4,45 4,41 4,38
1
2
3
4
5
Deutschland Österreich Schweiz
16
Relevanz von Online-
Bewertungen für
Konsumenten
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
17
Die befragten Panel 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 | Sabrina Gottschalk und Alexander Mafael
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
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
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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)
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
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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)
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
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
30
Strategischer Umgang mit
Online-Bewertungen
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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…
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 | Sabrina Gottschalk und Alexander Mafael
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…
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 | Sabrina Gottschalk und Alexander Mafael
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… 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.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
41
Generelle Diskussion und Fazit
• Die befragten 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 | Sabrina Gottschalk und Alexander Mafael
42
Zusammenfassung: Vier Nutzertypen in DACH
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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-Plattform-Anbieter – 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 | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael
45
Über die Studienpartner
Über MR. WOM
MR. WOM ist 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 WoM-Wissensvermittlung in
Form von Trainings, Coaching und Vorträgen.
Mehr zu MR. WOM findet sich unter www.mrwom.com.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
46
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
FU Berlin / wissenschaftliche Fragen zur Studie
MR. WOM - Word of Mouth Marketing
Mark Leinemann | Founder & Managing Director MR. WOM
Tel. +41 71 4601070 | wom@mrwom.com | www.mrwom.com
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
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 | Sabrina Gottschalk und Alexander Mafael

Weitere ähnliche Inhalte

Andere mochten auch

«SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine»
«SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine» «SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine»
«SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine»
SOMshare
 
Henry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die Konversionsrate
Henry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die KonversionsrateHenry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die Konversionsrate
Henry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die Konversionsrate
eCommerce_Day
 
AH Harris & HarMac Employee reviews
AH Harris & HarMac Employee reviewsAH Harris & HarMac Employee reviews
AH Harris & HarMac Employee reviews
Martin Hennig
 
iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...
iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...
iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...
Susanne Lämmer
 
«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016
«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016
«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016
Carpathia AG
 
#yeahTHATgreenville
#yeahTHATgreenville#yeahTHATgreenville
#yeahTHATgreenville
The Shared Ship
 
Mobile POS: wie E-Commerce und stationärer Handel zusammen wachsen
Mobile POS: wie E-Commerce und stationärer Handel zusammen wachsenMobile POS: wie E-Commerce und stationärer Handel zusammen wachsen
Mobile POS: wie E-Commerce und stationärer Handel zusammen wachsen
youngculture
 
Usability & Design Principles
Usability & Design PrinciplesUsability & Design Principles
Usability & Design Principles
Claus Medvesek
 
Future Retail - Wie die digitale Revolution den Handel verändert
Future Retail - Wie die digitale Revolution den Handel verändertFuture Retail - Wie die digitale Revolution den Handel verändert
Future Retail - Wie die digitale Revolution den Handel verändert
Ingo Stoll
 
Brand Advocacy and Social Media - 2009 GMA Conference
Brand Advocacy and Social Media - 2009 GMA ConferenceBrand Advocacy and Social Media - 2009 GMA Conference
Brand Advocacy and Social Media - 2009 GMA Conference
Brandon Murphy
 
OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...
OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...
OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...
Mark Jim
 
Sun god
Sun godSun god

Andere mochten auch (12)

«SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine»
«SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine» «SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine»
«SOMshare» 1.7.2015: XING «Kuratierung: Mensch vs. Maschine»
 
Henry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die Konversionsrate
Henry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die KonversionsrateHenry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die Konversionsrate
Henry Kobsch - Jubeln statt hinfallen - So erhöhen Sie die Konversionsrate
 
AH Harris & HarMac Employee reviews
AH Harris & HarMac Employee reviewsAH Harris & HarMac Employee reviews
AH Harris & HarMac Employee reviews
 
iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...
iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...
iak10//Mensch-Mensch-Interaktion planen: ein Widerspruch in sich? IKEA FAMILY...
 
«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016
«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016
«Der digitale Kunde treibt den Wandel im Handel!» li*gital 2016
 
#yeahTHATgreenville
#yeahTHATgreenville#yeahTHATgreenville
#yeahTHATgreenville
 
Mobile POS: wie E-Commerce und stationärer Handel zusammen wachsen
Mobile POS: wie E-Commerce und stationärer Handel zusammen wachsenMobile POS: wie E-Commerce und stationärer Handel zusammen wachsen
Mobile POS: wie E-Commerce und stationärer Handel zusammen wachsen
 
Usability & Design Principles
Usability & Design PrinciplesUsability & Design Principles
Usability & Design Principles
 
Future Retail - Wie die digitale Revolution den Handel verändert
Future Retail - Wie die digitale Revolution den Handel verändertFuture Retail - Wie die digitale Revolution den Handel verändert
Future Retail - Wie die digitale Revolution den Handel verändert
 
Brand Advocacy and Social Media - 2009 GMA Conference
Brand Advocacy and Social Media - 2009 GMA ConferenceBrand Advocacy and Social Media - 2009 GMA Conference
Brand Advocacy and Social Media - 2009 GMA Conference
 
OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...
OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...
OTC Topical - Ethnic Care - Private Label Cosmetic Products Manufacturing Con...
 
Sun god
Sun godSun god
Sun god
 

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

Generation digital – Was der digitale Automobilkunde heute von Herstellern un...
Generation digital – Was der digitale Automobilkunde heute von Herstellern un...Generation digital – Was der digitale Automobilkunde heute von Herstellern un...
Generation digital – Was der digitale Automobilkunde heute von Herstellern un...
Iskander Business Partner GmbH
 
Social Media Monitoring
Social Media MonitoringSocial Media Monitoring
Social Media Monitoring
HENDRIKLENNARZ.COM
 
Online Marketing für NGOs und NPOs
Online Marketing für NGOs und NPOsOnline Marketing für NGOs und NPOs
Online Marketing für NGOs und NPOs
Eva Hieninger
 
Bedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdf
Bedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdfBedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdf
Bedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdf
xeit AG
 
Social crm gentsch 2.0_18-11-2015
Social crm gentsch 2.0_18-11-2015Social crm gentsch 2.0_18-11-2015
Social crm gentsch 2.0_18-11-2015
Peter Gentsch
 
Tourismus Online Monitor 2011 - Kurzfassung der Studie
Tourismus Online Monitor 2011 - Kurzfassung der StudieTourismus Online Monitor 2011 - Kurzfassung der Studie
Tourismus Online Monitor 2011 - Kurzfassung der Studie
Realizing Progress
 
Erfolgreiche Facebook-Strategien für Krankenkassen
Erfolgreiche Facebook-Strategien für KrankenkassenErfolgreiche Facebook-Strategien für Krankenkassen
Erfolgreiche Facebook-Strategien für Krankenkassen
As im Ärmel
 
Marktforschung mit einfachen Mitteln
Marktforschung mit einfachen MittelnMarktforschung mit einfachen Mitteln
Marktforschung mit einfachen Mitteln
Jörg Hoewner
 
Studie 2014: Online Marketing in der Metropolregion Nürnberg
Studie 2014: Online Marketing in der Metropolregion NürnbergStudie 2014: Online Marketing in der Metropolregion Nürnberg
Studie 2014: Online Marketing in der Metropolregion Nürnberg
LottaLeben Media GmbH
 
Introduction to Customer Development & LaunchPad Central
Introduction to Customer Development & LaunchPad CentralIntroduction to Customer Development & LaunchPad Central
Introduction to Customer Development & LaunchPad Central
SafariConsulting
 
bfragt - Wir stellen uns vor
bfragt - Wir stellen uns vorbfragt - Wir stellen uns vor
bfragt - Wir stellen uns vor
bfragt KG Marktforschung & Sozialforschung
 
Erfolgreiche Facebook-Strategien für gesetzliche Krankenversicherer
Erfolgreiche Facebook-Strategien für gesetzliche KrankenversichererErfolgreiche Facebook-Strategien für gesetzliche Krankenversicherer
Erfolgreiche Facebook-Strategien für gesetzliche Krankenversicherer
As im Ärmel
 
Finanzberatung eine empirische Analyse bei Young Professionals
Finanzberatung eine empirische Analyse bei Young ProfessionalsFinanzberatung eine empirische Analyse bei Young Professionals
Finanzberatung eine empirische Analyse bei Young Professionals
Daniel Schlingelhof Honorarberatung Select, Hamburg
 
Die Energiewende und Social Media - Stand 2012
Die Energiewende und Social Media - Stand 2012Die Energiewende und Social Media - Stand 2012
Die Energiewende und Social Media - Stand 2012
Grüne Welle Kommunikation
 
Wie du Product/Market Fit erreichst 2020 I Brainpath - Digital Growth
Wie du Product/Market Fit erreichst 2020 I Brainpath - Digital GrowthWie du Product/Market Fit erreichst 2020 I Brainpath - Digital Growth
Wie du Product/Market Fit erreichst 2020 I Brainpath - Digital Growth
Tina Banerjee
 
Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen.
Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen. Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen.
Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen.
Johannes Moskaliuk
 
35. Open Network *sax
35. Open Network *sax35. Open Network *sax
35. Open Network *sax
Community ITsax.de
 
Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...
Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...
Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...
Wiwi Uni Mainz
 

Ähnlich wie eWOM Studie - Wie Konsumenten in Deutschland, Österreich und der Deutsch-Schweiz Online-Bewertungen heute nutzen (20)

Generation digital – Was der digitale Automobilkunde heute von Herstellern un...
Generation digital – Was der digitale Automobilkunde heute von Herstellern un...Generation digital – Was der digitale Automobilkunde heute von Herstellern un...
Generation digital – Was der digitale Automobilkunde heute von Herstellern un...
 
Social Media Monitoring
Social Media MonitoringSocial Media Monitoring
Social Media Monitoring
 
Online Marketing für NGOs und NPOs
Online Marketing für NGOs und NPOsOnline Marketing für NGOs und NPOs
Online Marketing für NGOs und NPOs
 
Bedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdf
Bedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdfBedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdf
Bedeutung von Online-Bewertungen bei Kaufentscheidungen steigt weiter.pdf
 
Social crm gentsch 2.0_18-11-2015
Social crm gentsch 2.0_18-11-2015Social crm gentsch 2.0_18-11-2015
Social crm gentsch 2.0_18-11-2015
 
Tourismus Online Monitor 2011 - Kurzfassung der Studie
Tourismus Online Monitor 2011 - Kurzfassung der StudieTourismus Online Monitor 2011 - Kurzfassung der Studie
Tourismus Online Monitor 2011 - Kurzfassung der Studie
 
Erfolgreiche Facebook-Strategien für Krankenkassen
Erfolgreiche Facebook-Strategien für KrankenkassenErfolgreiche Facebook-Strategien für Krankenkassen
Erfolgreiche Facebook-Strategien für Krankenkassen
 
Marktforschung mit einfachen Mitteln
Marktforschung mit einfachen MittelnMarktforschung mit einfachen Mitteln
Marktforschung mit einfachen Mitteln
 
Studie 2014: Online Marketing in der Metropolregion Nürnberg
Studie 2014: Online Marketing in der Metropolregion NürnbergStudie 2014: Online Marketing in der Metropolregion Nürnberg
Studie 2014: Online Marketing in der Metropolregion Nürnberg
 
Introduction to Customer Development & LaunchPad Central
Introduction to Customer Development & LaunchPad CentralIntroduction to Customer Development & LaunchPad Central
Introduction to Customer Development & LaunchPad Central
 
bfragt - Wir stellen uns vor
bfragt - Wir stellen uns vorbfragt - Wir stellen uns vor
bfragt - Wir stellen uns vor
 
Erfolgreiche Facebook-Strategien für gesetzliche Krankenversicherer
Erfolgreiche Facebook-Strategien für gesetzliche KrankenversichererErfolgreiche Facebook-Strategien für gesetzliche Krankenversicherer
Erfolgreiche Facebook-Strategien für gesetzliche Krankenversicherer
 
Brand to Perform 2010
Brand to Perform 2010Brand to Perform 2010
Brand to Perform 2010
 
Finanzberatung eine empirische Analyse bei Young Professionals
Finanzberatung eine empirische Analyse bei Young ProfessionalsFinanzberatung eine empirische Analyse bei Young Professionals
Finanzberatung eine empirische Analyse bei Young Professionals
 
Die Energiewende und Social Media - Stand 2012
Die Energiewende und Social Media - Stand 2012Die Energiewende und Social Media - Stand 2012
Die Energiewende und Social Media - Stand 2012
 
Wie du Product/Market Fit erreichst 2020 I Brainpath - Digital Growth
Wie du Product/Market Fit erreichst 2020 I Brainpath - Digital GrowthWie du Product/Market Fit erreichst 2020 I Brainpath - Digital Growth
Wie du Product/Market Fit erreichst 2020 I Brainpath - Digital Growth
 
Studie "Marketingtrends in der Finanzbranche"
Studie "Marketingtrends in der Finanzbranche"Studie "Marketingtrends in der Finanzbranche"
Studie "Marketingtrends in der Finanzbranche"
 
Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen.
Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen. Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen.
Evaluation von E-Learning in Unternehmen – Erfolg erfolgreich messen.
 
35. Open Network *sax
35. Open Network *sax35. Open Network *sax
35. Open Network *sax
 
Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...
Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...
Studie Honorarberatung der Unternehmensberatung MC4MS und des Lehrstuhls für ...
 

Mehr von Mark Leinemann

Partnerinfo Food Startup Summit 2022 - Konferenz & Expo
Partnerinfo Food Startup Summit 2022 - Konferenz & ExpoPartnerinfo Food Startup Summit 2022 - Konferenz & Expo
Partnerinfo Food Startup Summit 2022 - Konferenz & Expo
Mark Leinemann
 
Vor collaborative media-medienbarcamp-session-01-ml-20200904
Vor collaborative media-medienbarcamp-session-01-ml-20200904Vor collaborative media-medienbarcamp-session-01-ml-20200904
Vor collaborative media-medienbarcamp-session-01-ml-20200904
Mark Leinemann
 
#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...
#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...
#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...
Mark Leinemann
 
Der Inhalt bin ich - warum Earned Media die Zukunft im Marketing ist
Der Inhalt bin ich - warum Earned Media die Zukunft im Marketing istDer Inhalt bin ich - warum Earned Media die Zukunft im Marketing ist
Der Inhalt bin ich - warum Earned Media die Zukunft im Marketing ist
Mark Leinemann
 
Profile MR. WOM 2018
Profile MR. WOM 2018Profile MR. WOM 2018
Profile MR. WOM 2018
Mark Leinemann
 
Info oktober 2010 Word of Mouth-article-f
Info oktober 2010 Word of Mouth-article-fInfo oktober 2010 Word of Mouth-article-f
Info oktober 2010 Word of Mouth-article-f
Mark Leinemann
 
Word of Mouth Marketing Workshop für KMU
Word of Mouth Marketing Workshop für KMUWord of Mouth Marketing Workshop für KMU
Word of Mouth Marketing Workshop für KMU
Mark Leinemann
 

Mehr von Mark Leinemann (7)

Partnerinfo Food Startup Summit 2022 - Konferenz & Expo
Partnerinfo Food Startup Summit 2022 - Konferenz & ExpoPartnerinfo Food Startup Summit 2022 - Konferenz & Expo
Partnerinfo Food Startup Summit 2022 - Konferenz & Expo
 
Vor collaborative media-medienbarcamp-session-01-ml-20200904
Vor collaborative media-medienbarcamp-session-01-ml-20200904Vor collaborative media-medienbarcamp-session-01-ml-20200904
Vor collaborative media-medienbarcamp-session-01-ml-20200904
 
#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...
#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...
#FoodSummit19 - Break out Session: "Word of Mouth & Influencer für Food Start...
 
Der Inhalt bin ich - warum Earned Media die Zukunft im Marketing ist
Der Inhalt bin ich - warum Earned Media die Zukunft im Marketing istDer Inhalt bin ich - warum Earned Media die Zukunft im Marketing ist
Der Inhalt bin ich - warum Earned Media die Zukunft im Marketing ist
 
Profile MR. WOM 2018
Profile MR. WOM 2018Profile MR. WOM 2018
Profile MR. WOM 2018
 
Info oktober 2010 Word of Mouth-article-f
Info oktober 2010 Word of Mouth-article-fInfo oktober 2010 Word of Mouth-article-f
Info oktober 2010 Word of Mouth-article-f
 
Word of Mouth Marketing Workshop für KMU
Word of Mouth Marketing Workshop für KMUWord of Mouth Marketing Workshop für KMU
Word of Mouth Marketing Workshop für KMU
 

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

  • 1. Die digitale Herausforderung: Wie gehen Konsumenten mit Online-Bewertungen um? Freie Universität Berlin © Sabrina Gottschalk und Alexander Mafael Studienbeteiligte Forschungs- durchführung: Inhaltliche Studienbegleitung:
  • 2. 2 Ziel der Studie © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 • Besondere Eignung der Kjero-Nutzer als Befragungsteilnehmer aufgrund ihrer großen Erfahrung mit Produkten und Bewertungen • Studienbegleitung durch MR. WOM (www.mrwom.com) © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 diese Studie unterstützt: • 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 verfolgt 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 Kaufent- scheidung. Daher hat MR. WOM als Studienpartner die Forschung der FU Berlin gerne unterstützt – inhaltlich und operativ in der Studienbegleitung zwischen der FU Berlin und dem von ihm vermittelten Panelpartner Kjero. • 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. © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 6. 6 Die Stichprobe im Überblick © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 7. 7 95,4 Prozent der befragten Panel Nutzer haben Online-Bewertungen bereits genutzt Gesamtstichprobe N= 2732 Kjero Nutzer Interessierende Teilstichprobe N= 2606 Kjero 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 | Sabrina Gottschalk und Alexander Mafael
  • 8. 8 Die „Nicht-Nutzer“ im Überblick Interessierende Teilstichprobe N= 126 2606 Nutzer der Plattform kjero 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 | Sabrina Gottschalk und Alexander Mafael
  • 9. 9 Die „Nutzer“ im Überblick Interessierende Teilstichprobe N= 2606 Nutzer der Plattform kjero 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael Die Mittelwerte unterscheiden sich signifikant auf dem 5% Niveau (p***<0,05)
  • 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 | 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 Generelles Online- Verhalten der befragten Nutzer © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | 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 … 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 | Sabrina Gottschalk und Alexander Mafael 4,45 4,41 4,38 1 2 3 4 5 Deutschland Österreich Schweiz
  • 16. 16 Relevanz von Online- Bewertungen für Konsumenten © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 17. 17 Die befragten Panel 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 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 © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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) 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 © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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) 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 © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 30. 30 Strategischer Umgang mit Online-Bewertungen © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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… 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 | Sabrina Gottschalk und Alexander Mafael
  • 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… 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 | Sabrina Gottschalk und Alexander Mafael
  • 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… 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. © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 41. 41 Generelle Diskussion und Fazit • Die befragten 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 | Sabrina Gottschalk und Alexander Mafael
  • 42. 42 Zusammenfassung: Vier Nutzertypen in DACH © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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-Plattform-Anbieter – 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 | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael
  • 45. 45 Über die Studienpartner Über MR. WOM MR. WOM ist 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 WoM-Wissensvermittlung in Form von Trainings, Coaching und Vorträgen. Mehr zu MR. WOM findet sich unter www.mrwom.com. © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 46. 46 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 FU Berlin / wissenschaftliche Fragen zur Studie MR. WOM - Word of Mouth Marketing Mark Leinemann | Founder & Managing Director MR. WOM Tel. +41 71 4601070 | wom@mrwom.com | www.mrwom.com © Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
  • 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 | Sabrina Gottschalk und Alexander Mafael