Stell Dir vor, es ist wieder so weit: Weihnachten steht kurz vor der Tür und Du bist auf der Suche nach den letzten Geschenken für Deine Familie. Deiner Mutter möchtest Du dieses Jahr eine besonders große Freude machen. Damit sie endlich noch digitaler unterwegs ist, möchtest Du ihr einen neuen Laptop schenken. Also begibst Du Dich im Internet auf die Suche und wirst schnell fündig. Das Angebot für einen Laptop überzeugt mit hervorragenden Nutzerbewertungen auf Amazon. Da Du für diesen Kauf jedoch viel Geld in die Hand nimmst, überzeugen Dich diese Nutzerbewertungen noch nicht vollkommen. Um weitere Sicherheit zu gewinnen, schaust Du Dir daher einen Laptop-Test auf einer Vergleichsplattform an. Merkwürdigerweise schneidet das gleiche Gerät, welches von Amazon-Nutzern in den Himmel gelobt wurde, unterdurchschnittlich ab und belegt dort den vorletzten Platz. Du bist verunsichert, kaufst diesen Laptop nicht und begibst Dich auf die Suche nach einem anderen Gerät.
MSRI („Multi-Source-review-inconsistency)
Beim einleitenden Beispiel des Laptop-Kaufes lag scheinbar das sogenannte „MSRI-Phänomen“ vor. MSRI (multi-source review inconsistency) beschreibt die Inkonsistenz von Bewertungen eines Produktes in unterschiedlichen Quellen (im Beispiel Amazon und testberichte.de). Mit besonders hoher Frequenz kann MSRI zum Launch eines Produktes beobachtet werden, da meist noch keine ausreichende Anzahl an Bewertungen vorhanden ist. Es stellt sich die Frage, wie dieses Phänomen auf Konsumenten wirkt. Werden sie durch MSRI in ihrer Kaufabsicht beeinflusst und was sind die dahinter liegenden Mechanismen? Welche Strategien können E-Commerce Unternehmen einsetzen, wenn sie mit MSRI konfrontiert sind?
Bisheriger Forschungsstand
In der Forschung wurde sich bisher mit Bewertungsinkonsistenz nur innerhalb einer Quelle (Nutzerbewertungen in einem Portal) beschäftigt. Die Inkonsistenz von Bewertungen über mehrere Quellen (z.B. Nutzerbewertungen und dritte Partei wie z.B. Produkttester-Seiten) war bislang weitestgehend unerforscht. Um diese Forschungslücke zu schließen, haben Kyung-ah Byun, Minghui Ma, Kevin Kim und Taeghyun Kang mit ihrer im Journal of interactive Marketing („Buying a New Product with Inconsistent Product Reviews from Multiple Sources: The Role of Information Diagnosticity
and Advertising“, 55, 2021) erschienenen mixed method Studie Licht ins Dunkle gebracht.
Forschungsaufbau und Hypothesen
Im Folgenden wird zunächst das Forschungskonstrukt, die Hypothesen und der Aufbau der beiden Teil-Studien (Experiment und Sekundärdatenanalyse) erläutert. Der Schwerpunkt liegt anschließend auf den Ergebnissen, Implikationen für den E-Commerce sowie Limitationen und einem Ausblick.
Das Forschungskonstrukt bzw. die einzelnen Variablenzusammenhänge haben wie folgt ausgesehen:
Um die drei Hypothesen zu testen, wurden zwei separate Studien durchgeführt. Beide beschäftigten sich mit der Automobilindustrie, da es sich hierbei um einen high-involvement Kauf handelt. Die Produktrecherche vor einem Autokauf ist oftmals mit hohem Zeitaufwand verbunden und eine Nutzung unterschiedlicher Bewertungsquellen (Nutzung von Konsumentenbewertungen oder auch Dritten wie z.B. Autotestern) sehr wahrscheinlich.
Aufbau und Ergebnisse Studie 1
Studie eins, welche ein eigens durchgeführtes Experiment enthält, untersuchte die erste (Kaufabsicht) und zweite Hypothese. Insgesamt 400 Teilnehmer (später durch Check-Fragen auf 327 bereinigt) wurden befragt und sollten nach Vorlage von konsistenten (Kontrollgruppe) bzw. inkonsistenten Bewertungen (Treatment-Gruppe) aus unterschiedlichen Quellen ihre Kaufabsicht (fiktives Autokauf-Szenario) einschätzen. Als Resultat konnten beide Hypothesen angenommen werden. Das bedeutet zum einen, dass sich MSRI negativ auf die Kaufabsicht der Verbraucher auswirkt. Zum anderen wird die Auswirkung von MSRI auf die Kaufabsicht durch die Glaubwürdigkeit einer Bewertung moderiert bzw. abgemildert.
Aufbau und Ergebnisse Studie 2
Studie zwei, welche auf einer Sekundärdatenanalyse beruht, untersuchte die erste (Verkauf neuer Produkte) und dritte Hypothese. Zunächst wurde aus unterschiedlichen Quellen ein umfassender Datenpool erstellt. Dieser enthält Daten vom US-Automobilmarkt (Zeitraum: 2010-2014) zu Konsumentenbewertungen, third-party Bewertungen von Consumer reports, Werbeinvestments und Werbevolumen sowie Verkaufszahlen. In einem zweiten Schritt wurden die Data Sets dann gemerged und anschließend ein multiples Regressionsmodell erstellt. Als Zielvariable bzw. abhängige Variable fungierten die Verkaufszahlen. Um die H1 sauber zu testen, wurde u.a. eine MSRI-Variable als Distanz zwischen road test scores (3rd party review) und consumer reviews gebildet. Weitere Variablen sind z.B. Werbeausgaben, Werbevolumen, Bewertungsvolumen, Durchschnittsbewertung, Kaufpreis sowie ein Interaktionsterm MSRI x Werbevolumen, um die Hypothese drei zu testen. Das Ergebnis der Regression bildeten die Korrelationskoeffizienten, mit dessen Hilfe Aussagen über die Stimmigkeit der Hypothesen getroffen werden konnten. Der Koeffizient der MSRI-Variable ist wie erwartet negativ und signifikant. Daher kann Hypothese 1 angenommen werden. Der Interaktionsterm zwischen MSRI und dem Werbevolumen ist positiv (0,7877) und ebenfalls signifikant (0.0000). Daher kann auch die Hypothese drei angenommen werden. Die Güte des Gesamtmodells liegt bei über 56%. Die Zielvariable wird folglich gut vorhergesagt.
Fünf Handlungsempfehlungen für den E-Commerce
- MSRI sollte insbesondere zu Beginn des Produktlebenszyklus überwacht werden
Da Produkte gerade in den frühen Phasen ihres Lebenszyklus anfällig für negative MSRI-Effekte sind, sollte unbedingt in dieser Phase überwacht werden, ob diese auftreten, um frühzeitig Gegenmaßnahmen einzuleiten.
- Begleitend zur Produkteinführung bieten sich effiziente Werbemaßnahmen an
Als mögliche Gegenmaßnahme können effiziente Werbemaßnahmen eingesetzt werden. Hierdurch lässt sich die Präsenz der eigenen Kanäle erhöhen und schneller eine quantitative Masse an Kundenerfahrungen in Form von Bewertungen auf den eigenen Kanälen sammeln.
- Der Fokus der Werbung sollte auf Produktqualität & Nutzererfahrungen abzielen
Bei diesen Werbemaßnahmen sollte darauf geachtet werden, vor allem die allgemeine Produktqualität, sowie bisherige Nutzererfahrungen in den Vordergrund zu stellen, um weitestgehend Misstrauen in Produkte mit wenig bis keinen Bewertungen auszuräumen.
- Auf einflussreiche Bewertungen sollte unternehmensseitig reagiert werden (z.B. mit einem Kommentar)
Zudem kann es helfen, die qualitativen Bewertungen auf den eigenen Kanälen so gut es geht in den Vordergrund zu stellen, um weiter das Vertrauen der Kunden zu maximieren und die informativsten Bewertungen für den Kunden besser sichtbar zu machen. Dies kann zum Beispiel durch eine Hervorhebung oder einen unternehmensseitigen Kommentar erreicht werden.
- Zur MSRI-Reduktion sind zudem kurzfristige Preisreduktionen denkbar
Sollten die vorherigen Maßnahmen scheitern und ein negativer MSRI-Effekt deutlich spürbar auftreten, ist es in letzter Instanz denkbar eine kurzfristige Preisreduktion anzubieten, um so mehr Kunden anzulocken und ggf. die Rate der „early-adopters“ unter den Kunden zu senken, welche in der Regel kritischere Bewertungen verfassen. Diese Maßnahme ist jedoch mit Vorsicht zu genießen, da sie womöglich gegen andere produktpolitische bzw. Unternehmens- und Marketingstrategien verstößt und ein Image-Problem unter Kunden zur Folge haben kann.
Limitationen
Bei diesen Handlungsempfehlungen sollte jedoch beachtet werden, dass die Ergebnisse dieser Studie nicht auf jede Situation, beziehungsweise auf jedes Produkt in jedem Markt übertragbar sind, da die Studie durch verschiedene Faktoren limitiert wird.
Zum einen dient die MSRI- Variable in dieser Studie lediglich als Distanzmaß zwischen zwei Bewertungsquellen. Das bedeutet, wenn man, wie in einer reellen Situation, mehr Quellen betrachten wollte, wäre es womöglich sinnvoller, die Streuung zwischen den Quellen zu beobachten. Ein weiterer Faktor, welcher eine wesentliche Rolle spielt und in dieser Studie nicht betrachtet wird, ist, dass oftmals bei Bewertungen von kürzlich eingeführten Produkten die Anzahl von Early-Adoptern als Rezensenten zu diesem Stadium des Produktlebenszyklus höher ist als zu einem späteren Zeitpunkt. Hierdurch kann es passieren, dass es eher zu Kritik kommt, da Early-Adopters in der Regel höhere Maßstäbe als „reguläre“ Konsumenten ansetzen und somit die Wahrscheinlichkeit, dass die Erwartungen dieser Kunden unerfüllt bleiben, wesentlich höher ist. Auch ist die Kontrolle über Konsumenten-Charakteristiken, die Erwartungshaltungen, und vergangenen Erfahrungen der Kunden stark eingeschränkt, da für die Studie Sekundärdatensätze benutzt wurden. Grundsätzlich muss bei dieser Studie beachtet werden, dass die Ergebnisse nicht zwingend auf andere Branchen übertragbar sind, da es sich, wie anfangs erwähnt, um ein High-Involvement Branche handelt. Die Produktrecherche vor einem Autokauf ist oftmals mit hohem Zeitaufwand verbunden und eine Nutzung unterschiedlicher Bewertungsquellen von hoher Relevanz. Da dies nicht in jeder Branche der Fall ist, ist es gut möglich, dass auch der MSRI-Effekt in anderen Branchen eine wesentlich geringere Rolle spielt.
Ausblick
Für zukünftige Studien zu der MSRI Forschung wäre es sehr spannend, das Auftreten des MSRI-Effektes in anderen Branchen und zu anderen Produktlebenszyklen zu betrachten. Auch die Erforschung zu der Frage, welche Auswirkungen die Inhalte der einzelnen Bewertungen aus unterschiedlichen Quellen haben, sowie inwiefern noch mehr Quellen Einfluss auf diesen Effekt haben, ist bislang weitestgehend unerforscht.
Quelle
Buying a New Product with Inconsistent Product Reviews from Multiple Sources: The Role of Information Diagnosticity and Advertising
Autoren: Kyung-ah (Kay) Byun a,⁎& Minghui Ma b & Kevin Kim c& Taeghyun Kang
In: Journal of Interactive Marketing 55 (2021)