3. Meinungslebenszyklen: Die Dynamik von Online-Produktbewertungen

Produktbewertungen sind in Bereichen wie der Entwicklung neuer Produkte, der Absatzprognose oder der Aktienkursentwicklung von großer Bedeutung. Um planen zu können, müssen Manager nicht nur die aktuellen Bewertungen kennen, sondern auch die zukünftigen Entwicklungen. Das Kapitel zeigt, dass es selbst mit Hilfe von Modellen des maschinellen Lernens schwierig ist, künftige Bewertungen vorherzusagen, da die Bewertungsdynamik je nach Produkt sehr unterschiedlich ist. Da die Heterogenität der Bewertungsentwicklung im Laufe der Zeit in der Literatur nicht gut widergespiegelt wird, liegt der Schwerpunkt der Forschungsarbeit dieses Kapitels darauf. Mittels Zeitreihenclustering auf Basis von Dynamic Time Warping werden 23,7 Millionen Bewertungen von Amazon.com analysiert. Daraus lassen sich fünf charakteristische Muster für Konsumgüterbewertungen ableiten. Diese Meinungslebenszyklen weisen nicht nur eine spezifische Merkmalsdynamik, sondern auch relevante Veränderungen im Zeitverlauf auf. Mit weiteren dynamischen Analysen wird gezeigt, dass sich die dynamischen Treiber auch zwischen den Clustern unterscheiden.