Review Management – alles andere ist Meinungsmache

Von Amazon lernen: Kriterien für eine erfolgreiche Produktbewertung

Jeder kennt Reviews. Die meisten von uns nutzen sie regelmäßig, ganz gleich, ob es sich um den letzten Produktkauf im Internet, etwa bei Amazon, das Airbnb- Apartment für den nächsten Urlaub, die letzte Taxifahrt mit Uber oder das per Deliveroo georderte Essen handelt. Reviews sind im digitalen Business allgegenwärtig. Viele Händler und Dienstleister bitten nach dem Kauf ihre Kunden um Feedback. Die gesammelten Erfahrungen und Eindrücke der Kunden veröffentlichen sie anschließend in aller Regel in sogenannten Review-Systemen. Diese Online-Bewertungen sind für Unternehmen essentiell. Einer Studie von eMarketer zufolge greifen etwa 65 % der US-Internetnutzer immer oder häufig auf Bewertungen im Internet zurück, bevor sie einen Kauf tätigen. Dieser Trend ist auch im deutschsprachigen Raum zu beobachten, wie unter anderem der OVK-Report 1/2019 belegt. Kurzum: Überzeugen die Bewertungen anderer, fällt der eigene Kauf leichter.

In der Praxis fühlen sich Verbraucher und Kunden von der Vielzahl aller Bewertungen auf den unterschiedlichen Portalen jedoch schnell überfordert. Nicht selten ufert die Sichtung verschiedener Stimmen zu einem zeit- und nervenraubenden Unterfangen aus. Grund genug, sich einmal näher mit der Frage zu beschäftigen, wann eine Bewertung so relevant ist, dass sie von anderen Käufern und Interessenten als hilfreich gekennzeichnet wird.

Exakt dieser Frage gehen Kevin Kuan und seine Kollegen in der Studie „What makes a review voted: An empirical investigation of review voting in online review systems“ nach. Sie ist im renommierten Journal of the Association for Information Systems erschienen. In der Studie untersuchen die Wissenschaftler mehr als 37.000 DVD-Bewertungen und fast 90.000 Buchkritiken.

Sie analysieren dabei folgende Kriterien:

Inhalte der Bewertung (Review Content)

Gemessen wird hier die Länge der Bewertungen in Wörtern sowie die Lesbarkeit. Die Lesbarkeit bemisst sich anhand der Satzlänge und -komplexität, dokumentiert mit einer Punktzahl zwischen 0 und 100. An dieser Stelle nahmen die Forscher den Flesch Reading Ease Test zu Hilfe.

Was die Länge der Bewertungen angeht, so wurden umfangreichere Texte grundsätzlich häufiger als hilfreich klassifiziert. Dies gilt sowohl für die Bewertungen von DVDs als auch für die von Büchern. Was das Markieren der Bewertungen, also das eigentliche Voting, angeht, war der Zusammenhang weniger eindeutig. Während längere Bewertungen bei DVDs öfter als hilfreich markiert wurden, war dies bei Büchern nicht der Fall. Der Grund liegt möglicherweise in der unterschiedlichen durchschnittlichen Textlänge – auf 91 Wörter bringt es eine DVD-Bewertung, 141 Wörter erzielt eine Buchrezension im Schnitt. Der Effekt einer längeren DVD-Review ist bei vergleichsweise kurzen Reviews im DVD-Segment stärker sichtbar als bei den vergleichsweise langen Buchrezensionen. Interessant: DVD-Bewertungen mit mehr als 430 Wörtern wurden als weniger hilfreich eingeschätzt – sie waren offensichtlich zu lang!

Mit Blick auf die Lesbarkeit von Bewertungen sind die Ergebnisse überraschend. Texte mit geringerer Lesbarkeit, die längere Sätze und komplizierteres Vokabular nutzen, wurden öfter als hilfreich eingeschätzt und markiert. Sie stimulieren das Interesse der Leser und regen zum Weiterlesen an. Ein Review, das zu trivial geschrieben ist, wirkt hingegen möglicherweise unprofessionell und nicht hilfreich – mit einer Einschränkung. 65 % der Bewertungen waren laut Flesch Test auf einem einfachen bis moderaten Level. Eine Erhöhung der Komplexität beeinträchtigt somit nicht notwendigerweise die Verständlichkeit. Vielmehr zeichnet ein gewisses Maß an Komplexität anspruchsvollere Texte aus.

Ausprägung der Bewertung (Review Valence) 

Hier geht es primär um das positive oder negative Sentiment der Bewertung. Der Ausdruck einer Bewertung wurde mittels einer Analyse positiver und negativer Wörter im Text und ihrem Verhältnis untereinander bestimmt. Dies geschah mit Hilfe der General Inquirer Software. Negative Bewertungen werden allgemein als hilfreicher empfunden und auch entsprechend markiert! Für positive Bewertungen gilt das Gegenteil.

Negative Bewertungen werden grundsätzlich und insbesondere im Kontext von Kaufentscheidungen als dominanter wahrgenommen als positive Bewertungen (dieses Phänomen ist auch als Negativity Bias bekannt). Darüber hinaus ist eine große Anzahl an Bewertungen im Internet ohnehin positiv. Man kann also davon ausgehen, dass Leser einen Großteil der Bewertungen eher überfliegen und nur wenige davon im Detail betrachten. Bei einer geringeren Anzahl negativer Bewertungen stechen diese heraus und erwecken besondere Aufmerksamkeit bei den Lesern.

Extrembewertungen (Review Extremety)

Extrembewertungen liegen vor, wenn auf einer 5er-Skala von 1-5 zum Beispiel die 1 oder die 5 als Bewertung gewählt wird. Im Grunde geht es dabei um Bewertungen, die – positiv wie negativ – stark vom Durchschnitt abweichen. Diese Art von Bewertungen werden auch als „Brag and Moan Reviews“ bezeichnet (Brag im Sinne von angeben, Moan im Sinne von beschweren).

Extrembewertungen werden häufiger als hilfreich markiert, werden aber im Durchschnitt als weniger hilfreich bewertet! Das bedeutet, dass extreme Ansichten mehr Aufmerksamkeit erregen, dabei aber nicht die besseren Inhalte liefern. Das ist plausibel, zumal so eine Bewertung lediglich ein Extrem beleuchtet. Weil der Autor entweder begeisternd oder vernichtend urteilt, dürften sachliche Abwägungen, die für viele Leser einen echten Mehrwert darstellen, fehlen. Ähnlich wie bei dem Sentiment der Bewertung (Review Valence) erhalten Extrembewertungen genau dann besonders viel Aufmerksamkeit, wenn sie konträr zur Mehrzahl der anderen Bewertungen stehen. Eine einzelne, extrem negative Bewertung sticht also unter vielen positiven genauso hervor wie eine besonders positive unter vielen negativen.

Glaubwürdigkeit des Bewerters (Reviewer Credibility)

Die Glaubwürdigkeit eines Bewerters hängt in vielen Review-Systemen von der Anzahl seiner verfassten Reviews ab. Amazon zeichnet überdurchschnittlich aktive Bewertungsautoren mit einem Badge als „Top Reviewer“ aus. Das Logo erscheint prominent neben allen Bewertungen dieser Verfasser. Gelegentlich erhalten verschiedene Nutzertypen auch unterschiedliche Labels, etwa „Experte“. Einem ausgewiesenen Experten sollen die Leser einer Bewertung vermutlich mehr Glauben schenken als einem unbekannten Nutzer.

Tatsächlich – und wenig überraschend – empfinden Leser die Bewertungen eines „Top Reviewers“ häufiger als hilfreich und markieren sie entsprechend. Die Wissenschaftler erklären dieses Ergebnis damit, dass die Glaubwürdigkeit eines Bewerters auch die Glaubwürdigkeit des Reviews erhöht. Gewissermaßen überträgt sich die Glaubwürdigkeit vom Bewerter auf die Bewertung selbst. Darüber hinaus werden Informationen aus glaubwürdiger Quelle durch den Leser intensiver verarbeitet.