Ob bei Amazon, Booking.com oder Google Reviews - Sternebewertungen gehören heute zu den wichtigsten Entscheidungshilfen beim Online-Einkauf. Plattformen fassen dabei die Bewertungen tausender Kund*innen in einer einzigen Kennzahl zusammen, in der Regel dem arithmetischen Mittel. Doch entspricht diese Berechnung tatsächlich der Art und Weise, wie Verbraucher*innen Bewertungsverteilungen wahrnehmen und verarbeiten? Eine neue Studie eines interdisziplinären Forscherteams der Universität Paderborn und der Ludwig-Maximilians-Universität München liefert nun erstmals experimentelle Antworten auf diese Frage.
Forschungslücke: Wie aggregieren Kunden Bewertungen?
Die bisherige Forschung hat sich vorrangig damit beschäftigt, ob das arithmetische Mittel ein nützlicher Indikator für Kaufentscheidungen ist. Weitgehend unerforscht blieb hingegen, welche Aggregationsprinzipien Verbraucher*innen tatsächlich anwenden, wenn sie Bewertungsverteilungen betrachten. Nutzen sie wirklich den Durchschnitt oder gewichten sie bestimmte Bewertungskategorien stärker als andere, beispielsweise mit einem Fokus auf extrem negative oder positive Bewertungen?
Das Experiment: Produkte anhand von Bewertungen nach eigenen Vorlieben sortieren
Um diese Frage zu beantworten, führten die Forscher ein kontrolliertes Laborexperiment mit 107 Teilnehmer*innen durch. Die Proband*innen erhielten ausschließlich die Bewertungsverteilungen von jeweils drei Produkten und mussten diese nach ihren persönlichen Präferenzen ohne Kenntnis der Produktnamen oder weiterer Eigenschaften in eine Rangfolge bringen. Ein anreizkompatibles Design stellte sicher, dass die Teilnehmer*innen ihre tatsächlichen Präferenzen offenbarten. Je höher sie ein Produkt einstuften, desto wahrscheinlicher erhielten sie es auch. Die so gewonnenen Rangentscheidungen wurden anschließend mit verschiedenen statistischen Plackett-Luce Modellen analysiert und mit verschiedenen theoretisch abgeleiteten Aggregationsfunktionen verglichen.
Die Ergebnisse: Nicht nur das arithmetische Mittel ist für Kunden relevant
Die Mehrheit der Verbraucher*innen aggregiert Bewertungsverteilungen tatsächlich im Einklang mit dem arithmetischen Mittel. Doch mehr als 40 Prozent der Teilnehmer*innen weichen systematisch davon ab. Ein erheblicher Anteil folgt einer binären Strategie, bei der lediglich zwischen positiven (4-5 Sterne) und negativen (1-2 Sterne) Bewertungen unterschieden wird, während die mittlere Kategorie (3 Sterne) kaum Beachtung findet. Weitere Gruppen konzentrieren sich vorwiegend auf negative Bewertungen, insbesondere 1-Stern-Bewertungen. Bemerkenswert ist zudem, dass keiner der Teilnehmer*innen den Median als Aggregationsprinzip verwendete, obwohl dieser in der theoretischen Literatur als besonders robust gilt. Diese Muster erwiesen sich als stabil. Sie blieben unabhängig davon bestehen, ob den Teilnehmer*innen zusätzliche numerische Informationen zur Verfügung gestellt wurden, und wurden auch nicht wesentlich durch individuelle Merkmale wie Alter, Geschlecht oder Online-Einkaufserfahrung beeinflusst.
Was bedeutet das für Plattformen und Verbraucher?
Die Ergebnisse legen nahe, dass die gängige Praxis, Produktbewertungen ausschließlich über das arithmetische Mittel zusammenzufassen, für einen erheblichen Teil der Verbraucher*innen nicht die optimale Entscheidungsgrundlage bietet. Plattformbetreiber könnten davon profitieren, individualisierbare Aggregationsoptionen anzubieten, wie es spezialisierte Reiseportale bereits ermöglichen, Bewertungen nach Reisetyp zu filtern. So könnten Verbraucher*innen beispielsweise wählen, ob sie eine klassische Durchschnittsbewertung, eine auf negative Erfahrungen fokussierte Kennzahl oder eine vereinfachte Positiv-Negativ-Darstellung bevorzugen. Da alle notwendigen Bewertungsdaten bereits vorliegen, wären solche Anpassungen technisch umsetzbar und könnten zu zufriedeneren Kund*innen und besseren Kaufentscheidungen führen.
Publikation:
Die Studie „Aggregation Processes in Customer Rating Systems — Insights from an Economic Decision Experiment" von Dirk van Straaten, Behnud Mir Djawadi, Vitalik Melnikov, Eyke Hüllermeier und René Fahr ist im Fachjournal PLOS ONE (https://doi.org/10.1371/journal.pone.0343851) erschienen.
Diese Publikation wurde durch den Open Access-Publikationsfonds der Universität Paderborn gefördert, sowie von der DFG im Rahmen des Sonderforschungsbereichs SFB 901 On-the-Fly-Computing.
