The Web has changed the way that consumers express their opinions. They can now post
reviews of products and express their opinions on almost anything on t
he websites.
P
otential customers often search online for product information and they often have
access to hundreds of product reviews from other customers. Some of the reviews are
found to be more helpful than other reviews as evidenced the potential customer’s
helpful
ness vote. This online word
-
of
-
mouth (WOM) behavior represents new and
measurable sources of information.
Recent research has shown that helpfulness votes of customer reviews can have a positive
influence on sales. While it is clear that helpfulness vote
of a review is important, less is
known about why certain pieces of online review are more helpful than others. Despite
the fact that, customers encounter a variety of emotions in a purchase situation and those
emotions are likely to be documented in the r
eview, few researches have investigated
how emotions elicited by the review affect the helpfulness of the review
beyond the
valence
. Do discrete emotions have differential informational value in this case? Based on
cognitive appraisal theory, in the first
essay of this dissertation, I examine how specific
emotions (hope, happiness, anxiety, disgust etc.) embedded in the review affect the
helpfulness votes of potential customer. I adopt
a quantitative content analysis (Latent
Semantic Analysis)
approach to m
easure emotions in these reviews.
iv
In the second essay of the di
ssertation,
I explore how the
t
opics of online reviews differ
between
positive and negative reviews.
E
xamination of real product reviews shows that
there are thematic differences
between
them
.
Also, service related complains are found to
be more helpful by potential customers.
This enables us to better understand the
conceptual differences in WOM
.
Lastly, in the third essay, I compare two text mining techniques: Latent Semantic
Analysis and P
robabilistic Latent Semantic Analysis (PLSA) in extracting common
themes in the positive and negativ
e product reviews. R
esults shows that the choice of text
mining approaches should be based on the goal of the marketing researcher. If the goal is
to learn
about a specific brand, PLSA might reveal more specific information. However,
if the goal is to learn about important aspects of a broader product category, LSA works
better in terms of interpretability.
เว็บมีการเปลี่ยนแปลงวิธีการที่ผู้บริโภคแสดงความคิดเห็น พวกเขาสามารถลงรายการบัญชีทันที รีวิวสินค้า และแสดงความคิดเห็นในเกือบทุกอย่างบน tเขาเว็บไซต์ Potential ลูกค้ามักค้นหาแบบออนไลน์สำหรับข้อมูลผลิตภัณฑ์ และพวกเขามักจะมี เข้าถึงหลายร้อยของรีวิวสินค้าจากลูกค้าอื่น ๆ ของมี พบได้มากขึ้นดีกว่ารีวิวอื่น ๆ ที่เป็นหลักฐานของลูกค้าที่มีศักยภาพ ประโยชน์โหวตเนส คำนี้ออนไลน์-ของ-แสดงถึงพฤติกรรมปาก (WOM) ใหม่ และ วัดแหล่งข้อมูล การวิจัยล่าสุดได้แสดงให้เห็นว่า งามโหวดจากของลูกค้าได้เป็นบวก มีอิทธิพลต่อการขาย ในขณะที่ ล้างคะแนนที่งาม ความเห็นเป็นสำคัญ น้อยเป็น รู้จักว่าทำไมตรวจทานแบบออนไลน์บางชิ้นที่เป็นประโยชน์ยิ่งกว่าผู้อื่น แม้มี ความจริงที่ว่า ลูกค้าพบความหลากหลายของอารมณ์ในสถานการณ์ที่ซื้อและผู้ อารมณ์มักจะถูกบันทึกใน review งานวิจัยไม่ได้ตรวจสอบ งามคือกระทบอารมณ์ elicited โดยการทบทวนนอกเหนือจาก เวเลนซ์. อารมณ์ไม่ต่อเนื่องมีค่าแตกต่างให้ข้อมูลในกรณีนี้หรือไม่ ขึ้นอยู่กับ ประเมินการรับรู้ทฤษฎี แรก เรียงของวิทยานิพนธ์นี้ ฉันตรวจสอบเฉพาะ อารมณ์ (ความหวัง ความสุข วิตกกังวล ความขยะแขยงฯลฯ) ที่ฝังอยู่ในผลการตรวจสอบการ คะแนนงามของลูกค้าที่มีศักยภาพ ผมนำมาใช้ วิเคราะห์เนื้อหาเป็นเชิงปริมาณ (แฝงอยู่ Semantic Analysis) approach to measure emotions in these reviews. ivIn the second essay of the dissertation, I explore how thetopics of online reviews differ betweenpositive and negative reviews. Examination of real product reviews shows that there are thematic differences between them. Also, service related complains are found to be more helpful by potential customers. This enables us to better understand the conceptual differences in WOM .Lastly, in the third essay, I compare two text mining techniques: Latent Semantic Analysis and Probabilistic Latent Semantic Analysis (PLSA) in extracting common themes in the positive and negative product reviews. Results shows that the choice of text mining approaches should be based on the goal of the marketing researcher. If the goal is to learn about a specific brand, PLSA might reveal more specific information. However, if the goal is to learn about important aspects of a broader product category, LSA works better in terms of interpretability.
การแปล กรุณารอสักครู่..