Deng W., Ming Yi M., Lu Y., (2020), Vote or not? How various information cues affect helpfulness voting of online reviews, Online Information Review, Vol. 44

Mots-clefs : avis, notes, consommateur, vote d’utilité initiale, vote d’utilité cumulative, attributs, indices heuristiques, indices systématiques.

Résumé : Cet article a pour but de définir et d’étudier les facteurs influencent et déterminant les notes en ligne des consommateurs. L’article se concentre plus particulièrement sur les notes attribuées à des commentaires et avis de produits en ligne. Ces notes ayant pour but de diriger le consommateur vers les avis les plus utiles et les plus sérieux. Les notes attribuées aux avis s’opposent ainsi aux avis classés de facon chronologique qui n’offrent que des possibilités inégales d’obtenir un vote.
En effet, un vote pertinent ne recevra peut être pas suffisamment de notes pour être utile au consommateur car le classement chronologique l’éloigne. Cette étude tente ainsi de comprendre comment ces notes d’avis fonctionnent.

L’auteur indique, suite à ses recherches, que les notes peuvent être influencées par les notes précédentes. Il définit deux étapes du processus de vote : “le vote d’utilité initiale” qui se réfère à une situation où l’avis n’est pas encore évalué, il s’agit donc de la première note. La deuxième étape est le “vote d’utilité cumulative” qui cette fois concerne une situation dans laquelle il existe au minimum déjà une note. Les notes précédentes peuvent donc influencer la note future.

L’auteur définit que les votes d’utilité initiale et cumulatif sont influencés par le nombre de mots et les attributs du produit.

Conclusion : Le système de notation d’un avis a pour but de simplifier la démarche du consommateur et de l’aider à mesurer la qualité des évaluations en trouvant les avis utiles plus rapidement et facilement. Cependant cette étude remet en cause l’efficacité de cette pratique et de ce mécanisme. Elle indique que plusieurs facteurs influencent le processus de vote agrégé des évaluations en ligne.
L’étude définit deux étapes précédemment définie : “le vote d’utilité initiale” et le “vote d’utilité cumulative” qui n’ont pas les mêmes effets et causes car le vote cumulatif peut être influencé par les votes déjà existants.
Les indices heuristiques (évaluation des produits, comptage des mots) et systématiques (attributs des produits dans le contenu textuel) ont un impact plus important sur les deux étapes de votes.

Sources :

Abirami, A.M. and Askarunisa, A. (2017), “Sentiment analysis model to emphasize the impact of online reviews in healthcare industry”, Online Information Review, Vol. 41 No. 4, pp. 471-486.

Axsom, D., Yates, S. and Chaiken, S. (1987), “Audience response as a heuristic cue in persuasion”, Journal of Personality and Social Psychology, Vol. 53 No. 1, pp. 30-40.

Bohner, G., Moskowitz, G.B. and Chaiken, S. (1995), “The interplay of heuristic and systematic processing of social information”, European Review of Social Psychology, Vol. 6 No. 1, pp. 33-68.

Chaiken, S. and Ledgerwood, A. (2012), “A theory of heuristic and systematic information processing”, in Lange, P.A.M.V., Kruglanski, A.W. and Higgins, E.T. (Eds), Handbook of Theories of Social Psychology, SAGE Publications, London, Vol. 1, pp. 246-267.

Chaiken, S., Liberman, A. and Eagly, A.H. (1989), “Heuristic and systematic information processing within and beyond the persuasion context”, in Uleman, J.S. and Bargh, J.A. (Eds), Unintended Thought, Guilford, New York, pp. 212-252.

Chen, S. and Chaiken, S. (1999), “The heuristic–systematic model in its broader context”, in Chaiken, S. and Trope, Y. (Eds), Dual-Process Theories in Social Psychology, Guilford, New York, pp. 73-96.

Chen, Z. and Lurie, N.H. (2013), “Temporal contiguity and negativity bias in the impact of online word of mouth”, Journal of Marketing Research, Vol. 50 No. 4, pp. 463-476.

Chen, S., Duckworth, K. and Chaiken, S. (1999), “Motivated heuristic and systematic processing”, Psychological Inquiry, Vol. 10 No. 1, pp. 44-49.

Cheng, Y.H. and Ho, H.Y. (2015), “Social influence’s impact on reader perceptions of online reviews”, Journal of Business Research, Vol. 68 No. 4, pp. 883-887.

Cheung, C.M.K. and Thadani, D.R. (2012), “The impact of electronic word-of-mouth communication: a literature analysis and integrative model”, Decision Support Systems, Vol. 54 No. 1, pp. 461-470.

Cheung, C.M.K., Lee, M.K.O. and Rabjohn, N. (2008), “The impact of electronic word-of-mouth”, Internet Research, Vol. 18 No. 3, pp. 229-247.

Cheung, M.Y., Sia, C.L. and Kuan, K.K.Y. (2012), “Is this review believable? A study of factors affecting the credibility of online consumer reviews from an ELM perspective”, Journal of the Association for Information Systems, Vol. 13 No. 8, pp. 618-635.

Chua, A.Y. and Banerjee, S. (2016), “Helpfulness of user-generated reviews as a function of review sentiment, product type and information quality”, Computers in Human Behavior, Vol. 54, pp. 547-554.

CNNIC (2015), “2014 China online travel booking market research report”, pp. 18-21, available at: http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/lxgb/201507/P020150715651462758347.pdf//2018-8-20.

Constantiou, I., Hoebel, N. and Zicari, R.V. (2012), “How do framing strategies influence the user’s choice of content on the web?”, Concurrency and Computation: Practice and Experience, Vol. 24 No. 17, pp. 2207-2220.

Costa, A.F., Traina, A.J.M., Jr, C.T. and Faloutsos, C. (2016), “Vote-and-comment: modeling the coevolution of user interactions in social voting web sites”, 2016 IEEE 16th International Conference on Data Mining (ICDM), Barcelona, pp. 91-100.

Danescu-Niculescu-Mizil, C., Kossinets, G., Kleinberg, J. and Lee, L. (2009), “How opinions are received by online communities: a case study on Amazon.com helpfulness votes”, WWW ’09 Proceedings of the 18th International Conference on World Wide Web, New York, ACM Press, pp. 141-150.

Davis, J.M. and Agrawal, D. (2018), “Understanding the role of interpersonal identification in online review evaluation: an information processing perspective”, International Journal of Information Management, Vol. 38 No. 1, pp. 140-149.

Ferran, C. and Watts, S. (2008), “Videoconferencing in the field: a heuristic processing model”, Social Science Electronic Publishing, Vol. 54 No. 9, pp. 1565-1578.

Fiske, S.T. and Taylor, S.E. (1991) [1984], Social Cognition, 2nd ed., McGraw-Hill, New York.

Ghose, A. and Ipeirotis, P.G. (2011), “Estimating the helpfulness and economic impact of product reviews: mining text and reviewer characteristics”, Social Science Electronic Publishing, Vol. 23 No. 10, pp. 1498-1512.

Godes, D. and Mayzlin, D. (2004), “Using online conversations to study word-of-mouth communications”, Marketing Science, Vol. 23 No. 4, pp. 545-560.

Griffin, R.J., Neuwirth, K., Giese, J. and Dunwoody, S. (2002), “Linking the heuristic-systematic model and depth of processing”, Communication Research, Vol. 29 No. 6, pp. 705-732.

Gupta, P. and Harris, J. (2010), “How e-WOM recommendations influence product consideration and quality of choice: “motivation to process information perspective”, Journal of Business Research, Vol. 63 No. 9, pp. 1041-1049.

He, W., Tian, X., Tao, R., Zhang, W., Yan, G. and Akula, V. (2017), “Application of social media analytics: a case of analyzing online hotel reviews”, Online Information Review, Vol. 41 No. 7, pp. 921-935.

Huang, A.H., Chen, K., Yen, D.C. and Tran, T.P. (2015), “A study of factors that contribute to online review helpfulness”, Computers in Human Behavior, Vol. 48 No. C, pp. 17-27.

Hunnicutt, S. and Carlberger, J. (2001), “Improving word prediction using Markov models and heuristic methods”, Augmentative and Alternative Communication, Vol. 17 No. 4, pp. 255-264.

Jeong, H.-J. and Koo, D.-M. (2015), “Combined effects of valence and attributes of e-WOM on consumer judgment for message and product”, Internet Research, Vol. 25 No. 1, pp. 2-29.

Korfiatis, N., Rodríguez, D. and Sicilia, M.A. (2008), “The impact of readability on the usefulness of online product reviews: a case study on an online bookstore”, in Lytras, M.D., Carroll, J.M., Damiani, E. and Tennyson, R.D. (Eds), World Summit on the Knowledge Society: Emerging Technologies and Information Systems for the Knowledge Society, Springer-Verlag, Berlin, pp. 423-432.

Korfiatis, N., García-Bariocanal, E. and Sánchez-Alonso, S. (2012), “Evaluating content quality and helpfulness of online product reviews: the interplay of review helpfulness vs review content”, Electronic Commerce Research and Applications, Vol. 11 No. 3, pp. 205-217.

Lampe, C., Johnston, E.W. and Resnick, P. (2007), “Follow the reader: filtering comments on Slashdot”, Proceedings of the 2007 Conference on Human Factors in Computing Systems, CHI 2007, San Jose, California, USA, April 28 – May 3, 2007, DBLP.

Lan, Q., Ma, H. and Li, G. (2018), “Characters-based sentiment identification method for short and informal Chinese text”, Information Discovery and Delivery, Vol. 46 No. 1, pp. 57-66.

Lee, J. and Lee, J.N. (2009), “Understanding the product information inference process in electronic word-of-mouth: an objectivity–subjectivity dichotomy perspective”, Information and Management, Vol. 46 No. 5, pp. 302-311.

Lee, G. and Xia, W. (2011), “A longitudinal experimental study on the interaction effects of persuasion quality, user training, and first-hand use on user perceptions of new information technology”, Information and Management, Vol. 48 No. 7, pp. 288-295.

Lee, Y.J., Hosanagar, K. and Tan, Y. (2015), “Do i follow my friends or the crowd? Information cascades in online movie ratings”, Social Science Electronic Publishing, Vol. 61 No. 9, pp. 2241-2258.

Liu, Z. and Park, S. (2015), “What makes a useful online review? Implication for travel product websites”, Tourism Management, Vol. 47 No. 47, pp. 140-151.

López-López, I. and Parra, J.F. (2016), “Is a most helpful eWOM review really helpful? The impact of conflicting aggregate valence and consumer’s goals on product attitude”, Internet Research, Vol. 26 No. 4, pp. 827-844.

Metzger, M.J., Flanagin, A.J. and Medders, R.B. (2010), “Social and heuristic approaches to credibility evaluation online”, Journal of Communication, Vol. 60 No. 3, pp. 413-439.

Moe, W.W. and Trusov, M. (2011), “Measuring the value of social dynamics in online product ratings forums”, Journal of Marketing Research, Vol. 48 No. 3, pp. 444-456.

Mudambi, S.M. and Schuff, D. (2010), “What makes a helpful online review? A study of customer reviews on amazon.com”, Society for Information Management and the Management Information Systems Research Center, Vol. 34 No. 1, pp. 185-200.

Ngo-Ye, T.L., Sinha, A.P. and Sen, A. (2017), “Predicting the helpfulness of online reviews using a scripts-enriched text regression model”, Expert Systems with Applications, Vol. 71, pp. 98-110.

Otterbacher, J. (2009), “Helpfulness in online communities: a measure of message quality”, Proceedings of the 27th International Conference on Human Factors in Computing Systems, New York, ACM, pp. 955-964.

Petty, R.E., Wells, G.L., Heesacker, M., Brock, T.C. and Cacioppo, J.T. (1983), “The effects of recipient posture on persuasion: a cognitive response analysis”, Personality and Social Psychology Bulletin, Vol. 9 No. 2, pp. 209-222.

Qiu, L. and Li, D. (2010), “Effects of aggregate rating on eWOM acceptance: an Attribution Theory perspective”, PACIS 2010 Proceedings, Paper No. 147, Taipei, July 9-12.

Schlosser, A.E. (2005), “Posting versus lurking: communicating in a multiple audience context”, Journal of Consumer Research, Vol. 32 No. 2, pp. 260-265.

Sparks, B.A., Perkins, H.E. and Buckley, R. (2013), “Online travel reviews as persuasive communication: the effects of content type, source, and certification logos on consumer behavior”, Tourism Management, Vol. 39 No. 2, pp. 1-9.

Tam, K.Y. and Ho, S.Y. (2005), “Web personalization as a persuasion strategy: an elaboration likelihood model perspective”, Information Systems Research, Vol. 16 No. 3, pp. 271-291.

Taylor, S.E., Fiske, S.T., Etcoff, N.L. and Ruderman, A.J. (1978), “Categorical and contextual bases of person memory and stereotyping”, Journal of Personality and Social Psychology, Vol. 36 No. 7, pp. 778-793.

Tirunillai, S. and Tellis, G.J. (2012), “Does chatter really matter? Dynamics of user-generated content and stock performance”, Marketing Science, Vol. 31 No. 2, pp. 198-215.

Todorov, A., Chaiken, S. and Henderson, M.D. (2002), “The heuristic-systematic model of social information processing”, The Persuasion Handbook: Developments in Theory and Practice, pp. 195-211.

Tversky, A. and Kahneman, D. (1974), “Judgment under uncertainty: heuristics and biases”, Science, Vol. 185 No. 4157, pp. 1124-1131.

Walther, J.B., Liang, Y., Ganster, T., Wohn, D.Y. and Emington, J. (2012), “Online reviews, helpfulness ratings, and consumer attitudes: an extension of congruity theory to multiple sources in web 2.0”, Journal of Computer-Mediated Communication, Vol. 18 No. 1, pp. 97-112.

Wang, R.Y. and Strong, D.M. (1996), “Beyond accuracy: what data quality means to data consumers”, Journal of Management Information Systems, Vol. 12 No. 4, pp. 5-33.

Willemsen, L.M., Neijens, P.C., Bronner, F. and De Ridder, J.A. (2011), “‘Highly recommended!’ the content characteristics and perceived usefulness of online consumer reviews”, Journal of Computer-Mediated Communication, Vol. 17 No. 1, pp. 19-38.

Yang, S.-B., Shin, S.-H., Joun, Y. and Koo, C. (2016), “Exploring the comparative importance of online hotel reviews’ heuristic attributes in review helpfulness: a conjoint analysis approach”, Journal of Travel and Tourism Marketing, Vol. 34 No. 7, pp. 963-985.

Yin, R. (2002), Case Study: Research Design and Methods, Sage Publication, New Delhi.

Zhang, R. and Tran, T. (2010), “Helpful or unhelpful: a linear approach for ranking product reviews”, Journal of Electronic Commerce Research, Vol. 11 No. 3, pp. 220-230.

Zhang, W. and Watts, S. (2008), “Capitalizing on content: information adoption in two online communities”, Journal of the Association for Information Systems, Vol. 9 No. 2, pp. 73-94.

Zhang, K.Z.K., Zhao, S.J., Cheung, C.M.K. and Lee, M.K.O. (2014), “Examining the influence of online reviews on consumers’ decision-making: a heuristic–systematic model”, Decision Support Systems, Vol. 67, pp. 78-89.