A picture is worth a thousand words: Translating product reviews into a product positioning map

Posted on by

Moon S, Kamakura W, (2017), A picture is worth a thousand words: Translating product reviews into a product positioning map, International Journal of Research in Marketing, Volume 34, Issue 1, March 2017, Pages 265-285

https://www.sciencedirect.com/science/article/abs/pii/S016781161630074X

Mots clés : Avis de produits en ligne, Carte de positionnement du produit, Exploration de texte, Psychométrie, Découvrir les produits, Segmentation des consommateurs

Résumé : Les avis sur les produits deviennent omniprésents sur le Web, ce qui représente une riche source d’informations pour les consommateurs sur un large éventail de catégories de produits. Surtout, un avis de produit reflète non seulement la perception et la préférence pour un produit, mais aussi l’acuité, le parti pris et le style d’écriture de la critique. Cet aspect a été négligé dans des études antérieures qui ont tiré des conclusions sur les marques à partir des critiques de produits en ligne. Notre cadre combine des techniques d’exploration de texte basées sur l’apprentissage d’ontologie et des techniques psychométriques pour traduire les critiques de produits en ligne en une carte de positionnement de produit, tout en tenant compte des réponses idiosyncrasiques et des styles d’écriture des critiques individuels ou d’un nombre gérable de groupes de critiques (c.-à-d., Les méta-critiques). Nos illustrations empiriques utilisant des critiques de vins et d’hôtels montrent qu’une revue de produit révèle des informations sur le critique (pour l’exemple de vin avec un petit nombre de critiques d’experts) ou le méta-critique (pour l’exemple d’hôtel avec un nombre énorme de critiques réduit à un nombre gérable de méta-évaluateurs), ainsi que sur le produit examiné.

Grandes lignes :

  • Les avis sur les produits deviennent omniprésents sur le Web.
  • Un avis de produit reflète non seulement la perception et la préférence pour un produit, mais aussi l’acuité, le parti pris et le style d’écriture de la critique.

Aggarwal, P., Vaidyanathan, R., & Venkatesh, A. (2009). Using lexical semantic analysis to derive online brand positions: An application to retail marketing research.
Journal of Retailing, 85(2), 145–158.
Alba, J. W., & Hutchinson, J. W. (1987). Dimensions of consumer expertise. Journal of Consumer Research, 13(4), 411–454.
Anderson, C. K. (2012). The impact of social media on lodging performance. Cornell Hospitality Report, 12(15), 6–11.
Archak, N., Ghose, A., & Ipeirotis, P. G. (2011). Deriving the pricing power of product features by mining consumer reviews. Management Science, 57(8), 1485–1509.
Buitelaar, P., Cimiano, P., & Magnini, B. (2005). Ontology learning from text: Methods, evaluation and applications. IOS Press.
Camacho, N., De Jong, M., & Stremersch, S. (2014). The effect of customer empowerment on adherence to expert advice. International Journal of Research in Marketing,
31(3), 293–308.
Carroll, J. D., & Green, P. E. (1997). Psychometric methods in marketing research: Part II. Multidimensional scaling. Journal of Marketing Research, 34(May), 193–204.
Chevalier, J. A., & Mayzlin, D. (2006). The effect of word of mouth on sales: Online book reviews. Journal of Marketing Research, 43(August), 345–354.
Cimiano, P. (2006). Ontology learning and population from text: Algorithms, valuation and applications. Germany: Springer.
Decker, R., & Trusov, M. (2010). Estimating aggregate consumer preferences from online product reviews. International Journal of Research in Marketing, 27(4),
293–307.
DeSarbo, W. S., Park, J., & Rao, V. R. (2011). Deriving joint space positioning maps from consumer preference ratings. Marketing Letters, 22(1), 1–14.
Faure, C., & Natter, M. (2010). New metrics for evaluating preference maps. International Journal of Research in Marketing, 27(3), 261–270.
Feldman, R., & Sanger, J. (2007). The text mining handbook: Advanced approaches in analyzing unstructured data. Cambridge University Press.
Ghose, A., Ipeirotis, P. G., & Li, B. (2012). Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content. Marketing
Science, 31(3), 493–520.
Holbrook, M. B., Lacher, K. T., & LaTour, M. S. (2006). Audience judgments as the potential missing link between expert judgments and audience appeal: An illustration
based on musical recordings of “My Funny Valentine,”. Journal of the Academy of Marketing Science, 34(1), 8–18.
Kamakura, W. A., & Wedel, M. (2000). Factor analysis and missing data. Journal of Marketing Research, 37(4), 490–498.
Kamakura, W. A., Basuroy, S., & Boatwright, P. (2006). Is silence golden? An inquiry into the meaning of silence in professional product evaluations. Quantitative
Marketing and Economics, 4(2), 119–141.
Kostyra, D. S., Reiner, J., Natter, M., & Klapper, D. (2016). Decomposing the effects of online customer reviews on brand, price, and product attributes. International
Journal of Research in Marketing, 33(1), 11–26.
Lau, K. -N., Lee, K. -H., Lam, P. -Y., & Ho, Y. (2001). Web-site marketing: For the travel-and-tourism industry. The Cornell Hotel and Restaurant Administration Quarterly,
42(6), 55–62.
Lawrence, R. D., Almasi, G. S., & Rushmeier, H. E. (1999). A scalable parallel algorithm for self-organizing maps with applications to sparse data mining problems. Data
Mining and Knowledge Discovery, 3(2), 171–195.
Lee, T. Y., & Bradlow, E. T. (2011). Automated marketing research using online customer reviews. Journal of Marketing Research, 48(5), 881–894.
Liebermann, Y., & Flint-Goor, A. (1996). Message strategy by product-class type: A matching model. International Journal of Research in Marketing, 13(3), 237–249.
Lilien, G., & Rangaswamy, A. (2006). Marketing engineering (Revised 2nd ed.). Bloomington, IN: Trafford Publishing.
Liu, Y. (2006). Word-of-mouth for movies: Its dynamics and impact on box office revenue. Journal of Marketing, 70(3), 74–89.
Maedche, A. (2002). Ontology learning for the semantic web. The Kluwer international series in engineering and computer science. New York: Springer Science+
Business Media.
Moon, S., Park, Y., & Kim, Y. S. (2014). The impact of text product reviews on sales. European Journal of Marketing, 48(11/12), 2176–2197.
Netzer, O., Feldman, R., Goldenberg, J., & Fresko, M. (2012). Mine your own business: Market structure surveillance through text mining. Marketing Science, 31(3),
521–543.
Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, 2(1–2), 1–135.
Pazienza, M., Pennacchiotti, M., & Zanzotto, F. M. (2005). Terminology extraction: An analysis of linguistic and statistical approaches. Knolwedge mining. Of the series
studies in fuzziness and soft computing, Vol. 185. (pp. 255–279).
Peck, J., & Childers, T. L. (2003). Individual differences in haptic information processing: The “need for touch” scale. Journal of Consumer Research, 30(3), 430–442.
Schwarz, G. E. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461–464.
Staab, S., & Studer, R. (2004). Handbook on ontologies. International handbooks on information systems. Springer.
Stone, H., & Sidel, J. L. (2004). Sensory evaluation practices (3rd ed.). Food science and technology, international series. California: Elsevier Academic Press.
Tirunillai, S., & Tellis, G. J. (2014). Mining marketing meaning from online chatter: Strategic brand analysis of big data using latent Dirichlet allocation. Journal of
Marketing Research, 51(August), 463–479.
Wedel, M., & Kamakura, W. A. (2001). Factor analysis with mixed observed and latent variables in the exponential family. Psychometrika, 66(4), 515–530.