The effect of manipulating online product reviews, Journal of Business Research

M Zhuang, G Cui, L Peng, (2018), Manufactured opinions: The effect of manipulating online product reviews, Journal of Business Research, Volume 87, June 2018, Pages 24-35

https://www.sciencedirect.com/science/article/abs/pii/S0148296318300912

Mots clés : Avis de produits en ligne, Manipulation, Soupçon, Persuasion, Commerce électronique

Résumé : Des recherches antérieures supposent que les consommateurs peuvent détecter et ignorer la manipulation des avis sur les produits en ligne ou sont inconscients de telles pratiques. Nous supposons que l’équilibre se produit en raison des signaux de manipulation, de la suspicion des consommateurs et de leur expertise. Notre analyse des données sur l’occupation des hôtels montre que l’effet de l’ajout d’avis positifs et de la suppression d’avis négatifs sur les ventes présente une courbe en U inversée. De plus, les marques faibles souffrent davantage d’un ajout excessif. Nos expériences en laboratoire montrent que l’ajout affecte l’intention d’achat du consommateur, mais il suscite également des soupçons, ce qui exerce un effet médiateur négatif. La suppression est plus déguisée et difficile à soupçonner. Les novices sont plus influencés par les manipulations que leurs homologues expérimentés. Un ajout excessif entraîne la méfiance des consommateurs et peut se retourner contre eux. La suppression exacerbe l’asymétrie d’information et entraîne une sélection défavorable, ce qui justifie la retenue et la réglementation.

Grandes lignes :

  • Un ajout excessif entraîne la méfiance des consommateurs et peut se retourner contre eux. 
  • La suppression est plus déguisée et difficile à soupçonner. 
  • La suppression exacerbe l’asymétrie d’information et entraîne une sélection défavorable, ce qui justifie la retenue et la réglementation.

Learning to rank products based on online product reviews using a hierarchical deep neural network

H Lee, Hae C Rim, D Lee, (2019), Learning to rank products based on online product reviews using a hierarchical deep neural network, Electronic Commerce Research and Applications, 36.

https://www.sciencedirect.com/science/article/pii/S1567422319300511

Mots clés : Classement des produits, Avis de produits en ligne, Réseau neuronal profond hiérarchique

Résumé : Le classement des produits basé sur les évaluations de produits en ligne consiste à déduire les préférences relatives des utilisateurs entre différents produits en tant que variante de l’analyse des sentiments au niveau de l’entité. Malgré la relation complexe entre la préférence globale de l’utilisateur et les opinions diverses et individuelles, les approches existantes utilisent généralement des hypothèses empiriques sur les caractéristiques de sentiment des produits d’intérêt. Dans cet article, nous proposons une nouvelle approche unifiée pour apprendre à classer les produits en fonction des critiques de produits en ligne. Contrairement aux approches existantes, il utilise des techniques d’apprentissage approfondi pour extraire la représentation de révision latente de haut niveau qui contient les informations les plus sémantiques dans le processus d’apprentissage. Pour cette approche, nous étendons le réseau d’attention hiérarchique récemment proposé pour opérer dans le domaine du classement. Ce réseau apprend de manière hiérarchique les représentations optimales des fonctionnalités des produits et leurs avis grâce à l’utilisation d’encodeurs à deux niveaux basés sur l’attention. Pour construire un modèle de classement plus avancé, plusieurs fonctionnalités ont été ajoutées pour donner suffisamment d’informations sur les préférences relatives des utilisateurs, et deux fonctions représentatives de perte de classement, RankNet et ListNet, ont été appliquées. De plus, nous démontrons que ce réseau surpasse les méthodes existantes de prédiction du classement des ventes sur la base des évaluations de produits en ligne.

Effect of online product reviews on third parties’ selling on retail platforms

W Song, W Li, S Geng, (2020), Effect of online product reviews on third parties’ selling on retail platforms,  Electronic Commerce Research and Applications, 39.

https://www.sciencedirect.com/science/article/pii/S1567422319300778

Mots clés : Coopétition, Avis de produits en ligne, Effet plateforme, Vendeurs tiers, Plateforme de vente au détail

Résumé : Les détaillants en ligne ouvrent leurs plateformes pour inviter des vendeurs tiers à vendre directement sur leurs plateformes pour des commissions. Étant donné que la plupart des consommateurs prennent des décisions d’achat en utilisant les avis de produits en ligne comme référence, nous développons un modèle de théorie des jeux pour explorer l’impact des avis sur la décision d’un vendeur tiers de vendre sur une plateforme de vente au détail ouverte et sur le profit du détaillant de la plateforme. Sur la base de deux attributs de produit – qualité et ajustement – nous distinguons deux cas, la qualité domine l’ajustement et l’ajustement domine la qualité. Nous constatons que, dans le cadre d’avis symétriques (c.-à-d. D’avis ne favorisant ni le produit du détaillant ni celui d’un tiers), des avis plus élevés homogénéisent les produits, intensifiant ainsi la concurrence entre le détaillant et le tiers dans les domaines où la qualité domine. Cependant, même dans le cadre d’avis asymétriques, le tiers ne peut être incité à vendre sur la plateforme de vente au détail que si l’on considère la qualité des systèmes de révision du détaillant, ce qui peut entraîner un effet de plateforme sur les avis. L’effet de plateforme renforce l’importance des avis, de sorte qu’il puisse élargir la différenciation des produits créée par les avis asymétriques. En particulier, lorsque l’effet de plateforme et l’asymétrie des avis sont suffisamment élevés, le détaillant peut non seulement inciter le tiers à vendre sur sa plateforme, mais également bénéficier à la fois de la qualité domine l’ajustement et de l’ajustement domine la qualité.

Grandes lignes :

  • Dans le cadre d’avis symétriques, des avis plus élevés homogénéisent les produits, intensifiant ainsi la concurrence entre le détaillant et le tiers
  • L’effet de plateforme renforce l’importance des avis

La qualité domine l’ajustement et l’ajustement domine la qualité

Experiential product framing and its influence on the creation of consumer reviews

I Gallo, C Townsend, I Alegre, (2019), Experiential product framing and its influence on the creation of consumer reviews, Journal of Business Research, 98, p177-p190.

https://www.sciencedirect.com/science/article/abs/pii/S0148296319300074

Mots clés : Marketing expérimental, Encadrement expérentiel, Critiques de produits, Le bouche à oreille

Résumé : Nous examinons comment le cadrage expérientiel, une tactique de marketing de plus en plus populaire, influence le comportement de révision des consommateurs. Le cadrage expérientiel est une stratégie de communication par laquelle les spécialistes du marketing décrivent un produit matériel comme s’il s’agissait d’une expérience, quelque chose que le consommateur vit, plutôt que de se concentrer sur les fonctionnalités et les attributs du produit. Sur la base de travaux antérieurs comparant la relation des consommateurs avec les produits à celle des expériences ainsi que des travaux antérieurs sur le comportement de révision des produits et le marketing expérientiel, nous émettons l’hypothèse que le cadrage expérientiel augmente la probabilité des consommateurs de revoir un produit. En effet, un examen des données ainsi que deux études en laboratoire montrent que le cadrage d’un produit comme une expérience est associé à une augmentation du bouche à oreille. Nos résultats soutiennent également notre processus proposé ; lorsque les produits sont conçus comme des expériences, les consommateurs les perçoivent comme plus personnels et auto-définis; cela augmente alors la probabilité pour le consommateur de s’engager dans l’activité d’auto-démonstration de l’examen des produits.

Grandes lignes :

  • Le cadrage expérientiel augmente la probabilité des consommateurs de revoir un produit.
  • Le cadrage d’un produit comme une expérience est associé à une augmentation du bouche à oreille
  • Lorsque les produits sont conçus comme des expériences, les consommateurs les perçoivent comme plus personnels

Excellent Product … But Too Early to Say: Consumer Reactions to Tentative Product Reviews

I Kemafasu, (2020), Excellent Product … But Too Early to Say: Consumer Reactions to Tentative Product Reviews, Journal of Interactive Marketing, 52, p35-p51.

https://www.sciencedirect.com/science/article/abs/pii/S1094996820300785

Mots clés : Examens en ligne, Expertise des sources, Expérience des produits, Certitude des attitudes, Exhaustivité des informations

Résumé : Cette recherche explore les effets de la tentation dans les critiques de produits en ligne sur la certitude de l’attitude du produit des consommateurs et les intentions comportementales. En s’appuyant sur la théorie de la saillance, la théorie de l’attribution et le travail dans la certitude d’attitude, on voit que, lorsque les consommateurs qui ont vu des critiques positives d’un produit sont exposés à une évaluation provisoire, leur certitude et leur volonté d’acheter sont réduites. On prédit également que les réactions des consommateurs diffèrent en fonction de l’expertise de la source d’avis ainsi que de l’expérience produit du consommateur.

Est abordée également la confiance dans l’exhaustivité des informations en tant que mécanisme métacognitif qui explique l’effet de révision provisoire. Plus précisément, on soutient que les consommateurs qui voient un examen provisoire sont sensibilisés aux informations potentiellement manquantes, ce qui réduit leur certitude et leur volonté d’achat.

Les hypothèses sont testées dans une série d’expériences qui démontrent que la timidité réduit la certitude et la volonté d’achat, mais que l’effet est atténué lorsque l’évaluateur est un novice et lorsque le consommateur a un niveau élevé d’expérience du produit.

Grandes lignes :

  • Un examen provisoire se traduit par une certitude et des intentions d’achat inférieures à un examen positif, négatif ou mixte
  • Le fait que ce soit provisoire se traduit par une diminution de la confiance des consommateurs dans l’exhaustivité des informations.
  • L’effet d’un avis provisoire est diminué lorsque l’examinateur provisoire est perçu comme un novice.

Les consommateurs qui ont une faible expertise produit sont davantage influencés par un examen provisoire que ceux qui ont une expertise produit plus élevée

L’influence des avis en ligne sur l’intention d’achat du consommateur des produits de l’hébergement touristique : une proposition de typologie des consommateurs marocains

Ouiddad S, Sidmou M. L, (2017), L’influence des avis en ligne sur l’intention d’achat du consommateur des produits de l’hébergement touristique : une proposition de typologie des consommateurs marocains, Question de Management, 2017/3, n°18, pp139-pp153.

Mots-clefs : bouche à oreille électronique, communication, information, variable, crédibilité

Résumé : Cet article a pour objectif de déterminer l’influence du bouche à oreille électronique plus particulièrement dans le secteur du voyage. Les avis en ligne sont l’une des formes du bouche à oreille électronique fournissant des informations aux consommateurs. Ces avis sont généralement considérés comme plus crédibles que les communications des entreprises.

Selon cette études les avantages d’une communication bouche à oreille électronique sont :

  1. “Elle facilite l’accès au type et à la quantité de l’information voulue et associée aux différentes attributions des produits offerts
  2. Elle augmente la facilité de comparaison et d’évaluation des différentes alternatives proposées aux acheteurs
  3. Elle améliore la qualité de l’information reçue de la part du consommateur en comparant ses sources
  4. Elle permet d’organiser et de structurer l’information”

L’étude définit également des variables expliquant le comportement d’achat des consommateurs suite à la consultation d’avis en ligne. Ces variables sont définies en quatre groupes : des variables liées au message, des variables liées au consommateur, des variables liées à la perception du consommateur du l’émetteur du message, et les variables de la réponse comportementale.

Conclusion : L’étude se conclut en indiquant que le bouche à oreille électronique a une influence différente selon les types de profils des récepteurs de l’avis lu. Cet article a ainsi définit des variables liées aux caractéristiques du message, qui déterminent la crédibilité de l’émetteur du message, la confiance, la crédibilité du site web, l’influence interpersonnelle.

L’étude définit ensuite les profils de récepteur de l’avis. Le premier profil correspond à des utilisateurs consultant régulièrement des avis et forums, généralement de jeune âge mais expérimentés sur internet. Ils sont plus en capacité de déterminer et repérer les faux avis.
Le deuxième profil de récepteur correspond à une catégorie définie de “hédonistes cartésiens”. Ce profil est généralement très attentif aux avis, il scrute et est attentifs à tous les commentaires. Ils pensent pouvoir vérifier la crédibilité des commentaires et avis grâce à leur expérience en matière de consultation d’avis en ligne.
Le dernier profil est définit comme “promeneurs”, il s’agit d’une catégorie d’individus représentant la majorité de l’échantillon. Ce profil d’individu est considère les avis et forums comme essentiels dans leur phase d’achat, ils seront plus découragés par les avis négatifs, véridiques ou non.

Vote or not? How various information cues affect helpfulness voting of online reviews

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 a 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.

Send-for-review decisions, brand equity, and pricing.

Qiu C. , Popkowski Leszczyc P., (2016), Send-for-review decisions, brand equity, and pricing, European Journal of Marketing

Mots-clefs : avis en ligne, intermédiaires, experts, prix, qualité, confiance, bouche à oreille sur internet

Résumé : Cet article a pour but de d’étudier les décisions des entreprises d’envoyer ou non leurs produits à une évaluation de qualité au près d’une société intermédiaire, experte en la matière. Ces avis s’opposant ainsi aux avis des consommateurs, ne pouvant être considérés comme des avis professionnels.
Ces examens professionnels ont selon l’auteur une influence importante sur le futur prix du produit mais également sur la perception des consommateurs et sur leurs prochains avis.
Selon l’étude les marques dites “faibles” ont plus tendances à envoyer en examen leurs produits de qualité. Ces examens permettent de diminuer les écarts de prix entre marque “faibles” et marques “fortes”, plus l’exam sera positif plus le prix le sera aussi. Ces examens permettent également de développer d’avantage le bouche à oreille sur internet, mettant davantage le consommateur en confiance.

Cette étude met également en avant le fait que les avis d’experts sont plus considérés par les consommateurs car il s’agit d’avis professionnels et donc plus objectifs. Cependant l’auteur indique également que ces avis d’expert influencent aussi les futurs avis des consommateurs, comparant ainsi leur point de vue et expérience à celui-ci. Les deux avis peuvent ainsi se compléter ou s’opposer.

Conclusion :

L’étude permet de définir les raisons pour lesquelles une entreprise envoie ou non un produit à un intermédiaire pour que celui l’évalue. La première est liée au prix, plus un produit sera évalué, par un expert, positivement, plus son prix sera susceptible d’augmenter.
Ces avis d’intermédiaires s’opposent ainsi ou se comparent aux avis d’utilisateurs.
L’importance portée par les consommateurs à ces avis d’experts dépend souvent de la confiance. L’auteur termine l’étude en indiquant que le bouche à oreille sur internet est devenu essentiel et vit une période tourmentée liée aux scandales des faux avis en ligne. Les avis d’experts et d’intermédiaires pourraient être une solution car celles-ci sont impartiales et réalisées par des sociétés tierces indépendantes.

Sources de l’auteur :

Aaker, D.A. (1996), “Measuring brand equity across products and markets”, California Management Review , Vol. 38 No. 3, p. 103.

Ailawadi, K.L. , Lehmann, D.R. and Neslin, S.A. (2003), “Revenue premium as an outcome measure of brand equity”, Journal of Marketing , Vol. 67 No. 4, pp. 1-17.

Brynjolfsson, E. and Smith, M.D. (2000), “Frictionless commerce? A comparison of internet and conventional retailers”, Management Science , Vol. 46 No. 4, pp. 563-585.

Chen, H.-N. and Huang, C.-Y. (2013), “An investigation into online reviewers’ behavior”, European Journal of Marketing , Vol. 47 No. 10, pp. 1758-1773.

Chen, Y. and Xie, J. (2008), “Online consumer review: word-of-mouth as a new element of marketing communication mix”, Management Science , Vol. 54 No. 3, pp. 477-491.

Chevalier, J. and Mayzlin, D. (2006), “The effect of word of mouth online: online book reviews”, Journal of Marketing Research , Vol. 43 No. 3, pp. 345-354.

Chu, W.J. and Chu, W. (1994), “Signaling quality by selling through a reputable retailer – an example of renting the reputation of another agent”, Marketing Science , Vol. 13 No. 2, pp. 177-189.

Curry, D.J. and Riesz, P.C. (1988), “Prices and price/quality relationships: a longitudinal analysis”, The Journal of Marketing , Vol. 52 No. 1, pp. 36-51.

Daughety, A.F. and Reinganum, J.F. (2008), “Communicating quality: a unified model of disclosure and signaling”, Rand Journal of Economics , Vol. 39 No. 4, pp. 973-989.

Dellarocas, C. , Zhang, X. and Awad, N. (2007), “Exploring the value of online product reviews in forecasting sales: the case of motion pictures”, Journal of Interactive Marketing , Vol. 21 No. 4, pp. 23-45.

Du, N. , Huang, H. and Li, L.I. (2013), “Can online trading survive bad-mouthing? An experimental investigation”, Decision Support Systems , Vol. 56, pp. 419-426.

Duan, W. , Gu, B. and Whinston, A.B. (2008), “Do online reviews matter? – An empirical investigation of panel data”, Decision Support Systems , Vol. 45 No. 4, pp. 1007-1016.

Eliashberg, J. and Shugan, S.M. (1997), “Film critics: influencers or predictors?”, Journal of Marketing , Vol. 60 No. 2, pp. 68-78.

Erdem, T. and Swait, J. (1998), “Brand equity as a signaling phenomenon”, Journal of Consumer Psychology , Vol. 7 No. 2, pp. 131-157.

Fishman, M.J. and Hagerty, K.M. (2003), “Mandatory versus voluntary disclosure in markets with informed and uninformed customers”, Journal of Law Economics & Organization , Vol. 19 No. 1, pp. 45-63.

Fung, A. , Graham, M. and Weil, D. (2007), Full Disclosure: The Perils and Promise of Transparency , Cambridge University Press, Cambridge.

Grossman, S.J. (1981), “The informational role of warranties and private disclosure about product quality”, Journal of Law & Economics , Vol. 24 No. 3, pp. 461-483.

Guo, L. and Zhao, Y. (2009), “Voluntary quality disclosure and market interaction”, Marketing Science , Vol. 28 No. 3, pp. 488-501.

Helft, M. (2010), “On new iphone, a mystery of dropped calls”, New York Times , 24 June.

Helft, M. and Holson, L.M. (2008), “With google phone, htc comes out of the shadows”, New York Times , 22 September.

Ho-Dac, N.-N. , Carson, S.J. and Moore, W.L. (2011), “Relationships among brand equity, customer reviews, and sales response in an online selling environment”, Working Paper, School of Business, University of Utah.

International Data Corporation (2004), 2004 US Camcorder Owner Demographic Survey , IDC.

J.D. Power & Associates (2006), 2005 Market Share Reports by Category , J.D. Power & Associates.

Kamakura, W.A. and Russell, G.J. (1993), “Measuring brand value with scanner data”, International Journal of Research in Marketing , Vol. 10 No. 1, pp. 9-22.

Lichtenstein, D.R. and Burton, S. (1989), “The relationship between perceived and objective price-quality”, Journal of Marketing Research , Vol. 26 No. 4, pp. 429-443.

Liu, Y. (2006), “Word of mouth for movies: its dynamics and impact on box office revenue”, Journal of Marketing , Vol. 70 No. 3, pp. 74-89.

Mayzlin, D. , Dover, Y. and Chevalier, J.A. (2014), “Promotional reviews: an empirical investigation of online review manipulation”, American Economic Review , Vol. 104 No. 8, pp. 2421-2455.

Milgrom, P.R. (1981), “Good news and bad news: Representation theorems and applications”, The Bell Journal of Economics , Vol. 12 No. 2, pp. 380-391.

Moon, S. , Park, Y. and Kim, Y.S. (2014), “The impact of text product reviews on sales”, European Journal of Marketing , Vol. 48 Nos 11/12, pp. 2176-2197.

NPD Group (2006), 2005 Market Share Reports , NPD.

Patara, Y. and Monroe, K. (2008), “The effects of certification cobrand and price on consumers’ product evaluations and purchase intentions”, The University of Illinois:. PhD. Dissertation.

Pinch, T. and Kesler, F. (2011), “How aunt ammy gets her free lunch: a study of the top-thousand customer reviewers at amazon.com ”, Working Paper, Department of Science and Technology Studies, Cornell University.

Rao, A.R. and Monroe, K.B. (1989), “The effect of price, brand name, and store name on buyers’ perceptions of product quality: an integrative review”, Journal of Marketing Research , Vol. 26 No. 3, pp. 351-357.

Rosen, S. (1974), “Hedonic prices and implicit markets: product differentiation in pure competition”, Journal of Political Economy , Vol. 82 No. 1, pp. 34-55.

Senecal, S. and Nantel, J. (2004), “The influence of online product recommendations on consumers’ online choices”, Journal of Retailing , Vol. 80 No. 2, pp. 159-169.

Smith, D. , Menon, S. and Sivakumar, K. (2005), “Online peer and editorial recommendations, trust, and choice in virtual markets”, Journal of Interactive Marketing , Vol. 19 No. 3, pp. 15-38.

Swait, J. and Erdem, T. (2007), “Brand effects on choice and choice set formation under uncertainty”, Marketing Science , Vol. 26 No. 5, pp. 679-697.

Wernerfelt, B. (1988), “Umbrella branding as a signal of new product quality: an example of signalling by posting a bond”, Rand Journal of Economics , Vol. 19 No. 3, pp. 458-466.

Zeithaml, V.A. (1988), “Consumer perceptions of price, quality, and value – a means-end model and synthesis of evidence”, Journal of Marketing , Vol. 52 No. 3, pp. 2-22.

Zhang, L., Ma, B. and Cartwright, D.K. (2013), “The impact of online user reviews on cameras sales”, European Journal of Marketing , Vol. 47 No. 7, pp. 1115-1128.

Zhu, F. and Zhang, X.M. (2010), “Impact of online consumer reviews on sales: the moderating role of product and consumer characteristics”, Journal of Marketing , Vol. 74 No. 2, pp. 133-148.

Factors affecting consumers’ online product review use

O’Reilly K., MacMillan A., Alhassan M., Lancendorfer K., (2018), Factors affecting consumers’ online product review use, Qualitative Market Research, Vol. 21

Mots-clefs : facteur, bouche à oreille électronique, décision d’achat, frein, avis en ligne, motivation de la prise de décision.

Résumé : Cet article a pour but d’évaluer et définir les facteurs qui influencent l’utilisation du “bouche à oreille électronique” sur la décision d’achat ainsi que les éléments de motivation d’un consommateur à prendre en compte les avis en ligne de produits.

L’auteur définit au cours de son étude deux raisons d’utilisation des avis en ligne par les consommateurs.
La première est selon lui “la motivation de la prise de décision”. Cette impulsion est un élan mental qui apparait lorsque un ou plusieurs éléments améliorent l’avant prise de décision. Cet élan permettre l’accélération de la prise de décision d’achat d’un produit, raccourcissant ainsi le temps de recherche et récolte d’informations, d’avis sur le produit.
La deuxième est, toujours selon l’auteur, “le frein de prise de décision”. Il s’agit cette fois d’une résistance mentale due lorsque un ou plusieurs éléments entravent la prise de décision. Cet effet ralentira ainsi la décision d’achat en allongeant logiquement la phase de rechercher d’avis supplémentaires.

L’auteur indique que son étude est la première à définir et identifier la motivation et le frein de prise de décision come révélateur dans la recherche d’avis produit par le consommateur. Ces mécanismes pourraient permettre aux marketeurs et entreprises de mieux comprendre les consommateurs et l’importance qu’ils donnent ou non aux avis produits.

Il définit quatre facteurs améliorant la prise de décision : le désir du consommateur pour le produit, le besoin du produit, la préférence pour la marque, la familiarité avec le produit et/ou la marque.

Il définit également quatre facteurs freins : culpabilité par rapport à un gaspillage par exemple, incertitude quant au besoin, le prix, méconnaissance du produit/marque.

Conclusion : Cet article permet d’identifier certaines raison de la prise de décision d’achat rapide ou ralentie ainsi que les raisons qui poussent le consommateur à rechercher et croire les avis en ligne.
Les analyses de données de l’auteur permettent de dire que les consommateurs prennent en compte les avis produits car ils souhaitent faire le bon choix et pensent que ces avis sont révélateurs, car ils veulent gagner du temps dans leur prise de décision, ils veulent restreindre les choix possibles au plus vite pour comparer les offres produits
L’étude définit également les raisons pour lesquelles un consommateur va s’engager dans une recherche supplémentaire et plus poussée d’avis en ligne de produits. L’auteur indique que selon ses analyses un consommateur décide de rechercher des avis en plus selon le contexte, la présence de certains facteurs améliorant ou freinant la prise de décision : par exemple le prix, le type de produit et si le besoin du produit est immédiat ou non.

Sources de l’auteur :

Abrams, L.S. (2010), “Sampling ‘hard to reach’ populations in qualitative research”, Qualitative Social Work: Research and Practice, Vol. 9 No. 4, pp. 536-550.

Awad, N.F. and Ragowsky, A. (2008), “Establishing trust in electronic commerce through online word of mouth: an examination across genders”, Journal of Management Information Systems, Vol. 24 No. 4, pp. 101-121.

Bae, S. and Lee, T. (2011), “Gender differences in consumers’ perception of online consumer reviews”, Electronic Commerce Research, Vol. 11 No. 2, pp. 201-214.

Bettman, J.R. (1973), “Perceived risk and its components”, Journal of Marketing Research, Vol. 10 No. 2, pp. 182-190.

Charmaz, K. (2005), “Grounded theory in the 21st century. Applications for advancing social justice studies”, in Denzin, N. and Lincoln, Y. (Eds), Handbook of Qualitative Research, 3rd ed., Sage, Thousand Oaks, CA, pp. 507-535.

Chatterjee, P. (2001), “Online reviews – do consumers use them?”, in Gilly, M.C. and Myers-Levy, J. (Eds), ACR 2001 Proceedings, Association for Consumer Research, Provo, UT, pp. 129-134.

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. The adoption of online opinions in online customer communities”, Internet Research, Vol. 18 No. 3, pp. 229-247.

Cheung, C.M.K., Lee, M.K.O. and Thadani, D.R. (2009), “The impact of positive electronic word-of-mouth on consumer online purchasing decision”, in Lytras, M.D., Damiani, E., Carroll, J.M., Tennyson, R.D., Avison, D., Naeve, A., Dales, A., Lefrere, P., Tan, F., Sipior, J. and Vossen, G. (Eds), Lecture Notes in Computer Science, Springer-Verlag, Berlin Heidelberg, Vol. 5736, pp. 501-510.

Chevalier, J. and Mayzlin, D. (2006), “The effect of word of mouth on sales: online book reviews”, Journal of Marketing Research, Vol. 43 No. 3, pp. 345-354.

Dabholkar, P.A. (2006), “Factors influencing consumer choice of a rating web site: an experimental investigation of an online interactive decision aid”, Journal of Marketing Theory and Practice, Vol. 14 No. 4, pp. 259-273.

Dellarocas, C., Zhang, X. and Awad, N.F. (2007), “Exploring the value of online product reviews in forecasting sales: the case of motion pictures”, Journal of Interactive Marketing, Vol. 21 No. 4, pp. 23-45.

Dhar, R. and Nowlis, S.M. (1999), “The effect of time pressure on consumer choice deferral”, Journal of Consumer Research, Vol. 25 No. 4, pp. 369-384.

Doh, S.J. and Hwang, J.S. (2009), “Rapid communication. How consumers evaluate eWOM (electronic word-of-mouth) messages”, CyberPsychology and Behavior, Vol. 12 No. 2, pp. 193-197.

Dowling, G.R. (1986), “Perceived risk: the concept and its measurement”, Psychology and Marketing, Vol. 3 No. 3, pp. 193-210.

eMarketer (2018), “Level of trust in online reviews according to US internet users in August 2012”, In Statista – The Statistics Portal, available at: www.statista.com/statistics/253369/level-of-trust-in-online-reviews-according-to-us-internet-users/ (accessed 25 June 2015).

Estabrook, L., Witt, E. and Rainie, L. (2007), “Information searches that solve problems”, Pew/Internet and American Life Project, 30 December 2007, available at: www.pewInternet.org/PPF/r/231/report_display.asp (accessed 16 December 2008).

Fan, Y. and Miao, Y. (2012), “Effect of electronic word-of-mouth on consumer purchase intention: the perspective of gender differences”, International Journal of Electronic Business Management, Vol. 10 No. 3, pp. 175-181.

Filieri, R. (2015), “What makes online reviews helpful? A diagnosticity-adoption framework to explain informational and normative influences in e-WOM”, Journal of Business Research, Vol. 68 No. 6, pp. 1261-1270.

Garbarino, E. and Strahilevitz, M. (2004), “Gender differences in the perceived risk of buying online and the effects of receiving a site recommendation”, Journal of Business Research, Vol. 57 No. 7, pp. 768-775.

Glaser, B.G. and Strauss, A.L. (1967), The Discovery of Grounded Theory, Aldine De Gruyter, Hawthorne, NY.

Glesne, C. (2006), Becoming Qualitative Researchers, 3rd ed., Pearson Education, Boston.

Goldsmith, R.E. and Horowitz, D. (2006), “Measuring motivations for online opinion seeking”, Journal of Interactive Advertising, Vol. 6 No. 2, pp. 1-16.

Gottschalk, S.A. and Mafael, A. (2017), “Cutting through the online review jungle – investigating selective eWOM processing”, Journal of Interactive Marketing, Vol. 37 February, pp. 89-104.

Greenleaf, E.A. and Lehmann, D.R. (1995), “Reasons for substantial delay in consumer decision making”, Journal of Consumer Research, Vol. 22 No. 2, pp. 186-199.

Gupta, P. and Harris, J. (2010), “How e-WOM recommendations influence product consideration and quality of choice: a motivation to process information perspective”, Journal of Business Research, Vol. 63 Nos 9/10, pp. 1041-1049.

Gvili, Y. and Levy, S. (2016), “Antecedents of attitudes toward eWOM communication: differences across channels”, Internet Research, Vol. 26 No. 5, pp. 1030-1051.

Hasan, B. (2010), “Exploring gender differences in online shopping attitude”, Computers in Human Behavior, Vol. 26 No. 4, pp. 597-601.

Hennig-Thurau, T. and Walsh, G. (2003), “Electronic word-of-mouth: motives for and consequences of reading customer articulations on the internet”, International Journal of Electronic Commerce, Vol. 8 No. 2, pp. 51-74.

Hennig-Thurau, T., Gwinner, K.P., Walsh, G. and Gremler, D.D. (2004), “Electronic word-of-mouth via consumer-opinion platforms: what motivates consumers to articulate themselves on the internet?”, Journal of Interactive Marketing, Vol. 18 No. 1, pp. 38-52.

Hoyer, W.D., MacInnish, D.J. and Pieters, R. (2013), Consumer Behavior, Southwestern Cengage Learning, Mason, OH.

Huang, J.H. and Chen, Y.F. (2006), “Herding in online product choice”, Psychology and Marketing, Vol. 23 No. 5, pp. 413-428.

Janda, S. (2008), “Does gender moderate the effect of online concerns on purchase likelihood?”, Journal of Internet Commerce, Vol. 7 No. 3, pp. 339-358.

Kiecker, P. and Cowles, D. (2001), “Interpersonal communication and personal influence on the internet: a framework for examining online word-of-mouth”, Journal of Euromarketing, Vol. 11 No. 2, pp. 71-88.

Kim, E.E.K., Mattila, A.S. and Baloglu, S. (2011), “Effects of gender and expertise on consumers’ motivation to read online hotel reviews”, Cornell Hospitality Quarterly, Vol. 52 No. 4, pp. 399-406.

King, R.A., Racherla, P. and Bush, V.D. (2014), “What we know and don’t know about online word-of-mouth: a review and synthesis of the literature”, Journal of Interactive Marketing, Vol. 28 No. 3, pp. 167-183.

Koerber, A. and McMichael, L. (2008), “Qualitative sampling methods: a primer for technical communicators”, Journal of Business and Technical Communication, Vol. 22 No. 4, pp. 454-473.

Kozinets, R., de Valck, K., Wojnicki, S. and Wilner, S. (2010), “Networked narratives: understanding word-of-mouth marketing in online communities”, Journal of Marketing, Vol. 74 No. 2, pp. 71-89.

Kwok, L., Xie, K.L. and Richards, T. (2017), “Thematic framework of online review research. A systematic analysis of contemporary literature on seven major hospitality and tourism journals”, International Journal of Contemporary Hospitality Management, Vol. 29 No. 1, pp. 307-354.

Lee, E.-J. and Shin, S.Y. (2014), “When do consumers buy online product reviews? Effects of review quality, product type, and reviewer’s photo”, Computers in Human Behavior, Vol. 31 February, pp. 356-366.

Liu, Q., Karahanna, E. and Watson, R.T. (2011), “Unveiling user-generated content: designing websites to best present customer reviews”, Business Horizons, Vol. 54 No. 3, pp. 231-240.

McKnight, H. and Kacmar, C. (2006), “Factors of information credibility for an internet advice site”, Proceedings of the 39th Hawaii International Conference on System Sciences, IEEE, Kauia, HI.

McQuarrie, E.F. and Munson, J.M. (1992), “A revised product involvement inventory: improved usability and validity”, Advances in Consumer Research, Vol. 19 No. 1, pp. 108-115.

Mackiewicz, J. and Yeats, D. (2014), “Product review users’ perceptions of review quality: the role of credibility, informativeness, and readability”, IEEE Transactions on Professional Communication, Vol. 57 No. 4, pp. 309-324.

Martin, W. and Lueg, J. (2013), “Modeling word-of-mouth usage”, Journal of Business Research, Vol. 66 No. 7, pp. 801-808.

Metzger, M.J. (2007), “Making sense of credibility on the web: models for evaluating online information and recommendations for future research”, Journal of the American Society for Information Science and Technology, Vol. 58 No. 13, pp. 2078-2091.

Meyers-Levy, J. and Maheswaran, D. (1991), “Exploring differences in males’ and females’ processing strategies”, Journal of Consumer Research, Vol. 18 No. 1, pp. 63-70.

Miles, M.B. and Huberman, A.M. (1994), Qualitative Data Analysis: An Expanded Sourcebook, Sage Publications, Thousand Oaks.

Mitchell, V.-W. (1999), “Consumer perceived risk: conceptualisations and models”, European Journal of Marketing, Vol. 33 Nos 1/2, pp. 163-195.

Mudambi, S.M. and Schuff, D. (2010), “What makes a helpful online review? A study of customer reviews on Amazon.com”, MIS Quarterly, Vol. 34 No. 1, pp. 185-200.

Nielsen Scarborough (2018) “Online activities: number of internet users who accessed consumer reviews (products, services, etc.) within the last month in the United States (USA) from autumn 2010 to spring 2014 (in millions)”, In Statista – The Statistics Portal, available at: www.statista.com/statistics/368837/internet-users-who-accessed-consumer-reviews-within-the-last-month-usa/ (accessed 25 June 2015).

O’Reilly, K. and Marx, S. (2011), “How young, technical consumers assess online WOM credibility”, Qualitative Market Research: An International Journal, Vol. 14 No. 4, pp. 330-359.

Park, C. and Lee, T. (2009), “Information direction, website reputation and eWOM effect: a moderating role of product type”, Journal of Business Research, Vol. 62 No. 1, pp. 61-67.

Park, D.H. and Lee, J. (2008), “eWOM overload and its effect on consumer behavioral intention depending on consumer involvement”, Electronic Commerce Research and Applications, Vol. 7 No. 4, pp. 386-398.

Park, D.H., Lee, J. and Han, I. (2007), “The effect of on-line consumer reviews on consumer purchasing intention: the moderating role of involvement”, International Journal of Electronic Commerce, Vol. 11 No. 4, pp. 125-148.

Park, D. and Kim, S. (2008), “The effects of consumer knowledge on message processing of electronic word-of-mouth via online consumer reviews”, Electronic Commerce Research and Applications, Vol. 7 No. 4, pp. 399-410.

Patton, M.Q. (2002), “Two decades of developments in qualitative inquiry: a personal, experiential perspective”, Qualitative Social Work: Research and Practice, Vol. 1 No. 3, pp. 261-283.

Pew Research Center (2014), “Internet user demographics”, available at: www.pewinternet.org/data-trend/internet-use/latest-stats/ (accessed 13 March 2015).

Pew Research Center (2015), “Online Reviews”, available at: www.pewinternet.org/2016/12/19/online-reviews/ (accessed 8 April 2017).

Prensky, M. (2001), “Digital natives, digital immigrants”, On the Horizon, Vol. 9 No. 5, p. 106.

Ruane, L. and Wallace, E. (2013), “Generation Y females online: insights from Brand narratives”, Qualitative Market Research: An International Journal, Vol. 16 No. 3, pp. 315-335.

Schiffman, L.G. and Wisenblit, J. (2015), Consumer Behavior, 11th ed., Pearson.

Seale, C. and Silverman, D. (1997), “Ensuring rigour in qualitative research”, European Journal of Public Health, Vol. 7 No. 4, pp. 379-384.

Shenton, A.K. (2004), “Strategies for ensuring trustworthiness in qualitative research projects”, Education for Information, Vol. 22 No. 2, pp. 63-75.

Sher, P.J. and Lee, S.H. (2009), “Consumer skepticism and online reviews: an elaboration likelihood model perspective”, Social Behavior and Personality: An International Journal, Vol. 37 No. 1, pp. 137-144.

Strauss, A. and Corbin, J. (1990), Basics of Qualitative Research: Grounded Theory Procedures and Techniques, Sage Publications, Newbury Park, CA.

Zaichkowsky, J.L. (1985), “Measuring the involvement construct”, Journal of Consumer Research, Vol. 12, pp. 341-352.

Zhang, K.Z.K., Cheung, C.M.K. and Lee, M.K.O. (2014), “Examining the moderating effect of inconsistent reviews and its gender differences on consumers’ online shopping decision”, International Journal of Information Management, Vol. 34 No. 2, pp. 89-98.

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

Zhu, F. and Zhang, X.M. (2010), “Impact of online consumer reviews on sales: the moderating role of product and consumer characteristics”, Journal of Marketing, Vol. 74 No. 2, pp. 133-148.

Attention aux faux avis ! Investigations expérimentales sur les indicateurs contextuels facilitant la détection des avis trompeurs par les internautes

Munzel A, (2015), Attention aux faux avis! Investigations expérimentales sur les indicateurs contextuels facilitant la détection des avis trompeurs par les internautes, Recherche et Applications en Marketing, Vol. 30, p25-p53. 

Mots-clefs : avis d’internautes, algorithmes, bouche à oreille électronique, contexte, consensus, crédibilité, faux avis.

Résumé : Cette étude a pour but de compléter la recherche déjà existante dans le cadre de la traque des faux avis en ligne en s’intéressant au développement d’indicateurs potentiels de communication trompeuse en ligne mais également des mécanismes de soutien à la détection de ces pratiques.

Selon l’auteur, un lecteur des avis familiarisé réagit plus violemment que les autres utilisateurs à des lacunes du site concernant ses capacités à détecter les faux avis. Il souligne que plus le récepteur est familiarisé avec les avis en ligne et leur utilisation, plus il considère la source de l’avis comme crédible.

Cette étude soutien donc la pertinence de deux mécanismes de soutien à la détection de faux avis par les internautes : le label attribué par une institution tierce et les capacités du site à identifier et supprimer les avis trompeurs. Selon l’auteur, la vérification des avis par une entité indépendante rend l’avis plus crédible pour le récepteur.

Selon une analyse de l’auteur, plus une personne est âgée et expérimentée dans le domaine des avis plus elle prendra en compte l’évaluation faite par l’institution en charge d’évaluer la crédibilité.

Conclusion : Selon l’auteur les algorithmes mis en place se concentrent trop sur une détection automatique du contenu du faux avis, du texte et des écris en lui même. L’auteur pense que ces algorithmes n’apportent pas l’attention nécessaire au contexte d’un commentaire et/ou avis.

L’étude définit également que plus une personne est expérimentée dans le domaine des avis en ligne et plus elle est âgée, plus cette personne interprétera correctement un avis en ligne en parvenant à capter les indicateurs disponibles. Cette personne sera ainsi moins influencée par les communications trompeuses et frauduleuses.