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.

Qiu C, Popkowski Leszczyc P., (2016), Send-for-review decisions, brand equity, and pricing, European Journal of Marketing, 2016-02-08, Vol.50 (1/2), p.145-165

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-ci 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.

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

Estabrook, L., Witt, E. and Rainie, L. (2007), “Information searches that solve problems”, Pew/Internet and American Life Project, 30 December 2007

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

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”, 

Pew Research Center (2015), “Online Reviews”

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.

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.

Marique E, Strowel A, (2019), La régulation des fake news et avis factices sur les plateformes, Revue Internationale de droit économique, 2019/3, pp383-pp398.

Mots-clefs : avis factices, régulation, 3R, évaluation, revues, recommandations, plateformes, feed-back, architecture des plateformes, algorithmes,

Résumé : Cet article a pour but de réguler les pratiques frauduleuses en termes d’avis factices sur internet. Une contribution est mise en place pour définir plus précisément cette pratique et pour tenter de trouver un moyen de la réguler un maximum de façon légale et efficace.

L’auteur et la contribution définissent que les avis incluent “les 3R” pour ratings (évaluations), reviews (revues) et recommendations (recommandations). Selon eux, les avis sont prédéterminés par l’architecture de la plateforme où ils sont publiés, s’opposant ainsi aux “fake news” plus libres. Les auteurs lient les fake news et les avis factices par le fait qu’elles constituent ou sont constituées de dérives de l’information en ligne.

Selon l’auteur et la contribution il est nécessaire de viser les plateformes et non pas les utilisateurs, pour plus d’efficacité.

La commission européenne a définit les faux avis ou avis factices. Selon elle, on peut en différencier deux avec les “Les feed-back visant à dénigrer des contenus ou des concurrents, qui mettent en jeu la réputation de ces derniers” ou “Les feed-back visant à embellir la qualité de certains services.”

En France la loi tente d’encadrer les plateformes et de s’en servir comme point de contrôle. Il semble plus simple de contrôler et travailler avec les plateformes que de s’adresser à l’émetteur de l’avis. Les plateformes peuvent, si elles doutent de la vélocité d’un avis, le faire supprimer. Une loi de 2016 introduit un article L. 111-7-2 dans le Code de la consommation “toute plateforme qui collecte, modère ou diffuse des avis en ligne rédigés par des consommateurs doit informer les utilisateurs de manière loyale, claire et transparente sur le processus de publication des avis, et indiquer en particulier si le traitement comprend une modération des avis et, le cas échéant, le contrôle mis en œuvre dans ce cadre. “

Conclusion : Cet article nous explique à quel point il est devenu complexe de réguler les avis factices. Pour réguler ces faux avis, les différentes contributions et institutions songent au besoin de revoir les architectures des plateformes. Cependant ces plateformes fondent leur modèle sur la diffusion accélérée, les deux s’heurtant ainsi.
Selon l’article les algorithmes actuels des plateformes favorisent l’envoi rapide des avis, ce qui ne va pas dans le sens de la qualité. L’auteur pense que des vérifications supplémentaires sont nécessaires : photo, ticket de caisse, cv, géolocalisation smartphone etc.
Cependant l’auteur ne voit pas d’un bon oeil une transparence due à un surplus d’information. Il favoriserait le nudging, permettant une approche plus douce, pour intégrer les bonnes informations aux plateformes.

Sources :

• C. Busch, « Crowdsourcing Consumer Confidence – how to Regulate Online Rating and Review Systems in the Collaborative Economy », in A. De Franceschi (ed.), European Contract Law and the Digital Single Market – the Implication of the Digital Revolution, Cambridge-Anvers-Portland, Intersentia, 2016, pp. 226-227.
• P. Belleflamme et M. Peitz, « Ratings, Reviews, Recommendations and the Consumption of Cultural Voods », CORE Working Paper, 2019/6.
• Th. Beauvisage et al., « Notes et avis des consommateurs sur le web. Les marchés à l’épreuve de l’évaluation profane », Réseaux, vol. 177, n° 1, 2013, pp. 137 et s.
• Voy. C. Wardle et H. Derakhshan, « Information Disorder: Toward an Interdisciplinary Framework for Research and Policy Making », Council of Europe Report, DGI(2017)09 ; House of Commons, Digital, Culture, Media and Sport Committee, « Disinformation and “fake news”: Final Report », session 2017-2019, 14 février 2019, voy. (ci-après: UK House of Commons, 2019).
• Art. 4, sections 2 et 3 du NetzDG.
• Loi n° 2018-1202 du 22 décembre 2018 relative à la lutte contre la manipulation de l’information, JORF n° 0297, 23 décembre 2018.
• Art. L. 163-1 du Code électoral.
• Art. 11 de la loi relative à la lutte contre la manipulation de l’information.
• Art. 5 de la loi complétant l’art. 33-1 de la loi n° 86-1067 du 30 septembre 1986 relative à la liberté de communication.
• « A Multi-dimensional Approach to Disinformation », Report of the independent High Level Group on fake news and online disinformation, DG CNCT, mars 2018
• Communication de la Commission européenne, « Lutter contre la désinformation en ligne : une approche européenne », 26 avril 2018, COM(2018) 236 final. Voy.
• EU Code of Practice on Disinformation, 26 septembre 2018
• COM (2018) 236 final, 26 avril 2018
• Commission européenne, « Statement on the Code of Practice Against Disinformation: Commission Asks Online Platforms to Provide More Details on Progress Made », 28 février 2019, 
• UK House of Commons, 2019, § 14.
• UK House of Commons, 2019, §§ 37-40.
• KwikChex Ltd. c. TripAdvisor, Advertising Standard Authority, 1^er février 2012, plainte n° A11-166867
• Assemblée nationale, XIV^e législature, session ordinaire de 2013-2014, compte rendu intégral, 102^e séance, deuxième séance du lundi 9 décembre 2013, JORF, p. 12955, 2^e colonne.
• A.S.Y. Cheung et W. Schulz, « Reputation Protection On Online Rating Sites », Stanford Technology Law Review, 2018, vol. 21, pp. 334 et s.
• BGH, NJW 2015, nr 3443, Hotelbewertungsportal.
• L.A. Roberts, « Brawling with the Consumer Review Site Bully », U. Cin. L. Rev., 2016, vol. 84, p. 633.

Soulard O, (2015), La crédibilité des avis en ligne : une revue de littérature et un modèle intégrateur, Management & Avenir, 2015/8, n°82, pp129-pp153

Mots-clefs : avis en ligne, source d’information, crédibilité, auteur, argument, implication, bouche à oreille en ligne, achat, DGCCRF

Résumé : Cette étude a pour but de définir la crédibilité des avis en ligne en précisant l’impact du profil de l’auteur, la qualité de l’argument et son implication.

Internet a transformé la façon dont les consommateurs s’informent, le bouche à oreille en ligne est devenu une source d’information essentielle et nécessaire avant l’achat. L’impression de présence sociale compense le manque d’expertise et plus les avis en ligne se développent et plus les entreprises peuvent être tentées d’influencer les consommateurs avec de faux avis. Pour Mayzlin (2006), « les faux avis peuvent théoriquement remplacer la publicité lorsque les consommateurs ne savent rien de la qualité des produits ». 

La DGCCRF mène des enquêtes et tentent de contrer ces faux avis cependant les sites hébergeurs sont pour l’instant seuls face au problème. Cependant selon cette étude toujours, 69% des consommateurs font confiance aux avis en ligne. Les site hébergeurs tentent ainsi de lutter contre ce phénomène des faux avis en employant des indices de crédibilité en ligne.

L’auteur tente de comprendre comment les avis ligne malgré leur anonymat sont perçus comme crédible par les futurs consommateurs. Pour expliquer ce phénomène il met en avant le fait qu’un message est jugé plus crédible et pertinent lorsque le récepteur attribue à l’émetteur des motivations liées au stimulus. Pour appréhender cet opinion du récepteur, on peut, selon l’auteur et ses recherches, “rechercher si le lecteur d’un avis en ligne attribue les motivations de l’auteur de l’avis à des raisons liées produit” ou si celui-ci pense que ces motivations sont créées par des raisons qui ne sont pas liées au produit lui-même.

Conclusion : Définir comment le lecteur d’un avis en ligne perçoit cet avis n’est pour l’instant que subjectif, aucune preuve concrète est identifiable. Cependant des pistes existent et selon l’auteur tout se joue à l’attribution des motivations du rédacteur par le récepteur. Le récepteur et donc lecteur de l’avis peut soit attribuer au rédacteur des motivations liées au produit soit si ces motivations sont toutes autre voire personnelles. Il s’agit de la théorie de l’attribution.

Cette étude conclut par le fait que beaucoup reste à faire pour mieux comprendre la crédibilisation d’avis anonymes. L’auteur cite également les implications managériales qui selon lui sont importantes et doubles. La première pour les marchands avec les avis négatifs sur leurs produits et la facon de répondre sans remettre en compte l’auteur anonyme. Cette réponse sera également jugée et scrutée de différentes manières par différents types de personnes. La seconde est pour le site hébergeur qui dépend de la crédibilité de ces avis.

L’auteur ouvre son sujet avec selon lui la pertinence d’autoriser la mise en ligne d’éléments d’identification supplémentaires tels que photographie, CV, profil etc.

Sources :

• ALLPORT G.-W. (1954), “The historical background of modern social psychology”, Handbook of social psychology, Vol. 1, p. 3–56.
• ANDREASEN A.-R. (1968), “Attitudes and customer behavior : A decision model”. In H.-H. Kassarjian et T.-S. Robertson (Eds). Perspectives in consumer behavior, p. 498–510.
• ARDELET C. et BRIAL B. (2011), « Influence des recommandations d’internautes : le rôle de la présence sociale et de l’expertise », Recherche et Applications en Marketing, Vol. 26, No 3, p. 45–69.
• ARNDT J. (1967), “The role of product-related conversations in the diffusion of a new product”, Journal of Marketing Research, Vol. 8, No 3–4, p. 291–295.
• AXSOM D., YATES S. et CHAIKEN S. (1987), “Audience response as a heuristic cue in persuasion”, Journal of Personality and Social Psychology, Vol. 53, No 1, p. 30–40.
• BAMBAUER-SACHSE S. et MANGOLD S. (2011), “Brand equity dilution through negative online word-of-mouth communication”, Journal of Retailing and Consumer Services, Vol. 18, No 1, p. 38–45.
• BEARDEN W.-O. et ETZEL M.-J. (1982), “Reference Group Influence on Product et Bret Purchase Decisions”, Journal of Consumer Research, Vol. 9, No 9, p. 183-194.
•  BEAUVISAGE T., BEUSCART J.-S., CARDON V., MELLET K. et TRESPEUCH M. (2013), « Notes et avis des consommateurs sur le web », Réseaux, Vol. 1, p. 131–161.
• BELVAUX B. et MARTEAUX S. (2007), « Les recommandations d’internautes comme source d’information : quel impact sur les entrées des films au cinéma ? », Recherche et Applications en Marketing, Vol. 22, No 3, p. 65–82.
• BICKART B. et SCHINDLER R.-M. (2001), “Internet forums as influential sources of consumer information”, Journal of interactive marketing, Vol. 15, No 3, p. 31–40.
• BRINOL P. et PETTY R.-E. (2009a), “Persuasion : Insights from the self-validation hypothesis”, Advances in experimental social psychology, 41, 69–118.
• BRINOL P. et PETTY R.-E. (2009b), “Source factors in persuasion : A self-validation approach”, European Review of Social Psychology, 20, 1, 49–96.
• BROWN J.-J. et REINGEN P.-H. (1987), “Social Ties et Word-of-Mouth Referral Behavior”, Journal of Consumer Research, Vol. 14, No 12, p. 350–362.
• BUTTLE F. (1998), “Word of mouth : understanding and managing referral marketing”, Journal of Strategic Marketing, Vol. 6, No 3, p. 241–254.
• CACIOPPO J.-T. et PETTY R.-E. (1982), “The need for cognition”, Journal of Perso nality and Social Psychology, Vol. 42, p. 116–131.
• CHAIKEN S. (1980), “Heuristic versus systematic information processing and the use of source versus message cues in persuasion”, Journal of Personality and Social Psychology, Vol. 39, No 5, p. 752–766.
• CHAIKEN S. et EAGLY A.-H. (1983), “Communication modality as a determinant of persuasion : the role of communicator salience”, Journal of Personality and Social Psychology, Vol. 45, No 2, p. 241–265.
• CHAIKEN S. et MAHESWARAN D. (1994), “Heuristic processing can bias systematic processing : Effects of source credibility, argument ambiguity, and task importance on attitude judgment”, Journal of personality and social psychology, Vol. 66,p. 460–460.
• CHATTERJEE p. (2001), “Online reviews : do consumers use them ?”, Advances in consumer research, Vol. 28, p. 129–133.
• CHEUNG C.-M.-K. et 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, p. 461–470.
• CHEUNG M.-Y., LUO C., SIA C.-L. et CHEN H. (2009), “Credibility of electronic word-of-mouth : informational and normative determinants of on-line consumer recommendations”, International Journal of Electronic Commerce, Vol. 13, No 4, p. 9–38.
• CHEUNG M.-Y., SIA C.-L. et KUAN K.-K. (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, p. 618–635.
• CHU S.-C. et KAMAL S. (2008), “The effect of perceived blogger credibility and argument quality on message elaboration and brand attitudes : An exploratory study”, Journal of Interactive Advertising, Vol. 8, No 2, p. 26–37.
• CLOW K.-E., JAMES K., KRANENBURG K. et BERRY C. (2006), “The relationship of the visual element of an advertisement to service quality expectation and source credibility”, Journal of Services Marketing, Vol. 2, No 6, p. 404–11.
• DE BARNIER V. (2006), « Le modèle ELM : bilan et perspectives », Recherche et applications en marketing, Vol. 2, No 2, p. 61–82.
• DELLAROCAS C. (2003), “The digitization of word of mouth : Promise and challenges of online feedback mechanisms”, Management science, Vol. 49, No 10, p. 1407–1424.
• DHOLAKIA R. et STERNTHAL B. (1977), “Highly credible sources : persuasive facilitators or persuasive liabilities ?”, Journal of Consumer Research, Vol. 3, p. 223–232.
• EAGLY A.-H., WOOD W. et CHAIKEN S. (1978), “Causal inferences about communicators and their effect on opinion change”, Journal of Personality and Social Psychology, Vol. 36, No 4, p. 424–435.
• ENGEL J.-F., BLACKWELL R.-D. et KEGERREIS R.-G. (1969), “How information is used to adopt an Innovation”, Journal of Advertising Research, Vol. 9, No 4, p. 3–8.
• FAN Y.-W. et MIAO Y.-F. (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, p. 175–181.
• FAN Y.-W., MIAO Y.-F., FANG Y.-H. et LIN R.-Y. (2013), “Establishing the adoption of electronic word-of-mouth through consumers’ perceived credibility”, International Business Research, Vol. 6, No 3, p. 58–65.
• FILIERI R. et McLEAY F. (2013), “e-WOM and accommodation : An analysis of the factors that influence travelers’ adoption of information from online reviews”, Journal of Travel Research, Vol. 3, p. 100-107.
• FISKE S.-T. et TAYLOR S.-E. (1991), Social cognition, 2nd, McGraw-Hill, New York.
• FOLKES V.-S. (1984), “Consumer reactions to product failure : an attributional approach”, Journal of consumer research, 398-409.
• FORMAN C., GHOSE A. et WIESENFELD B. (2008), “Examining the Relationship Between Reviews and Sales : The Role of Reviewer Identity Disclosure in Electronic Markets”, Information Systems Research, Vol. 19, No 3, p. 291–313.
• GELINAS-CHEBAT C., CHEBAT J.-C. et VANINSKY A. (1996), “Voice and advertising : Effects of intonation and intensity of voice on source Weathers credibility, attitudes toward the advertised service and the intent to buy”, Perceptual and motor skills, Vol. 83, No 1, p. 243–262.
• GOLDBERG M.-E. et HARTWICK J. (1990), “The Effects of Advertiser Reputation and Extremity of Advertising Claim on Advertising Effectiveness”, Journal of Consumer Research, Vol. 17, No 2, p. 172–179.
• GOLDSMITH R.-E. et HOROWITZ D. (2006), “Measuring motivations for online opinion seeking”, Journal of Interactive Advertising, Vol. 6, No 2, p. 3–14.
• GOLDSMITH R.-E., LAFFERTY B.-E. et NEWELL S.-J. (2000), “The impact of corporate credibility and celebrity credibility on consumer reaction to advertisements and brands”, Journal of Advertising, Vol. 29, No 3, p. 43–54.
• GRETZEL U., FESENMAIER D.-R. et O’LEARY J.-T. (2006), “The transformation of consumer behaviour”, in Buhalis D. and Costa C. (éds), Tourism Business Frontiers Burlington, MA : Elsevier Butterworth-Heinemann, p. 9–18.
• GUPTA P. et 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, No 9/10, p. 1041–1049.
• HASS G. (1981), “Effects of source characteristics on cognitive responses and persuasion”, éds R. Petty, T. Ostrom et T. Brock. Cognitive Responses in Persuasion Hillsdale, New Jersey, p. 141–172.
• HENNIG-THURAU T., GWINNER K.-P., WALSH G. et 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, p. 38–52.
• HOLBROOK M.-B. et HIRSCHMAN E.-C. (1982), “The Experiential Aspects of Consumption : Consumer Fantasies, Feelings and Fun”, Journal of Consumer Research, Vol. 9, No 2, p. 132-140.
• HOVLAND C.-I. et WEISS W. (1951), “The influence of source credibility on communication effectiveness”, Public opinion quarterly, Vol. 15, No 4, p. 635–650.
• HUANG P., LURIE N. et MITRA S. (2009), “Searching for Experience on the Web : An Empirical Examination of Consumer Behavior for Search and Experience Goods”, Journal of Marketing, Vol. 73, No 2, p. 55-69.
• ENSEN M.-L., AVERBECK J.-M., ZHANG Z. et WRIGHT K.-B. (2013), “Credibility of Anonymous Online Product Reviews : A Language Expectancy Perspective”, Journal of Management Information Systems, Vol. 30, No 1, p. 293–324.
• JONAS J.-R.-O. (2010), “Source credibility of company-produced and user-generated content on the Internet : an exploratory study on the filipino youth”, Philippine Management Review, Vol. 17, p. 121–132.
• JUN S.-H. et VOGT C. (2013), “Travel information processing applying a dual-process model”, Annals of Tourism Research, Vol. 40, p. 191–212.
• KANG M. (2010), “Measuring social media credibility : A study on a Measure of Blog Credibility”, Institute of Public Relations, p. 2–27.
• KELLEY H.-H. (1973), “The process of causal attribution”, American Psychologist, Vol. 28, No 2, p. 107–128.
• KELLEY H.-H. (1973), “The processes of causal attribution”, American psychologist, Vol. 28, No 2, p. 107.
• KELMAN H.-C. et HOVLAND C.-I. (1953), « “Reinstatement” of the communicator in delayed measurement of opinion change », The Journal of Abnormal and Social Psychology, Vol. 48, No 3, p. 327–335.
• KING M.-F. et BALASUBRAMANIAN S.-K. (1994), “The effects of expertise, end goal, and product type on adoption of preference formation strategy”, Journal of the Academy of Marketing Science, Vol. 22, No 2, p. 146-159.
• KUSUMASONDJAJA S., SHANKA T. et MARCHEGIANI C. (2012), “Credibility of online reviews and initial trust The roles of reviewer’s identity and review valence”, Journal of Vacation Marketing, Vol. 18, No 3, p. 185–195.
• LACZNIAK R.-N., DECARLO T.-E. et RAMAWAMI S.-N. (2001), “Consumers’ responses to negative word-of-mouth communication : An attribution theory perspective”, Journal of Consumer Psychology, Vol. 5 11, No 1, p. 57-73.
• LANCELOT-MILTGEN C. (2011), « Vie privée et marketing », Réseaux, Vol. 3, p. 131–166.
• LARCENEUX F. (2007), « Buzz et recommandations sur Internet : quels effets sur le box-office ? », Recherche et Applications en Marketing, Vol. 22, No 3, p. 46–64.
• LEE J. et LEE J.-N. (2009), “Understanding the product information inference process in electronic word-of-mouth : An objectivity-subjectivity dichotomy perspective”, Information et Management, Vol. 46, No 5, p. 302–311.
• LEE J., PARK D.-H. et HAN I. (2008), “The effect of negative online consumer reviews on product attitude : An information processing view”, Electronic Commerce Research and Applications, Vol. 7, No 3, p. 341–352.
• LEE K.-T. et KOO D.-M. (2012), “Effects of attribute and valence of e-WOM on message adoption : Moderating roles of subjective knowledge and regulatory focus”, Computers in Human Behavior, Vol. 6, p. 1974–1984.
• LEE M. et YOUN S. (2009), “Electronic word of mouth (eWOM, p. How eWOM platforms influence consumer product judgement”, International Journal of Advertising, Vol. 28, No 3, p. 473–499.
• LEE M. et YOUN S. (2009), “Electronic word of mouth (eWOM) : How eWOM platforms influence consumer product judgement”, International Journal of Advertising, Vol. 5, No 28, 3, p. 473-499.
• LEE M., RODGERS S. et KIM M. (2009), “Effects of Valence and Extremity of eWOM on Attitude toward the Brand and Website”, Journal of Current Issues & Research in Advertising, Vol. 31, No 2, p. 1–11.
• LEE S.-H. (2009), “How do online reviews affect purchasing intention ?”, African Journal of Business Management, Vol. 3, No 10, p. 576–581.
•  LEMOINE J.-F. (2012), « À la recherche d’une meilleure compréhension du comportement des internautes », Management & Avenir, Vol. 8, p. 116–119.
• LIN C.-L., LEE S.-H. et HORNG D.-J. (2011), “The effects of online reviews on purchasing intention : The moderating role of need for cognition”, Social Behavior and Personality : an international journal, Vol. 39, No 1, p. 71–81.
• LIS B. (2013), “In eWOM we trust”, Business & Information. Systems Engineering, Vol. 5, No 3, p. 129–140.
• LITVIN S.-W., GOLDSMITH R.-E. et PAN B. (2008), “Electronic word-of-mouth in hospitality and tourism management”, Tourism Management, Vol. 29, No 3, p. 458–468.
• LUO C., LUO X.-R., SCHATZBERG L. et SIA C.-L. (2013), “Impact of Informational Factors on Online Recommendation Credibility : The Moderating Role of Source Credibility”, Decision Support Systems. Sous press.
• MAYZLIN D. (2006), “Promotional chat on the Internet”, Marketing Science, Vol. 25, No 2, p. 155–163.
• MIAO L., KUO P.-J. et LEE B.-Y. (2011), “Consumers’ responses to ambivalent online hotel reviews : The role of perceived source credibility and pre-decisional disposition”, International Journal of Hospitality Management, Vol. 30, No 1, p. 178–183.
• MILLS J. et JELLISON J.-M. (1967), “Effect on opinion change of how desirable the communication is to the audience the communicator addressed”, Journal of Personality and Social Psychology, Vol. 6, No 1, p. 98–101.
• MINIARD P.-W., SIRDESHMUKH D. et INNIS D.-E. (1992), “Peripheral persuasion and brand choice”, Journal of Consumer Research, Vol. 19, No 2, p. 226–239.
• MIZERKI R.-W. (1982), “An attributional explanation of the disproportionate influence of unfavourable information”, Journal of Consumer Research, Vol. 5 9, No 1, p. 301−310.
• MIZERKI R.-W. et GREEN S. (1978), “An investigation into the causal links between attribution schema and decision making”, Advances in Consumer Research, Vol. 5 (126-130).
• NEIMEYER G.-J., METZLER A.-E. et DONGARRA T. (1990), “Changing attitudes regarding the effectiveness of cognitive restructuring for treating depression”, Social Behavior and Personality : an international journal, Vol. 18, No 2, p. 181–188.
• NELSON P. (1970), “Information and Consumer Behavior”, Journal of Political Economy, 78, 2, p. 311-329.
• O’KEEFE D. (1990), Persuasion, Theory and Research, Sage Publications, California.
• En ligneOHANIAN R. (1990), « Construction and validation of a scale to measure celebrity endorsers’ perceived expertise, trustworthiness, and attractiveness », Journal of Advertising, Vol. 19, No 3, p. 39–52.
• OHANIAN R. (1991), “The impact of celebrity spokespersons’ perceived image on consumers’ intention to purchase”, Journal of Advertising Research 31, No 1, p. 46–54.
• PAN L.-Y. et CHIOU J.-S. (2011), “How much can you trust online information ? Cues for perceived trustworthiness of consumer-generated online information”, Journal of Interactive Marketing, Vol. 25, No 2, p. 67–74
• PARK D.-H. et 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, p. 399–410.
• PARK D.-H. et LEE J. (2008), “eWOM overload and its effect on consumer behavioral intention depending on consumer involvement”, Electronic Commerce Research et Applications, Vol. 7, No 4, p. 386–398.
• PARK D.-H., LEE J. et 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, p. 125–148.
• PETTY R.-E. et CACIOPPO J.-T. (1981), “Issue involvement as a moderator of the effects on attitude of advertising content and context”, Advances in consumer research, Vol. 8, No 1, p. 20–24.
• PETTY R.-E. et CACIOPPO J.-T. (1986a), Communication and persuasion : central and peripheral routes to attitude change, Springer, New York,.
• PETTY R.-E. et CACIOPPO J.-T. (1986b), The elaboration likelihood model of persuasion. Advances in Experimental Social Psychology. New York. Academic Press, p. 123–205.
• PETTY R.-E. et WEGENER D.-T. (1998), “Attitude change : Multiple roles for persuasion variables”, The handbook of social psychology, Vol. 1, p. 323–32.
• PETTY R.-E., CACIOPPO J.-T. et GOLDMAN R. (1981), “Personal involvement as a determinant of argument-based persuasion”, Journal of Personality and Social Psychology, Vol. 41, No 5, p. 847–855.
• PETTY R.-E., CACIOPPO J.-T. et SCHUMAN D. (1983), “Central and peripheral routes to advertising effectiveness : the moderating role of involvement”, Journal of Consumer Research, Vol. 10, No 2, p. 135–146.
• RACHERLA P. et FRISKE W. (2012), “Perceived ’Usefulness’ of Online Consumer Reviews : An Exploratory Investigation across Three Services Categories”, Electronic Commerce Research and Applications, Vol. 7, p. 548–559.
• REINGEN P.-H. et KERNAN J.-B. (1986), “Analysis of Referral Networks in Marketing : Methods et Illustration”, Journal of Marketing Research, Vol. 23, No 11, p. 370–378.
• RICHINS M.-L. (1983), “Negative word-of-mouth by dissatisfied customers : a pilot study”, Journal of Marketing, Vol. 47, No 1, p. 68–78.
• RIFON N.-J., CHOI S.-M., TRIMBLE C.-S. et LI H. (2004), “Congruence effects in sponsorship : the mediating role of sponsor credibility and consumer attributions of sponsor motive”, Journal of Advertising, Vol. 5 33, No 1, p. 30-42.
• ROTTER J.-B. (1954), Social learning and clinical psychology, New York, Prentice-Hall, 466 p.
• SEN S. et LERMAN D. (2007), “Why are you telling me this ? An examination into negative consumer reviews on the web”, Journal of Interactive Marketing, Vol. 21, No 4, p. 76–94.
• SEN S. et LERMAN D. (2007), “Why are you telling me this ? An examination into negative consumer reviews on the web”, Journal of Interactive Marketing, Vol. 5 21, No 4, p. 76-94.
• SHER P. et LEE S. (2009), “Consumer Skepticism and Online Reviews : An Elaboration Likelihood Model Perspective”, Social Behavior and Personality, Vol. 37, No 1, p. 137–143.
• SHETH J.-N. (1971), “Word-of-mouth in low-risk innovations”, Journal of Advertising Research, Vol. 11, No 3, p. 15–18.
• SLATER M.D. et ROUNER D. (1996), “How message evaluation and source attributes may influence credibility assessment and belief change Source”, Journalism et mass communication quarterly, Vol. 73, No 4, p. 974–991.
• SMITH D., MENON S. et SIVAKUMAR K. (2003), “Trust Me, Would I Steer you Wrong ? The Influence of Peer Recommendations within Virtual Communities”, Proceedings, Academy of Marketing Science Annual Conference.
• STAUSS B. (2000), Using new media for customer interaction : a challenge for relationship marketing. Relationship Marketing, Springer, Berlin, p. 233–253.
• SUN T., YOUN S., WU G. et KUNTARAPORN M. (2006), “Online word-of-mouth (or mouse, p. an exploration of its antecedents and consequences”, Journal of Computer-Mediated Communication, Vol. 11, No 4, p. 1104–1127.
• SUSSMAN S.-W. et SIEGAL W.-S. (2003), “Informational influence in organizations : an integrated approach to knowledge adoption”, Information Systems Research, Vol. 14, No 1, p. 47–65.
• TORMALA Z.-L., PETTY R.-E. et BRINOL P. (2002), “Tease of retrieval effects in persuasion : A self-validation analysis T”, Personality and Social Psychology Bulletin, 28, 12, 1700–1712.
• UNDERWOOD J. et PEZDEK K. (1998), “Memory suggestibility as an example of the sleeper effect” T, Psychonomic Bulletin & Review, Vol. 5, No 3, p. 449–453.
• VERMEULEN I.-E. et SEEGERS D. (2009), “Tried and tested : The impact of online hotel reviews on consumer consideration”, Tourism Management, Vol. 30, p. 123–127.
• VERPLANKEN B. (1991), “Persuasive communication of risk information : A test of cue versus message processing effects in a field experiment”, Personality and Social Psychology Bulletin, Vol. 17, No 2, p. 188–193.
• WATHEN C.-N. et BURKELL J. (2002), “Believe it or not : Factors influencing credibility on the Web”, Journal of the American society for information science and technology, Vol. 53, No 2, p. 134–144.
• WILSON E.-J. et SHERRELL D.-L. (1993), “Source effects in communication and persuasion research : A meta-analysis of effect size”, Journal of the Academy of Marketing Science, Vol. 21, No 2, p. 101–112.
• WOOD W., KALLGREN C.-A. et PREISLER R.-M. (1985), “Access to attitude-relevant information in memory as a determinant of persuasion : The role of message attributes”, Journal of Experimental Social Psychology, Vol. 21, No 1, p. 73–85.
• WU C. et SHAFFER D.-R. (1987), “Susceptibility to persuasive appeals as a function of source credibility and prior experience with the attitude object”, Journal of Personality and Social Psychology, Vol. 52, No 4, p. 677–688.
• XIE G., ZHU J., LU Q. et XU S. (2011), “Influencing factors of consumer intention towards web group buying”. In Industrial Engineering and Engineering Management (IEEM) IEEE International Conference, p. 1397–1401.
• YI M.-Y., YOON J.-J., DAVIS J.-M. et LEE T. (2013), “Untangling the Antecedents of Initial Trust in Web-based Health Information : The Roles of Argument Quality, Source Expertise, and User Perceptions of Information Quality and Risk”, Decision Support Systems, Vol. 55, p. 284–295.
• YOO K.-H. et GRETZEL U. (2009), “Comparison of Deceptive and Truthful Travel Reviews”, Information and Communication Technologies in Tourism 2, p. 37–47.
• ZHANG J.-Q., CRACIUNA G. et SHIN D. (2010), “When does electronic word-of-mouth matter ? A study of consumer product reviews”, Journal of Business Research, Vol. 63, No 12, p. 1336–1341.
• ZHANG W. et WATTS S.-A. (2008), “Capitalizing on Content : Information Adoption in Two Online communities”, Journal of the Association for Information Systems, Vol. 9, No 2, p. 73–94.
• ZHU F. et ZHANG X. (2010), “Impact of online consumer reviews on sales : The moderating role of product and consumer characteristics”, Journal of Marketing, Vol. 74, No 2, p. 133–148.
• ZOU P., YU B. et HAO Y. (2011), “Does the valence of online consumer reviews matter for consumer decision making ? The moderating role of consumer expertise”, Journal of computers, Vol. 6, No 3, p. 484–488.

International Journal of Physical Distribution & Logistics Management

https://doi.org/10.1108/09600030010346512

Étudie l’application des stratégies de marketing Internet et d’échange d’informations dans le secteur de la biotechnologie. Internet est particulièrement utile dans ce contexte car non seulement il offre des informations instantanées sur les produits et services, mais il permet également un support interactif pour des activités à valeur ajoutée telles que la modélisation moléculaire «virtuelle». Ce type d’activité peut favoriser d’importantes opérations conjointes de recherche entre entreprises à l’échelle mondiale.

Internet offre aux entreprises de biotechnologie la possibilité de mettre en œuvre une stratégie marketing efficace. Cette approche virtuelle doit être intégrée dans le site Internet de l’entreprise. Internet est un marché mondial qui élimine les barrières transactionnelles spatiales et temporelles, permettant un haut niveau d’interactivité entre les utilisateurs. Il peut être utilisé au mieux comme outil de communication, et dans le cas des produits informatiques, également comme canal de distribution directe.

La meilleure stratégie de marketing Internet possible peut être conçue et mise en œuvre en tenant compte des conditions du marché, des objectifs et des ressources internes de l’entreprise. Le site Internet doit avoir un bon équilibre entre la structure, la conception et le contenu, et l’entreprise doit essayer de maximiser en permanence l’utilité, l’accessibilité, la flexibilité et l’interactivité du site. Il semble que les entreprises de biotechnologie profitent pleinement de ces possibilités. Les recherches futures pourraient comparer l’utilisation d’Internet par les entreprises de différents secteurs de haute technologie.

International Journal of Retail & Distribution Management

https://doi.org/10.1108/09590551011052106

Mots clés : La mesure, Essais et instruments, Commerce électronique, Achats sur internet, Qualité du service client, France.

Résumé : Le but de cet article est de concevoir, développer et évaluer une échelle fiable et valide pour la mesure de la qualité des services de vente au détail en ligne, spécifiquement dans le contexte français.

Conclusion :

Les dernières années ont vu une activité de recherche florissante concernant les questions de commerce électronique, surtout en ce qui concerne le développement d’échelles pour mesurer les aspects qualitatifs de la prestation de services. La plupart des études ont été menées dans des environnements anglophones. Étant donné qu’Internet est un phénomène mondial dont l’accès croît à un rythme exponentiel en France, nous avons décidé de développer une échelle spécifiquement adaptée à ce marché. Notre étude commence le processus de conception, de développement et d’évaluation d’une échelle fiable et valide pour la mesure de la qualité du service de vente au détail en ligne afin de faciliter la compréhension de la qualité du service e-tail.

Bibliothèque Hi Tech

https://doi.org/10.1108/LHT-11-2018-0155

Mots clés : Les technologies émergentes, Technologie haptique, Technologies de l’information, Bibliothéconomie moderne, Services de bibliothèque, Tendances des bibliothèques.

Résumé :

Le sujet de l’article est la technologie haptique considérée comme un outil pour améliorer les performances des bibliothèques. Le but de cet article est de déterminer le potentiel de cette technologie dans la conception de services de bibliothèque innovants. Les objectifs spécifiques comprennent la description des idées et des caractéristiques de la technologie haptique, l’identification des principaux domaines d’application de la technologie haptique et la description des utilisations possibles de la technologie haptique dans les services de bibliothèque.

Conclusion :

La technologie haptique est un sujet qui devrait être traité plus souvent dans les bibliothèques et les sciences de l’information car elle a un grand potentiel pour améliorer les services de bibliothèque et les rendre plus attrayants. Les deux domaines les plus importants dans lesquels la technologie haptique pourrait être appliquée dans les bibliothèques sont l’éducation et les services, en particulier pour les utilisateurs handicapés qui ont des besoins particuliers en matière d’éducation et de services. Bien qu’elle puisse être très utile pour les utilisateurs handicapés, la technologie haptique peut également être utilisée dans divers contextes pour fournir des interfaces utilisateur plus réactives et intuitives pour les services de bibliothèque électronique.

Assembly Automation

https://doi.org/10.1108/AA-10-2019-0169

Mots clés : Assemblage virtuel, Haptique, Mesures d’assemblages, Assemblage du produit.

Résumé : Cette étude vise à présenter un nouveau système d’assemblage virtuel haptique pour la génération automatique et l’évaluation objective des plans d’assemblage. Le système est destiné à être utilisé comme un outil de planification d’assemblage tout au long du processus de développement du produit.

Conclusion :

Pour évaluer le système, une étude de cas correspondant à l’assemblage d’un composant mécanique est présentée et analysée. Les résultats démontrent que le système proposé est un outil efficace pour planifier et évaluer différentes stratégies d’assemblage de produits dans une approche plus pratique et objective que les méthodes de planification d’assemblage existantes.