dspace.spbu.ru · Web viewcommerce в 4 раза, составив 10,9 трлн рублей, а...

Федеральное государственное образовательное учреждение

высшего профессионального образования

Санкт-Петербургский государственный университет

Институт «Высшая школа менеджмента»

Кафедра маркетинга

ВЛИЯНИЕ ВОЗНАГРАЖДЕНИЯ НА СОЗДАНИЕ И

ИСПОЛЬЗОВАНИЕ ОНЛАЙН-ОТЗЫВОВ ПОТРЕБИТЕЛЯМИ

Выпускная квалификационная работастудентки 4 курса бакалаврской

программы «Менеджмент»,профиль – Маркетинг

ХОЛДОРБЕКОВОЙ Зарины Дилдоровны

(подпись)

Научный руководитель:доцент кафедры маркетинга

СМИРНОВА Мария Михайловна

(подпись)

Санкт-Петербург2021

ЗАЯВЛЕНИЕ О САМОСТОЯТЕЛЬНОМ ХАРАКТЕРЕ ВКРЯ, Холдорбекова Зарина Дилдоровна, студентка 4 курса Высшей школы

менеджмента СПБГУ (направление 38.03.02 «Менеджмент», профиль подготовки –

Маркетинг»), подтверждаю, что в моей выпускной квалификационной работе на тему

«Влияние вознаграждения на создание и использование онлайн-отзывов потребителями»,

представленной в службу обеспечения программ бакалавриата для последующей передачи

в государственную аттестационную комиссию для публичной защиты, не содержится

элементов плагиата. Все прямые заимствования из печатных и электронных источников, а

также из защищённых ранее курсовых и выпускных квалификационных работ,

кандидатских и докторских диссертаций имеют соответствующие ссылки.

Мне известно содержание п. 9.7.1 Правил обучения по основным образовательным

программам высшего и среднего профессионального образования в СПбГУ о том, что

«ВКР выполняется индивидуально каждым студентом под руководством назначенного

ему научного руководителя», и п. 51 Устава федерального государственного бюджетного

образовательного учреждения высшего профессионального образования «Санкт-

Петербургский государственный университет» о том, что «студент подлежит отчислению

из Санкт-Петербургского университета за представление курсовой или выпускной

квалификационной работы, выполненной другим лицом (лицами)».

ОГЛАВЛЕНИЕ

Введение.............................................................................................................................4

Глава 1. Создание и использование онлайн-отзывов потребителями..........................8

1.1. Обзор рынка e-commerce..................................................................................8

1.2. Использование онлайн-отзывов.......................................................................9

1.3. Создание онлайн-отзывов...............................................................................14

1.4. Взаимосвязь создания и использования онлайн-отзывов потребителями.18

Глава 2. Разработка модели влияния вознаграждения на создание и использование

онлайн-отзывов потребителями.................................................................................................20

2.1. Вознаграждение как маркетинговая тактика................................................20

2.2. Влияние вознаграждения на поведение потребителей................................21

2.3. Скептицизм потребителей к онлайн-отзывам..............................................23

2.4. Описание концептуальной модели................................................................25

2.5. Формулирование гипотез................................................................................27

Глава 3. Эмпирическое исследование влияния вознаграждения на создание и

использование онлайн-отзывов потребителями.......................................................................30

3.1. Методология исследования............................................................................30

3.2. Описание выборки...........................................................................................30

3.3. Результаты эмпирического исследования.....................................................32

3.4. Выводы.............................................................................................................40

3.5. Рекомендации...................................................................................................42

Заключение.......................................................................................................................45

Список источников..........................................................................................................47

Приложения......................................................................................................................55

Приложение 1. Социально-демографические характеристики кластеров.............55

Приложение 2. Регрессионный анализ......................................................................59

ВВЕДЕНИЕ

В современном мире люди по-разному подходят к выбору товаров и услуг в

стремлении снизить риски, связанные с их приобретением. С этой точки зрения

сарафанное радио (WOM) исторически принято считать одним из самых влиятельных

способов передачи информации1,2. Однако обычное межличностное общение эффективно

только в ограниченных условиях социального взаимодействия и его влияние

стремительно уменьшается с течением времени и увеличением расстояния3. Так, развитие

и достижения в области коммуникационных и информационных технологий, в

особенности интернета, глубоко изменили способы передачи данных и превзошли

традиционные ограничения устного взаимодействия: теперь потребители могут легко и

свободно получать доступ к информации и обмениваться мнениями о компаниях,

продуктах и услугах в беспрецедентном масштабе в режиме реального времени

независимо от временных и географических ограничений.

С развитием интернета стремительно растет и рынок электронной коммерции:

лишь за 2019-2020 год его объём увеличился на 24,1%4. При этом потребители все больше

доверяют онлайн-покупкам: по оценкам экспертов, к 2040 году около 95% всех покупок

будет совершаться электронно5. В связи с этим онлайн-отзывы становятся все более

распространенным способом обмена информации о личном опыте использования

продуктов и услуг между потребителями. Потенциальные покупатели полагаются на

такую информацию, чтобы сделать вывод о качестве продукции и принять решение о

покупке: согласно ранее проведенным исследованиям, 91% респондентов6 смотрят отзывы

других покупателей, прежде чем совершить онлайн-покупку. При этом 33% потребителей

оставляют отзывы в интернете за редким исключением, а 13% из них – никогда этого не

делали7. Интересно и то, что с каждым годом повышается активность потребителей в

1 Godes, D. and Mayzlin, D., Using online conversations to study word-of-mouth communication. // Marketing science. — 2004. — Vol. 23 (4). — P..545-560.

2 Granovetter, M.S., The strength of weak ties. // American journal of sociology. — 1973. — Vol. 78 (6). — P.1360-1380.

3 Ellison, G. and Fudenberg, D., Word-of-mouth communication and social learning. // The Quarterly Journal of Economics. — 1995. — Vol. 110 (1). — P. 93-125.

4 Charts: How the coronavirus is changing ecommerce [Электронный ресурс] // Digital Commerce 360 estimates. — 2021. — Режим доступа: https://www.digitalcommerce360.com/2021/02/15/ecommerce-during-coronavirus-pandemic-in-charts/, свободный.

5 Альгрен М. – Статистика электронной коммерции и факты онлайн-покупок для 2020. [Электронный ресурс]– Режим доступа: https :// www . websitehostingrating . com / ru / ecommerce - statistics - facts / , свободный.

6 Chen, L., Li, W., Chen, H. & Geng, S., Detection of fake reviews: Analysis of sellers’ manipulation behavior. // Sustainability. — 2019. — Vol. 11 (17). — P. 4802.

7 Использование отзывов при онлайн-покупках [Электронный ресурс] // Data Insight совместно с AliExpress Россия. — 2021. — Режим доступа: https://datainsight.ru/sites/default/files/DI_Aliexpress_GuidedBuying.pdf, свободный.

4

https://datainsight.ru/sites/default/files/DI_Aliexpress_GuidedBuying.pdf

https://www.websitehostingrating.com/ru/ecommerce-statistics-facts/

https://www.digitalcommerce360.com/2021/02/15/ecommerce-during-coronavirus-pandemic-in-charts/


отношении создания контента – они все чаще публикуют онлайн-отзывы, а их

значительное большинство является положительным8.

Хотя общее количество онлайн-отзывов о продуктах стремительно растет, не

каждый отдельный продукт получает большое количество рецензий. Джиндал и Лю

(2008)9 показали, что в данных, извлеченных с Amazon.com, существует большое

количество продуктов с очень маленьким числом отзывов (например, 50% продуктов

имеют только 1 отзыв). Дуан и др.10 (2008) обнаружили, что количество онлайн-отзывов

положительно влияет на прибыльность компаний. Гхош и Ипейротис11 (2011) также

продемонстрировали, что большее количество обзоров коррелирует с высокими

продажами продукции. Таким образом, отсутствие отзывов о товаре может быть

истолковано покупателями как сигнал о плохом качестве продукта. В то же время, если

покупатели воздерживаются от покупки товара из-за отсутствия отзывов, это приводит к

нехватке покупателей, которые могут написать эти отзывы. Чтобы решить проблему

«холодного старта» и повысить вовлеченность потребителей в процесс создания и

использования eWOM, компании начинают активно предоставлять клиентам различные

стимулы, среди которых – вознаграждение.

При обсуждении платных отзывов первые слова, которые приходят в голову, – это

«фальшивка», «предвзятость» и «бесполезность». Это действительно так, когда

рецензенты публикуют либо положительные, либо отрицательные отзывы, которые

отличаются от их реального мнения. Однако неуместно считать все оплачиваемые отзывы

недостоверными. Платные обзоры существуют давно: многие известные журналы

(например, Consumer Reports, Wine Spectator) предоставляют отзывы, написанные

наемными сотрудниками и критиками12. Кроме того, награды за отзывы уже активно

используются такими компаниями, как Lamoda, ВкусВилл, OZON, Эльдорадо,

СберМегаМаркет и многие другие: онлайн-платформы начисляют бонусные баллы за

оставленный отзыв о недавно приобретенном товаре. Такая стратегия, согласно

исследованию экспертов приложения «Кошелёк», помогает бизнесу собирать отзывы о

новых продуктах в кратчайшие сроки13.

8Тот же.9 Jindal, N., and Liu, B., Opinion Spam and Analysis. // In International Conference on Web Search and

Web Data Mining. — 2008. — P. 219-230. 10 Duan, W., Gu, B., and Whinston A. B., Do Online Reviews Matter? – An Empirical Investigation of

Panel Data // Decision Support Systems. — 2008. — Vol. 45 (4). — P. 1007-1016. 11 Ghose, A., and Ipeirotis, P. G., Designing Novel Review Ranking Systems: Predicting Usefulness and

Impact of Reviews // In Proceeding of the 9th International Conference on Electronic Commerce. — 2007. — P. 303-310.

12 Wang, Jing, Anindya Ghose & Panos Ipeirotis., Bonus, disclosure, and choice: what motivates the creation of high-quality paid reviews? — 2012.

13 Как ритейлеры мотивируют клиентов оставлять отзывы [Электронный ресурс] // Блог приложения «Кошелёк». — 2020. — Режим доступа: https://blog.cardsmobile.ru/kak-ritejlery-motiviruyut-klientov-ostavlyat-

5

https://blog.cardsmobile.ru/kak-ritejlery-motiviruyut-klientov-ostavlyat-otzyvy




Исследования расходятся во мнениях относительно того, приносит ли такая

практика пользу. Хеннинг-Турау и др. (2004) предполагают, что как денежная, так и

неденежная мотивация способствует созданию онлайн-отзывов. Ряд других исследований

показывает, что денежные стимулы эффективны в указанных целях (Burtch et al., 2018;

Cabral and Li, 2015; Fradkin et al., 2015). Смит (2011) специально рассматривает

предпочтения миллениалов, движущей силы онлайн-покупок, и обнаруживает, что при

наличии скидок или вознаграждения, потребители более склонны к созданию онлайн-

рецензий. Однако другие эксперты выявили побочные эффекты экономических стимулов:

Фрей и Джеген (2001) указывают на «эффект вытеснения» денежного вознаграждения,

поскольку люди могут сделать неблагоприятные выводы о мотивации рецензентов. Эту

точку зрения поддерживают и Бенабу и Тироль (2006).

Несмотря на то, что область онлайн-отзывов и eWOM характеризуется

значительным количеством разносторонних публикаций с конца 1990-х годов, работ,

которые комплексно изучают влияние вознаграждения на поведение потребителей, по-

прежнему мало. Кроме того, отсутствуют исследования, которые рассматривают

использование и создание онлайн-отзывов в качестве единой стратегии. Поэтому многие

вопросы остаются открытыми, в том числе: пишут ли отзывы люди, которые их

читают? Почему процент пишущих меньше, чем процент читающих? Как на эти два

типа поведения влияют финансовые стимулы? Данное исследование вносит вклад в

восполнение существующего пробела.

Цель работы – определить, какое воздействие вознаграждение оказывает на

готовность потребителей использовать и создавать онлайн-отзывы. Для достижения

описанной цели ставятся следующие задачи:

Определить особенности использования и создания онлайн-отзывов

потребителями на основании обзора существующей литературы;

Разработать концептуальную модель влияния вознаграждения на

использование и создание онлайн-отзывов потребителями;

Эмпирически протестировать модель с помощью исследований;

Разработать практические рекомендации по применению результатов

исследования для бизнеса.

Формат – исследовательская работа. Предполагается, что по итогам исследования

будут:

otzyvy, свободный.

6


1) Выявлены и протестированы закономерности влияния вознаграждения на

использование и созданий онлайн-отзывов потребителями с учетом их

индивидуальных характеристик;

2) Разработаны практические рекомендации по применению результатов

концептуальной модели.

Основные источники информации: вторичные (литература и успешные практики в

изучаемой области, данные исследования поведения потребителей в интернете за 2019-

2020 год), первичные (онлайн-опрос потребителей для тестирования концептуальной

модели и разработки практических рекомендаций).

Инструментарий исследовательской работы: контент-анализ научной и

публицистической литературы, статистический анализ данных с помощью пакета SPSS.

Описанные подходы к достижению целей и задач исследования определили

структуру и логику работы. Исследование состоит из трех глав, введения и заключения.

Введение представляет собой краткий экскурс в проблематику и план по изучению

предмета исследования. В первой главе кратко описываются тенденции и тренды на

рынке e-commerce и eWOM, приводится анализ литературы по изучаемой теме для

описания двух основных стратегий взаимодействия потребителей с онлайн-отзывами и их

связи. Во второй главе формулируется концептуальная модель влияния вознаграждения

на использование и создание онлайн-отзывов, формулируются и обосновываются

гипотезы для ее тестирования, разработанные на основании существующих исследований.

В третьей главе проводится эмпирический анализ данных для проверки выдвинутых ранее

предположений. В этой же части формулируются выводы и предлагаются управленческие

рекомендации по использованию результатов данного исследования.

7

ГЛАВА 1. СОЗДАНИЕ И ИСПОЛЬЗОВАНИЕ ОНЛАЙН-ОТЗЫВОВ

ПОТРЕБИТЕЛЯМИ

1.1. Обзор рынка e-commerce

Объемы продаж электронной коммерции продемонстрировали рекордно высокий

уровень в 2020 году после пандемии: всего за 90 дней показатели выросли до уровня,

прогнозируемого на ближайшие 10 лет14. Поскольку страны закрылись на карантин, а

розничные торговцы были вынуждены перейти в онлайн, доля e-commerce достигла

рекордного уровня в 16,4% от общих мировых розничных продаж. Драйверами этой

тенденции стали не только представители поколения Z и миллениалы – покупатели более

старшего возраста также перешли в интернет. Согласно глобальному опросу Shopify, 84%

потребителей совершали покупки в интернете во время пандемии. Кроме того, почти 150

миллионов человек впервые сделали покупки в интернете в связи с COVID-19. С каждым

годом количество покупателей электронной коммерции будет только расти: как уже было

сказано ранее, потребители все больше доверяют онлайн-покупкам и, по оценкам

экспертов, к 2040 году около 95% всех покупок будет совершаться электронно. Все это

приводит к изменению роли и важности цифровых технологий в жизни потребителей:

клиенты сегодня ожидают простых, интуитивно понятных в использовании цифровых

интерфейсов для различных каналов и устройств. Бренды, которые могут оправдать эти

ожидания и обеспечить наилучший клиентский опыт, получают наибольшее внимание со

стороны потребителей и, соответственно, прибыль.

Что касается российского рынка, то, согласно отчёту «Интернет-торговля в России

2020» аналитического агентства Data Insight15, его объём за 2020 год составил 2,7 трлн

рублей, полученных с 830 млн заказов. Только за I-III кварталы 2020 доставлен 601 млн

отправлений, что на 27% больше, чем за весь 2019 год, а разница с первыми тремя

кварталами 2019 года составляет 82%. Рост отечественного рынка e-commerce оказался

рекордным в сравнении с другими игроками, составив 58% (например, Китай – 5%, США

– 9%, Япония – 8%, Великобритания – 13%, Южная Корея – 19%, Германия – 16%,

Франция – 9%, Индия – 29%, Канада – 12%). Кроме того, количество заказов онлайн В2С

выросло за 2020 год на 78%. Почти 50% (450 млн заказов) пришлось на крупные

маркетплейсы – Wildberries, Ozon, Aliexpress Russia, Яндекс Маркет, – а средний чек на

виртуальных платформах составил 1780 рублей. По прогнозам аналитиков, к 2024 году

14 The Future of Ecommerce Report 2021 [Электронный ресурс]. // Shopify Plus — 2021. — Режим доступа: https://enterprise.plus.shopify.com/rs/932-KRM-548/images/Shopify_Future_of_Commerce.pdf, свободный.

15 Интернет-торговля в России 2020 [Электронный ресурс] // Data Insight. — 2021. — Режим доступа: https://datainsight.ru/sites/default/files/DI_eCommerce2020.pdf, свободный.

8

https://datainsight.ru/sites/default/files/DI_eCommerce2020.pdf

https://enterprise.plus.shopify.com/rs/932-KRM-548/images/Shopify_Future_of_Commerce.pdf

рынок e-commerce в 4 раза, составив 10,9 трлн рублей, а количество онлайн-заказов

увеличится более чем в 5,5 раз.

В связи с описанными тенденциями в мире электронной коммерции, где

покупатели не могут физически опробовать товары перед покупкой, многие потребители

обращаются к онлайн-отзывам о брендах, товарах и услугах. Прежде всего, в этом

контексте следует дать определение электронному сарафанному радио (eWOM): любое

положительное или отрицательное заявление о продукте или компании, сделанное

потенциальными, фактическими или бывшими клиентами, доступное потребителям и

другим организациям через интернет16.

Тогда онлайн-отзывы, как особая форма eWOM, представляют собой сообщения,

размещенные в интернете с целью повлиять на мнение потребителей о рецензируемых

товарах или услугах и обычно содержащие числовой рейтинг-оценку (чаще всего от 1 до 5

звезд)17. Онлайн-отзывы как маркетинговый инструмент продолжают активно развиваться

(Kuan et al., 2015; Park and Nicolau, 2015; Wang et al. 2018) и сегодня являются одним из

самых популярных каналов коммуникации и наиболее влиятельным источником

информации для потребителей при принятии решения о покупке (Chevalier, Mayzlin, 2006;

Lee and Shin, 2014), приносящим огромную пользу (Hamby et al., 2015; Krishnamoorthy,

2015; Zhang et al., 2014; Zheng et al., 2013). Что наиболее важно, как уже отмечалось ранее,

онлайн-отзывы позволяют географически рассредоточенным потребителям обмениваться

независимыми мнениями о продуктах и услугах, помогая принимать целесообразные

решения о покупке (Racherla et al., 2013). Кроме того, онлайн-обзоры также обладают

большим потенциалом создания ценности для компаний в качестве источника данных для

улучшения продуктов и услуг, увеличения дохода и установления долгосрочных

(лояльных) отношений с потребителями (Chang et al., 2015).

1.2. Использование онлайн-отзывов

Как показывают эмпирические исследования18, в 9 из 10 онлайн-заказов решение о

покупке принимается с использованием отзывов: покупатели читают их, смотрят фото и

видео, а также задают вопросы другим покупателям. В 2 из 10 случаев отзывы имеют

решающее значение и лишь 1% потребителей никогда не обращается к онлайн-отзывам

перед совершением покупки. Такое высокое использование отзывов в процессе 16 Hennig-Thurau, T., & Walsh, G., Electronic word-of-mouth: Motives for and consequences of reading

customer articulations on the Internet. // International Journal of Electronic Commerce. — 2003. — Vol. 8 (2). — P. 39.

17 Wang, S., Cunningham, N. R., & Eastin, M. S., The impact of eWOM message characteristics on the perceived effectiveness of online consumer reviews. // Journal of Interactive Advertising. — 2015. — Vol. 15 (2). — P. 151-159.

18 Использование отзывов при онлайн-покупках [Электронный ресурс] // Data Insight совместно с AliExpress Россия. — 2021. — Режим доступа: https :// datainsight . ru / sites / default / files / DI _ Aliexpress _ GuidedBuying . pdf , свободный.

9


транзакции отражает мощный запрос со стороны покупателей на персонализированную

информацию о товаре и иллюстрирует основную цель изучения отзывов – узнать

«подойдет ли товар лично мне». Вероятность использования отзывов при этом чаще всего

связана с различными характеристиками покупки, товара и покупателя, но никак не

коррелирует с полом потребителя, регионом его проживания, образованием и

материальным положением, а также частотой покупок в интернете. Так, в исследовании19

приводятся следующие выводы: использование отзывов связано

со склонностью их писать (подробнее об этом поговорим позднее);

с длительностью выбора: чем дольше потребители принимают решение о

покупке, тем с большей вероятностью они будут читать отзывы;

с категорией товара покупки: наиболее «яркими» категориями являются

товары для занятий спортом, электроника и бытовая техника;

с экспертизой покупателя в товарной категории: чаще используют отзывы

те, кто разбирается в товарной категории, но не считает себя экспертом;

с возрастом покупателя: молодежь в возрасте от 18 до 24 лет чаще других

потребителей использует отзывы, люди старше 65 лет – реже;

с субъективной значимостью покупки (трат) для покупателя;

с типом населенного пункта: выше использование отзывов в более мелких

регионах/городах.

1.2.1. Мотивация использования онлайн-отзывов

Чтобы понять, какое влияние оказывают онлайн-отзывы на потребителей, важно

определить мотивы, которые побуждают людей искать информацию из этих источников.

Мотивация – это внутреннее явление, заставляющее людей совершать определенные

действия, возникающее из-за неудовлетворенных потребностей, которые уводят человека

«от психологического равновесия»20. Общепринятая классификация мотивов

использования онлайн-отзывов делит их на две группы: внутренние и внешние.

Внутренняя мотивация обусловлена интересом или получением удовольствия от самой

задачи, которая исходит изнутри человека, тогда как внешняя относится к выполнению

деятельности для достижения результата (например, денежного бонуса), который исходит

извне. Когда целевой задачей является написание отзывов, рецензент внутренне

мотивирован, если наслаждается обменом личного опыта и чувствами с другими, и

внешне, если получает за это денежную компенсацию.

19 Там же.20 Evans, M., Jamal, A., & Foxall, G., Consumer behaviour. // Chichester, England: John Wiley. — 2006.

— P. 4.

10

В литературе, однако, существуют и другие подходы к определению мотивов

использования онлайн-отзывов. Бертон и Хаммаш провели эмпирическое исследование и

сформировали 7 обобщенных групп мотивов для чтения отзывов на основании тех, что

выявили ранее Хенниг-Турау и Уолш21, а также определили шаблоны связанного с ними

поведения. Результаты представлены в Таблица 1.

Таблица 1. Мотивы использования онлайн-отзывов и связанное с ними поведение22

Обобщенная группа

мотивов

Мотивы для чтения Поведение

потребителей

Вовлеченность в

принятие решения

(Decision Involvement)

Снижение рисков (1, 2, 3)

Снижение времени на поиск информации

(4)

Уменьшение диссонанса (5)

1. Внимательное

чтение и

интерпретация

отзывов

2. Чтение отзывов о

конкретных продуктах

3. Чтение нескольких

отзывов

4. Чтение отзывов

перед покупкой


после покупки

6. Чтение отзывов в

целом

7. Чтение отзывов от

конкретных людей

8. Чтение отзывов и

информирование

третьих лиц

9. Изучение

достоверности и

доступности отзывов

Вовлеченность в продукт

(Product Involvement)

Узнать, как необходимо потреблять

продукт (2)

Узнать, какие продукты являются новыми

на рынке (6)

Экономическая

вовлеченность (Economic

Involvement)

Вознаграждение (6)

Расширение прав и

возможностей

потребителя (Consumer

Empowerment)

Надежное мнение о продукте (7)

Среднее /неэкспертное мнение о продукте

(6)

Уникальный опыт взаимодействия с

продуктом (6)

Самововлечение (Self-

Involvement)

Самосовершенствование (6):

1. Любопытство и расширение кругозора

2. Улучшение языковых / письменных

навыков

Самовыражение (6):

1. Веселье и удовольствие

2. Компульсивная привычка и скука

Продолжение Таблицы 1. Мотивы использования онлайн-отзывов и связанное с

ними поведение

21 Hennig-Thurau, T., & Walsh, G., Electronic word-of-mouth: Motives for and consequences of reading customer articulations on the Internet. // International Journal of Electronic Commerce. — 2003. — Vol. 8 (2). — P. 51–74.

22 Burton, J., & Khammash, M., Why do people read reviews posted on consumer-opinion portals? // Journal of Marketing Management. — 2010. — Vol. 26 (3-4). — P. 230–255.

11

Обобщенная группа

мотивов

Мотивы для чтения Поведение

потребителей

Социальная

вовлеченность (Social

Involvement)

Определение социального положения (6)

Принадлежность к виртуальному

сообществу (6)

Предпочитаемые авторы (7)

Опосредованные советчики (8)

Понимание людей (6)

Поощрение взаимного чтения (7)


для помощи команде

управления сайтом

Вовлеченность на сайте

(Site Involvement)

Административные мотивы (9, 10)

Авторы исследования подробно описали обобщенные группы и мотивы, но не

рассматривали вопрос их влияния и взаимосвязи с другими факторами.

1.2.2. Как потребители читают онлайн-отзывы

Ранее проведенные исследования показывают, что потребители избирают

различные стратегии чтения отзывов в связи с угрозой информационной перегрузки. Так,

Квон и др. (2015)23 вывели две общие тактики в поведении интернет-пользователей при

использовании отзывов. Во-первых, пользователи выбирают и читают ограниченное

подмножество доступных отзывов, которые соответствуют их потребностям. Согласно

опросу24, 67% потребителей заявили, что они могут доверять локальному бизнесу,

прочитав от 2 до 10 онлайн-отзывов (25% ответили от 2 до 3, 22% – от 4 до 6 и 20 % – от 7

до 10). Исследование экспертов приложения «Кошелёк»25 показало, что в среднем

клиенты читают до 15 отзывов в зависимости от возрастной категории, прежде чем

принять решение о покупке: 13 – для людей в возрасте 18-34 лет; 11 – для тех, кому от 35

до 54; 7 и менее – для потребителей старше 55. Это говорит о том, что люди склонны

выборочно читать небольшое количество онлайн-обзоров независимо от количества

доступных. Бадке (2010)26 также утверждает, что потребители могут быть более

удовлетворены чтением ограниченного количества онлайн-отзывов за короткое время:

когда доступно достаточно отзывов, потребитель может выбрать те, которые кажутся

23 Kwon, B.C., Kim, S.H., Duket, T., Catalán, A. and Yi, J.S., Do people really experience information overload while reading online reviews? // International Journal of Human-Computer Interaction. — 2015. — Vol. 31 (12). — P..959-973.

24 Anderson, M., Study: 72% of consumers trust online reviews as much as personal recommendations. Search Engine Land. — 2012.

25 Как ритейлеры мотивируют клиентов оставлять отзывы [Электронный ресурс] // Блог приложения «Кошелёк». — 2020. — Режим доступа: https://blog.cardsmobile.ru/kak-ritejlery-motiviruyut-klientov-ostavlyat-otzyvy, свободный.

26 Badke, W., Information overload? maybe not. // Online 34.5: General Reference Center Gold. — 2010. — Vol. 34 (5). — P. 52–54.

12



заслуживающими доверия, и проигнорировать остальные, даже если эвристика оставит

без внимания тысячи отзывов.

Во-вторых, потребители могут рассматривать только сводную статистику –

средний рейтинг или распределение оценок потребителей (например, 5-звездочные

оценки). В связи с этим потребители склонны отказываться от продуктов с низким

средним рейтингом, если они им незнакомы27. Лелис и Хоус (2011)28 поддерживают это

мнение и утверждают, что потребители предпочитают исключать отдельные отзывы с

низкими оценками, чтобы сократить время и усилия на обработку информации.

1.2.3. Атрибуты отзывов и их влияние на потребителей

Эксперты в области онлайн-репутации по-разному подходят к оценке важности

атрибутов отзывов. С точки зрения релевантности для потребителей в процессе поиска

информации самыми важными параметрами являются: подробности о пользовательском

опыте (34%); сочетание положительных и отрицательных отзывов (31%); количество

отзывов (19%); дата публикации отзыва (10%); общий рейтинг (6%)29. Несмотря на то, что

общий рейтинг в приведенном списке занимает последнюю позицию, в целом он имеет

весомое значение: 80% потребителей доверяют отзывам, рейтинг которых больше 4-х

звёзд. При этом потребители внимательно изучают письменные комментарии, и в

результате оценки убедительны только тогда, когда они соответствуют письменным

комментариям30.

Большое количество положительных отзывов влияет на намерение совершить

покупку, поскольку воспринимаемый консенсус во мнениях уже совершивших покупку

клиентов делает информацию заслуживающей доверия: потребители полагаются на

«мудрость толпы» как на гарантию принятия верного суждения о бренде, товаре и/или

услуге31. Подробности о пользовательском опыте, в свою очередь, оказывают

положительное влияние на восприятие потребителя в связи с тем, что создают эффект

знания продукта рецензентом, делают отзыв в глаза читателя более полезным и,

соответственно, вызывают у него доверие32.

27 Ozakca, M., & Lim, Y.-K., A study of reviews and ratings on the internet. // In CHI ’06 extended abstracts on human factors in computing systems. — 2006. — P. 1181-1186.

28 Lelis, S., & Howes, A., Informing decisions: how people use online rating information to make choices. // In Proceedings of the 2011 annual conference on human factors in computing systems. — 2011. — P. 2285-2294.

29 Latest Online Reviews Statistics in 2020. The Impact on Business. [Электронный ресурс] // Review42. — 2021. — Режим доступа: https :// review 42. com / resources / online - reviews - statistics / , свободный.

30 Schlosser, A. E., Can including pros and cons increase the helpfulness and persuasiveness of online reviews? The interactive effects of ratings and arguments. // Journal of Consumer Psychology. — 2011. —Vol. 21 (3). — P. 226-239.

31 Zhu, F., & Zhang, X., Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics. // Journal of marketing. — 2010. — Vol. 74 (2). — P. 133-148.

32 Jiménez, F. R., & Mendoza, N. A., Too Popular to Ignore: The Influence of Online Reviews on Purchase Intentions of Search and Experience Products. // Journal of Interactive Marketing. — 2013. — Vol. 27 (3). — P.

13

https://review42.com/resources/online-reviews-statistics/

Говоря о платформах для публикации онлайн-отзывов, важный вклад внесло одно

из исследований eWOM33, авторы которого пришли к выводу о том, что потребители

одинаково воспринимают отзывы, размещаемые на веб-сайте бренда и независимых

ресурсах. Однако, примечательно то, что участники, читавшие отзывы в личных блогах,

относились к ним более подозрительно, предполагая, что за рецензиями стояли

определенные обстоятельства (например, корыстные интересы рецензента). В итоге

респонденты, ознакомленные с обзорами в личном блоге, рекомендовали продукт друзьям

реже, чем те, кто видел отзывы на других платформах. Здесь также важно подчеркнуть,

что онлайн-отзывы с хорошо зарекомендовавших себя и авторитетных веб-сайтов

демонстрируют более сильное влияние на потребителя, чем с недостаточно известных

ресурсов независимо от количества и качества размещаемых отзывов34.

1.3. Создание онлайн-отзывов

Динамика с созданием онлайн-отзывов отличается от использования: 2/3

покупателей, согласно исследованию Data Insight35, оставляют отзывы о товарах или

услугах хотя бы иногда, а 13% никогда не пишут рецензии на приобретенные продукты.

Как и в случае с чтением отзывов, молодые люди чаще пишут отзывы в сравнении с

остальными возрастными группами, основным драйвером при этом является желание

поделиться своим мнением о качестве товара и помочь другим определиться с выбором.

Интересен и тот факт, что никакие стимулы не мотивируют на создание онлайн-

отзывов 19% респондентов, поэтому они не пишут рецензии и не планируют менять свое

мнение по рассматриваемому вопросу. Опрос также показал, что покупатели чаще пишут

отзывы о товарах хорошего качества (44%), нежели плохого (38%).

1.3.1. Мотивация создания онлайн-отзывов

Мотивы создания онлайн-отзывов (и любого другого пользовательского контента)

намного шире, чем было упомянуто ранее. Подробно их определили в следующих

исследованиях: Christodoulides (2012)36, Bronner & De Hoog (2011)37, Cheung & Lee

226–235.33 Lee, M., & Youn, S., Electronic word of mouth (eWOM). // International Journal of Advertising. —

2009. — Vol. 28 (3). — P. 473–499.34 Park, C., & Lee, T. M., Information direction, website reputation and eWOM effect: A moderating role of

product type. // Journal of Business research. — 2009. — Vol. 62 (1). — P. 61-67.35 Использование отзывов при онлайн-покупках [Электронный ресурс] // Data Insight совместно с

AliExpress Россия. — 2021. — Режим доступа: https :// datainsight . ru / sites / default / files / DI _ Aliexpress _ GuidedBuying . pdf , свободный.

36 Christodoulides, G., Jevons, C., & Bonhomme, J., Memo to marketers: quantitative evidence for change - how user-generated content really affects brands. // Journal of advertising research. — 2012. — Vol. 52 (1). — P. 53-65.

37 Bronner, F., & de Hoog, R., Vacationers and eWOM: Who postst, and why, where, and what? // Journal of Travel Research. — 2011. — Vol. 50 (1). — P. 15-26.

14


(2012)38, Yap at el. (2013)39, Yoo at al. (2013)40, Gretzel & Yoo (2007)41, Ho & Dempsey

(2010)42, Jeong & Jang (2010)43.

Так, к мотивам для создания онлайн-отзывов может быть отнесено уменьшение

разочарования и беспокойства, то есть «выплескивание негативных чувств». Люди могут

быть разочарованы своей недавней покупкой или опытом использования продукта/услуги

и использовать пользовательский контент, чтобы выразить свои негативные эмоции. Это

может быть одной из причин, по которой потребители создают отрицательные онлайн-

отзывы. Вторая мотивация касается беспокойства о других потребителях. Желание

помочь другим потребителям с их решениями и спасти от негативного опыта является

альтруистическим, то есть создатель контента хочет помочь другому потребителю, не

получая личного вознаграждения. Пользовательский контент в данном случае может быть

как положительным, так и отрицательным. Яп, Сотарто и Суини (2013) выделили

«помощь другим потребителям» и «предупреждение других потребителей», чтобы

прояснить разницу между созданием положительного и отрицательного

пользовательского контента. Самосовершенствование также может быть мотивацией к

созданию eWOM. Саморазвитие относится к экстраверсии создателя контента, в которой

он выражает стремление к положительному признанию со стороны других. Хотя в

большинстве исследований эта мотивация указывается как самосовершенствование, в

некоторых работах для описания этого же явления используются другие термины:

самооценка (Christodoulides et al., 2012), самостоятельность (Bronner & de Hoog, 2011),

эгоизм (Cheung & Lee, 2012), стремление отличаться (Ho & Dempsey, 2010) и выражение

положительных чувств (Jeong & Jang, 2010).

Еще одной мотивацией для участия в eWOM может быть возможная социальная

выгода. Социальные выгоды являются причинами идентификации и социальной

интеграции для участия в онлайн-сообществах и принадлежности к ним. Хо и Демпси

(2010) описали эту социальную мотивацию как потребность быть частью группы

посредством общения внутри нее. Эта мотивация касается создания как положительного,

38 Cheung, C. M., & Lee, M. K., What drives consumers to spread electronic word of mouth in online consumer-opinion platforms. // Decision Support Systems. — 2012. — Vol. 53 (1). — P. 218- 225.

39 Yap, K. B., Soetarto, B., & Sweeney, J. C.,The relationship between electronic wordof-mouth motivations and message characteristics: The sender’s perspective. // Australasian Marketing Journal. — 2013. — Vol. 21. — P. 66-74.

40 Yoo, C. W., Sanders, G. L., & Moon, J., Exploring the effect of e-WOM participation on e-Loyalty in e-commerce. // Decision Support Systems. — 2013. — Vol. 55 (3). — P. 669-678.

41 Yoo, K. H., & Gretzel, U., Influence of personality on travel-related consumer-generated media creation. // Computers in Human Behavior. — 2007. —Vol. 27 (2). — P. 609-621.

42 Ho, J. Y., & Dempsey, M., Viral marketing: Motivations to forward online content. // Journal of Business Research. — 2010. — Vol. 63 (9-10). — P. 1000-1006.

43 Jang, S. C., & Jeong, E. H., Restaurant experiences triggering positive electronic word-of-mouth (eWOM) motivations. // International Journal of Hospitality Management. — 2010. — Vol. 30 (2). — P. 356-366.

15

так и отрицательного пользовательского контента. Мотивацией для создания

положительного пользовательского контента может выступать желание помочь компании,

которая предоставила услугу или продукт. Потребитель может быть доволен услугой или

продуктом и, следовательно, испытывать желание помочь компании. Мотивация

«расширение прав и возможностей потребителей» касается ощущения власти и контроля

потребителей. Когда они верят, что могут изменить восприятие и повлиять на людей, они

более активно участвуют в создании пользовательского контента (Bronner & De Hoog,

2011; Gretzel & Yoo, 2007). Несмотря на то, что эта мотивация звучит правдоподобно,

исследование Христодулидеса (2004) показало, что эта гипотеза отвергается и был сделан

вывод о том, что расширение прав и возможностей потребителей не влияет на вовлечение

потребителей-«производителей» контента.

Взаимосвязь указанных мотивов и склонности к созданию пользовательского

контента изучил Ренсинк (2013)44. Однако, в свое исследование он не включил такую

мотивацию как вознаграждение, которое потребители могут получить, участвуя в

создании положительного eWOM. Негативный эффект экономических стимулов

описывается и дополняется в научно-исследовательской работе Дуань, Чен и Хо45: на

основании существующей литературы (Heyman and Ariely, 2004; Bénabou and Tirole, 2006;

Frey and Jegen, 2001) авторы демонстрируют, что введение таких стимулов ухудшает

положение продавца, увеличивает стоимость продукта и снижает готовность

потребителей писать отзывы. Интересно и то, что другие исследования (например, Burtch

et al.46 2018) приводят аргументы в пользу положительного влияния вознаграждения на

готовность покупателей писать онлайн-отзывы.

1.3.2. Влияние психологических факторов на создание отзывов

Не каждый человек активно участвует в eWOM и создает пользовательский

контент. Особое внимание вопросу личностных особенностей потребителей, которые

участвуют в создании онлайн-отзывов, посвятил Ренсинк (2013). В своем исследовании он

не только выделил 5 факторов, определяющих поведение потребителей в интернете, –

экстраверсия, покладистость, сознательность, невротизм и открытость опыту, – но и

описал их смягчающее влияние на готовность создавать онлайн-отзывы. Было выдвинуто

8 гипотез о влиянии указанных конструктов на создание eWOM-контента. Однако, лишь

одно предположение было подтверждено: результаты исследования показали, что

44 Rensink, J.M., What motivates people to write online reviews and which role does personality play? A study providing insights in the influence of seven motivations on the involvement to write positive and negative online reviews and how five personality traits play a role // Master's thesis, University of Twente. — 2013.

45 Duan, Yongrui, Chen Chen, and Jiazhen Huo, The impact of monetary rewards for online reviews. // Asia Pacific Journal of Marketing and Logistics. — 2019.

46 Burtch, G., Hong, Y., Bapna, R., & Griskevicius, V., Stimulating online reviews by combining financial incentives and social norms. // Management Science. — 2018. — Vol. 64 (5). — P. 2065-2082.

16

невротизм оказывает сдерживающий эффект на влияние мотивационных факторов, среди

которых самосовершенствование, социальные выгоды и проявления негативных чувств,

на вовлеченность потребителей в процесс создания онлайн-отзывов. Использование

интернета для написания онлайн-отзывов невротиками может быть способом

самовыражения и саморазвития, поскольку этот способ более безопасный в отличии от

прямого контакта с другими пользователями и риск быть отвергнутым в данном случае

ниже. Кроме того, выяснилось, что менее открытые люди больше участвуют в создании

пользовательского контента с целью выражения негативных чувств о своем опыте, а

потребители с высоким уровнем экстраверсии более склонны к созданию негативных

отзывов.

1.3.3. Как потребители создают онлайн-отзывы

В предыдущих исследованиях были изучены два аспекта, объясняющие, как

онлайн-отзывы покупателей отражают их удовлетворенность: содержание и языковые

характеристики. Что касается контента, чаще всего онлайн-платформы предоставляют

клиентам открытую структуру для описания своего опыта потребления и оценки брендов.

Березина и др.47 (2016) использовали методы текстового анализа для определения

детерминант удовлетворенности и неудовлетворенности клиентов посредством онлайн-

рецензий об отелях. Сян и др.48 (2015) сосредоточили внимание на частотности ключевых

слов, которые клиенты использовали в своих онлайн-отзывах, чтобы сделать вывод об их

связи с удовлетворенностью клиентов. Говоря о лингвистических характеристиках,

предыдущие исследования были сосредоточены на разнообразии, длине,

удобочитаемости, настроении и субъективности онлайн-отзывов клиентов49. Чжао и др.50

(2019) обнаружили, что языковой стиль онлайн-отзывов покупателей указывает на их

удовлетворенность опытом потребления. Иными словами, такие атрибуты, как хорошее

настроение, низкая субъективность и удобочитаемость, а также большая длина отзывов

коррелируют с более высоким уровнем удовлетворенности.

Особое значение с точки зрения онлайн-отзывов имеют фотографии. Исследование

роли пользовательских фотографий в отельном бизнесе51 показывает, что, в общем и

47 K. Berezina, A. Bilgihan, C. Cobanoglu, F. Okumus, Understanding satisfied and dissatisfied hotel customers: text mining of online hotel reviews. // Journal of Hospital Marketing. — 2016. — Vol. 25 (1). — P. 1–24.

48 Xiang, Z., Schwartz, Z., Gerdes Jr, J. H., & Uysal, M., What can big data and text analytics tell us about hotel guest experience and satisfaction? // International Journal of Hospitality Management. — 2015. — Vol. 44. —P. 120-130.

49 X. Xu, Examining an asymmetric effect between online customer reviews emphasis and overall satisfaction determinants. // Journal of Business Research. — 2020. — Vol. 106. — P. 196–210.

50 Y. Zhao, X. Xu, M. Wang, Predicting overall customer satisfaction: big data evidence from hotel online textual reviews // International Journal of Hospitality Management. — 2019. — Vol. 76. — P. 111–121.

51 An, Q., Ma, Y., Du, Q., Xiang, Z., & Fan, W., Role of user-generated photos in online hotel reviews: An analytical approach. // Journal of Hospitality and Tourism Management. — 2020. — Vol. 45. — P. 633-640.

17

целом, людям нравится размещать больше фотографий из отелей с более высоким

уровнем обслуживания. Но если дело касается отзывов, то путешественники чаще делятся

с другими пользователями фотографиями в негативных отзывах, когда они

останавливаются в двухзвездочных отелях в сравнении с трех-, четырех- и

пятизвездочными вариантами размещения. В целом графические элементы сами по себе

не вносят значительного вклада в полезность онлайн-обзоров.

1.4. Взаимосвязь создания и использования онлайн-отзывов потребителями

Несмотря на активное изучение e-WOM и его влияния на поведение потребителей,

в научной и публицистической литературе не так много работ, акцентирующих внимание

одновременно на создании и использовании онлайн-отзывов. В основном в этих работах

рассматривается воздействие отдельных факторов на каждый из процессов. Например,

Ким и др.52 (2020) изучили, какую роль играет наличие фотографии профиля автора

отзыва, и выяснили, что в процессе создания отзыва человек с большей вероятность

загрузит свое фото, чтобы повысить доверие читателя к своим отзывам. Однако, с точки

зрения использования онлайн-отзывов фотографии авторов в профиле не способствуют

увеличению воспринимаемой полезности отзывов.

В другом исследовании53 Ким и его коллеги (2018) определили, как культурные

особенности влияют на использование и создание онлайн-отзывов. Выяснилось, что

потребители из западных культур склонны более позитивно оценивать свой опыт, менее

подвержены влиянию периферийного контекста и чаще используют аналитический стиль

изложения информации. Кроме того, отзывы, адаптированные к культурным

особенностям потребителя, воспринимаются им как более полезные в процессе принятия

решения: например, респонденты из США считают средний рейтинг рецензентов из США

более полезным и релевантным, чем оценки рецензентов смешанного происхождения.

Ким и Хван (2020) изучили другой фактор – эмоциональные высказывания в

онлайн-отзывах. Так, подтвердилось, что авторы отзывов с большей вероятностью будут

использовать негативные выражения (а не положительные) как в положительных, так и в

отрицательных отзывах, а читателем, в свою очередь, эта информация воспринимается как

более полезная (нежели позитивно окрашенные суждения), независимо от общей оценки

бренда, продукта или услуги в отзыве.

Единственное известное и доступное исследование, в котором поднимается вопрос

взаимосвязи использования и создания eWOM-контента, – это работа агентства Data

52 Kim, J. M., Kim, M., & Key, S., When profile photos matter: the roles of reviewer profile photos in the online review generation and consumption processes. // Journal of Research in Interactive Marketing. — 2020.

53 Kim, J. M., Jun, M., & Kim, C. K., The effects of culture on consumers' consumption and generation of online reviews. // Journal of Interactive Marketing. — 2018. — Vol. 43. — P. 134-150.

18

Insight, которое упоминалось ранее. Согласно исследованию, вероятность использования

онлайн-отзывов потребителями сильно коррелирует с тем, пишет ли сам покупатель

отзывы. Те, кто не пишет отзывы, реже их читают. Чаще всего при этом и пишут, и

используют отзывы потребители в возрасте 18–34 лет.

Таким образом, в рассматриваемом вопросе взаимосвязи использования и создания

онлайн-отзывов существует большой пробел, требующий более глубокого и комплексного

изучения.

19

ГЛАВА 2. РАЗРАБОТКА МОДЕЛИ ВЛИЯНИЯ ВОЗНАГРАЖДЕНИЯ НА

СОЗДАНИЕ И ИСПОЛЬЗОВАНИЕ ОНЛАЙН-ОТЗЫВОВ ПОТРЕБИТЕЛЯМИ

2.1. Вознаграждение как маркетинговая тактика

В предыдущей главе на основании существующих исследований были выделены

различные стимулы использования и создания онлайн-отзывов. Как уже было сказано

ранее, условно их можно разделить на две группы: внутренние и внешние мотивы.

Внутренние факторы и их связь с онлайн-отзывами многократно изучались в научной и

публицистической литературе. Несмотря на то, что первые исследования финансового

стимулирования с целью получения желаемого поведения со стороны потребителей

появились более 60 лет назад (Barnes, 1949; Jacques et al., 1951)54, предмет влияния

вознаграждения, внешнего экономического стимула, на восприятие онлайн-отзывов стал

активно изучаться лишь в последнее десятилетие. Экономическая теория утверждает, что

рациональные люди движимы полезностью, следовательно финансовые стимулы должны

иметь значение для потребителей. Ряд исследований эмпирически подтверждают это:

Волп и др. (2009)55 показали, что денежные выплаты людям за отказ от курения

увеличивают вероятность того, что они это бросят вредную привычку, а Фрайер56 (2011)

обнаружил, что при помощи обещания финансовой компенсации учеников можно

побудить к более регулярному посещению школы.

Многочисленные исследования также показывают, что финансовые стимулы

эффективны и для получения желаемого поведения потребителей в интернете. Например,

экспериментальная работа Фрадкина и др.57 (2015) продемонстрировала, что

использование небольших финансовых стимулов эффективно для мотивации людей

писать отзывы на Airbnb.com, Кабрал и Ли58 (2015) получили похожие выводы на примере

eBay, а Херн-ам-нуаи и Каннан59 (2016) – онлайн-платформы Best Buy. Авторы других

исследований (например, Duan et al. 2019), как уже обсуждалось в первой главе,

доказывают противоположную точку зрения и делают выводы о том, что вознаграждение

негативно влияет на потребителей и их готовность создавать онлайн-отзывы.

54 Burtch, G., Hong, Y., Bapna, R., & Griskevicius, V., Stimulating online reviews by combining financial incentives and social norms. // Management Science. — 2018. — Vol. 64 (5). — P. 2065-2082.

55 Volpp K.G, Troxel A.B, Pauly M.V., Glick H.A., Puig A., Asch D.A., Galvin R., et al., A randomized, controlled trial of financial incentives for smoking cessation. // New England J. Medicine. — 2009. — Vol. 360 (7). — P. 699–709.

56 Fryer R.G., Financial incentives and student achievement: Evidence from randomized trials. // Quart. Journal of Economics. — 2011. — Vol. 126 (4). — P. 1755–1798.

57 Fradkin A, Grewal E, Holtz D, Pearson M, Bias and reciprocity in online reviews: Evidence from field experiments on Airbnb. // Proc. Sixteenth ACM Conference on Economics and Comput. (ACM, New York). — 2015. — P. 641–641.

58 Cabral L, Li L., A dollar for your thoughts: Feedback conditional rebates on eBay. // Management Sci. — 2015. — Vol. 61(9). — P. 2052–2063.

59 Khern-am-nuai W, Kannan K., Extrinsic versus intrinsic rewards to participate in a crowd context: An analysis of a review platform. // Working paper, Purdue University, West Lafayette. — 2016.

20

Спорные мнения наблюдаются в литературе и по вопросу влияния финансовых

стимулов на качество онлайн-отзывов: одни исследования эмпирически доказывают, что

вознаграждение не влияет на эту переменную60, в то время как в других работах

утверждается, что качество отзыва снижается в результате вознаграждения61.

Интересно и то, что отечественные компании, среди которых Lamoda, ВкусВилл,

OZON, Эльдорадо, СберМегаМаркет, Petshop.ru, Яндекс.Маркет и др., все чаще

прибегают к использованию вознаграждения – бонусов и денежных выплат – для

мотивации покупателей оставлять отзывы о своих продуктах или услугах. Тем не менее,

доступных сведений об эффективности такой стратегии по-прежнему нет.

Таким образом, это исследование призвано дополнить литературу о влиянии

вознаграждения на eWOM, изучив взаимосвязь двух типов взаимодействия потребителей

с онлайн-отзывами и ее изменение в результате применения вознаграждения как

маркетинговой тактики.

2.2. Влияние вознаграждения на поведение потребителей

Чтобы оценить влияние вознаграждения на поведение потребителей, необходимо

понять роль онлайн-отзывов в принятии решения человека о покупке. Для этого следует

обратиться к концепции The Customer Journey Map (CJM, карта пути клиента). Это

визуальная сюжетная линия взаимодействия клиента с продуктом, услугой или брендом

от возникновения потребности в них до последнего контакта с компанией. Впервые

появилась концепция в 1980-х годах, однако, традиционная модель претерпела

существенные изменения за прошедшие годы в связи со стремительным развитием e-

commerce.

В мире электронной коммерции CJM включает в себя все цифровые точки

соприкосновения бренда с покупателем. Это может происходить через веб-сайты,

социальные сети, онлайн-магазины, поисковые системы, приложения или другие каналы,

используемые потребителем. Создание CJM позволяет компаниям понять опыт и

потребности своей целевой аудитории, а маркетологам – быть ближе к потребителю с

помощью индивидуализированного контента и устранения препятствий на пути к

совершению потребителем транзакции, а также установлению с ним долгосрочных

взаимоотношений.

Современный вид концепции представлен на Рис. 1. Далее предстоит рассмотреть

элементы модели и определить, какое место в ней занимают онлайн-отзывы

60 Wang J, Ghose A, Ipeirotis P., Bonus, disclosure, and choice: What motivates the creation of high-quality paid reviews? // International Conference of Information Systems (ICIS 2012). — 2012.

61 Duan, Yongrui, Chen Chen, and Jiazhen Huo., The impact of monetary rewards for online reviews. // Asia Pacific Journal of Marketing and Logistics. — 2019.

21

Рис. 1. Концепция Customer Journey Map в современных условиях62

На этапе возникновения проблемы потребители не всегда осознают ее наличие, они

не ищут альтернативы для удовлетворения своих нужд, но уже восприимчивы к рекламе.

Исследования63 показывают, что большинство потребителей выбирают бренды, которые

им известны или которые им нравятся, поэтому повышение осведомленности о бренде

является важной тенденцией на рынке e-commerce в 2021 году64.

Со временем потребители осознают свою потребность и подавляющее

большинство обращается к интернету, чтобы определить и сравнить варианты решения

проблемы. На этом этапе необходимо донести до потребителя информацию о том, как

бренд, продукт или услуга могут им помочь, используя тематические исследования и

статьи, онлайн-отзывы, фото- и видеообзоры. Следующий этап, конверсия, является

одним из самых сложных на пути к покупке, так как потенциальный клиент знает, что

продукт предоставляет решение, которое он ищет, но он еще не принял окончательного

решения о покупке. В электронной среде это означает необходимость обеспечить

наилучший клиентский опыт для потребителя, например: доступность различных

вариантов оплаты, удобство сайта и формы оформления заказа, присутствие продукции

бренда на маркетплейсах.

Наконец, в цифровом потребительском путешествии взаимодействие с клиентом

продолжается и после совершения покупки. На этапе пропаганды покупатели могут

делиться своим опытом использования продукта, размещая в интернете различный

контент, в том числе и отзывы, который привлекает внимание новых потребителей.

Наиболее интересными и релевантными для данного исследования этапами CJM-

модели являются:

62 Modern Consumer Journey. Right Message at the Right Time [Электронный ресурс] // ChannelSight. — 2021. — Режим доступа: https://www.channelsight.com/blog/modern-consumer-journey-right-message-at-the-right-time, свободный.

63 The Secret Life of Search. [Электронный ресурс] // RedC. — 2018. — Режим доступа: https://www.redcmarketing.com/app/uploads/2018/10/The-Secret-Life-of-Search.pdf,

64 7 Trends That Will Shape the Future of eCommerce in 2021 [Электронный ресурс] // ChannelSight. — 2021. — Режим доступа: https://www.channelsight.com/blog/ecommerce-trends, свободный.

22

https://www.channelsight.com/blog/ecommerce-trends

https://www.redcmarketing.com/app/uploads/2018/10/The-Secret-Life-of-Search.pdf

https://www.channelsight.com/blog/modern-consumer-journey-right-message-at-the-right-time


Reputation (репутация), так как на этом этапе происходит отбор наиболее

подходящих под запрос потребителя альтернатив, основываясь на контенте

из социальных сетей, тематических блогов и статей, онлайн-отзывов и

устного сарафанного радио. Станет ли потенциальный клиент

рассматривать продукцию бренда, зная, что компания предлагает

вознаграждение за создание онлайн-отзывов или любого другого

пользовательского контента?

Conversion (конверсия) ведет к непосредственному совершению покупки.

Допустим, что альтернатива прошла этап отбора и теперь потребитель

выбирает между двумя брендами, один из которых предоставляет

финансовые стимулы клиентам за создание e-WOM. В пользу какого бренда

сделает выбор потребитель при прочих равных условиях?

Advocacy (рекомендация) тесно связан с непосредственным созданием

онлайн-отзывов потребителями после совершения покупки. Повлияет ли

вознаграждение на готовность потребителя оставить отзыв о бренде,

продукте или услуге? Изменится ли отношение потребителя к «платным»

отзывам бренда, если CJM окажется положительным?

Концепция customer journey map интересна и в том плане, что отражает

взаимосвязь создания и использования онлайн-отзывов одним человеком. Этот аспект

изображается на Рис. 1 в виде верхней стрелки, которая показывает, что человек,

совершивший покупку и использовавший e-WOM, в том числе отзывы, на этапе

Reputation, способен сам оставить отзыв после приобретения продукта или услуги на

этапе Advocacy, который может поспособствовать принятию решения следующего

потребителя.

2.3. Скептицизм потребителей к онлайн-отзывам

То, как воспринимается информация потребителем в интернете, зависит от ряда

факторов. Поскольку отзывы являются анонимными, существует некоторая неуверенность

со стороны потребителя в том, заслуживают ли они доверия. Для этого потребители

оценивают такие параметры отзывов, как полезность (usefulness) и достоверность

(credibility или trustworthiness).

Полезность (usefulness) отзыва определяется как «экспертная оценка продукта,

которая облегчает потребителю процесс принятия решения о покупке»65. На сегодняшний

день эта конструкция изучается в ряде исследований, которые демонстрируют влияние

целого набора критериев на восприятие полезности отзывов потребителями: качества 65 Mudambi, S. M., and D. Schuff, What Makes a Helpful Online Review? A Study of Customer Reviews

on Amazon.Com. // MIS Quarterly. — 2010. — Vol. 31 (1). — P. 185–200.

23

информации, разброса оценок (рейтинга), наличие сторителлинга (Black & Kelley 2009;

Danescu-Niculescu-Mizil et al. 2009; Wu, Heijden & Korfiatis 2011; Huang et al. 2015), а

также полноты и актуальности информации66. Кроме того, эмпирические исследования

поддерживают идею о том, что показатели воспринимаемой удовлетворенности и

удобочитаемости являются сильными детерминантами восприятия покупателями

полезности при оценке онлайн-информации67.

Другие исследования, в свою очередь, акцентируют внимание на достоверности

(credibility или trustworthiness) онлайн-отзывов клиентов. Например, Чунг и др.68 (2009)

попросили респондентов ответить на вопросы, касающиеся последней прочитанной ими

онлайн-рекомендации, и обнаружили, что сила аргумента, надёжность источника и

подтверждение предшествующих покупок (отзывов) значительно влияют на восприятие

достоверности. Эти результаты согласуются и с другими работами, которые

демонстрируют важность репутации рецензентов на оценку достоверности их отзывов69.

Исследование Хванга и До70 (2009) расширило этот вопрос, сосредоточив внимание на

том, как соотношение положительных и отрицательных рецензий влияет на

воспринимаемое доверие: результаты показали, что наивысший рейтинг достоверности

получил продукт с соотношением положительных и отрицательных отзывов 8:2.

Детерминантом оценки полезности, надежности и достоверности отзывов является

скептицизм (skepticism), который обычно рассматривается в контексте рекламы и

представляет собой склонность потребителей не верить информационным ресурсам

касательно товара, услуги или бренда71. Скептицизм в отношении онлайн-отзывов

определяет начальный уровень доверия к ним, являющийся результатом предыдущего

опыта потребителя72. Макнайт и др. (2002) выяснили: когда у клиента низкий уровень

скептицизма по поводу отзывов, то аргументация в содержании положительно влияет на

его достоверность. Напротив, когда клиент очень скептически относится к онлайн-66 Cheung, C. M. K., M. K. O. Lee, and N. Rabjohn, The Impact of Electronic Word-of-Mouth: The

Adoption of Online Opinions in Online Customer Communities. // Internet Research. — 2008. — Vol.18 (3). — P. 229–247.

67 Liu, Z, & Sangwon, P., What makes a useful online review? Implication for travel product websites. // Tourism management. — 2015. — Vol. 47. — P. 140-151.

68 Cheung, M. Y., L. Chuan, L. S. Choon, & C. Huaping, Credibility of Electronic Word-of-Mouth: Informational and Normative Determinants of on-Line Consumer Recommendations. // International Journal of Electronic Commerce. — 2009. — Vol. 13 (4). — P. 9–38.

69 Hu, N., L. Ling, & J. J. Zhang., Do Online Reviews Affect Product Sales? The Role of Reviewer Characteristics and Temporal Effects. // Information Technology and Management. — 2008. — Vol. 9 (3). — P. 201-214.

70 Doh, S. J., and J. S. Hwang, How Consumers Evaluate EWOM (Electronic Word-of-Mouth) Messages. // CyberPsychology & Behavior. — 2009. — Vol.12 (2). — P. 193–197.

71 Obermiller, C. and Spangenberg, E.R, Development of a scale to measure consumer skepticism toward advertising, // Journal of Consumer Psychology. — 1998. — Vol. 7 (2). — P. 159-186.

72 McKnight, D. Harrison, Vivek Choudhury, & Charles Kacmar, The impact of initial consumer trust on intentions to transact with a web site: a trust building model. // The journal of strategic information systems. — 2002. — Vol. 11 (3-4). — P. 297-323.

24

отзывам, то наличие аргументации не влияет на воспринимаемую надежность рецензий. В

целом, согласно этому исследованию, клиенты с высоким уровнем скептицизма по

отношению к отзывам имеют более низкий начальный уровень доверия к бренду и/или его

продукции по сравнению с клиентами с более низким уровнем подозрительности. Это

связано с тем, что потребители с высоким уровнем скептицизма, как им кажется,

выявляют скрытые корыстные мотивы авторов онлайн-отзывов, что снижает

воспринимаемую надежность и косвенно влияет на их намерение совершить покупку.

2.4. Описание концептуальной модели

В результате анализа научной и публицистической литературы по теме

исследования была построена концептуальная модель влияния вознаграждения на

стратегии взаимодействия потребителей с онлайн-отзывами. Схематически она

представлена на Рис. 2.

Рис. 2. Концептуальная модель влияния вознаграждения на создание и

использование онлайн-отзывов потребителями

Основными элементами модели являются: осведомленность потребителей о

предложении вознаграждения как стимула для написания отзывов со стороны компаний,

использование и создание онлайн-отзывов как стратегии взаимодействия с ними и

результирующие переменные, а также промежуточная переменная – скептицизм к

онлайн-отзывам. Кроме того, предполагается, что влияние на переменные могут

оказывать индивидуальные характеристики потребителей, среди которых возраст, уровень

образования, материальное положение и клиентский опыт. Эти переменные являются

контрольными в модели.

25

Осведомленность потребителей о вознаграждении

На человеческое поведение влияют различные типы вознаграждения, среди

которых еда, деньги или социальная принадлежность (Ait Oumeziane et al., 2017; Wang et

al., 2017). Эти награды могут удовлетворять индивидуальные потребности людей и

доставлять им субъективное удовольствие, поэтому в электронной коммерции онлайн-

продавцы часто предоставляют клиентам различные виды вознаграждений (наличные

деньги или купоны на скидку, подарки и бонусы) за онлайн-отзывы. Однако,

существующие исследования по-разному оценивают эффект от вознаграждения и говорят

о его непостоянстве73: одни специалисты утверждают, что денежные стимулы эффективны

для мотивации людей писать отзывы (Burtch et al., 2018; Cabral and Li, 2015; Fradkin et al.,

2015), другие опровергают эту точку зрения (Frey and Jegen, 2001; Bénabou and Tirole,

2006; Duan et al., 2019) и говорят о негативном воздействии вознаграждения на

потребителей.

Скептицизм к онлайн-отзывам

В концептуальную модель этого исследования была добавлена промежуточная

переменная – скептицизм в отношении онлайн-отзывов, которая призвана помочь с

решением противоречий предыдущих исследований. Предполагается, что именно уровень

скептицизма, на который воздействует осведомленность потребителей о наличии

вознаграждения за создание онлайн-отзывов, будет влиять последующее взаимодействие с

ними. Ни одно из исследований, посвященных взаимосвязи вознаграждения и онлайн-

отзывов, не рассматривает эту переменную как фактор влияния, что могло стать причиной

возникновения противоречий в отношении эффекта вознаграждения.

Использование и создание онлайн-отзывов

Использование и создание онлайн-отзывов как стратегии взаимодействия

потребителя с ними редко рассматриваются в качестве взаимосвязанного конструкта.

Обычно исследователи фокусируются на изучении одной из двух тактик или на

обособленном влиянии факторов на каждую, как показал ранее проведенный обзор

научной и публицистической литературы. С учетом этого в текущей работе будет

интересно посмотреть не только на то, как потребители в целом реагируют на

предложение вознаграждения, но и на различия интернет-пользователей на основании

этих двух типов поведения и их осведомленности о возможности финансового

стимулирования созданий отзывов со стороны компаний.

73 Gneezy, U. and Rustichini, A., Pay enough or don’t pay at all. // The Quarterly Journal of Economics. — 2000. — Vol. 115 (3). — P. 791-810.

26

Индивидуальные характеристики

В качестве индивидуальных характеристик были выбраны те, что чаще всего

рассматриваются в исследованиях и могут оказаться значимыми факторами влияния на

результаты тестирования концептуальной модели, а именно: возраст, уровень

образования, уровень дохода, клиентский опыт.

2.5. Формулирование гипотез

H1: Существует положительная взаимосвязь между использованием и

созданием онлайн-отзывов.

Результаты исследования Data Insight, как отмечалось ранее, демонстрируют, что

вероятность использования онлайн-отзывов потребителями сильно коррелирует с тем,

пишет ли сам покупатель отзывы, а те, кто не пишет отзывы, реже их читают. Иные

предпосылки и эмпирические обоснования этого тезиса отсутствуют, что делает его более

интересным и привлекательным для изучения в данной работе. Так, предполагается, что

будет наблюдаться положительная взаимосвязь между использованием и созданием

онлайн-отзывов.

H2: Предложение вознаграждения компаниями за написание онлайн-отзывов

положительно влияет на создание онлайн-отзывов потребителями.

Денежные стимулы влияют на полезность различных действий и результатов,

увеличивают желание человека выполнить какую-то задачу и получить сопутствующую

оплату.74 Соответственно, многие компании используют стратегии, направленные на

увеличение количества и длины отзывов с помощью предложения потребителям

небольшого вознаграждения в обмен на отзыв75. Более того, ранее проведенные

исследования (Li and Xiao, 2014; Cabral and Li, 2015; Wang et al., 2016) приводят

аргументы в пользу того, что предложение финансовых стимулов различных размеров в

целом способствуют увеличению количества онлайн-отзывов.

Так, имеет место быть предположение о том, что предложение вознаграждения

компаниями за написание онлайн-отзывов положительно влияет на их создание

потребителями.


положительно влияет на скептицизм потребителей в отношении онлайн-отзывов.

Обзор существующей литературы на тему влияния вознаграждения на восприятие

онлайн-отзывов потребителями показал, что нет консенсуса мнений по данному вопросу:

74 Bonner, S. E., & Sprinkle, G. B., The effects of monetary incentives on effort and task performance: theories, evidence, and a framework for research // Accounting, organizations and society. — 2002. — Vol. 27 (4-5). — 303-345.

75 Burtch, G., Hong, Y., Bapna, R., & Griskevicius, V., Stimulating online reviews by combining financial incentives and social norms // Management Science. — 2018. — Vol. 64 (5). — P. 2065-2082.

27

одни исследования подтверждают наличие положительного эффекта экономических

стимулов на мотивацию потребителей создавать онлайн-отзывы (Fradkin et al, 2015;

Khern-am-nuai & Kannan, 2016; Cabral & Li, 2015; Marinescu et al., 2018), другие

опровергают эту точку зрения и демонстрируют негативный эффект использования

вознаграждения на написание отзывов (Frey and Jegen, 2001; Bénabou and Tirole, 2006;

Duan et al., 2019).

Такое противоречие может быть связано с тем, что в краткосрочной перспективе

предложение вознаграждения стимулирует увеличение общего количества онлайн-

отзывов76, однако, со временем эта динамика ухудшается. Частично это объясняется

эффектом чрезмерного обоснования, который состоит в том, что ожидаемый внешний

стимул (денежное вознаграждение или бонусы) снижает внутреннюю мотивацию

человека к выполнению задачи.77 Иными словами, общий эффект от предложения

вознаграждения за ранее не вознаграждаемую деятельность – это сдвиг к внешней

мотивации и подрыв ранее существовавшей внутренней мотивации (Duan et al., 2019).

Важно и то, что использование финансовых стимулов для авторов онлайн-отзывов

значительно снижает доверие потребителей к ним.78 Потребители чувствуют себя

обманутыми, когда узнают о спонсируемом характере контента, и, как следствие, более

подозрительно относятся к источнику информации.79

Таким образом, логично предположить, что у использования вознаграждения за

написание онлайн-отзывов компаниями может быть два эффекта: как положительный,

способствующий активному созданию контента покупателями, так и отрицательный,

проявляющийся в повышении уровня скептицизма потребителей по отношению к онлайн-

отзывам.

H4-H5: Скептицизм к онлайн-отзывам отрицательно влияет на готовность

потребителей использовать и создавать онлайн-отзывы.

Повышение уровня скептицизма ведет за собой снижение доверия потребителя к

онлайн-отзывам.80 Когда потребители с сомнением читают достоверные сообщения, то их

надежность в любом случае воспринимается ниже, чем есть на самом деле. Кроме того,

76 Gneezy, U. and Rustichini, A., Pay enough or don’t pay at all // The Quarterly Journal of Economics. — 2000. — Vol. 115 (3). — P. 791-810.

77 Bénabou, R. & Tirole. J., Incentives and prosocial behavior // American economic review. — 2006. — Vol. 96 (5). — P. 1652-1678.

78 Jacobsen, S., Why did I buy this? The effect of WOM and online reviews in post-purchase attribution for product outcomes. // Journal of Research in Interactive Marketing. — 2018. — Vol. 12 (3). — P. 370-396.

79 Lazauskas, J. Study: Sponsored content has a trust problem [Электронный ресурс] / J. Lazauskas. — 2014. — Режим доступа: http://contently.com/strategist/2014/07/09/study-sponsored-content-has-a-trust-problem-2/, свободный.

80 Wang, C. & Hung-Yu C., Believe or skepticism? An empirical study on individuals’ attitude to blog product review. // International Journal of Innovation, Management and Technology. — 2012. — Vol. 3 (4) — P. 343-348.

28

http://contently.com/strategist/2014/07/09/study-sponsored-content-has-a-trust-problem-2/


люди с более высоким уровнем скептицизма склонны в большей степени доверять своим

инстинктам нежели eWOM-контенту, поэтому реже обращаются к онлайн-отзывам или не

делают этого вовсе.81 Так, допускается, что повышение уровня скептицизма в рамках

рассматриваемой модели будет негативно влиять на готовность потребителей

использовать и создавать онлайн-отзывы.

81 Sher, P. J., & Lee, S.-H., Consumer skepticism and online reviews: an elaboration likelihood model perspective. // Social Behavior & Personality: An International Journal. — 2009. — Vol. 37(1). — P. 137-143

29

ГЛАВА 3. ЭМПИРИЧЕСКОЕ ИССЛЕДОВАНИЕ ВЛИЯНИЯ ВОЗНАГРАЖДЕНИЯ

НА СОЗДАНИЕ И ИСПОЛЬЗОВАНИЕ ОНЛАЙН-ОТЗЫВОВ ПОТРЕБИТЕЛЯМИ

3.1. Методология исследования

Для тестирования концептуальной модели необходимо понять, пишут и читают ли

потребители онлайн-отзывы в целом, как они относятся к вознаграждению за создание

отзывов, какой у них уровень скептицизма и тд. На все эти вопросы можно ответить с

помощью исследования, посвященного изучению поведения потребителей в интернете,

которое было проведено Центром стратегического маркетинга и инноваций Высшей

школы менеджмента СПбГУ. В опросе принимали участие потребители из Москвы и

Санкт-Петербурга в возрасте от 18 до 55 лет, приобретавшие товары или услуги в

интернете хотя бы один раз в период с марта 2019 по март 2020 гг. Для исключения

респондентов, не соответствующих требуемым критериям (опыт покупок онлайн в

указанный период, возраст и город проживания), в начало анкеты были включены фильтр-

вопросы. В качестве метода сбора данных использовался онлайн-опрос при

использовании потребительской панели.

3.2. Описание выборки

Всего в исследовании принял участие 561 респондент. Социально-демографическая

характеристика выборки представлена в Таблица 2. Средний возраст участников составил

37 лет. Уровень образования большей части респондентов – высший (62,1%), уровень

дохода – средний (43,5%) и выше среднего (26%), а социальный статус – в браке (72,2%).

Таблица 2. Социально-демографическая структура выборки

Критерий Характеристика Число

респондентов

Доля,

%

ПолМужской 281 50,1

Женский 280 49,9

Возраст, лет

18-24 70 12,5

25-34 180 32,1

35-44 162 28,9

45-55 149 26,6

Образование

Неполное среднее 7 1,2

Среднее 23 4,1

Среднее специальное 121 21,6

Неполное высшее 61 10,9

Высшее (бакалавриат или специалитет) 237 42,2

Высшее (магистратура) 99 17,6

30

Продолжение Таблицы 2. Социально-демографическая структура выборки



Доля,

%

Образование Высшее (аспирантура) 13 2,3

Доход

Нам не всегда достаточно денег даже на еду 2 0,4

У нас хватает денег на еду, но купить одежду

для нас – серьезная проблема 11 2,0

Нам хватает на еду и одежду, но купить

телевизор, холодильник или стиральную

машину нам будет сложно

158 28,2

Мы можем купить основную бытовую технику,

но на автомобиль нам не хватит244 43,5

Наших средств хватит на все, кроме таких

дорогих приобретений, как квартира или

загородный дом

127 22,6

У нас нет никаких финансовых затруднений,

при необходимости мы можем купить квартиру

или дом

19 3,4

Семейный

статус

Замужем/женат/в гражданском браке 405 72,2

Не замужем/не женат 148 26,4

Вдовец/вдова 8 1,4

Наличие детейЕсть ребенок/дети 382 68,1

Детей нет 179 31,9

Первичный анализ данных также показал, что 91,8% респондент обычно читает

отзывы других пользователей перед совершением покупки онлайн и всего лишь 2,5%

опрошенных не делают этого никогда. Доля потребителей, регулярно пишущих отзывы,

значительно меньше – 38%. Очень редко создают отзывы 27,8% и совсем не делают этого

34,2%. Это демонстрируют и средние значения по утверждениям: для создания составляет

2,2, а для чтения – 4,3. Кроме того, можно отметить, что чаще всего пишут обзоры по

продуктам/услугам те покупатели, которые сами наиболее активно используют отзывы

при принятии решения о покупке. Те потребители, которые пишут онлайн-отзывы хотя бы

иногда (очень редко и время от времени), используют отзывы при покупке примерно так

же, как и большинство респондентов в выборке. Эти выводы соответствуют и результатам

исследования агентства Data Insight совместно с AliExpress Россия82.

82 Интернет-торговля в России 2020 [Электронный ресурс] // Data Insight. — 2021. — Режим доступа: https://datainsight.ru/sites/default/files/DI_eCommerce2020.pdf, свободный.

31


Перед проверкой гипотез были также рассмотрены конструкты, связанные с

предложением вознаграждения. Результаты подтвердили, что 65% респондентов

осведомлены о возможности финансового поощрения создания онлайн-отзывов со

стороны компаний. При этом потребители считают, что компании финансово

стимулируют написание отзывов как с целью создания положительных о них, так и

негативных о конкурентах. Говоря о скептицизме, среднее значение по выборке составило

4, что свидетельствует о довольно- высоком уровне недоверчивости респондентов по

отношению к онлайн-отзывам.

3.3. Результаты эмпирического исследования

Анализ эмпирических данных проводился в несколько шагов с использованием

программного пакета SPSS. На первом шаге тестировались гипотезы, описанные в

предыдущей главе, при использовании конструктов, связанных с вознаграждением,

скептицизмом и контрольными переменными – индивидуальными особенностями

потребителей (социально-демографические характеристики, доверие к онлайн-магазинам

и клиентский опыт). Далее актуальные для исследования вопросы были изучены с

помощью кластерного анализа для выделения различающихся между собой групп

респондентов и более детального понимания результатов проверки выдвинутых гипотез.

Тестирование модели

Для проверки выдвинутых гипотез использовались инструменты корреляционного

и регрессионного анализа, позволяющие выявить взаимосвязь между переменными.

Предпосылки проведения регрессионного тестирования представлены в Приложение

2Приложение , в текущем разделе описаны ключевые результаты исследования.



Корреляционный анализ переменных-утверждений «Я обычно читаю отзывы

других пользователей о продуктах и услугах перед совершением покупки онлайн» и «Я

пишу обзоры по продуктам/услугам, которые приобретаю» продемонстрировал наличие

очень слабой значимой связи (коэффициент корреляции 0,159 и уровень значимости

<0,001).

Таким образом, гипотеза о существовании положительной взаимосвязи между

использованием и созданием онлайн-отзывов потребителями принимается.



Для проверки данной гипотезы был проведен регрессионный анализ с

использованием следующих параметров (Таблица 3): зависимая переменная (y) – создание

32

онлайн-отзывов, независимые переменные (xi) – вознаграждение, клиентский опыт,

уровень образования и уровень дохода, пол, возраст. Регрессия получилась значимой (P-

value <0,001), доля объясненной дисперсии – 7,3%.

Таблица 3. Результаты регрессионного анализа: зависимая переменная – создание

онлайн-отзывов (H2)

Независимые

переменные (xi)

Нестандартизованные

бета-коэффициенты

Стандартизованные


Уровень

значимости

Вознаграждение –0,064 –0,044 0,283

Клиентский опыт 0,191 0,110 0,565

Уровень образования –0,067 –0,075 0,041

Уровень дохода 0,179 0,139 0,001

Пол –0,074 –0,033 0,417

Возраст –0,185 –0,165 < 0,001

Анализируя полученные данные, можно сказать следующее: на готовность

потребителей создавать онлайн-отзывы влияют такие переменные, как уровень

образования, уровень дохода и возраст. При этом самое сильное влияние (значение

стандартизованного бета-коэффициента) оказывает последний фактор, наименьшее –

первый. Увеличение возраста и уровня образования приводят к снижению готовности

писать отзывы потребителями, а увеличение уровня дохода, напротив, к повышению.

Поэтому следует отвергнуть гипотезу о положительном влиянии вознаграждения

на создание онлайн-отзывов.



Регрессия для проверки этой гипотезы включала в себя следующие переменные:

зависимую (y) – скептицизм потребителей в отношении онлайн-отзывов, независимые (xi)

– предложение вознаграждения, клиентский опыт, уровень образования, уровень дохода,

пол и возраст. Модель получилась значимой (P-value <0,001), а скорректированный R2

составил 0,866. Результаты приведены в Таблица 4.

Таблица 4. Результаты регрессионного анализа: зависимая переменная – скептицизм в

отношении онлайн-отзывов (H3)







Уровень


Вознаграждение 0,838 0,933 <0,001

33


Уровень образования 0,009 –0,012 0,450


Пол –0,016 –0,012 0,453

Возраст 0,001 0,010 0,539

Анализ Таблица 4 позволяет сказать, что лишь осведомленность потребителей о

предоставлении финансовых стимулов за написание онлайн-отзывов компаниями

приводит к значительному увеличению уровня скептицизма (на 0,8) респондентов в

отношении отзывов. Остальные предикторы не являются значимыми. Таким образом,

гипотеза о том, что предложение вознаграждения компаниями за написание онлайн-

отзывов положительно влияет на скептицизм потребителей в отношении онлайн-отзывов,

принимается.

H4: Скептицизм к онлайн-отзывам отрицательно влияет на готовность

потребителей использовать онлайн-отзывы.

Для проверки четвёртой гипотезы использовались: зависимая переменная (y) –

использование онлайн-отзывов, независимые переменные (xi) – скептицизм, предложение

вознаграждения, клиентский опыт, уровень образования и уровень дохода, пол, возраст.

Регрессия получилась значимой (P-value <0,001), скорректированный коэффициент

детерминации равен 0,049.

Таблица 5. Результаты регрессионного анализа, зависимая переменная – использование








Уровень


Скептицизм 0,344 0,339 0,003

Вознаграждение –0,252 –0,277 0,016


Уровень образования 0,011 0,019 0,663

Уровень дохода –0,008 –0,010 0,818

Пол 0,034 0,024 0,570

Возраст –0,002 –0,033 0,430

Результаты, приведенные в Таблица 5, позволяют утверждать, что на готовность

потребителей использовать онлайн-отзывы влияет три фактора: скептицизм в отношении

отзывов, клиентский опыт и предложение вознаграждения, причём характер воздействия

34

первых двух является положительным. Осведомленность потребителей о предложении

вознаграждения компаниями, в свою очередь, оказывает ожидаемое негативное

воздействие на использование онлайн-отзывов потребителями. Стоит также отметить, что

скептицизм является более сильным предиктором, нежели остальные два.

Так, предположение об отрицательном влиянии скептицизма в отношении онлайн-

отзывов на их использование потребителями отвергается.


потребителей создавать онлайн-отзывы.

Для проверки последней гипотезы в модель были включены: зависимая переменная

(y) – готовность потребителей создавать онлайн-отзывы, а также предикторы (xi) –

скептицизм, предложение вознаграждения, клиентский опыт, уровень образования,

уровень дохода, пол, возраст. Полученная регрессия является значимой (P-value <0,001), а

доля объяснённой дисперсии равна 7,6%.

Таблица 6. Результаты регрессионного анализа: зависимая переменная – готовность

потребителей создавать онлайн-отзывы (H5)







Уровень


Скептицизм –0,080 –0,049 0,662

Вознаграждение –0,003 0,165 0,986


Уровень образования –0,068 –0,076 0,076


Пол –0,075 –0,034 0,421

Возраст –0,018 –0,158 <0,001

Анализ результатов регрессионного тестирования (Таблица 6) показывает, что

значимыми предикторами в данной модели являются клиентский опыт, уровень дохода и

возраст. Самое сильное воздействие оказывает возраст респондентов, при этом характер

влияния отрицательный: чем старше респонденты – тем реже они создают онлайн-отзывы.

Иной эффект у переменных «клиентский опыт» и «уровень доход» – эти факторы

оказывают положительное влияние на написание онлайн-отзывов. Скептицизм в данном

случае не имеет воздействия на зависимую переменную.

Таким образом, гипотеза об отрицательном влиянии скептицизма к онлайн-

отзывам на их создание потребителями отклоняется.

35

Тестирование гипотез в разрезе кластерного анализа

Для того, чтобы глубже изучить и понять получившиеся результаты, было решено

провести кластерный анализ и протестировать концептуальную модель в разрезе

полученных групп потребителей. Анализ графика рассеяния (Рис. 3) дал основания

предполагать, что между двумя переменными-утверждениями, отражающими склонность

потребителей читать и создавать онлайн-отзывы, существует корреляция.

Рис. 3. Диаграмма рассеяния по двум переменным – использованию и созданию

онлайн-отзывов

Так, в качестве основы для кластерного анализа с помощью иерархического

алгоритма были использованы эти переменные-утверждения. Анализ дендрограммы

позволил выделить диапазон возможных кластеров – от 3 до 5, а их сравнение с помощью

анализа средних показало, что оптимальным является 4-кластерное решение (Таблица 7):

именно в этом случае различия в поведенческих характеристиках потребителей

оказываются максимальными.

Таблица 7. Характеристика кластеров потребителей по чтению и созданию онлайн-

отзывов

КластерКоличество


Среднее значение

Создание Чтение Скептицизм Вознаграждение

I. «Искатели» 229 (41%) 2,8 4,5 3,8 3,8

II. «Безучастные» 37 (7%) 1,4 2,6 4,0 4,1

III. «Созерцатели» 248 (44%) 1,3 4,3 3,8 3,8

IV. «Активисты- 47 (8%) 4,4 4,9 3,9 3,9

36

аналитики»

В Приложение 1 представлены социально-демографические характеристики

респондентов, отнесенных к представленным кластерам, а далее подробно рассмотрены

результаты кластерного анализа.

Первый кластер («Искатели») включает в себя 41% респондентов и является одним

из самых многочисленных. Представители этого кластера обычно читают отзывы с целью

поиска достоверной информации о продукте или услуге и снижения рисков, связанных с

покупкой. Об этом может свидетельствовать уровень скептицизма этого кластера в

отношении отзывов, который равен 3,8, а также уровень доверия к онлайн-магазинам,

составляющий 3,7. Клиентский опыт при этом оценивается довольно высоко – 4,0. Кроме

того, респонденты хорошо осведомлены о возможности финансового вознаграждения со

стороны компаний за написание онлайн-отзывов, что также может оказывать влияние на

то, как потребители этой группы подходят к использованию отзывов. Сами же «Искатели»

оставляют онлайн-отзывы редко, но все же делают это хотя бы иногда: среднее по этой

переменной равно 2,8, что в целом больше значения по выборке (2,2). Что касается

социально-демографического профиля, кластер представлен респондентами в возрасте от

25 до 44 лет (65,5%) с высшим образованием (57,2%) и средним уровнем дохода (41,9%).

Преимущественное количество опрошенных состоит в браке (71,6%) с детьми (63,8%).

Во второй кластер («Безучастные») попали всего лишь 7% опрошенных.

Респонденты этой группы отличаются от всех остальных пассивностью в отношении

взаимодействия с онлайн-отзывами: они не читают их перед совершением покупки и не

создают после приобретения товара или услуги. Это может быть связано с их уровнем

скептицизма (4,1), который выше, чем по выборке, твердой уверенностью респондентов в

том, что компании финансово стимулируют написание отзывов (4,1), и весьма низким

доверием к онлайн-магазинам (3,5) несмотря на то, что опыт покупок в интернете в целом

оценивается хорошо (3,9).

Третий кластер, «Созерцатели», является самым большим и включает в себя 44%

респондентов, которые активно используют отзывы при принятии решения о покупке, но

сами их не пишут. Уровень скептицизма, доверия к онлайн-магазинам, знания о

возможности вознаграждения за создание онлайн-отзывов и оценка клиентского опыта

несильно отличаются от первого кластера и показателей выборки. По социально-

демографическому профилю большая часть кластера представлена мужчинами (54,4%).

Это единственная группа, в которой преобладающее большинство респондентов – люди в

37

возрасте 45–55 лет (34,3%), что может оказывать влияние на поведенческие

характеристики кластера.

Наконец, четвертый кластер («Активисты-аналитики»), как можно предположить

по названию, – это респонденты, которые и пишут, и читают онлайн-отзывы, к ним

относится лишь 8% опрошенных. Это проницательные люди, тщательно подходящие к

выбору продукта с разных точек зрения. Они постоянно анализируют получаемую

информацию и дополняют ее своим мнением. Кластер представлен молодыми людьми в

возрасте 25–34 лет (42,6%), при этом больше четверти (27,6%) респондентов кластера

располагают доходом ниже среднего. Именно у этого кластера самая высокая оценка

клиентского опыта (4,4) и доверия к интернет-магазинам (4,1), что может положительно

влиять на готовность потребителей проявлять активность в отношении онлайн-отзывов.

Уровень скептицизма и знания о возможности финансового вознаграждения за написание

отзывов соответствуют средним значениям выборки.

Далее будут описаны результаты проверки гипотез в разрезе кластеров.



В результате корреляционного анализа переменных-утверждений «Я обычно читаю

отзывы других пользователей о продуктах и услугах перед совершением покупки онлайн»

и «Я пишу обзоры по продуктам/услугам, которые приобретаю» были получены

следующие результаты (Таблица 8): во всех кластерах, кроме «Безучастных»,

наблюдаются значимые отрицательные коэффициенты корреляции. Самая сильная

взаимосвязь между чтением и написанием онлайн-отзывов при этом отмечена у

респондентов, отнесенных к кластеру «Искатели»: в силу отрицательного значения

коэффициента можно предположить, что чем больше потребители этой группы читают

отзывы – тем меньше они их пишут. В кластерах «Созерцатели» и «Активисты-

аналитики» коэффициенты корреляции свидетельствуют о наличии слабой связи (от 0,2

до 0,5). Что касается «Безучастных», представители этого кластера в целом не читают и не

пишут онлайн-отзывы, соответственно, и связь между этими типами поведения не

является значимой.

Таблица 8. Итоги корреляционного анализа между созданием и использованием


Кластер Коэффициент корреляции Уровень значимости

«Искатели» –0,608 <0,001

«Безучастные» –0,270 0,106

38

«Созерцатели» –0,472 <0,001

«Активисты-аналитики» –0,370 0,010

Таким образом, гипотеза о существовании положительной взаимосвязи между

использованием и созданием онлайн-отзывов потребителями в разрезе кластеров также

отвергается.



Результаты тестирования гипотезы оказались незначимыми в трех кластерах –

«Искатели», «Безучастные» и «Активисты-аналитики» – в отличии от «Созерцателей».

Уровень значимости регрессионной модели по этому кластеру составил 0,036, а доля

объясненной дисперсии (скорректированный R2) – 2,1%. Интересно то, что единственной

значимой независимой переменной в модели является предложение вознаграждения. Так,

повышение осведомленности потребителей о возможности финансового стимулирования

написания онлайн-отзывов со стороны компаний будет приводить к снижению готовности

респондентов создавать отзывы, то есть гипотеза отвергается.



Во всех кластерах модель получилась значимой, а доля объясненной дисперсии

составила более 80%. Влияние на уровень скептицизма среди всех групп, как и в общей

модели, оказывает один единственный предиктор – осведомленность потребителей о

возможности вознаграждения за написание онлайн-отзывов, при этом характер

воздействия является положительным. Таким образом, гипотеза о том, что предложение

вознаграждения компаниями за написание онлайн-отзывов положительно влияет на

скептицизм потребителей в отношении онлайн-отзывов, принимается в разрезе кластеров.


потребителей использовать онлайн-отзывы.

Рассмотрение модели в разрезе кластеров продемонстрировало, что значимой

регрессия является только в одном случае – для кластера «Искатели»: P-value равно

<0,001 и скорректированная доля объясненной дисперсии – 15,1%. При этом скептицизм

является довольно сильным положительным предиктором: при изменении фактора на

единицу, значение переменной меняется на 0,5. Таким образом, гипотеза отвергается.


потребителей создавать онлайн-отзывы.

39

Модель с точки зрения кластеров является незначимой для всех групп

потребителей, кроме «Созерцателей»: P-value составляет 0,020 и доля объясненной

дисперсии равна 4%. В отличии от результатов регрессионного тестирования по всей

выборке, на готовность респондентов из рассматриваемого кластера создавать онлайн-

отзывы скептицизм оказывает отрицательное влияние: чем выше уровень недоверчивости

потребителей – тем ниже их склонность писать обзоры на приобретенные

продукты/услуги. Таким образом, гипотеза может быть принята в одном из кластеров.

3.4. Выводы

В ходе проведенного анализа данных 3 из 5 гипотез были отвергнуты () и удалось

прийти к следующим выводам. Во-первых, результаты исследования позволяют

утверждать, что значимые отличия от других кластеров и выборки в целом

демонстрируют респонденты, отнесенные к «Созерцателям», которые активно используют

онлайн-отзывы, но сами их не пишут. Именно для этого кластера значимое влияние на

создание отзывов оказывает вознаграждение, причём эффект является отрицательным и

приводит к снижению мотивации. Отрицательно на использование и создание онлайн-

отзывов «Созерцателями» влияет и промежуточная переменная – скептицизм. Однако,

учитывая, что значительная часть кластера представлена людьми в возрасте старше 45,

такие результаты вполне обоснованы и подтверждают сведения, согласно которым

потребители этой возрастной группы в целом относятся к онлайн-отзывам недоверчиво и,

соответственно, пишут их реже, нежели молодые люди.83 Не менее привлекательной для

исследования группой потребителей является кластер «Искатели»: эти респонденты

активно используют онлайн-рецензии, постоянно ищут актуальную информацию по

интересующим их продуктам и услугам, хорошо осведомлены о возможности оплаты за

создание онлайн-отзывов и о других маркетинговых тактиках, поэтому возникновение

новых поводов для сомнений и недоверчивости этих людей может привести к

значительному снижению их активности в отношении отзывов.

83 Online shopping and E-commerce [Электронный ресурс] // Pew Research Center. – 2016. – Режим доступа: https://www.pewresearch.org/internet/2016/12/19/online-shopping-and-e-commerce/, свободный.

40

https://www.pewresearch.org/internet/2016/12/19/online-shopping-and-e-commerce/

Рис. 4. Результаты тестирования модели влияния вознаграждения на

использование и создание онлайн-отзывов потребителями

Во-вторых, несмотря на то, что гипотезы H2 и H5 не нашли подтверждения в этом

исследовании, было выявлено, что на создание онлайн-отзывов потребителями могут

оказывать влияние такие факторы, как уровень образования, материальное положение и

клиентский опыт. Дело в том, что чем образованнее человек – тем более осмотрителен он

при совершении покупок и более тщательно ищет информацию о продукте или услуге,

ставя под сомнение получаемые данные84. С увеличением доходов снижается склонность

потребителей писать онлайн-отзывы. Это может объясняться, тем, что люди с высоким

уровнем дохода прибегают к онлайн-покупкам и использованию онлайн-отзывов для

экономии времени в процессе принятия решения о покупке, соответственно, написание

онлайн-отзывов может являться для них затратным с точки зрения времени занятием.85.

Клиентский опыт, в свою очередь, положительно влияет на готовность потребителей

писать отзывы, что подкрепляется ранее существующими работами о мотивации, о

которых шла речь в Главе 1.

В-третьих, тестирование гипотезы H4 (об отрицательном влиянии скептицизма на

использование онлайн-отзывов) продемонстрировало противоположный характер влияния

скептицизма. Иными словами, чем больше уровень скептицизма потребителя в отношении

онлайн-отзывов – тем больше отзывов он будет читать. В настоящее время все чаще

потребители сталкиваются с фальшивыми и некачественными рецензиями, которые

84 Gronhaug, K., Education and buyer behavior // Acta Sociologica. — 1974. — Vol. 17 (2). — P.179-189.85 Punj, G., Income effects on relative importance of two online purchase goals: Saving time versus saving

money? // Journal of Business Research. — 2012. — Vol. 65 (5) 7 — P. 634-640.

41

негативно влияют на надежность отзывов и их оценку потребителями86, поэтому такой

результат кажется логичным: в стремлении найти достоверную и точную информацию о

бренде, продукте или услуге недоверчивые потребители будут более активно читать

онлайн-отзывы. При этом вознаграждением оказывает ожидаемое негативное влияние на

использование отзывов потребителями: чем выше осведомленность интернет-

пользователей о предложении финансовых стимулов компаниями – тем реже они

обращаются к обзорам в процессе принятия решения о покупке.

Подтверждение в этой работе нашли гипотезы H1 (о корреляции чтения и

использования онлайн-отзывов потребителями) и H3 (о положительном влиянии

осведомленности потребителей о вознаграждении на скептицизм в отношении онлайн-

отзывов).

3.5. Рекомендации

Это исследование добавляет новую точку зрения, фокусируя основное внимание на

том, как одним потребителем могут использоваться и создаваться онлайн-отзывы с учетом

внешнего стимула – вознаграждения. Такой подход расширяет существующую

литературу, в которой ранее не рассматривалось использование и создание онлайн-

отзывов одновременно. В частности, эта работа подтверждает результаты аналитического

агентства Data Insight87 о наличии связи между двумя стратегиями поведения

потребителей в отношении онлайн-отзывов. Однако, сила корреляции между ними в

текущем исследовании довольно слабая, что свидетельствует о необходимости

продолжения изучения этого вопроса и более глубокого анализа поведения потребителей

для выявления и определения силы закономерностей.

Использование промежуточной переменной «скептицизм» в ходе тестирования

концептуальной модели было призвано разрешить противоречия в вопросе эффектов,

вызываемых применением финансового стимулирования написания отзывов со стороны

компаний. Результаты продемонстрировали, что осведомленность потребителей о

возможности вознаграждения за создание eWOM-контента повышает их уровень

скептицизма в отношении онлайн-отзывов, который, в свою очередь, положительно

влияет на использование отзывов потребителями. Само вознаграждение, тем не менее,

оказывает ожидаемо негативный эффект. В дальнейших исследованиях могут быть

рассмотрены и иные промежуточные конструкты, например удовлетворенность

86 Fake Reviews Are a Real Problem: 8 Statistics That Show Why [Электронный ресурс] // BrightLocal. — 2019. — Режим доступа: https://www.brightlocal.com/learn/fake-reviews-are-a-real-problem-8-statistics-that-show-why/, свободный.

87 Использование отзывов при онлайн-покупках [Электронный ресурс] // Data Insight совместно с AliExpress Россия. — 2021. — Режим доступа: https :// datainsight . ru / sites / default / files / DI _ Aliexpress _ GuidedBuying . pdf , свободный.

42


https://www.brightlocal.com/learn/fake-reviews-are-a-real-problem-8-statistics-that-show-why/


продуктом или услугой88, для исключения возможности влияния ранее не изученных

факторов.

Говоря об управленческих рекомендациях, прежде всего, компаниям следует

персонализировать предложение различных стимулов для написания онлайн-отзывов в

зависимости от поведенческих особенностей потребителей. Менеджеры, которые четко

понимают этическую идеологию своих потребительских сегментов, способны эффективно

определять, какие потребители могут быть вовлечены в процесс создания

вознаграждаемой eWOM, а какие – нет. В связи с тем, что уровень образования и дохода

существенно влияют на отношение потребителей к рекламе (Fam et al., 2019) и готовность

создавать онлайн-отзывы, маркетологи могли бы использовать большие данные для сбора

необходимой информации о покупателях для оценки их чувствительности к финансовым

стимулам: социально-демографические особенности, сведения о предыдущих покупках и

получаемых консультациях, выбираемый ценовой сегмент. Так, например, если

покупатель старше 40–45 лет давно зарегистрирован на электронной платформе, активно

совершает покупки, но никогда или очень редко оставляет отзывы, то стоит с

осторожностью предлагать ему вознаграждение или бонусы за написание обзоров о

продуктах или услугах, которые он приобретает, так как данная тактика может негативно

повлиять на мотивацию потребителя написать онлайн-отзыв.

Необходимо более тщательно исследовать причины написания онлайн-отзывов

потребителями при использовании не только внешних стимулов, но и внутренних (Kvaløy

et al., 2015), а также уделить особое внимание комбинированию этих подходов. Примером

таких инструментов могут быть интерактивные мероприятия (конкурсы на самый

полезный/качественный/интересный отзыв) и использование игровых методик89 (система

лояльности, базирующаяся на различных видах активности в рамках бренда или

платформы, в том числе написании онлайн-отзывов; вознаграждение за качество отзыва, а

не его наличие; благотворительные акции). Это позволит не только избежать появления

эффекта чрезмерного обоснования от предложения финансовых стимулов, сохранить

вовлеченность и укрепить мотивацию активных потребителей создавать онлайн-отзывы,

но и привлечет к этому процессу неактивных пользователей и тех, чья мотивация не

ограничивается только внутренними или внешними мотивами.

Наконец, маркетологам следует уделять особое внимание поддержанию стратегий,

направленных на работу с клиентским опытом, доверием потребителей к отзывам и

88 Dai, Q., & Zhang, J., Interaction between satisfaction and incentives on online reviews. // Asia Pacific Journal of Marketing and Logistics. — 2019.

89 Wang, X., & Sanders, G. L., For Money, and for Fun: Exploring the Effects of Gamification and Financial Incentives on Motivating Online Review Generation. // AMCIS 2019 Proceedings. — 2019.

43

брендам, в частности. Среди наиболее используемых на настоящий момент тактик

снижения недоверчивости потребителя могут быть выделены следующие: быстрые и

содержательные ответы на вопросы потребителей и онлайн-отзывы; проявление

заинтересованности в улучшении пользовательского опыта (различные инструменты

оценки продукта или услуги и ведение открытых потребительских онлайн-сообществ),

клиентоориентированный подход при решении возникающих проблем и др.90.

90 6 Tips for Getting Online Reviews and Building Trust [Электронный ресурс]. // Forbes. — 2019. — Режим доступа: https://www.forbes.com/sites/jiawertz/2019/07/16/6-tips-for-getting-online-reviews-and-building-customer-trust/?sh=3f017f0e7982, свободный.

44

https://www.forbes.com/sites/jiawertz/2019/07/16/6-tips-for-getting-online-reviews-and-building-customer-trust/?sh=3f017f0e7982


ЗАКЛЮЧЕНИЕ

Исследования, посвященные изучению онлайн-отзывов и их влиянию на поведение

потребителей, разнообразны и тесно связаны с контекстом анализа, в особенности с

рассматриваемым набором факторов. Целью данной работы стало определение

воздействия осведомленности потребителей о вознаграждении, предлагаемом компаниями

за создание онлайн-отзывов, на готовность использовать и писать их.

По итогам теоретического анализа, проведенного в первой главе, были определены

общие характеристики потребителей в отношении онлайн-покупок, выявлены

особенности использования и создания онлайн-отзывов потребителями, а также изучены

упоминания о связи этих типов поведения в научно-публицистической литературе. В

результате обзора существующих исследований выяснилось, что, несмотря на активное и

весьма глубокое изучение контекста онлайн-отзывов и их влияния на потребителя,

отсутствуют работы, рассматривающие использование и создание онлайн-отзывов

одновременно, с позиции одного человека.

На основании результатов первой главы было отмечено, что среди существующих

мотивов взаимодействия с eWOM-контентом, наименее изученным и наиболее

противоречивым является вознаграждение – фактор внешней мотивации потребителей.

Вознаграждение используется многими известными компаниями (eBay, Best Buy, OZON,

ВкусВилл, Эльдорадо и др.) для стимулирования написания онлайн-отзывов о продуктах

или услугах. Ряд исследований доказывают, что финансовые стимулы положительно

воздействуют на склонность потребителей создавать обзоры. Тем не менее, недавние

работы опровергают эту точку зрения и приводят аргументы в пользу негативного

влияния вознаграждения на мотивацию потребителей и качество онлайн-обзоров. Так,

была сформулирована концептуальная модель влияния вознаграждения на использование

и создание онлайн-отзывов потребителями. В целях объяснения противоречий в

исследованиях относительно эффекта вознаграждения в модель была включена

промежуточная переменная – скептицизм потребителей в отношении онлайн-отзывов.

В третьей главе для тестирования гипотез концептуальной модели был проведен

анализ эмпирических данных, полученных Центром стратегического маркетинга и

инноваций Высшей школы менеджмента СПбГУ в результате онлайн-опроса 561

респондентов, совершавших покупки с марта 2019 по март 2020 года. С помощью

кластерного анализа опрошенные были разделены на 4 группы в зависимости от частоты

создания и использования отзывов: «Искатели», «Безучастные», «Созерцатели» и

«Аналитики-активисты». Поскольку каждая группа интернет-покупателей по-разному

подходит к работе с отзывами и в разной степени осведомлена о финансовом

45

стимулировании отзывов, то компаниям, работающим на рынке онлайн-торговли,

необходимо тщательно планировать свою маркетинговую деятельность, разрабатывать

для каждого сегмента соответствующую стратегию и креативно подходить к процессу

вовлечения потребителей к eWOM.

46

СПИСОК ИСТОЧНИКОВ

1. Альгрен М. – Статистика электронной коммерции и факты онлайн-покупок для

2020. [Электронный ресурс]– Режим доступа:

https :// www . websitehostingrating . com / ru / ecommerce - statistics - facts / , свободный.

2. Интернет-торговля в России 2020 [Электронный ресурс] // Data Insight. — 2021. —

Режим доступа: https://datainsight.ru/sites/default/files/DI_eCommerce2020.pdf,

свободный.

3. Использование отзывов при онлайн-покупках [Электронный ресурс] // Data Insight

совместно с AliExpress Россия. — 2021. — Режим доступа:

https://datainsight.ru/sites/default/files/DI_Aliexpress_GuidedBuying.pdf, свободный.

4. Как ритейлеры мотивируют клиентов оставлять отзывы [Электронный ресурс] //

Блог приложения «Кошелёк». — 2020. — Режим доступа:

https://blog.cardsmobile.ru/kak-ritejlery-motiviruyut-klientov-ostavlyat-otzyvy,

свободный.

5. Купрейченко, А. Б. Доверие к информации как фактор доверия к электронным

масс-медиа. / А. Б. Купрейченко, Е. В. Шляховая // Психолого-педагогические

исследования. — 2012. — №1. — С. 370–380.

6. 6 Tips For Getting Online Reviews and Building Trust [Электронный ресурс]. // Forbes.

— 2019. — Режим доступа: https://www.forbes.com/sites/jiawertz/2019/07/16/6-tips-

for-getting-online-reviews-and-building-customer-trust/?sh=3f017f0e7982, свободный.

7. 7 Trends That Will Shape the Future of eCommerce in 2021 [Электронный ресурс] //

ChannelSight. — 2021. — Режим доступа:

https://www.channelsight.com/blog/ecommerce-trends, свободный.

8. 10 Online Review Statistics You Need to Know [Электронный ресурс]. // OBERLO. —

2020. — Режим доступа: https://www.oberlo.com/blog/online-review-statistics,

свободный.

9. Ait Oumeziane, B., Schryer-Praga, J., and Foti, D., Why Don’t They ‘like’ Me More:

Comparing the Time Courses of Social and Monetary Reward Processing //

Neuropsychologia. — 2017. — Vol. 107. — P. 48–59.

10. An, Q., Ma, Y., Du, Q., Xiang, Z., & Fan, W., Role of user-generated photos in online

hotel reviews: An analytical approach. // Journal of Hospitality and Tourism

Management. — 2020. — Vol. 45. — P. 633–640.

11. Anderson, E. T. and Simester, D. I., Reviews without a purchase: Low ratings, loyal

customers and deception. // Journal of Marketing Research. — 2014. — Vol. 51. — P.

249–269.

47

https://www.channelsight.com/blog/ecommerce-trends






https://www.websitehostingrating.com/ru/ecommerce-statistics-facts/

12. Anderson, M., Study: 72% of consumers trust online reviews as much as personal

recommendations. Search Engine Land. — 2012.

13. Badke, W., Information overload? maybe not. // Online 34.5: General Reference Center

Gold. — 2010. — Vol. 34 (5). — P. 52–54.

14. Bénabou, R. & Tirole. J., Incentives and prosocial behavior // American economic

review. — 2006. — Vol. 96 (5). — P. 1652–1678.

15. Black, H. D., and S. W. Kelley., A Storytelling Perspective on Online Customer Reviews

Reporting Service Failure and Recovery. // Journal of Travel and Tourism Marketing. —

2009. — Vol. 26 (2). — P. 169–179.

16. Bonner, S. E., & Sprinkle, G. B., The effects of monetary incentives on effort and task

performance: theories, evidence, and a framework for research // Accounting,

organizations and society. — 2002. — Vol. 27 (4-5). — 303-345.

17. Bronner, F., & de Hoog, R., Vacationers and eWOM: Who postst, and why, where, and

what? // Journal of Travel Research. — 2011. — Vol. 50 (1). — P. 15–26.

18. Burtch, G., Hong, Y., Bapna, R., & Griskevicius, V., Stimulating online reviews by

combining financial incentives and social norms. // Management Science. — 2018. —

Vol. 64 (5). — P. 2065–2082.

19. Burton, J., & Khammash, M., Why do people read reviews posted on consumer-opinion

portals? // Journal of Marketing Management. — 2010. — Vol. 26 (3-4). — P. 230–255.

20. Cabral L, Li L., A dollar for your thoughts: Feedback conditional rebates on eBay. //

Management Sci. — 2015. — Vol. 61(9). — P. 2052–2063.

21. Charts: How the coronavirus is changing ecommerce [Электронный ресурс] // Digital

Commerce 360 estimates. — 2021. — Режим доступа:

https://www.digitalcommerce360.com/2021/02/15/ecommerce-during-coronavirus-

pandemic-in-charts/, свободный.

22. Chen, L., Li, W., Chen, H. & Geng, S., Detection of fake reviews: Analysis of sellers’

manipulation behavior. // Sustainability. — 2019. — Vol. 11 (17). — P. 4802.

23. Cheung, C. M. K., M. K. O. Lee, and N. Rabjohn, The Impact of Electronic Word-of-

Mouth: The Adoption of Online Opinions in Online Customer Communities. // Internet

Research. — 2008. — Vol.18 (3). — P. 229–247.

24. Cheung, C. M., & Lee, M. K., What drives consumers to spread electronic word of mouth

in online consumer-opinion platforms. // Decision Support Systems. — 2012. — Vol. 53

(1). — P. 218–225.

25. Cheung, C., Sia, C.-L, Kuan, K., Is This Review Believable? A Study of Factors

Affecting the Credibility of Online Consumer Reviews from an ELM Perspective. //

48



Journal of the Association for Information Systems. — 2012. — Vol. 13 (8). — P. 618–

635.

26. Cheung, M. Y., L. Chuan, L. S. Choon, & C. Huaping, Credibility of Electronic Word-of-

Mouth: Informational and Normative Determinants of on-Line Consumer

Recommendations. // International Journal of Electronic Commerce. — 2009. — Vol. 13

(4). — P. 9–38.

27. Chevalier, J.A. and Mayzlin, D., The effect of word of mouth on sales: online book

reviews. // Journal of Marketing Research. — 2006. — Vol. 43 (3). — P. 345–354.

28. Christodoulides, G., Jevons, C., & Bonhomme, J., Memo to marketers: quantitative

evidence for change - how user-generated content really affects brands. // Journal of

advertising research. — 2012. — Vol. 52 (1). — P. 53–65.

29. Danescu-Niculescu-Mizil, C., G. Kossinets, J. Kleinberg and L. Lee.,How Opinions Are

Received by Online Communities: A Case Study on Amazon.Com Helpfulness Votes. //

In International Conference on the World Wide Web, New York. — 2009.

30. Doh, S. J., and J. S. Hwang, How Consumers Evaluate EWOM (Electronic Word-of-

Mouth) Messages. // CyberPsychology & Behavior. — 2009. — Vol.12 (2). — P. 193–

197.

31. Duan, W., Gu, B., and Whinston A. B., Do Online Reviews Matter? – An Empirical

Investigation of Panel Data // Decision Support Systems. — 2008. — Vol. 45 (4). — P.

1007–1016.

32. Duan, Yongrui, Chen Chen, and Jiazhen Huo, The impact of monetary rewards for online

reviews. // Asia Pacific Journal of Marketing and Logistics. — 2019.

33. Ellison, G. and Fudenberg, D., Word-of-mouth communication and social learning. // The

Quarterly Journal of Economics. — 1995. — Vol. 110 (1). — P. 93–125.

34. Evans, M., Jamal, A., & Foxall, G., Consumer behaviour. // Chichester, England: John

Wiley. — 2006. — P. 4.

35. Fake Reviews Are a Real Problem: 8 Statistics That Show Why [Электронный

ресурс] // BrightLocal. — 2019. — Режим доступа:

https://www.brightlocal.com/learn/fake-reviews-are-a-real-problem-8-statistics-that-

show-why/, свободный.

36. Flanagin, A. J., & Metzger, M. J., Trusting expert-versus user-generated ratings online:

The role of information volume, valence, and consumer characteristics. // Computers in

Human Behavior. — 2013. — Vol. 29. — P. 1626–1634.

49



37. Fradkin A, Grewal E, Holtz D, Pearson M, Bias and reciprocity in online reviews:

Evidence from field experiments on Airbnb. // Proceeding Sixteenth ACM Conference on

Economics and Computation (ACM, New York). — 2015. — P. 641–641.

38. Frey, B.S. and Jegen, R., Motivational interactions: effects on behaviour // Annales

d’Economie et de Statistique. — 2001. — Vol. 63/64. — P. 131–153.

39. Fryer R.G., Financial incentives and student achievement: Evidence from randomized

trials. // Quart. Journal of Economics. — 2011. — Vol. 126 (4). — P. 1755–1798.

40. Ghose, A., and Ipeirotis, P. G., Designing Novel Review Ranking Systems: Predicting

Usefulness and Impact of Reviews // In Proceeding of the 9th International Conference

on Electronic Commerce. — 2007. — P. 303–310.

41. Gneezy, U. and Rustichini, A., Pay enough or don’t pay at all // The Quarterly Journal of

Economics. — 2000. — Vol. 115 (3). — P. 791–810.

42. Godes, D. and Mayzlin, D., Using online conversations to study word-of-mouth

communication. // Marketing science. — 2004. — Vol. 23 (4). — P. 545–560.

43. Granovetter, M.S., The strength of weak ties. // American journal of sociology. — 1973.

— Vol. 78 (6). — P. 1360–1380.

44. Gronhaug, K., Education and buyer behavior. // Acta Sociologica. — 1974. — Vol. 17

(2). — P. 179–189.

45. Hennig-Thurau, T., & Walsh, G., Electronic word-of-mouth: Motives for and

consequences of reading customer articulations on the Internet. // International Journal of

Electronic Commerce. — 2003. — Vol. 8 (2). — P. 51–74.

46. Heyman, J. and Ariely, D., Effort for payment a tale of two markets. // Psychological

Science. — 2004. —Vol. 15 (11). — P. 787–793.

47. Ho, J. Y., & Dempsey, M., Viral marketing: Motivations to forward online content. //

Journal of Business Research. — 2010. — Vol. 63 (9-10). — P. 1000–1006.

48. Hu, N., L. Ling, & J. J. Zhang., Do Online Reviews Affect Product Sales? The Role of

Reviewer Characteristics and Temporal Effects. // Information Technology and

Management. — 2008. — Vol. 9 (3). — P. 201–214.

49. Huang, A. H., K. Chen, D. C. Yen, and T. P. Tran., A Study of Factors That Contribute to

Online Review Helpfulness. // Computers in Human Behavior. — 2015. — Vol. 48. — P.

17–27.

50. Jacobsen, S., Why did I buy this? The effect of WOM and online reviews in post-

purchase attribution for product outcomes. // Journal of Research in Interactive

Marketing. — 2018. — Vol. 12 (3). — P. 370–396.

50

51. Jang, S. C., & Jeong, E. H., Restaurant experiences triggering positive electronic word-

of-mouth (eWOM) motivations. // International Journal of Hospitality Management. —

2010. — Vol. 30 (2). — P. 356–366.

52. Jiménez, F. R., & Mendoza, N. A., Too Popular to Ignore: The Influence of Online

Reviews on Purchase Intentions of Search and Experience Products. // Journal of

Interactive Marketing. — 2013. — Vol. 27 (3). — P. 226–235.

53. Jindal, N., and Liu, B., Opinion Spam and Analysis. // In International Conference on

Web Search and Web Data Mining. — 2008. — P. 219–230.

54. Berezina, K., Bilgihan, A., Cobanoglu, C. and Okumus, F., Understanding satisfied and

dissatisfied hotel customers: text mining of online hotel reviews. // Journal of Hospital

Marketing. — 2016. — Vol. 25 (1). — P. 1–24.

55. Khern-am-nuai W, Kannan K., Extrinsic versus intrinsic rewards to participate in a crowd

context: An analysis of a review platform. // Working paper, Purdue University, West

Lafayette. — 2016.

56. Kim, J. M., Jun, M., & Kim, C. K., The effects of culture on consumers' consumption and

generation of online reviews. // Journal of Interactive Marketing. — 2018. — Vol. 43. —

P. 134–150.

57. Kim, J. M., Kim, M., & Key, S., When profile photos matter: the roles of reviewer profile

photos in the online review generation and consumption processes. // Journal of Research

in Interactive Marketing. — 2020.

58. Kuan, K. K., Hui, K. L., Prasarnphanich, P., & Lai, H. Y., What makes a review voted?

An empirical investigation of review voting in online review systems. // Journal of the

Association for Information Systems. — 2015. — Vol. 16 (1).

59. Kvaløy, O., Nieken, P. and Schöttner, A., Hidden benefits of reward: a field experiment

on motivation and monetary incentives. // European Economic Review. — 2015. — Vol.

76. — P. 188-199.

60. Kwon, B.C., Kim, S.H., Duket, T., Catalán, A. and Yi, J.S., Do people really experience

information overload while reading online reviews? // International Journal of Human-

Computer Interaction. — 2015. — Vol. 31 (12). — P..959–973.

61. Latest Online Reviews Statistics in 2020. The Impact on Business. [Электронный

ресурс] // Review42. — 2021. — Режим доступа:

https :// review 42. com / resources / online - reviews - statistics / , свободный.

62. Lazauskas, J. Study: Sponsored content has a trust problem [Электронный ресурс] // J.

Lazauskas. — 2014. — Режим доступа:

51

https://review42.com/resources/online-reviews-statistics/

http://contently.com/strategist/2014/07/09/study-sponsored-content-has-a-trust-problem-

2/, свободный.

63. Lee, E. J., & Shin, S. Y., When do consumers buy online product reviews? Effects of

review quality, product type, and reviewer’s photo. // Computers in Human Behavior. —

2014. — Vol. 31. — P. 356–366.

64. Lee, M., & Youn, S., Electronic word of mouth (eWOM). // International Journal of

Advertising. — 2009. — Vol. 28 (3). — P. 473–499.

65. Lelis, S., & Howes, A., Informing decisions: how people use online rating information to

make choices. // In Proceedings of the 2011 annual conference on human factors in

computing systems. — 2011. — P. 2285–2294.

66. Lim, Y.-S., & Van Der Heide, B., Evaluating the wisdom of strangers: The perceived

credibility of online consumer reviews on Yelp. // Journal of Computer-Mediated

Communication. — 2015. — Vol. 20. — P. 67–82.

67. Liu, Z, & Sangwon, P., What makes a useful online review? Implication for travel

product websites. // Tourism management. — 2015. — Vol. 47. — P. 140–151.

68. Marinescu, I., Nadav, K., Chamberlain, A. & Smart, M., Incentives can reduce bias in

online reviews. // National Bureau of Economic Research. — 2018.

69. McKnight, D. Harrison, Vivek Choudhury, & Charles Kacmar, The impact of initial

consumer trust on intentions to transact with a web site: a trust building model. // The

journal of strategic information systems. — 2002. — Vol. 11 (3-4). — P. 297–323.

70. Modern Consumer Journey. Right Message at the Right Time [Электронный ресурс] //

ChannelSight. — 2021. — Режим доступа: https://www.channelsight.com/blog/modern-

consumer-journey-right-message-at-the-right-time, свободный.

71. Mudambi, S. M., and D. Schuff, What Makes a Helpful Online Review? A Study of

Customer Reviews on Amazon.Com. // MIS Quarterly. — 2010. — Vol. 31 (1). — P.

185–200.

72. Obermiller, C. and Spangenberg, E.R, Development of a scale to measure consumer

skepticism toward advertising, // Journal of Consumer Psychology. — 1998. — Vol. 7

(2). — P. 159–186.

73. Online shopping and E-commerce [Электронный ресурс] // Pew Research Center. –

2016. – Режим доступа: https://www.pewresearch.org/internet/2016/12/19/online-

shopping-and-e-commerce/, свободный.

74. Ozakca, M., & Lim, Y.-K., A study of reviews and ratings on the internet. // In CHI ’06

extended abstracts on human factors in computing systems. — 2006. — P. 1181–1186.

52







75. Park, C., & Lee, T. M., Information direction, website reputation and eWOM effect: A

moderating role of product type. // Journal of Business research. — 2009. — Vol. 62 (1).

— P. 61–67.

76. Park, S. and Nicolau, J.L., Asymmetric effects of online consumer reviews. // Annals of

Tourism Research. — 2015. — Vol. 50. — P. 67–83.

77. Punj, G., Income effects on relative importance of two online purchase goals: Saving

time versus saving money? // Journal of Business Research. — 2012. — Vol. 65(5)7 —

P. 634–640.

78. Reimer, T. & Benkenstein, M., When good WOM hurts and bad WOM gains: The effect

of untrustworthy online reviews. // Journal of Business Research. — 2016. — Vol. 69

(12). — P. 5993–6001.

79. Rensink, J.M., What Motivates People to Write Online Reviews and Which Role Does

Personality Play? // Master's thesis, University of Twente. — 2013.

80. Schlosser, A. E., Can including pros and cons increase the helpfulness and

persuasiveness of online reviews? The interactive effects of ratings and arguments. //

Journal of Consumer Psychology. — 2011. —Vol. 21 (3). — P. 226–239.

81. Senecal, S., & Nantel, J., The influence of online product recommendations on

consumers’ online choices. // Journal of Retailing. — 2014. — Vol. 80. — P.159–169

82. Sher, P. J., & Lee, S.-H., Consumer skepticism and online reviews: an elaboration

likelihood model perspective. // Social Behavior & Personality: An International Journal.

— 2009. — Vol. 37(1). — P. 137–143

83. The Future of Ecommerce Report 2021 [Электронный ресурс]. // Shopify Plus — 2021.

— Режим доступа:

https://enterprise.plus.shopify.com/rs/932-KRM-548/images/Shopify_Future_of_Comme

rce.pdf, свободный.

84. The Secret Life of Search. [Электронный ресурс] // RedC. — 2018. — Режим доступа:

https://www.redcmarketing.com/app/uploads/2018/10/The-Secret-Life-of-Search.pdf,

85. Volpp K.G, Troxel A.B, Pauly M.V., Glick H.A., Puig A., Asch D.A., Galvin R., et al., A

randomized, controlled trial of financial incentives for smoking cessation. // New

England J. Medicine. — 2009. — Vol. 360 (7). — P. 699–709.

86. Wang, C. & Hung-Yu C., Believe or skepticism? An empirical study on individuals’

attitude to blog product review. // International Journal of Innovation, Management and

Technology. — 2012. — Vol. 3 (4) — P. 343–348.

87. Wang, D., Liu, T., and Shi, J., Development of monetary and social reward processes //

Scientific reports. — 2017. — Vol. 7 (1). — P. 1–10.

53

https://www.redcmarketing.com/app/uploads/2018/10/The-Secret-Life-of-Search.pdf



88. Wang J, Ghose A, Ipeirotis P., Bonus, disclosure, and choice: What motivates the

creation of high-quality paid reviews? // International Conference of Information Systems

(ICIS 2012). — 2012.

89. Wang, X., & Sanders, G. L., For Money, and for Fun: Exploring the Effects of

Gamification and Financial Incentives on Motivating Online Review Generation. //

AMCIS 2019 Proceedings. — 2019.

90. Wang, Y., Wang, J. and Yao, T., What makes a helpful online review? A meta-analysis

of review characteristics. // Electronic Commerce Research. — 2019. — Vol. 19 (2). —

P. 257–284.

91. Wu, P. F., Heijden, H.V.D. & Korfiatis, N.T., The Influences of Negativity and Review

Quality on the Helpfulness of Online Reviews. // In Thirty Second International

Conference on Information Systems, Shanghai. — 2011.

92. X. Xu, Examining an asymmetric effect between online customer reviews emphasis and

overall satisfaction determinants. // Journal of Business Research. — 2020. — Vol. 106.

— P. 196–210.

93. Xiang, Z., Schwartz, Z., Gerdes Jr, J. H., & Uysal, M., What can big data and text

analytics tell us about hotel guest experience and satisfaction? // International Journal of

Hospitality Management. — 2015. — Vol. 44. —P. 120–130.

94. Zhao, Y., Xu, X., Wang, M., Predicting overall customer satisfaction: big data evidence

from hotel online textual reviews // International Journal of Hospitality Management. —

2019. — Vol. 76. — P. 111–121.

95. Yap, K. B., Soetarto, B., & Sweeney, J. C.,The relationship between electronic wordof-

mouth motivations and message characteristics: The sender’s perspective. // Australasian

Marketing Journal. — 2013. — Vol. 21. — P. 66–74.

96. Yoo, C. W., Sanders, G. L., & Moon, J., Exploring the effect of e-WOM participation on

e-Loyalty in e-commerce. // Decision Support Systems. — 2013. — Vol. 55 (3). — P.

669–678.

97. Yoo, K. H., & Gretzel, U., Influence of personality on travel-related consumer-generated

media creation. // Computers in Human Behavior. — 2007. —Vol. 27 (2). — P. 609–621.

98. Zhu, F., & Zhang, X., Impact of online consumer reviews on sales: The moderating role

of product and consumer characteristics. // Journal of marketing. — 2010. — Vol. 74 (2).

— P. 133–148.

54

ПРИЛОЖЕНИЯ

Приложение 1. Социально-демографические характеристики кластеров

Социально-демографические характеристики кластера «Искатели»



Доля,

%




18-24 37 16,2

25-34 73 31,9

35-44 77 33,6

45-55 42 18,3








Высшее (аспирантура) 3 1,3

Доход


У нас хватает денег на еду, но купить одежду для

нас – серьезная проблема 2 0,9

Нам хватает на еду и одежду, но купить телевизор,

холодильник или стиральную машину нам будет

сложно

66 28,8

Мы можем купить основную бытовую технику, но

на автомобиль нам не хватит96 41,9

Наших средств хватит на все, кроме таких дорогих

приобретений, как квартира или загородный дом52 22,7

У нас нет никаких финансовых затруднений, при

необходимости мы можем купить квартиру или

дом

12 5,2

Семейный

статус



Вдовец/вдова 0 0



55

Социально-демографические характеристики кластера «Безучастные»



Доля,

%




18-24 5 13,5

25-34 10 27,0

35-44 10 27,0

45-55 12 32,4


Неполное среднее 0 0







Доход

Нам не всегда достаточно денег даже на еду 0 0


для нас – серьезная проблема 0 0




9 24,3






6 16,2



или дом

1 2,7

Семейный

статус






56

Социально-демографические характеристики кластера «Созерцатели»



Доля,

%




18-24 23 9,3

25-34 77 31,0

35-44 63 25,4

45-55 85 24,3









Доход







71 28,6






51 20,6



или дом

3 1,2

Семейный

статус






57

Социально-демографические характеристики кластера «Активисты-аналитики»



Доля,

%




18-24 5 10,6

25-34 20 42,6

35-44 12 25,5

45-55 10 21,3


Неполное среднее 0 0







Доход

Нам не всегда достаточно денег даже на еду 0 0






12 25,5






18 38,3



или дом

3 6,4

Семейный

статус



Вдовец/вдова 0 0



58

Приложение 2. Регрессионный анализ

Для выполнения регрессионного анализа была проведена предварительная работа с

переменными, чтобы объединить некоторые утверждения по смыслу и проверить

надежность компоновки. Полученные показатели позволили создать новые усредненные

переменные, которые были использованы далее для анализа.

Подготовка данных

Вознаграждение. Усредненная переменная, отражающая степень осведомленности

потребителей о возможности финансового стимулирования создания онлайн-отзывов со

стороны компаний, включила в себя 3 утверждения:

Компании могут платить пользователям за то, чтобы они писали о них

положительные отзывы;

Компании могут платить пользователям за то, чтобы они писали

негативные отзывы о своих конкурентах;

Пользователи могут писать положительные отзывы о продуктах и услугах,

чтобы получить вознаграждение от компании, а не выразить свое истинное

мнение.

Значение альфа Кронбаха по ним составляет 0,8 и при удалении какого-либо из

утверждений не увеличивается, что позволяет сделать вывод о высокой надежности

объединения компонентов в единый фактор.

Скептицизм. Для созданий усредненной переменной «скептицизм» был также

проведен факторный анализ (мера КМО равна 0,898), в результате которого к

рассматриваемому компоненту были отнесены следующие утверждения:

В отзывах пользователей не всегда написана правда;

Люди, пишущие отзывы о продуктах и услугах в интернете, не обязательно

являются реальными покупателями;

Представители компаний могут писать положительные отзывы о своих

продуктах и услугах под видом потребителей;

Представители компаний могут писать негативные отзывы о продуктах и

услугах своих конкурентов под видом потребителей.

Альфа Кронбаха составила 0,886 и при исключении каких-либо утверждений не

увеличивается, соответственно, внутренняя согласованность характеристик высокая.

Клиентский опыт. Альфа Кронбаха для переменных – 0,840 – свидетельствует о

хорошей согласованности утверждений, среди которых:

В целом я очень доволен(льна) опытом совершения покупок онлайн;

59

Опыт совершения покупок онлайн соответствует моим представлениям об

идеальном обслуживании;

Опыт совершения покупок онлайн оправдывает мои ожидания.

Доверие онлайн-магазинам. Для этой переменной использовалась та же логика, что

и ранее: проверка согласованности утверждений дала результат с альфой Кронбаха 0,883.

Таким образом были объедены следующие высказывания:

Я доверяю интернет-магазинам;

На большинство интернет-магазинов можно положиться;

Интернет-магазины ведут себя честно по отношению к покупателям;

Большинство интернет-магазинов надежные.

Предпосылки регрессионного анализа

Важным шагом в проведении регрессионного анализа является проверка

предпосылок регрессионного анализа, к которым относятся мультиколинеарность,

гомоскедастичность, отсутствие автокорреляции остатков и нормальность распределения

остатков. Результаты проверки предпосылок регрессионного анализа по гипотезе H2

(предложение вознаграждения на создание отзывов) представлены в Таблице 9.

Таблица 9. Проверка выполнения предпосылок регрессионного анализа (H2)

Предпосылка (1) Да/нет (2) Объяснение (3)

Мультиколинеарность Да Допуск по всем независимым переменным больше 0,6 и

VIF не более 1,6. Доли дисперсий также соответствуют

нормативным значениям. Следовательно,

мультиколинеарность отсутствует.

Гомоскедастичность Да Направленность в расположении точек на графике

остатков (рис. 4) отсутствует.

Рис. 5. Диаграмма рассеяния остатков по

модели

Соответственно, можно судить о гомоскедастичности.

60

Продолжение Таблицы 9. Проверка выполнения предпосылок…

(1) (2) (3)

Отсутствие

автокорреляции

остатков

Да Значение коэффициента Дарбина-Уотсона равен 1,668

для модели, то есть соответствует целевому диапазону

отсутствия автокорреляции остатков (от 1,5 до 2,5).

Нормальность остатков Нет Нормальность остатков отсутствует, однако, в силу

довольно большой выборки этим допущением можно

пренебречь.

Результаты проверки предпосылок регрессионного анализа по модели,

построенной для проверки гипотезы H3 (предложение вознаграждения на скептицизм), – в

Таблице 10.


Предпосылка Выполнение Объяснение

Мультиколинеарность Да Допуск по всем независимым переменным больше

0,6 и VIF не более 1,7. Доли дисперсий также

соответствуют нормативным значениям.

Следовательно, мультиколинеарность отсутствует.


остатков (рис. 5) отсутствует, соответственно,

можно судить о гомоскедастичности.


модели



остатков

Да Коэффициент Дарбина-Уотсона равен 1,9 для

модели, то есть соответствует целевому диапазону

отсутствия автокорреляции остатков (от 1,5 до 2,5).

Нормальность остатков Да Нормальность подтверждается (уровень значимости

61

0,256).

Итоги тестирования предпосылок по регрессии к гипотезе H4 (скептицизм на

чтение отзывов) представлены в Таблице 11.











модели



остатков

Да Значение коэффициента Дарбина-Уотсона – 1,58

для модели, то есть соответствует целевому

диапазону отсутствия автокорреляции остатков (от

1,5 до 2,5).

Нормальность остатков Да Уровень значимости 0,256, следовательно,

принимается предположение о нормальном законе

распределения остатков.

Наконец, результаты проверки предпосылок регрессионного тестирования для

модели к гипотезе H5 (скептицизм на создание отзывов) приведены в Таблице 12.

62

Таблица 12. Проверка предпосылок регрессионного анализа (H5)










модели



остатков

Да Значение коэффициента Дарбина-Уотсона – 1,682

для модели, то есть соответствует целевому

диапазону отсутствия автокорреляции остатков.

Нормальность остатков Нет Нормальность остатков отсутствует, однако, этим

результатом допустимо пренебречь.

63

dspace.spbu.ru · Web viewcommerce в 4 раза, составив 10,9 трлн рублей, а...

Documents

Transcript of dspace.spbu.ru · Web viewcommerce в 4 раза, составив 10,9 трлн рублей, а...