The increase in the number of comments and evaluations in which consumers share their purchasing experiences in the electronic environment can create a burden for potential customers who are interested in the comments made to determine the most useful and effective comments. For this purpose, e-commerce platforms perform prioritization and visibility rankings in comments with different approaches for consumer comments. These comments, which are called useful comments, are generally listed as a result of the votes of other consumers. Useful comments can leave behind current but useful comments because they are shared at a later date. In this study, the comments that were not prioritized as useful comments were estimated via logistic regression. In this way, the useful comments that remained in the background due to their current date were determined. The study presents a new approach in order to keep the interest and willingness to share consumer reviews high and to identify the most useful reviews among many potential customers.
e-WOM Customer Reviews Useful Reviews Forecasting Machine Learning Logistic Regression
Tüketicilerin elektronik ortamda gerçekleştirdiği satınalma deneyimlerini paylaştıkları yorum ve değerlendirme sayılarındaki! artış, yapılan yorumlarla !ilgilenen potansiyel müşteriler için en faydalı ve etkin yorumları belirleme konusunda yük oluşturabilmektedir. Bu amaçla e-ticaret platformları tüketici! yorumlarına yönelik olarak farklı yaklaşımlarla yorumlarda önceliklendirme ve görünür kılma sıralamaları gerçekleştirmektedir. Faydalı yorum olarak adlandırılan, genellikle diğer tüketicilerin oylamaları neticesinde sıralanan bu yorumlar, güncel olan ancak faydalı olabilecek yorumları daha geç paylaşılması nedeniyle geride bırakabilmektedir. Bu çalışmada, lojistik regresyon aracılığıyla faydalı yorum olarak önceliklendirilmemiş olan yorumların tahminlemesi gerçekleştirilerek güncel tarihli olması nedeniyle geri planda kalan faydalı yorumlar belirlenmiştir. Çalışma, tüketici yorumlarına olan ilgi ve paylaşım isteğinin yüksek tutulması ve potansiyel müşteriler için çok sayıda yorum arasından en faydalı olanların belirlenmesi adına yeni bir yaklaşım sunmaktadır.
Elektronik Ağızdan Ağıza Pazarlama Müşteri Yorumları Faydalı Yorumlar Tahminleme Makine Öğrenmesi Lojistik Regresyon
Birincil Dil | Türkçe |
---|---|
Konular | İşletme |
Bölüm | Makaleler |
Yazarlar | |
Erken Görünüm Tarihi | 28 Mart 2022 |
Yayımlanma Tarihi | 30 Mart 2022 |
Gönderilme Tarihi | 16 Kasım 2021 |
Kabul Tarihi | 28 Mart 2022 |
Yayımlandığı Sayı | Yıl 2022 Cilt: 7 Sayı: IMISC2021 Special Issue |