วิธีแยกสิ่งที่ดีออกจากสิ่งที่ไม่ดีในบทวิจารณ์และการให้คะแนนออนไลน์

ผู้บริโภคจำนวนมากเมื่อค้นหาสิ่งที่ต้องการซื้อทางออนไลน์จะดูที่บทวิจารณ์ออนไลน์หรือการให้คะแนนสำหรับผลิตภัณฑ์ ดูเหมือนจะเป็นวิธีที่ดีในการรับมุมมองที่ไม่มีการกรองเกี่ยวกับคุณภาพ แต่การวิจัยระบุว่าบทวิจารณ์ออนไลน์ส่วนใหญ่นั้นเรียบง่ายเกินไปและอาจทำให้ผู้บริโภคเข้าใจผิดได้ จากการสำรวจในสหรัฐอเมริกา 78.5% ของผู้บริโภคชาวอเมริกันค้นหาข้อมูลออนไลน์เกี่ยวกับผลิตภัณฑ์หรือบริการ และ 34% โพสต์บทวิจารณ์ออนไลน์ ผลสำรวจของ Nielsen ทั่วโลกพบว่า 70% 

ของผู้บริโภคไว้วางใจการรีวิวสินค้าออนไลน์และใช้ในการตัดสินใจ

ผลที่ตามมาคือ คะแนนเฉลี่ยของผู้ใช้ผลิตภัณฑ์กลายเป็นปัจจัยสำคัญในการผลักดันยอดขายในหมวดหมู่ผลิตภัณฑ์และอุตสาหกรรมต่างๆ การขยายตัวของบทวิจารณ์ออนไลน์จากผู้บริโภคจำนวนมากดูเหมือนจะเป็นการพัฒนาในเชิงบวกสำหรับสวัสดิการของผู้บริโภคแต่งานวิจัยบางชิ้นแสดงให้เห็นเป็นอย่างอื่น

การให้คะแนนของผู้ใช้และคุณภาพของผลิตภัณฑ์

ผู้บริโภคใช้การให้คะแนนของผู้ใช้ทางออนไลน์เพราะถือว่าสิ่งเหล่านี้บ่งชี้ถึงคุณภาพของผลิตภัณฑ์หรือบริการได้ดี ตัวอย่างเช่น คุณคาดหวังว่าแล็ปท็อปที่มีคะแนนเฉลี่ย 4 ใน 5 ดาวจะดีกว่าแล็ปท็อปที่มีคะแนนเฉลี่ย 3 ใน 5 ดาว 100% ของเวลาทั้งหมด

ไม่มีวาระการประชุม เพียงแค่ข้อเท็จจริง

เพื่อทดสอบสมมติฐานนี้ทีมนักวิจัยได้รวบรวมชุดข้อมูลที่น่าประทับใจซึ่งประกอบด้วยการให้คะแนนของ Amazon.com 344,157 รายการสำหรับผลิตภัณฑ์ 1,272 รายการใน 120 หมวดหมู่ผลิตภัณฑ์ สำหรับแต่ละผลิตภัณฑ์ พวกเขาได้รับคะแนนคุณภาพตาม วัตถุประสงค์จากเว็บไซต์Consumer Reports พวกเขายังรวบรวมข้อมูลเกี่ยวกับราคา การวัดภาพลักษณ์ของแบรนด์ และแหล่งที่มาอิสระสองแห่งของมูลค่าการขายคืนในตลาดสำหรับสินค้ามือสองหรือสินค้าใช้แล้ว

นักวิจัยพบว่าการให้คะแนนของผู้ใช้โดยเฉลี่ยมีความสัมพันธ์ที่ไม่ดีกับคะแนนจาก Consumer Reports ตัวอย่างเช่น เมื่อความแตกต่างของคะแนนเฉลี่ยของผู้ใช้ระหว่างผลิตภัณฑ์แต่ละคู่มีค่ามากกว่าหนึ่งดาว สินค้าที่มีคะแนนผู้ใช้สูงกว่าจะได้รับคะแนนที่น่าพอใจมากกว่าโดย Consumer Reports เพียงประมาณสองในสามของเวลาทั้งหมด

กล่าวอีกนัยหนึ่ง หากคุณกำลังเปรียบเทียบแล็ปท็อปที่มีคะแนนเฉลี่ย 

4 ใน 5 ดาว กับแล็ปท็อปอีกเครื่องที่มีคะแนนเฉลี่ย 3 ใน 5 ดาว แล็ปท็อปเครื่องแรกจะดีกว่าในทางวัตถุเพียง 65% (ไม่ใช่ 100%) ของเวลา นี่เป็นหนทางไกลจากความแตกต่างในด้านคุณภาพ นอกจากนี้ การให้คะแนนเฉลี่ยของผู้ใช้ไม่ได้ทำนายมูลค่าการขายต่อในตลาดสินค้ามือสอง

สาเหตุที่เรตติ้งออนไลน์ไม่สะท้อนความจริง

มีเหตุผลหลายประการที่ทำให้การให้คะแนนของผู้ใช้โดยเฉลี่ยไม่สามารถคาดการณ์การวัดคุณภาพตามวัตถุประสงค์ได้ บทวิจารณ์ของผู้ใช้อาจรวมเกณฑ์ที่กว้างกว่ารายงานของผู้บริโภค เช่น แง่มุมส่วนตัวของประสบการณ์การใช้งาน (เช่น ความสวยงาม ความนิยม ประโยชน์ทางอารมณ์)

บทวิจารณ์จำนวนมากอิงจากตัวอย่างขนาดเล็ก อย่างที่ครูผู้สอนสถิติจะบอกคุณว่า ทุกสิ่งเท่ากัน คะแนนเฉลี่ยของผู้ใช้ควรให้ข้อมูลมากขึ้นเมื่อขนาดตัวอย่างเพิ่มขึ้นเมื่อเทียบกับความแปรปรวน แท้จริงแล้ว ในการศึกษาการให้คะแนนออนไลน์ความสัมพันธ์ระหว่างการให้คะแนนของผู้ใช้โดยเฉลี่ยกับคะแนน Consumer Reports นั้นสูงกว่าเมื่อขนาดตัวอย่างมีขนาดใหญ่ น่าเสียดายที่การให้คะแนนของผู้ใช้โดยเฉลี่ยมักอิงจากกลุ่มตัวอย่างขนาดเล็กและมีความแปรปรวนสูง

บทวิจารณ์ออนไลน์อิงตามกลุ่มย่อยที่มีอคติของผู้ที่ซื้อผลิตภัณฑ์จริง โดยทั่วไป บทวิจารณ์จะถูกทิ้งไว้โดยผู้ที่ “โม้” หรือ “คร่ำครวญ” เกี่ยวกับประสบการณ์การใช้ผลิตภัณฑ์ของตน ซึ่งมักส่งผลให้มีการกระจายคะแนนเป็นสองโหมด

นี่คือจุดที่ค่าเฉลี่ยไม่ได้บ่งชี้ถึงค่าเฉลี่ยของประชากรที่แท้จริง ตัวอย่างเช่น ในชุดข้อมูลที่ครอบคลุม ชุดหนึ่งสำหรับร้านค้าปลีกฉลากส่วนตัวขนาดใหญ่ เปอร์เซ็นต์ของผู้ซื้อที่เขียนรีวิวให้มีเพียง1.5% ซึ่งหมายความว่า 98.5% ของผู้ที่มีสิทธิ์เขียนรีวิวเลือกที่จะไม่ทำเช่นนั้น

ขณะนี้หลายกลุ่มพยายามควบคุมการให้คะแนนเฉลี่ยอย่างแข็งขัน ซึ่งสามารถทำได้ในรูปแบบของบทวิจารณ์ปลอม

ตัวอย่างเช่นธุรกิจ (หรือตัวแทนของพวกเขา) อาจโพสต์บทวิจารณ์ที่เป็นประโยชน์ที่สมมติขึ้นสำหรับผลิตภัณฑ์ของตนเอง และ/หรือโพสต์บทวิจารณ์เชิงลบที่สมมติขึ้นสำหรับผลิตภัณฑ์ของคู่แข่ง จากการศึกษาหนึ่งรีวิวร้านอาหารประมาณ 16% บนเว็บไซต์ Yelp นั้นน่าสงสัยหรือเป็นของปลอม

เว็บไซต์อย่าง Yelp.com และ Amazon.com พยายามลดทอนความเฉลียวฉลาดดังกล่าว ตัวอย่างเช่นรองเท้าคอลเลคชัน Ivanka Trump รุ่นหนึ่ง มีคะแนนเฉลี่ย 4 ดาวครึ่งจาก 5 ดาว แม้จะมีบทวิจารณ์หนึ่งดาวหลายร้อยรายการ (ซึ่งน่าจะเป็นของปลอม)

สิ่งที่คุณสามารถบอกได้จากรีวิวออนไลน์

มีวิธีใช้ข้อมูลจากบทวิจารณ์และการให้คะแนนแม้ว่าจะมีข้อผิดพลาดที่อาจเกิดขึ้นทั้งหมดก็ตาม ขั้นแรก ให้มองหาผลิตภัณฑ์ที่มีคะแนนเฉลี่ยจากผู้ใช้สูง บทวิจารณ์จำนวนมาก และคะแนนการให้คะแนนไม่แปรปรวนมากนัก ระวังการเชื่อมั่นมากเกินไปในการให้คะแนนเฉลี่ยซึ่งอิงจากบทวิจารณ์น้อยและมีความแปรปรวนสูงในการให้คะแนน

นอกจากนี้คุณยังสามารถพิจารณาบทวิจารณ์ออนไลน์โดยพิจารณาจากแหล่งข้อมูลเพิ่มเติมที่ให้การประเมินผลิตภัณฑ์ตามวัตถุประสงค์จากผู้เชี่ยวชาญทางเทคนิค แหล่งที่มาของข้อมูลประเภทนี้ได้แก่Consumer Reports , Choice , Consumers Union , Which? และCNET _

หากเป็นไปได้ คุณอาจพิจารณาใช้เทคโนโลยีที่ออกแบบมาเพื่อช่วยคุณหลีกเลี่ยงอคติในรีวิวออนไลน์ ตัวอย่างได้แก่FakespotและReviewMeta ตัวอย่างเช่น ReviewMeta จะสแกนบทวิจารณ์ทั้งหมดจากหน้ารายการออนไลน์ของผลิตภัณฑ์ จากนั้นจึงให้คะแนนเฉลี่ยที่ปรับแล้ว การให้คะแนนที่ปรับแล้วนี้เกี่ยวข้องกับกิจกรรมที่น่าสงสัยทุกประเภท เช่น รีวิวในสัดส่วนที่สูงจากผู้ใช้ที่มีการซื้อที่ไม่ได้รับการยืนยัน

ดังนั้น ครั้งต่อไปที่คุณประเมินผลิตภัณฑ์ทางออนไลน์ อย่าลังเลที่จะเริ่มต้นด้วยการให้คะแนนเฉลี่ยของผู้ใช้ แต่โปรดระวังการตัดสินขั้นสุดท้ายโดยพิจารณาจากข้อมูลนี้เท่านั้น

Credit : สล็อตเว็บตรง