‘Flexibele sentimentanalyse levert hiërarchie van productkenmerken op’

De onderzoekers namen de proef op de som en pasten het raamwerk toe op tabletcomputers om dashboards

Sales-, productontwerp- en engineeringteams kunnen enorm profiteren van beter begrip van klantperspectieven. Dat stellen Xin (Shane) Wang van de Richard Ivey School of Business University of Western Ontario en zijn team in een verse open access-publicatie in Journal of Marketing.

Het team onderzocht hoe klanten de technische specificaties van een product (dus ‘engineered’ attributen) combineren om abstracte productvoordelen (zogeheten meta-attributen) te vormen. Hogere marketingkunde, maar we hebben op de redactie een alert-abonnement op vrij verkrijgbare publicaties in het Journal en af en toe trekken we de wenkbrauw op, dus laten we er eens een samenvatting van overnemen. Voor de goede orde: het gaat dan om ‘geaccepteerde manuscripten’, en deze lijkt wezenlijk relevant voor marketeers met een e-shop die de mogelijkheid bieden om recensies achter te laten, maar dus ook voor product designers. 

Om de vraag te beantwoorden, gebruiken de auteurs machine learning en natuurlijke taalverwerking. Doel was om een soort methodologisch raamwerk te ontwikkelen dat een hiërarchie van productkenmerken oplevert, op basis van contextuele informatie over hoe kenmerken worden uitgedrukt in consumentenrecensies.

Het kan marketeers helpen om alleen delen van de recensie-inhoud te controleren 

De ‘attributenhiërarchie’ wijst erop dat er verbanden bestaan tussen engineered attributen en meta-attributen binnen een productcategorie. Dat maakt – we bedenken het niet –  ‘flexibele sentimentanalyse’ mogelijk die kan identificeren hoe meta-attributen door consumenten worden ontvangen en welke engineered attributen de belangrijkste drijfveren zijn in een specifiek koopproces.

De onderzoekers namen de proef op de som en pasten het raamwerk toe op de categorie tabletcomputers om dashboards en perceptiemappen samen te stellen en validaties van de attribuuthiërarchie vast te stellen met behulp van primaire als secundaire gegevens.

Apple, HP en Toshiba

De inzichten die dat oplevert maken het mogelijk om inhoudelijke vragen te stellen en te onderzoeken, zoals hoe opeenvolgende generaties iPads werden verbeterd door Apple, en waarom HP en Toshiba hun productlijnen voor tablets stopzetten.

Het raamwerk kan marketeers helpen om alleen delen van de recensie-inhoud te controleren die relevant zijn voor specifieke kenmerken. Bovendien kunnen managers er producten mee vergelijken, binnen en tussen merken. Dat levert een lijst met verschillende namen en combinaties van attributen op, die vaak worden geassocieerd met vergelijkbare voordelen.

Dit artikel is geschreven door Luuk Ros SCP en verscheen eerder op