Einfluss der Produktbewertungen auf die Anzahl der Klicks und auf

den Preis.

Silvia Schlagnitweit

Betreuer: a. Univ.-Prof. Dr. Franz Hackl

Endpräsentation

Daten von Geizhals.at

Übersicht:

Daten von Geizhals.at und Produktbewertungen Datenstruktur Zentrale Fragestellung der Diplomarbeit Theoretische Ansatz:

Bertrand Modell Horizontale Produktdifferenzierung Vertikale Produktdifferenzierung

Modell Schätzmethode Deskriptive Statistik Schätzergebnisse Zusammenfassung und Fazit

Daten: Geizhals.at

seit 1999 Kostenlos für die Konsumenten durchschnittlich 400.000 Produkte ca. 1700 Händler (780 Händler in meiner Studie)

Aufbau der Preisvergleichsseite Kategorien Sub-Kategorien Sub-Sub-Kategorien

Sub-Sub-Kategorie

Produktbewertungen

Datenstruktur für meine Arbeit Produkt:

Produkt_id, Name, Kategorie, Sub-Sub-Kategorie

Produktbewertung: Produkt_id, User_IP, Leistungsdaten/Ausstattung, Preis-/Leistung,

Qualität, Support

Angebot: Händler_id, Produkt_id, Preis

Klicks: Produkt_id, User_IP, Anzahl der Klicks

Vereinfachte Darstellung der für meine Arbeit wichtigen Relationen.

Zentrale Fragestellung

Beeinflussen die Produktbewertungen die Anzahl der Klicks?

Beeinflussen die Produktbewertungen den Preis?

Theorie: Bertrand Modell

Ansatz des Buches „Industrial Organization: Contemporary Theory and Empirical Applications“ von Pepall, Richard und Norman (2005)

Duopol Modell mit zwei Firmen 1 und 2, diese produzieren ein homogenes Produkt bei konstanten marginalen Kosten c.

Preis ist die Strategische Variable.

Marktnachfrage:Q = a – bP

(Q = Menge, P = Preis)

Theorie: Bertrand Modell

Nachfragekurve für Firma 2:q2 = 0 if p2 > p1

q2 = (a – bp2)/2 if p2 = p1

q2 = (a – bp2) if p2 < P1

Profitfunktion von Firma 2:II2(p1,p2) = 0 if p2 > p1

II2(p1,p2) = (p2 – c) * ((a – bp2)/2) if p2 = p1

II2(p1,p2) = (p2 – c) * (a – bp2) if p2 < p1

Nash Gleichgewicht:p*1 = c, p*2 = c

Theorie: Horizontale Produktdifferenzierung

Unterscheidung wie Farbe, Zuckergehalt Präferenzen der Kunden

Räumliches Modell von Hotelling

Theorie: Horizontale Produktdifferenzierung

Marginaler Konsumentxm (p1,p2) = (p2-p1+t)/2t

Nachfragefunktion von Firma 2D2(p1,p2) = xm (p1,p2) N = ((p2-p1+t)/2t)*N

Profitfunktion von Firma 2Π2 (p1,p2) = (1- xm (p1,p2) N =

((p2-p1+t)/2t)*N

Nash-Gleichgewichtp1* = p2* = c + t

Theorie: Horizontale Produktdifferenzierung

Theorie:Vertikale Produktdifferenzierung

Natürliche Reihung der Produktvarianten: Gute Qualität ist besser als schlechte Qualität

Cremer und Thisse:n Firmen (i = 1,2,…,n)c(qi) marginalen Kosten der Produktion bei Qualität qi

Profitfunktion: πi(p,q) ≡ [pi – c(qi)] Di (p,q) Nutzen eines Konsumenten Θ der Firma i bevorzugt:

u (Θ, qi) – pi

Theorie:Vertikale Produktdifferenzierung

Analyse: Schätzmodell

Relative Preis: rel-pi = øpi/ øpsski Durchschnittlicher Preis des Produktes i in Relation zum

durchschnittlichen Preis der SSK des Produktes.

Relative Bewertung: rel-bewi = øbewi/øbewsski Durchschnittliche Bewertung des Produktes i in Relation zur

durchschnittlichen Bewertung in dessen Sub-Sub-Kategorie.

Hedonische Preisfunktion: Rel-pi = f(clicksi, rel-bewi, empfehlung)

Indirekte hedonische Preisfunktion Clicksi = f(rel-pi, rel-bewi, empfehlung)

Analyse: Schätzmethode

Poisson Schätzung (Negativ Binomial Schätzung) ∑

j=1

J clicksi = ß0 + ß1rel-pi + ß2rel-bewi +ß3empfehlung + ε

(Händler: j = 1,2,…J)

OLS Schätzung rel-pi = ß0 + ß1 ∑j=1

J clicksi + ß2rel-bewi +ß3empfehlung + ε

(Händler: j = 1,2,…J)

Schätzergebnisse stellen Korrelationen dar und keine kausalen Effekte.

Analyse: SchätzmethodeDichteverteilung der Klicks

Analyse: Deskriptive StatistikVariable Obs Mean Std. Dev. Min Max

empfehlung 18772 0,6569359 0,4747453 0 1

features 17792 4,0029020 1,2048420 1 5

value 17692 3,9143300 1,2273740 1 5

quality 17718 3,9785980 1,2699870 1 5

support 17340 3,8218990 1,2394590 1 5

rel-bew-features 17792 0,9609869 0,2955761 0,2042007 4,047619

rel-bew-value 17692 0,9602588 0,3083913 0,2058824 4,047619

rel-bew-quality 17718 0,9618057 0,3167956 0,2016129 4,047619

rel-bew-support 17340 0,9605582 0,3170132 0,2056385 4,047619

rel-avg-bew 17204 0,9620530 0,2829955 0,2062738 4,047619

rel-avg-bew3 17224 0,9627748 0,2870435 0,2064046 4,047619

clicks_i 200270 8,166350 67,383760 0 11064

clicks_ij 200266 0,6724556 3,3723930 0 329

rel_pj 45760 1,0949950 2,1352810 0 195,4965

rel_pi 45760 3,6310360 5,8643040 0 245,5894

Analyse: SchätzergebnissePoisson und Negativ Binomial Schätzung mit „fixed Effects“ der Sub-Sub-Kategorien

VARIABLES clicksi clicksi clicksi clicksi

Poisson Negativ Binomial Poisson Negativ Binomial

rel_pi -0.02311*** -0.01490*** -0.02689*** -0.01573***(0.001) (0.005) (0.001) (0.005)

rel_avg_bew 0.73112*** 0.17428***(0.012) (0.027)

rel_avg_bew_nur3 0.68715*** 0.16213***(0.011) (0.026)

empfehlung 0.04790*** 0.03481** 0.05162*** 0.03729**(0.004) (0.015) (0.004) (0.015)

Observations 10334 10334 10341 10341Number of groups 326 326 326 326ll -871567 -51841 -871868 -51872chi2 10432 87.08 10126 82.67

"Marginal fixed Effects" der Variablen, "fixed Effects" der SSK

Analyse: Schätzergebnisse

VARIABLES clicksi clicksi clicksi clicksi

Poisson Negativ Binomial Poisson Negativ Binomial

rel_pi -0.02677*** -0.01408*** -0.02972*** -0.01572***(0.001) (0.005) (0.001) (0.005)

rel_bew_features 0.74146*** 0.07870 0.79215*** 0.12053***(0.017) (0.048) (0.016) (0.044)

rel_bew_value 0.13188*** 0.08624**(0.013) (0.040)

rel_bew_quality 0.05472*** -0.00979 0.08264*** 0.00601(0.015) (0.045) (0.015) (0.045)

rel_bew_support -0.14144*** 0.02025 -0.11436*** 0.03919(0.012) (0.041) (0.012) (0.040)

empfehlung 0.05380*** 0.03663** 0.05610*** 0.03874***(0.004) (0.015) (0.004) (0.015)

Observations 10334 10334 10341 10341Number of groups 326 326 326 326ll -870820 -51841 -871022 -51872chi2 11765 88.73 11651 83.62

"Marginal fixed Effects" der Variablen, "fixed Effects" der SSK

Analyse: Schätzergebnisse

VARIABLES rel_pi rel_pi rel_pi rel_pi

clicksi -0.00004 -0.00004 -0.00004 -0.00004(0.000) (0.000) (0.000) (0.000)

rel_avg_bew -0.27454***(0.073)

rel_avg_bew_nur3 -0.12236*(0.072)

rel_bew_features 0.80154*** 0.10022(0.131) (0.121)

rel_bew_value -1.44753***(0.110)

rel_bew_quality 0.42348*** 0.16808(0.126) (0.125)

rel_bew_support -0.04010 -0.37043***(0.110) (0.108)

empfehlung -0.05190 -0.08620** -0.05766 -0.09394**(0.040) (0.040) (0.040) (0.040)

Constant 1.36993*** 1.24537*** 1.36030*** 1.23133***(0.067) (0.066) (0.067) (0.067)

Observations 10372 10379 10372 10379Number of subsubkat_nr 364 364 364 364ll -19631 -19647 -19543 -19642

OLS Schätzung, "fixed Effects" der SSK

Zusammenfassung und Fazit

Probleme: viele nicht geklickte Produkte Kausalen Effekt zu analysieren und herauszufiltern

Ergebnisse: Evidenz, dass die Bewertungen die Klicks beeinflussen Evidenz, dass die Bewertungen die Preise beeinflussen

Fazit: Die Ergebnisse sind teilweise erwartet und es würde

durchaus Sinn machen, weiter Überlegungen über die Analyse des Kausalen Effektes zu machen.

Vielen Dank für Ihre Aufmerksamkeit