Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/289794 
Year of Publication: 
2023
Citation: 
[Journal:] PraxisWISSEN Marketing [ISSN:] 2509-3029 [Volume:] 8 [Issue:] 01/2023 [Year:] 2023 [Pages:] 91-107
Publisher: 
Arbeitsgemeinschaft für Marketing (AfM), Berlin
Abstract: 
Kundenzufriedenheit ist eines der wichtigsten Konstrukte im Marketing und ein relevanter Einflussfaktor auf den Unternehmenserfolg (vgl. Otto et al. 2020; Fornell et al. 2006; Anderson et al. 2004). Die Marketingpraxis erfordert deshalb ein tiefes Verständnis der Einflussfaktoren der Kundenzufriedenheit. Viele Unternehmen setzen hierfür klassische Kundenzufriedenheitsstudien in Form von Befragungen ein. Die zunehmende Verfügbarkeit von User Generated Content bietet mit Online-Bewertungen eine vielversprechende und kostengünstige Alternative, um Informationen über die Treiber der Kundenzufriedenheit zu identifizieren. Mit Hilfe eines Topic-Modells wird empirisch untersucht, wie ähnlich sich die beiden Datenquellen sind. Grundlage sind über 10.000 Bewertungen von zwei Kundenzufriedenheitsstudien und über 5.000 Online-Bewertungen eines deutschen Lebensmittelhändlers.
Abstract (Translated): 
Customer satisfaction is one of the most important constructs in marketing and a relevant driver of firm performance (vgl. Otto et al. 2020; Fornell et al. 2006; Anderson et al. 2004). Marketing practice therefore requires a deep understanding of the factors influencing customer satisfaction. Many companies use traditional customer satisfaction studies in the form of surveys for this purpose. The increasing availability of usergenerated content offers an inexpensive alternative to online reviews to gather information about the drivers of customer satisfaction. A topic model is used to empirically investigate how similar the two data sources are. The empirical study is based on over 10,000 reviews from two customer satisfaction studies and over 5,000 online reviews from a German retailer.
Subjects: 
Kundenzufriedenheit
Online-Bewertungen
User Generated Content
Marktforschung
Text-Mining
Topic-Model
Persistent Identifier of the first edition: 
Document Type: 
Article

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.