Online-Bewertungen: Der Sterne-Durchschnitt greift zu kurz

Quelle: Towfiqu Barbhuiya/Unsplash

Sternebewertungen sind auf Plattformen wie Amazon, Booking.com oder Google Reviews zu einem wichtigen Orientierungspunkt für Kaufentscheidungen geworden. Meist werden die zahlreichen Einzelbewertungen dabei zu einer Durchschnittsnote zusammengefasst. Eine Studie eines interdisziplinären Forschungsteams der Universität Paderborn und der Ludwig-Maximilians-Universität München (LMU) zeigt nun, dass diese Kennzahl nicht bei allen Kunden die gleiche Rolle spielt.

Für Marken bedeutet das: Der Blick auf die durchschnittliche Sternebewertung kann zu kurz greifen. Entscheidend ist auch, wie potenzielle Kunden die Verteilung der positiven und negativen Bewertungen wahrnehmen.

Mehr als 40 Prozent weichen vom Durchschnitt ab

Für die im Fachjournal Plos One veröffentlichte Untersuchung wurden 107 Personen in einem kontrollierten Laborexperiment befragt. Sie erhielten ausschließlich die Bewertungsverteilungen von jeweils drei Produkten und sollten diese nach ihren persönlichen Präferenzen ordnen. Die Forschenden verglichen die Entscheidungen anschließend mit verschiedenen statistischen Modellen.

Das Ergebnis: Die Mehrheit der Teilnehmer orientierte sich zwar grundsätzlich am arithmetischen Mittel. Mehr als 40 Prozent wichen jedoch systematisch davon ab. Ein Teil betrachtete Bewertungen vor allem binär und unterschied zwischen positiven Bewertungen mit vier oder fünf Sternen und negativen Bewertungen mit einem oder zwei Sternen. Drei-Sterne-Bewertungen spielten für diese Gruppe kaum eine Rolle.

Andere Teilnehmer richteten ihre Aufmerksamkeit insbesondere auf negative Bewertungen. Vor allem Ein-Stern-Bewertungen hatten für sie ein höheres Gewicht. Der Median, der in der Statistik als robustes Maß gilt, wurde dagegen von keiner der untersuchten Personen als dominantes Aggregationsprinzip genutzt.

Negative Erfahrungen können stärker ins Gewicht fallen

Für das Markenmanagement ist insbesondere die Bedeutung schlechter Bewertungen relevant. Eine hohe Durchschnittsnote kann demnach unterschiedliche Bewertungsverteilungen verbergen. Zwei Produkte mit identischem Mittelwert können von Kunden unterschiedlich beurteilt werden, wenn sich die zugrunde liegenden Bewertungen anders verteilen.

Das macht den Umgang mit negativen Rezensionen zu einem wichtigen Bestandteil der digitalen Markenführung. Einzelne sehr schlechte Bewertungen müssen nicht zwangsläufig die Wahrnehmung einer Marke bestimmen. Für einen Teil der Kunden können sie jedoch stärker ins Gewicht fallen als es der Durchschnittswert vermuten lässt.

Darstellung beeinflusst die Orientierung

Die unterschiedlichen Bewertungsmuster zeigten sich der Studie zufolge auch dann, wenn neben den grafischen Bewertungsbalken zusätzlich die prozentualen Anteile der einzelnen Sternebewertungen und der Durchschnittswert angezeigt wurden. Auch persönliche Merkmale wie Alter, Geschlecht oder Erfahrung mit Online-Einkäufen beeinflussten die Ergebnisse nicht wesentlich.

Die Studie stellt damit auch die verbreitete Annahme infrage, dass Kunden Bewertungsverteilungen automatisch auf dieselbe Weise interpretieren. Für Plattformen stellt sich damit die Frage, ob ein einziger aggregierter Wert tatsächlich ausreicht, um die vorhandenen Informationen abzubilden.

Die Forschenden sehen deshalb Potenzial für individuellere Darstellungen von Bewertungsdaten. Plattformen könnten beispielsweise unterschiedliche Aggregationen anbieten, die stärker auf positive oder negative Erfahrungen fokussieren. Ob solche Modelle tatsächlich zu besseren Kaufentscheidungen führen, ist allerdings eine Frage für weitere Untersuchungen.

Die Studie Aggregation Processes in Customer Rating Systems – Insights from an Economic Decision Experiment wurde von Dr. Dirk van Straaten, Dr. Behnud Mir Djawadi, Vitalik Melnikov, Prof. Dr. Eyke Hüllermeier und Prof. Dr. René Fahr durchgeführt. Gefördert wurde die Publikation unter anderem durch den Open-Access-Publikationsfonds der Universität Paderborn und die Deutsche Forschungsgemeinschaft (DFG).