Analyse von User Generated Content zur Identifikation von latenten Dienstleistungsqualitätsmerkmalen

Für den Internetnutzer entstehen immer mehr Möglichkeiten, Bewertungen über eine Vielzahl an Produkten (z. B. Amazon Reviews), Leistungen (z. B. MyHammer, jameda) und Erlebnissen (z. B. TripAdvisor) abzugeben. Nutzer suchen Bewertungsplattformen auf, um aktiv ihre Erfahrungen mit Dienstleistungen wie Hotelurlauben, Arztbesuchen oder auch Versandhandelserfahrungen mit interessierten anderen Kunden zu teilen. Für viele Konsumenten sind diese Bewertungen eine als hilfreich empfundene Informationsquelle zur Abwägung einer persönlichen Kaufentscheidung. Die steigende Flut an Bewertungen und Rezensionen in Bewertungsportalen (z. B. ShopVote) und sozialen Medien (z. B. qype, flickr), stellt den Internetnutzer allerdings auch vor die Herausforderung, die Vielzahl an Bewertungskommentaren und –portalen in Hinblick auf ihre Relevanz zu selektieren. Häufig bestehen diese Bewertungskommentare aus Freitexten (sog. User Generated Content), die in Struktur und inhaltlicher Fokussierung deutlich voneinander abweichen können. Insbesondere, wenn diese Freitexte die einzige Bewertungsgrundlage bilden, zeichnet sich auf Nutzerseite eine Interpretationshürde ab. Stehen quantifizierbare Nutzerbewertungen in Form von Skalen zur Verfügung, sind diese oft nicht immer konsistent mit den frei formulierten Bewertungskommentaren. Während es diverse Softwarelösungen gibt, die es Firmen ermöglichen, die Meinungen ihrer Kunden automatisch zu analysieren (z. B. TrustYou) und so Trends zu verfolgen, hat der Nutzer selbst kein Tool zur Hand, das ihn dabei unterstützt, bei Millionen von Bewertungen die Servicequalität eines Unternehmens auf den ersten Blick einzuschätzen.

Eine neue fächerübergreifende korrelative Methode, ...

• welche durch computerlinguistische Verfahren zur semantischen Inhaltsanalyse von Bewertungstexten im Web 2.0 Rückschlüsse auf domänenspezifische Kundenanforderungen an Dienstleistungen und nutzerspezifische Abweichungen in der Polarität ziehen kann;

• welche empirisch ermittelte Dimensionen der Dienstleistungsqualität anstelle domänenunabhängiger SERVQUAL-Kategorien in Relation zur qualitativ und quantitativ messbaren Kundenzufriedenheit stellt;

• welche erstmals einen automatischen Vergleich von qualitativen mit quantitativen Dienstleistungsbewertungen durch Berücksichtigung der nutzertypischen Bewertungsintervalle für Polaritätsskalen ermöglicht.

Ziel des Forschungsvorhabens ist es, obiges Szenario mittels Methoden der Computerlinguistik (CL) und des Dienstleistungsmanagements (DLM) umzusetzen. Folgende Forschungsfragen aufbauend auf den Forschungslücken in beiden Disziplinen werden adressiert:

• Inwieweit verwenden die Verfasser von Bewertungskommentaren zur Beschreibung von Dienstleistungserfahrungen Merkmale, die den klassischen Bewertungsdimensionen der Dienstleistungsqualität entsprechen? Inwieweit werden weitere Bewertungskriterien und –dimensionen herangezogen?
• Inwieweit variieren die Bewertungskommentare der Nutzer? Welches Bewertungsverhalten wird erkenntlich? Inwieweit existieren Unterschiede für verschiedene Dienstleistungsbereiche?
• Sofern quantitative Skalen eingesetzt werden: Hilft die Hinzunahme von Freitextbewertungen, Skalenäquivalenz festzustellen? Inwieweit stimmen die qualitativen Bewertungskommentare mit quantitativen Gesamturteilen überein – unter welchen Bedingungen weichen diese voneinander ab?