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