Does the distribution of ratings affect online grocery sales? Evidence from Amazon

Abstract

Understanding the distribution of online consumer ratings for food products can provide insights that aid supply chain decisions. Using a researcher-collected webscraped panel data set from Amazon, this article quantifies the effect of number of ratings, average rating, variance of ratings, and skewness of the rating distribution. Results show that the number of ratings and each of these moments of the distribution of online consumer ratings affect ground coffee sales ranking. The size of the effect of the distribution of ratings was found to vary with respect to the sales level of the coffee products. The results suggest that the distribution of online ratings plays an important informational role in e-commerce platforms. As online grocery shopping continues to increase in popularity, a greater understanding of how online ratings and reviews may impact sales or products are needed by those in the agricultural and food supply chain. In particular, these results provide retail managers with an array of online consumer rating attributes to use in their demand forecasts.

Mobile Phones Will Not Eliminate Digital and Social Divides: How Variation in Internet Activities Mediates the Relationship Between Type of Internet Access and Local Social Capital in Detroit

“…C. Kim et al, 2015; Rice, 2006). Some urban areas lack accessible and affordable shopping options, and some evidence suggest that shopping online frees time and financial capital (Etumnu et al, 2019) that can be reinvested locally as social capital. As such, there is likely an ideal set of online activities that maximize local social capital.…”

Estudio del contenido e impacto de las valoraciones online de vinos en amazon.es

“…Pues son los consumidores con experiencias extremas, o muy buenas o muy malas, los que están más motivados para realizar las valoraciones. Mientras que los medianamente satisfechos reportarán información en menos ocasiones y estarán infrarrepresentados (Etumnu et al, 2020). Respecto a los comentarios, se tienen los mismos problemas de sesgos y polarización.…”

“…La variable dependiente son las ventas de vino, que se aproxima mediante el ranking de ventas. Dado que a mayores ventas corresponde un valor menor en el ranking, se ha tomado (K-ranking), siendo K una constante cualquiera (Etumnu et al, 2020). Las variables explicativas empleadas han sido el número de comentarios, el precio y la calidad expresada por otros consumidores (Chevalier y Mayzlin, 2006).…”

“…El análisis de los factores determinantes de las ventas refleja como los consumidores compran más aquellos vinos con mayores revisiones y buenas valoraciones. Por lo tanto, los resultados sugieren que el consumidor online de vinos presenta un comportamiento similar al de otros productos (Chevalier y Mayzlin, 2006;Etumnu et al, 2020). Sin embargo, se han encontrado evidencias de la nula sensibilidad a los sentimientos expresados por otros consumidores, algo que sí ocurre en productos como los libros (Hu et al, 2014).…”

“…La literatura ha señalado el efecto que tienen estas fuentes de información sobre las decisiones de compra de los consumidores (Kordrostami y Rahmani, 2020). No obstante, la influencia de la información generada por los consumidores puede variar en función de la tipología del producto y el contenido de las mismas (Etumnu et al, 2020). En este sentido, los estudios analizando el efecto que tiene el contenido generado por los consumidores sobre las ventas de vinos en plataformas online son escasos ya que la mayoría se han centrado en analizar el conocimiento previo de los consumidores o en la segmentación de los mismos (Ellis y Caruana, 2018;Moon y Kamakura, 2017).…”