Las reseñas “online” de las personas consumidoras y, en concreto, su influencia en las decisiones de compra, así como su utilización por parte de las empresas para la toma de decisiones, son el objeto de estudio de una tesis defendida recientemente en la Universidad Pública de Navarra (UPNA) por la licenciada en Administración y Dirección de Empresas Miriam Alzate Barricarte. La investigación, que lleva por título “Electronic Word of Mouth (eWOM) and Marketing Implications”, ha sido dirigida por el catedrático José Javier Cebollada Calvo y la profesora Marta Arce Urriza, ambos, de la UPNA, y el primero, además, miembro del instituto de investigación INARBE.
La tesis aborda, por un lado, cómo la visibilidad de las reseñas en una determinada página web, así como sus características (número de estrellas, emociones mostradas o longitud del comentario, entre otras) influyen en que otras personas voten la reseña como útil o en que decidan adquirir el producto del que se habla. Por otro, los dos últimos capítulos de la investigación doctoral se centran en demostrar cómo pueden utilizar las empresas el contenido textual de las reseñas para analizar la imagen y las percepciones que los consumidores y las consumidoras tienen de sus diferentes marcas y productos. Para hacer uso de esa gran cantidad de información, la autora de la tesis propone un procedimiento, basado en una técnica automática de procesamiento de lenguaje natural, “que va a permitir analizar esos textos, especialmente a aquellas pequeñas y medianas empresas sin muchos conocimientos de Inteligencia Artificial y algoritmos de procesamiento de lenguaje natural”.
Miriam Alzate Barricarte, en la UPNA.
Para realizar los análisis de los diferentes capítulos, la autora recogió datos de una página web de cosméticos muy popular en Estados Unidos a lo largo de los años 2016 y 2017. En total, para cada periodo de tiempo, contó con entre 60.000 y 66.000 reseñas todos los artículos integrantes de una categoría entera de productos de maquillaje (140 productos de 44 marcas).
Reseñas “más útiles” y “más nuevas”
Tal y como explica la autora de la tesis, a la hora de elegir leer una reseña en particular de entre las miles que pueden aparecer en una determinada página, es importante su posición dentro de la lista al ordenarlas por utilidad o novedad: así, aquellos comentarios que aparecen en las primeras posiciones son los que más atención reciben. Una vez dado ese paso, para votarla o no como útil se tienen en cuenta características de la propia reseña, como que sea muy positiva (5 estrellas), que incluya información personal de quien la escribe, que quien la realiza aparezca como alguien con experiencia en utilizar los productos o que el comentario sea largo, entre otras.
Por otro lado, los dos mecanismos de ordenación de reseñas referidos, es decir, “más útiles” o “más recientes”, influyen de manera diferente en el comportamiento del consumidor o consumidora. Así, se confía más en reseñas que aparecen en las primeras posiciones de “más útiles”, por una posible cuestión de influencia social, pero no ocurre lo mismo con las marcadas como “más recientes”. Por lo tanto, ambas maneras de ordenar influyen en la visibilidad, pero no tienen el mismo efecto en el comportamiento.
Además, en la tesis se observa que tanto las reseñas “más nuevas” como “más útiles” tienen influencia en las decisiones de compra, aunque son las últimas mencionadas las que tienen mayor impacto, un aspecto que puede ser analizado por las empresas.
En concreto, la autora de la tesis propone la utilización de un método automático de procesamiento de lenguaje basado en diccionarios, llamado Linguistic Inquiry and Word Count (LIWC). Se trata, según explica, “de una herramienta de uso sencillo y de bajo coste, validada en el campo de la psicología y el marketing, que permite analizar gran cantidad de texto de forma automática, ofreciendo resultados en alrededor de 90 variables (adjetivos, palabras relacionadas con la familia, emociones negativas, emociones positivas…)”. La autora indica, además, que en su tesis propone “una descripción detallada del proceso, proporcionando el código utilizado en el programa estadístico R. De esa manera, cualquier empresa podría replicar el análisis utilizando sus propios datos”.
La investigación doctoral se completa con la propuesta de uso de algunos de los algoritmos más utilizados en el procesamiento del lenguaje para analizar las percepciones de las personas consumidoras. Uno de ellos es el Latent Dirchlet Location (LDA), “cuyo objeto es extraer los temas de los que más se habla en las reseñas”, concluye Miriam Alzate.
Breve CV de la autora
Miriam Alzate Barricarte es licenciada en Administración y Dirección de Empresas (grupo internacional) por la UPNA, donde también cursó el Máster en Dirección de Comercio Internacional. Realizó un curso en la Universidad de Lincoln (Reino Unido), donde recibió el título de Bachelor of Arts in European Business. Posteriormente, realizó un máster en Marketing Estratégico en la Universidad de Cranfield (Reino Unido) con una beca de posgrado de la Fundación Ramón Areces.
Durante el transcurso de su etapa predoctoral, realizó una estancia en la Universidad de Chicago (Estados Unidos), financiada por una beca de la excelencia de la Fundación Caja Navarra, bajo la supervisión del profesor Pradeep K. Chintagunta. Ha participado en conferencias internacionales como ISMS Marketing Science, European Marketing Academy Conference (EMAC) o la conferencia de la Asociación Europea de Marketing Académico (AEMARK). Ha publicado en revistas internacionales de impacto como “Journal of Theoretical and Applied Electronic Commerce” o “Journal of Digital & Social Media Marketing”. Además de contar con experiencia laboral en distintas empresas, ha impartido clases en la Universidad de Navarra y la UPNA y, actualmente, lo hace en esta última.