दिलचस्प खोजें तब होती हैं जब हम कुछ नया सीखते हैं। यह देखने के लिए पढ़ें कि कैसे खराब समीक्षाओं की जांच करने से 5-सितारा ऑनलाइन रेटिंग सिस्टम में पूर्वाग्रह का पता चलता है और इसे दूर करने के समाधान मिलते हैं। आनंद लेना :)

समस्याओं को हल करने के बारे में एक आकर्षक बात यह है कि हमें ऐसे मुद्दे मिलेंगे जिनके बारे में हमें पता नहीं था कि हम रास्ते में सामना करेंगे। सौभाग्य से, यह मेरे पहले डेटा साइंस (डीएस) प्रोजेक्ट में हुआ - और संभवतः आप में!

ओलिस्ट स्टोर से ऑर्डर के ब्राजीलियाई ई-कॉमर्स सार्वजनिक डेटासेट का विश्लेषण करते समय मुझे खोजपूर्ण डेटा विश्लेषण (ईडीए) के एक विशिष्ट चरण के दौरान दो मुख्य प्रश्नों का उत्तर देने की आवश्यकता थी:

1. "ओलिस्ट ने किस उत्पाद श्रेणी को सबसे अधिक बेचा है ?"
2. "क्या खराब समीक्षाओं के कारण ओलिस्ट को सबसे अधिक बिकने वाली उत्पाद श्रेणियों में से किसी पर ध्यान देने की आवश्यकता है ?"

विश्लेषण ने संकेत दिया कि:

• इकाइयों में सबसे अधिक बिकने वाली श्रेणियां थीं: 1. बिस्तर_स्नान_टेबल, 2. स्वास्थ्य_सौंदर्य, 3. खेल_अवकाश
• ~ 21% श्रेणी का इकाइयों में बिक्री का ~ 80% हिस्सा है ( वास्तविक जीवन में पारेतो सिद्धांत )

• अच्छी समीक्षाएँ: रेटिंग 4-सितारा और 5-सितारा
• खराब समीक्षाएँ: रेटिंग 1-सितारा और 2-सितारा
• तटस्थ समीक्षाएँ: रेटिंग 3-सितारा

तो मेरा प्रश्न बदल गया: "क्या ओलिस्ट को कंप्यूटर_एसेसरीज श्रेणी में समस्या का सामना करना पड़ रहा है?"

कंप्यूटर_एसेसरीज के लिए समीक्षाओं की कुल संख्या 288 थी (~26% समीक्षाएं खराब समीक्षाओं के अनुरूप थीं), जबकि इस श्रेणी के लिए बेची गई इकाइयों की कुल संख्या 1,881 थी। इस तरह, डेटासेट में उपलब्ध समीक्षाएं इस श्रेणी (ज्ञात जनसंख्या) की कुल खरीदारी के नमूने का प्रतिनिधित्व करती हैं। ध्यान दें कि यह अपेक्षित था क्योंकि अधिकांश ग्राहक समीक्षा नहीं देते हैं - केवल आपके द्वारा की गई पिछली ऑनलाइन खरीदारी के बारे में सोचें...

चूँकि समीक्षाएँ केवल एक नमूने के लिए उपलब्ध थीं, अगला कदम यह समझना था कि ये परिणाम कंप्यूटर_एक्सेसरीज (ज्ञात जनसंख्या) की कुल खरीदारी पर कितने लागू होते हैं। इसमें वर्तमान स्थिति का एक मजबूत अवलोकन देने के लिए कुछ सांख्यिकीय मेट्रिक्स जैसे विश्वास अंतराल और त्रुटि के मार्जिन की गणना करना शामिल होगा ।

गणना करने से पहले, यह सत्यापित करना महत्वपूर्ण था कि क्या नमूने का सामान्य वितरण था, क्योंकि मैं जिन सूत्रों को लागू करने जा रहा था, वे केवल इस प्रकार के वितरण के लिए मान्य थे। दिलचस्प बात यह है कि कंप्यूटर_एक्सेसरीज़ के लिए समीक्षाओं की साजिश रचने के बाद, वितरण गॉसियन (सामान्य वितरण) की तरह नहीं बल्कि एक जे-आकार की वक्र की तरह दिखता था । क्यों?

ऑनलाइन उत्पाद समीक्षाएं और जे-आकार का वितरण

ऑनलाइन समीक्षाओं का वितरण वक्र गॉसियन में फिट नहीं हुआ क्योंकि ऑनलाइन रेटिंग सिस्टम में पूर्वाग्रह हैं ।

नान हू, पॉल ए. पावलौ और जेनिफर झांग ने 2007 में एक पत्र प्रकाशित किया जिसका शीर्षक था " ऑनलाइन उत्पाद समीक्षा में जे-आकार का वितरण क्यों होता है?" ऑनलाइन वर्ड-ऑफ-माउथ कम्युनिकेशन में पक्षपात पर काबू पाना ” । लेखकों ने अनुमान लगाया कि ऑनलाइन उत्पाद समीक्षा वितरण 2 मुख्य कारणों से सकारात्मक रूप से J-आकार का है :

• अंडर-रिपोर्टिंग पूर्वाग्रह: जिन ग्राहकों को खरीदारी बेहद पसंद या नापसंद होती है, वे अन्य ग्राहकों की तुलना में किसी उत्पाद की अधिक समीक्षा करते हैं, जिससे यू-आकार का वक्र बनता है।
• क्रय पूर्वाग्रह: ग्राहक वही खरीदते हैं जो वे चाहते हैं और पसंद करते हैं, अधिक सकारात्मक समीक्षा देते हुए, एक असममित सकारात्मक वक्र उत्पन्न करते हैं

लेखकों ने एक प्रयोगात्मक अध्ययन के माध्यम से इन निष्कर्षों का समर्थन किया जिसमें छात्रों को अमेज़ॅन की तरह कस्टम-निर्मित वेबसाइट पर एक संगीत सीडी की समीक्षा सुनने और लिखने की आवश्यकता थी। अमेज़ॅन के डेटा के साथ प्रायोगिक अध्ययन की तुलना नीचे की छवि में दिखाई गई है।

ऊपर की तुलना से, प्रायोगिक डेटा ने संकेत दिया कि समीक्षाओं ने गॉसियन के रूप में व्यवहार किया, जबकि अमेज़ॅन के डेटा ने जे-आकार के वितरण का संकेत दिया। पहले आंकड़े (5.ए) में, उल्लिखित 2 पूर्वाग्रहों को कम कर दिया गया क्योंकि प्रयोग में भाग लेने वाले लोगों ने स्वेच्छा से उत्पाद की समीक्षा नहीं की और इससे कोई लाभ प्राप्त करने की उम्मीद नहीं की, ध्रुवीकृत (या तो 1-स्टार या 5-सितारा) समीक्षा।

लेकिन व्यवसायों के लिए यह क्यों मायने रखता है?

किसी उत्पाद की गुणवत्ता के बारे में ग्राहकों की धारणाओं के बारे में गलत कटौती अधिकारियों के लिए अप्रभावी विपणन रणनीतियों का कारण बन सकती है।

ऑनलाइन समीक्षा पूर्वाग्रह को कम करने के लिए संभावित समाधान

किसी उत्पाद की कम पक्षपाती ऑनलाइन समीक्षा प्राप्त करने के विकल्प हैं , जिनमें से कुछ को बाज़ार द्वारा पहले ही अपनाया जा चुका है।

1) संशोधित थम्स-अप प्रणाली : यह प्रस्तावित प्रणाली सामान्य थम्स-अप/डाउन रेटिंग्स (जैसे, Youtube ) का एक अनुकूलन है। अंतर में मुख्य रूप से विकल्पों की संख्या और अत्यधिक मूल्यों को चुनने के लिए उच्च प्रयास शामिल हैं।

4 विकल्प उपलब्ध हैं:

• डबल थम्स अप (↑↑)
• अंगूठे ऊपर (↑)
• अंगूठे नीचे (↓)
• डबल अंगूठे नीचे (↓↓)

2) समीक्षा में देरी : ग्राहकों को यह सुनिश्चित करने के लिए समीक्षा छोड़ने से पहले एक सप्ताह इंतजार करना होगा कि उन्हें उत्पाद के साथ पूरा अनुभव हो गया है। ई-कॉमर्स कंपनी Etsy इस प्रकार की समीक्षा को अपनाती है।

3) श्रेणियों का मूल्यांकन : ग्राहक उत्पाद के विशिष्ट पहलुओं का मूल्यांकन करते हैं। उदाहरण के लिए, यदि कोई ग्राहक टी-शर्ट खरीदता है, तो वह शर्ट की गुणवत्ता, आराम और फिट (टी-शर्ट के भीतर 3 श्रेणियां) का मूल्यांकन कर सकता है। एडिडास और एलएल बीन ग्राहकों को इस प्रकार की समीक्षा अधिक विस्तार से देने की अनुमति देते हैं।

प्रस्तुत विकल्पों पर विचार करते हुए, एक ऑनलाइन उत्पाद समीक्षा प्रणाली के लिए सर्वोत्तम विकल्प को परिभाषित करने के लिए व्यवसाय की आगे की जांच की आवश्यकता होगी ।

मुझे उम्मीद है कि आपको यह लेख उतना ही अच्छा लगा होगा जितना मुझे इसके बारे में लिखना पसंद आया :) मुझे अपने विचार कमेंट सेक्शन में बताएं!

संदर्भ

1. ऑनलाइन उत्पाद समीक्षाओं का J-आकार का वितरण क्यों होता है? ऑनलाइन वर्ड-ऑफ-माउथ कम्युनिकेशन में पक्षपात पर काबू पाना - नान हू, जी झांग और पॉल पावलौ (2007)
2. जे-कर्व्स की समस्या (ऑनलाइन रेटिंग सिस्टम में) - साव सिदोरोव (2020)
3. उत्पाद समीक्षा और रेटिंग UX: एक डिज़ाइनर गाइड - विटाली फ्रीडमैन (2023)