MétaCan
Menu
Retour à la cohorte
Enregistrement W4400013667 · doi:10.1111/itor.13502

Effects of product online reviews on product returns: a review and classification of the literature

2024· review· en· W4400013667 sur OpenAlexafffund
Yun Wang, Bo Yu, Jing Chen

Notice bibliographique

RevueInternational Transactions in Operational Research · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensDalhousie UniversityCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPurchasingRegretProduct (mathematics)MarketingProcess (computing)BusinessNew product developmentEconomicsComputer scienceAdvertising

Résumé

récupéré en direct d'OpenAlex

Abstract Product returns pose a significant challenge for online retailers, primarily due to consumer uncertainty, both before and after the purchase. These uncertainties may stem from factors such as the absence of a “touch and feel” experience, mismatched product expectations, or post‐purchase regret, where consumers change their minds. Online reviews, shared by previous consumers who have already experienced the products, can have a substantial impact not only on new consumers’ purchasing but also on return decisions. Surprisingly, there has been limited research to understand the influence of online reviews on product returns. This paper applies the input‐process‐output framework to conduct a comprehensive review and analysis of studies related to online reviews and product returns. Based on this review and analysis, a conceptual model is proposed, and an outline for the future research agenda is discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,154
Tête enseignante GPT0,504
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Transactions in Operational ResearchMême sujetDigital Marketing and Social MediaTravaux en français237 207