Anda di halaman 1dari 25

Manajemen Industri & Data Systems Studi tentang Pengaruh Penawaran Belanja Sosial di online In Lee,

informasi Artikel: Untuk mengutip dokumen ini: Dalam Lee, "Studi tentang Pengaruh Penawaran Belanja
Sosial on online", Manajemen Industri & data sistem, https: // doi.org/10.1108/IMDS-09-2016-0378
permanen link untuk dokumen ini: https://doi.org/10.1108/IMDS-09-2016-0378
download pada: 16 Oktober 2017, pada : 08:21 (PT) Referensi: dokumen ini berisi referensi ke 0 dokumen lainnya.
Untuk menyalin dokumen ini: permissions@emeraldinsight.com The fulltext dokumen ini telah didownload 1 kali
sejak 2017 *
Akses ke dokumen ini diberikan melalui berlangganan Emerald disediakan oleh emerald-SRM: 393.177 [] Untuk
Penulis Jika Anda ingin menulis untuk, atau publikasi Emerald ini lainnya, maka silakan gunakan kami Emerald
untuk layanan Authors informasi tentang cara memilih publikasi untuk menulis untuk dan panduan pengajuan yang
tersedia untuk semua. Silahkan kunjungi www.emeraldinsight.com/authors untuk informasi lebih lanjut. Tentang
Emerald www.emeraldinsight.com Emerald adalah penerbit global yang menghubungkan penelitian dan praktek
untuk kepentingan masyarakat. Perusahaan ini mengelola portofolio lebih dari 290 jurnal dan lebih 2.350 buku dan
volume seri buku, serta menyediakan berbagai pilihan produk secara online dan sumber daya tambahan pelanggan
dan layanan. Emerald adalah baik COUNTER 4 dan TRANSFER compliant. Organisasi merupakan mitra dari
Komite Publikasi Etika (COPE) dan juga bekerja dengan Portico dan inisiatif LOCKSS untuk pengawetan arsip
digital.
* Konten terkait dan men-download informasi yang benar pada waktu download.

Studi tentang Pengaruh Penawaran Belanja Sosial ononline


Purpose
Tujuan dari makalah ini adalah untuk menyelidiki transaksi belanja sosial dan dampaknya pada
review
metrik pada situs online review, Yelp. Makalah ini juga membandingkan metrik darireview
bisnis restoran dan bisnis kesehatan dan kesejahteraanuntuk memahami bagaimanabelanja sosial
penawaranmempengaruhi mereka.
Desain / metodologi / pendekatan
studi ini mengadopsi model regresi berganda untuk menganalisis pengaruh tujuhindependen
variabelterhadap variabel dependen, tingkat pertumbuhan tinjauan yang merupakan proksi dari
pertumbuhan penjualan.
Sampel ini terdiri dari tinjauan data 134 pedagang yang menawarkan penawaran belanja sosial
di Groupon pada tahun 2011. Data review online dari pedagang ini dikumpulkan pada tahun
2015 untuk menganalisis
hubungan antara penawaran dan tingkat tumbuh dari tinjauan.
Temuan
Untuk bisnis restoran, ada efek persuasif positif dari Groupon pelangganreview
skorpada tingkat pertumbuhan ulasan dan akibatnya pada pertumbuhan penjualan.
Untukkesehatan dan
bisniskesehatan, ada efek persuasif positif dari pelanggan skor review
pada tingkat pertumbuhan ulasan dan efek kesadaran negatif dari jumlah Groupon
tinjauanpada tingkat pertumbuhan ulasan. Tinjauan Data juga menunjukkan bahwaGroupon
pelanggandari bisnis kesehatan dan kesejahteraan tiga kali lebih mungkin untuk mengirim ulasan
mereka
daripada orang-orang dari bisnis restoran.
1
implikasi Penelitian
Pertama, sementara kita terbatas penelitian kami ke tujuh variabel independen, variabel
tambahan mungkin
ada. Variabel-variabel tambahan juga dapat mempengaruhi jumlah tinjauan, juga. Penelitian di
masa depan
perlu mengidentifikasi variabel seperti untuk membangun model yang komprehensif. Kedua,
penelitian masa depan perlu
untuk mengatasi jenis usaha lainnya, seperti pendidikan dan hiburan, dan membandingkan
perbedaan di antara mereka. Ketiga, sementara penelitian kami terfokus pada skor review dan
jumlah
tinjauan,analisis yang lebih mendalam tentang komentar menggunakan analisis sentimen
danjaringan sosial
analisisdapat menumpahkan wawasan tambahan pada kegiatan kajian mereka.
Orisinalitas / nilai
Meskipun pentingnya potensi ulasan pelanggan tentang penawaran belanja sosial,
massa kritisstudi empiris masih kurang di daerah ini. Studi kami memberikan kontribusi untuk
literaturini
bidangdengan menyelidiki efek dari penawaran belanja sosial pada ulasan pelanggan secara
online.ini
Studimemberikan panduan praktis untuk peningkatan ulasan online tentangbelanja
penawaransosial.
Kata kunci: Belanja Sosial; Kesepakatan Belanja sosial; Ulasan online; Groupon; Restoran;
Kesehatan dan Kebugaran
2
3
PENDAHULUAN
belanjaSosial telah di peningkatan pesat. Belanja sosial menggabungkan penjualan produk /
layanan
dengan partisipasi konsumen dalam lingkungan jaringan sosial dengan hubungan sinergis
antara jaringan sosial, konsumen, dan pedagang lokal (Lee, Yoo, Choi, & Shon, 2015).
Di antara berbagai sumber pendapatan belanja sosial, penawaran belanja sosial telah menjadi
utama
sumberpendapatanuntuk situs belanja sosial seperti Groupon dan LivingSocial. Situs belanja
sosial
sangat bergantung pada media sosial untuk menginformasikan konsumen tentang penawaran
belanja sosial dan meminta
pembeli yang memiliki minat yang sama dalam produk dan layanan. Karenaberbasis pengalaman
kedekatandari penawaran belanja sosial yang khas, pelanggan sebagian besar lokal ke daerah di
mana para
pedagang melakukan bisnis. Peningkatan jumlah pedagang dengan cepat mengadopsi
inovasi seperti penawaran belanja sosial untuk lebih melayani pelanggan, meningkatkan
produktivitas, memperluas
basis pasar, dan tetap kompetitif (Kim, Lee, & Lee, 2013). Namun, penelitian tentang
efektivitaspenawaran belanja sosial bagi pedagang yang langka (Kumar & Rajan, 2012).
Karena semakin banyak pedagang menawarkan produk / jasa di situs belanja sosial, situs review
online
juga akan menarik perhatian pelanggan potensial dari penawaran belanja sosial, karena banyak
pelangganini pertama kali pembeli kesepakatan. Dengan tidak adanya pengalaman dengan
pedagang,
pelanggan mencari informasi tentang kualitas produk dan layanan dari review situs online.
Konsumen semakin percaya ulasan secara online dan dengan demikian perusahaan yang
diberikanpositif secara online
ulasantampil lebih sah dan kredibel dan karenanya lebih dapat dipercaya (Jensen, 2014). Banyak
pelanggan belanja sosial membuat keputusan pembelian berdasarkan hasil yang diharapkan dari
4
pedagang berdasarkan informasi historis yang disediakan oleh situs online review (Lee et al.,
2015).
Meskipun pentingnya tinjauan online, banyak bisnis gagal untuk sepenuhnya memanfaatkan data
review
untuk meningkatkan pelayanan dan meningkatkan penjualan karena kurangnya pengetahuan
untuk mengeksploitasi dan menerjemahkannya.
Seperti belanja sosial secara luas diadopsi oleh bisnis, sangat penting bagi mereka untuk
memahami bagaimana
mereka penawaran belanja sosial mempengaruhi ulasan pelanggan di situs review secara online.
Dengan belakang
latarfenomena ini, penelitian kami mencoba untuk menganalisis hubungan antarabelanja sosial
penawarandan ulasan yang diposting di sebuah situs online review, Yelp. Data tentang
penawaran belanja sosial dan
ulasan pelanggan dikumpulkan untuk restoran bisnis dan bisnis kesehatan dan kesejahteraan
selama periode empat tahun antara 2011 dan 2015 dari Groupon dan Yelp. Sisa
kertasini disusun sebagai berikut: dalam bagian berikutnya, kami menyajikan literatur yang
relevan. Kemudian,
modelregresi disajikan. Berikutnya, data dianalisis untuk bisnis restoran dan
bisniskesehatan dan kesejahteraan, masing-masing. Akhirnya, tulisan ini membahas hasil dan
menyimpulkan.
TINJAUAN PUSTAKA
SOSIAL BELANJA
BelanjaSosial merupakan bentuk e-commerce yang berasal dari konvergensi belanja online
dan jejaring sosial dan dengan demikian mengintegrasikan pendapat konsumen dengan proses
belanja
(Stephen & Toubia, 2010). Belanja sosial membawa pembeli dan penjual bersama-sama dalam e-
commerce
di mana jejaring sosial pembeli memfasilitasi kegiatan belanja, dan menggunakan informasi
5
teknologi untuk meniru interaksi sosial yang ditemukan di mal fisik dan toko (Lee & Lee,
2012). Penawaran belanja sosial menjadi metode promosi populer bisnis.tradisional
Kupondan promosi moneter lainnya sebagian besar dirancang untuk merangsang peningkatan
segerapenjualan (DelVecchio, Henard, & Freling, 2006). Di sisi lain, promosi non-moneter
seperti kontes dan hadiah gratis memberikan manfaat hedonik kepada pelanggan (Chandon,
Wansink, &
Laurent, 2000). Penawaran belanja sosial menggabungkan karakteristik dan tujuanbaik
promosimoneter dan nonmoneter (Sigala, 2013). Belanja sosial juga sering disebut
social commerce ini sebagian didorong oleh Web 2.0 yang mewakili berbagaiyang dinamis dan
inisiatif webberbasis masyarakat yang nilai tempat pada kekuatan pengetahuan didistribusikan,
data yang leverage, dan menyediakan pengguna dengan pengalaman multimedia yang kaya
(Kim, Lee , & Lee, 2013).
Potensipasar belanja sosial ditambah dengan berbagai produk atau situs review online
seperti Yelp, Zagat, dan TripAdvisor. Karena jumlah bisnis yang menawarkanbelanja sosial
penawaranmelalui situs belanja sosial tumbuh dengan cepat, keluhan belanja pelanggan sosial
meningkatkan tentang overbooking, produk yang buruk / kualitas layanan, dan saham-out (Lee &
Lee, 2012).
Motif belanja sosial adalah kenikmatan berbelanja dengan teman-teman dan keluarga, dan
bersosialisasi
dan ikatan dengan orang lain (Arnold & Reynolds, 2003). Pelanggan belanja sosial muncul untuk
melihat
belanja sebagai kegiatan rekreasi (Martin & Mason, 1987), memenuhi beberapa peran penting
dalam keluarga
dan kehidupan sosial yang melampaui kegiatan belanja tradisional. Zhang, Lu, Gupta, dan
Zhao (2014) menemukan bahwa pelanggan bersedia untuk berpartisipasi dalam belanja sosial
karenasosial yang kuat
dukungandari teman sebaya. Flavianus dan Guinaliu (2005) menunjukkan bahwa konsumen
memiliki berbagai
motivasi untuk berpartisipasi dalam belanja sosial seperti milik, hiburan, dan prestise. Shi
dan Chow (2015) menyelidiki sifat kepercayaan belanja sosial, dan bagaimana perusahaanitu
dampak
6
kepercayaan dan kata elektronik mulut (eWOM) niat berdasarkan teori perpindahan
kepercayaan. Studi mereka
menemukan dampak positif dari kepercayaan belanja sosial pada kepercayaan perusahaan, dan
pengaruh mereka berikutnya
pada niat eWOM konsumen. Hsu, Chih, dan Liou (2016) membahas hubungan antara
rasa komunitas virtual, pengaruh sosial dan eWOM tinjauan kredibilitas. Hasil penelitian
menunjukkan
bahwa rasa komunitas virtual memiliki efek positif pada pengaruh normatif,informatif,
pengaruh dan dirasakan tinjauan eWOM kredibilitas. Kedua pengaruh sosial dan
dirasakaneWOM
tinjauankredibilitas memiliki efek positif pada eWOM tinjauan adopsi.
Grange dan Benbasat (2010) melakukan studi empiris tentang efek belanja sosial padapengguna
keyakinan perilaku(dirasakan manfaat dan kenikmatan). Hasil penelitian menunjukkan
bahwasistem
fungsiseperti akses cepat ke produk dan bantuan opsi seperti pesan membimbing adalahkuat
prediktordari keyakinan individu tentang kegunaan yang dirasakan dan kenikmatan. Zhao, Tang,
Liu,
dan Liu (2016) mengembangkan model penelitian yang mengintegrasikan tiga faktor modal
sosial (ikatan sosial,
kepercayaan, dan dirasakan kesamaan), dua motivasi (rasa harga diri dan bersosialisasi), danm-.
berbagi kupon Hasil penelitian menunjukkan bahwa ikatan sosial, kepercayaan, dan dirasakan
kesamaan yangpositif
berhubungandengan m-kupon berbagi niat dan positif mempengaruhi rasa harga diri dan
bersosialisasi,
yang memiliki efek positif yang signifikan pada m-kupon berbagi niat.
Promosi diskon biasanya menarik pelanggan non-setia (Srinivasan, Anderson, & Ponnavolu,
2002). Cassia, Magno, dan Ugolini (2015) juga menemukan bahwa efektivitas yang dirasakan
darisosial
penawaran belanjauntuk hotel cukup rendah. Di sisi lain, Wu, Kimes, dan Dholakia (2012)
menemukan
bahwa 35% dari pelanggan belanja sosial di restoran menjadi pelanggan tetap. Baru-baru ini, Lee
et
al. (2015) tinjauan teoritis dasar belanja sosial dalam hal asimetri informasi,
7
diskriminasiharga, orientasi belanja, iklan, dan eksternalitas jaringan. Studi mereka
menunjukkan bahwa berbagai jenis bisnis memerlukan parameter pemasaran yang berbeda untuk
memaksimalkan
jumlahpenawaran belanja sosial dijual. Untuk restoran, analisis mereka menunjukkan bahwa
jumlah
penawaran belanja sosial dijual memiliki korelasi yang tinggi dengan (1) jumlah tinjauan, (2)
panjang
promosi, dan (3) apakah restoran memiliki halaman Facebook. Di sisi lain,
jumlahpenawaran belanja sosial dijual untuk layanan kesehatan dan kesejahteraan memiliki
korelasi yang tinggi dengan
(1) jumlah tinjauan, (2) harga kesepakatan, dan (3) tanggal kedaluwarsa kupon.
ULASAN ONLINE
Baru-baru ini, sistem review online telah berkembang pesat. Menurut Dellarocas (2003),
ulasan online telah menjadi komponen penting dari perdagangan elektronik, membantu untuk
memperoleh
perilaku yang baik dan kerjasama antarekonomi longgar terhubung dan secara
pelakugeografis.Motivasi pelanggan untuk mencari review online termasuk pengurangan risiko,
waktu pencarian,
dan disonansi, posisi sosial ditingkatkan, belongingness, dan kesempatan belajar tentangbaru
produk(Hennig-Thurau & Walsh, 2003-4). Shadkam dan O'Hara (2013) menunjukkan bahwa
peringkat
dan ulasan yang dianggap sebagai dimensi penting dari media sosial dari
perspektif pemasaran.Sejumlah penelitian fokus pada dampak skor dan komentar review atas
penjualan dan pembelian pengambilan keputusan pelanggan. Pengguna dihasilkan Peringkat
produk dan review
dikenaluntuk meningkatkan kepercayaan, mengurangi risiko yang dirasakan ketika membeli
secara online, dan meningkatkan pembelian
niat (Ng, 2013; Phang, Zhang, & Sutanto, 2013; Zhang, Lu, Gao, & Chen, 2014; Xiang &
Gretzel, 2010) dan pendapatan perusahaan (Moe & Trusov, 2011). Sun (2012) menunjukkan
dampak dari
varians dalam peringkat produk pada keputusan pembelian konsumen. Lee, Park, dan Han
(2008)
menunjukkan bahwa argumen kualitas online review dapat meyakinkan pelanggan untuk
membeli secara online. Menggambar pada
8
teori fokus regulasi, Zhang, Craciun, dan Shin (2010) menunjukkan bahwa tujuan konsumsi
bahwa
konsumen mengasosiasikan dengan produk Ulasan memoderasi pengaruh tinjauan valensi pada
persuasi. Baru-baru ini, Gaikar, Marakarkandy, dan Dasgupta (2015) menggunakansentimen
analisisdan algoritma prediksi untuk menganalisis kinerja film India berdasarkanTwitter.
data Mereka menggunakan Probabilistic Latent Semantic Analysis Model klasifikasi untuk
menemukan
nilai sentimen dan Fuzzy Inference System untuk memprediksi kinerja film. Mereka menemukan
bahwa bahwa
nilai-nilai diprediksi kira-kira sama dengan nilai yang sebenarnya.
Ulasan secara online secara signifikan mempengaruhi strategi pemasaran yang digunakan oleh
vendor
sertakeputusan pembelian pembeli (Zheng, Zhu, & Lin, 2013). Ulasan positif dapat
meningkatkan
reputasi perusahaan serta kemungkinan menikmati harga premium (Yacouel &
Fleischer, 2011). Di sisi lain, ulasan negatif dapat mengurangi minat konsumen untuk
membeli barang-barang yang disediakan oleh perusahaan. Validitas ulasan dapat lebih
ditingkatkan
dengan menyediakan fungsi untuk konsumen lain untuk menilai / memilih kegunaan dari ulasan
tertentu.
Cheung dan Ho (2015) menemukan bahwa konsumen lebih cenderung mempercayai resensi
yang memilikiyang lebih tinggi
jumlahdari pengikut dan jumlah kata yang lebih tinggi. Li, Huang, Tan, dan Wei (2013)
menemukan bahwa pada pelanggan
yang dihasilkan review produk yang lebih bermanfaat daripada ulasan pakar-ditulis, dan produk
beton
reviewlebih bermanfaat daripada review produk abstrak. Ulasan ditulis oleh konsumen
dianggap kurang bias dari informasi yang diberikan oleh pengiklan dan dapat memberikan
informasi yang meningkatkan kredibilitas apa yang sudah tersedia dari pengecer dan
produsen.
9
Duan, Gu, dan Whinston (2008) menguji pengaruh persuasif (review skor) dan
efekkesadaran (jumlah tinjauan) dari ulasan secara online padabox office setiap hari
kinerjafilm.Hasil penelitian mereka menunjukkan bahwa nilai review tidak memiliki dampak
signifikan padaboxfilm,
pendapatanoffice menunjukkan bahwa ulasan online memiliki sedikit efek persuasif
terhadappembelian
keputusankonsumen.Namun, penjualan box office secara signifikan dipengaruhi oleh jumlah
tinjauan,
menunjukkan pentingnya efek kesadaran. Di sisi lain, penelitian lain menunjukkan bahwa
ketika konsumen membuat keputusan pembelian online, mereka mempertimbangkan tidak
hanyadari
rating ulasan tetapi juga jumlah tinjauan yang tersedia untuk merek dan pengecer
(Petrescu, 2011; Petrescu & Korgaonkar, 2011). Anderson (2012) menganalisis dampak dari
online
review terhadap kinerja hotel dan menemukan bahwa persentase konsumen membaca ulasan di
TripAdvisor sebelum pemesanan telah terus meningkat dari waktu ke waktu dan jika hotel
meningkatkanmeninjau
skor1 point pada skala 5-point ( misalnya, 3,5-4,5), hotel dapat meningkatkan harga sebesar 11,2
persen dan masih mempertahankan hunian atau pasar yang sama saham.
Ulasan online yang menonjol memiliki potensi untuk menjadi virus dan merupakan sumber besar
alat pemasaran untuk bisnis. Banyak ulasan konsumen diposting di YouTube menjadi virus.
Ulasan Lucu di situs terkenal mendapatkan banyak konsumen orang (Petrescu, 2016). Namun,
kebanyakan orang terutama berbagi pengalaman negatif mereka dengan produk, dan jarang
menghabiskan waktu
menulis komentar positif (Bulearca & Bulearca, 2010). Dengan demikian, sangat penting bagi
pedagang untuk
segera dan menyeluruh menanggapi keluhan pelanggan. Jika pedagang tidak memantau
ulasan konsumen, mungkin menjadi mungkin bagi mereka untuk memperbaiki praktik bisnis
mereka,
mencegah penyebaran WOM negatif, dan memenuhi kebutuhan pelanggan mereka saat ini dan
masa depan.
10
Salah satu pertanyaan yang paling penting tentang review online adalah apa faktor yang
mempengaruhi penjualan /
pendapatanpedagang. Jumlah tinjauan adalah minat yang besar untuk pedagang sejak kapan
konsumen
membuat keputusan pembelian, mereka mempertimbangkan tidak hanya skor review tapi juga
jumlahtinjauan yang tersedia untuk merek dan pengecer (Petrescu, 2011; Petrescu &
Korgaonkar 2011 ). Mengingat sulitnya memperoleh data penjualan riil, Ye et al. (2009)
menggunakan
jumlah tinjauan sebagai proxy penjualan. Studi mereka menunjukkan bahwa ulasan positif secara
onlinedapat
secara signifikanmeningkatkan jumlah tinjauan di sebuah hotel. Oleh karena itu, penelitian kami
menggunakan tingkat
pertumbuhanulasan sebagai proxy dari pertumbuhan penjualan dan analisis faktor yang penting
dalam menumbuhkan
jumlah tinjauan di bawah konteks promosi belanja sosial dari sudut bisnis
pandang.
Singkatnya, penting untuk menunjukkan bahwa sebagian besar literatur sebelum ulasan online
umumnya
berfokus pada niat pembeli untuk membeli secara online, masalah kepercayaan dalam tinjauan
konsumen, dan
motivasi untuk mencari secara online ulasan (misalnya, Hennig-Thurau & Walsh, 2003-4 ; Hsu,
Chih, & Liou,
2016; Ng, 2013; Shi & Chow, 2015; Zhang, Lu, Gupta, & Zhao, 2014). Studi ini biasanya
menggunakan survei siswa atau survei konsumen untuk convenience sampling dengan ukuran
sampel yang terbatas,
berpotensi menciptakan bias yang disebabkan oleh non-keacakan. Penelitian sebelumnya lain
fokus padasosial-teknis
isu-isu dalam pengembangan web social commerce pengecer online sepertionline cepat
akseske produk dan pilihan bantuan (Grange & Benbasat, 2010; Zhao, Tang, Liu, & Liu, 2016).
Namun, isu-isu sosial-teknis dalam pengembangan web social commerce tidak relevan
dengankecil
pedagang lokalyang tidak mengembangkan situs social commerce mereka sendiri. Ini pedagang
lokal bergantung
pada pihak ketiga perantara sosial untuk promosi belanja sosial. Masalah teknis
dikelolaoleh perantara sosial seperti Groupon dan LivingSocial. Selain itu,lokal
11
lingkuppedagang bisnis (misalnya, jenis produk, berbagai produk, dan volume penjualan)
sangat berbeda dari pengecer online besar. Penelitian saat ini melengkapi literatur
berdasarkan analisis dampak pembelanja sosial ulasan secara online pada pertumbuhan
penjualanlokal.
pedagang Untuk yang terbaik dari pengetahuan kita, penelitian kami adalah yang pertama dalam
menyelidiki dampak
pembelanja sosial ulasan online di penjualan pedagang lokal.
Berdasarkan penelitian sebelumnya, kami mengidentifikasi tujuh variabel independen yang
relevan dengan online
reviewyang dapat mempengaruhi tingkat pertumbuhan ulasan. Tujuh variabel independen
yang dipilih adalah: (1) pelanggan biasa Rata-rata skor review di 2011 untuk pedagang
(pelangganadalah mereka yang belum pernah menggunakan penawaran Groupon sebelumnya),
(2) pelanggan biasa
rata-rata ulasan di 2015, ( 3) rata-rata ulasan Groupon pelanggan pada tahun 2015 Groupon
(pelangganadalah mereka yang membeli penawaran Groupon), (4) jumlah teman-teman
semuaGroupon
pelanggan(5) jumlah tinjauan yang dilakukan oleh semua pelanggan Groupon, (6) nomor dari
orang kegunaan yang dibuat oleh pemirsa, dan (7) jumlah orang funniness dibuat oleh pemirsa.
Tingkatpertumbuhan dari tinjauan adalah variabel dependen yang merupakan proxy dari
pertumbuhan penjualan. Perhatikan bahwa
jumlah tinjauan diharapkan tumbuh secara proporsional dengan pertumbuhan penjualan.
Tingkatpertumbuhan ulasan untuk setiap merchant dihitung dengan (jumlah tinjauan pada tahun
2015 -
jumlahtinjauan pada tahun 2011) / jumlah tinjauan pada tahun 2011.
Kami menganalisis bagaimana bisnis restoran dan bisnis kesehatan dan kesejahteraan tampil
darike
waktuwaktu di hal tingkat pertumbuhan ulasan setelah pelanggan Groupon dibelisosial
penawaran belanjapada Juni 2011. tinjauan online data dikumpulkan pada 2013 dan 2015 dari
Yelp,
12
situs merchant tinjauan terbesar di AS. Bagian berikut melakukanregresi berganda
analisisuntuk bisnis restoran dan bisnis kesehatan dan kesejahteraan, masing-masing.
ANALISIS REVIEW ONLINE UNTUK USAHA RESTORAN
108 bisnis restoran di kota-kota besar di Amerika Serikat yang meluncurkan penawaran belanja
sosial melalui
Groupon pada Juni 2011 diidentifikasi dan ditelusuri selama empat tahun ke depan. Dalam studi
ini,
bisnisrestoran mengacu pada setiap bisnis restoran lokal dari makanan cepat saji ke
sebuahmakanan
restoranetnis.Setelah kami empat tahun follow-up tentang restoran the108, kita menemukan 66
restoran tetap
memberikan poin data yang valid pada tahun 2015. 42 restoran yang tersisa keluar dari bisnis
ataudisediakan.
data palsu
Kami memilih untuk menjalankan model regresi untuk mengidentifikasi hubungan antara tujuh
variabel independen dan variabel dependen. Untuk menggunakan analisis regresi berganda,
rasiopengamatan untuk variabel independen tidak harus jatuh di bawah lima (Hair, Anderson,
Tatham, &
Black, 2010). Sebuah rasio yang lebih konservatif dari sepuluh pengamatan untuk masing-
masing variabel independen
dilaporkanmenjadi optimal (Halinski & Feldt, 1970; Miller & Kunce, 1973). Ukuran sampel
kami 66
cukupdekat ukuran sampel yang disarankan 70. Perlu dicatat bahwa meningkatkan ukuran
sampel
di atas tingkat yang sesuai yang ditunjukkan oleh rumus ukuran sampel akan meningkatkan
kemungkinan
Tipe I error (Bartlett, Kotrlik, & Higgins, 2001 ). Kami menetapkan bahwa ukuran sampel kami
sesuaiuntuk penelitian kami.
13
Sebagai proses pembersihan data, kita dihapus 42 sampel dengan data yang hilang atau data
palsu.
Ujinormalitas menunjukkan bahwa nilai signifikansi di bawah kolom Shapiro-Wilk adalah
sekitar 0,9
dan data yang terdistribusi normal. Sebuah tes outlier rutin menunjukkan tidak terdapatyang
signifikan
perbedaanantara regresi dengan dan tanpa kasus terpencil. Statistik deskriptif mereka
ditunjukkanpada Tabel 1 dan Tabel 2 di bawah ini.
-----------------------
Insert Table 1 di sini
-----------------------
-----------------------
Insert Tabel 2 di sini
-----------------------
untuk membandingkan Groupon rata-rata ulasan pelanggan dengan itu pelanggan biasa, t-test
digunakan.
Sebuah t-test adalah tes hipotesis statistik di mana uji statistik mengikuti Student t-distribusi
dengan yang tes dapat untuk menentukan apakah dua set data yang berbeda secara signifikan dari
satu sama lain.
Studi kami menggunakan t-test berpasangan dengan dua set terpisah dari sampel independen
denganyang
ukuran sampelberbeda,satu set dari pelanggan Groupon dan satu set dari pelanggan. Perlu
dicatatbahwa pelanggan Groupon rata-rata ulasan secara signifikan lebih rendah dari
pelangganrata-rata ulasan pada 2013 dan pada tahun 2015 (p-value = <0,001 dengan
menggunakan t-tes). The
Pearson koefisien korelasi adalah 0,5154 antara pelanggan Groupon skor review dan
pelangganbiasa skor review di 2013. Pearson koefisien korelasi adalah 0,4195
antarapelanggan Groupon skor review dan pelanggan review skor pada 2015.ini
14
Korelasiadalah statistik signifikan (yaitu, nilai dari pelanggan review adalah kuat
prediktordari pelanggan Groupon review skor, sebaliknya).
Tabel 3 menunjukkan hasil dari model regresi berganda. Regresi dijalankan dengan5%.
tingkat signifikansi Koefisien beta dari variabel-variabel serta p-nilai mereka digunakan untuk
menguji signifikansi masing-masing variabel independen. Sebuah metode langkah-bijaksana
digunakan untuk membangun sebuah
model tunggal yang dibangun menggunakan p-nilai dari variabel-variabel prediktor.
-----------------------
Insert Table 3 di sini
-----------------------
model regresi akhir kami adalah sebagai berikut:
Laju Pertumbuhan = -3,263 + 2,488 * (rata skor tinjauan Groupon pelanggan pada tahun 2015).
Model ini
memiliki nilai R-square dari 0.140.
Analisis regresi kami menunjukkan bahwa satu variabel independen - rata-ratapelanggan
Groupon
ulasanpada tahun 2015 mempengaruhi tingkat pertumbuhan ulasan. Namun, enamindependen
lainnya
variabeltidak memainkan peran penting dalam tingkat pertumbuhan ulasan.
ANALISIS REVIEW ONLINE UNTUK KESEHATAN DAN SEHAT USAHA
15
Pada bagian ini, kita menganalisis bagaimana bisnis kesehatan dan kesejahteraan tampil dari
waktu ke waktu dalam hal
nilai review dan jumlah tinjauan setelah pelanggan Groupon dibelibelanja sosial
penawarandi Juni 2011. 108 kesehatan dan bisnis kesehatan yang diluncurkan promosi di
Groupon
pada Juni 2011 diidentifikasi dan ditelusuri lebih dari 4 tahun. Dalam studi ini, kesehatan dan
kesejahteraan
bisnismengacu pada bisnis apapun dari salon rambut dan spa untuk kebugaran atau yoga
pelatihan. Setelah
kami empat tahun follow-up pada the108 bisnis kesehatan dan kesejahteraan, kita menemukan
68 bisnis tetap
memberikan poin data yang valid pada 2015. Sisanya 40 bisnis baik pergi keluar dari bisnis atau
data palsu disediakan. Skor rata-rata ulasan dan jumlah tinjauan dikumpulkan pada
Juni 2011, Juli 2013, dan Juli 2015, masing-masing. Statistik deskriptif mereka ditunjukkan pada
Tabel 4
dan Tabel 5 di bawah ini.
-----------------------
Insert Table 4 di sini
-----------------------
-----------------------
Insert Table 5 disini
-----------------------
perbedaan tinjauan skor antara pelanggan Groupon dan pelanggansignifikan
secara statistik dalam kedua 2013 dan 2015 (p-value = <0,001). The Pearsonkorelasi
koefisienadalah 0,6653 antara pelanggan Groupon skor review dan pelanggan
review skor pada tahun 2015 (p-value = <0,001). Korelasi ini signifikan secara statistik.
16
Tabel 6 menunjukkan hasil dari model regresi multiple step-bijaksana. Regresi dijalankan
dengan tingkat signifikansi 5%. Koefisien beta dari variabel-variabel serta p-nilai mereka
digunakan untuk menguji signifikansi masing-masing variabel independen.
-----------------------
Insert Table 6 disini
-----------------------
model regresi kami adalah sebagai berikut:
Laju Pertumbuhan = -3.388+ 1,418 * (rata skor ulasan pelanggan Reguler pada 2011) - 0,01 *
(jumlahtinjauan yang dilakukan oleh pelanggan Groupon). Model ini memiliki nilai R-square
dari 0,258.
Analisis regresi kami menunjukkan bahwa rata-rata ulasan pelanggan pada 2011 mempengaruhi
tingkat pertumbuhan ulasan. Hal ini mengamati bahwa jumlah tinjauan pelanggan Groupon
mempengaruhi tingkat pertumbuhan ulasan, juga. Namun, lima variabel independen lainnya
tidak
memainkan peran penting dalam tingkat pertumbuhan ulasan.
PEMBAHASAN
Dalam rangka untuk lebih memahami perbedaan antara bisnis restoran dan kesehatan
bisnisdan kesejahteraan, kami membuat perbandingan dalam hal skor review dan jumlah
tinjauan.Tabel 7 dan 8 merangkum hasil dari t-tes.
17
-----------------------
Sisipkan Tabel 7 di sini
---------------------- -
-----------------------
Insert Table 8 di sini
---------------------- -
Gambar 1 menunjukkan bahwa rata-rata ulasan dari bisnis kesehatan dan kesejahteraan secara
konsisten lebih tinggi dari restoran. Hasil ini mungkin disebabkan fakta bahwa
kualitas layanan dari bisnis kesehatan dan kesehatan sangat penting dan karena itu jauh lebih
tinggi
dibandingkandengan restoran. Namun, perbedaan dalam skor tinjauan Groupon pelanggan
antararestoran dan kesehatan dan bisnis kesehatan tidak signifikan. Hasil ini menunjukkan
bahwabisnis kesehatan dan kesejahteraan memberikan tingkat yang berbeda secara signifikan
dari layanan kepada
pelangganGroupon dibandingkan dengan pelanggan.
-----------------------
Insert Gambar 1 di sini
-----------------------
Gambar 2 menunjukkan bahwa bisnis restoran memiliki tiga kali jumlah tinjauan yang dibuat
olehpelanggan kesehatan dan kesejahteraan. Ini mungkin disebabkan fakta bahwa restoran
melayani
lebih banyak pelanggan dari bisnis kesehatan dan kesejahteraan. Namun, perbedaan
jumlahGroupon ulasan antara bisnis restoran dan bisnis kesehatan dan kesejahteraan adalah
18
tidak signifikan. Groupon pelanggan dari bisnis kesehatan dan kesejahteraan tiga kali lebih
mungkin untuk posting review daripada restoran. Pelanggan yang paling Groupon
restorantampaknya tidak repot-repot untuk mengirim ulasan mungkin karena harga yang rendah
(misalnya, makanan cepat saji) dan
sifat percobaan pengalaman makanan dibandingkan dengan bisnis kesehatan dan kesejahteraan
di mana harga
relatif tinggi (misalnya, kulit perawatan, pijat) dan layanan-jangka panjang (misalnya, gym,
yoga).
-----------------------
Insert Gambar 2 di sini
-----------------------
fakta bahwa rata-rata ulasan pelanggan Groupon adalah lebih rendah dari
pelangganmenunjukkan layanan kepada pelanggan Groupon lebih miskin atau Groupon
pelanggan
memandang layanan mereka untuk miskin. Skor review miskin pelanggan Groupon akan lebih
kekhawatiran untuk bisnis restoran, karena Groupon pelanggan review skor memilikiyang
signifikan
efek persuasifpada tingkat pertumbuhan ulasan, dan akibatnya pertumbuhan penjualan. Hal ini
juga
menarik untuk dicatat bahwa untuk bisnis kesehatan dan kesejahteraan, para pelanggan tetap
review
skor memiliki efek persuasif yang signifikan pada tingkat pertumbuhan ulasan. Hasil ini
menunjukkan
bahwa untuk bisnis kesehatan dan kesejahteraan, para pelanggan tetap review skor lebih
penting daripada pelanggan Groupon skor review untuk pelanggan potensial, karena dari
pelangganbisnis kesehatan dan kesejahteraan mencari hubungan jangka panjang,
harga kesehatan dan
layanankesejahteraan yang jauh lebih tinggi daripada orang-orang dari bisnis restoran, dan risiko
yang dirasakan
dari kegagalan layanan yang tinggi.
19
Hal ini juga mencatat bahwa untuk bisnis kesehatan dan kesejahteraan, jumlah tinjauan yang
dilakukan oleh
pelanggan Groupon memiliki efek kesadaran negatif pada laju pertumbuhan ulasan, dan
akibatnya pada pertumbuhan penjualan. Yang bertentangan kebijaksanaan konvensional,
untukkesehatan dan
bisniskesejahteraan, pelanggan lebih Groupon posting ulasan mereka, semakin cepat laju
pertumbuhanulasan menurun. Groupon pelanggan dari bisnis kesehatan dan kesehatan cenderung
posting
online ulasan tiga kali lebih banyak daripada orang-orang dari bisnis restoran. Juga, nilai tinjauan
daripelanggan Grouponadalah jauh lebih rendah daripada pelanggan reguler dikesehatan dan
bisniskesejahteraan dan mempengaruhi pelanggan negatif lainnya dalam keputusan pembelian
mereka.
Singkatnya, ulasan pelanggan Groupon mempengaruhi kedua jenis bisnis yang berbeda. Untuk
bisnis restoran, ada efek persuasif positif dari pelanggan Groupon (review
skor) pada tingkat pertumbuhan ulasan, dan akibatnya pada pertumbuhan penjualan
(koefisien beta:2,488, p-value: 0,008). For the health and wellness businesses, there are a
positive
persuasive effect of the regular customers (the review score) on the growth rate of the reviews
(the beta coefficient: 1.418, p-value: 0.007) and a negative awareness effect of the Groupon
customers (the number of Groupon reviews) on the growth rate of the reviews (the beta
coefficient: -0.01, p-value: 0.037). On the other hand, there is no persuasive effect of the
Groupon
customers on the growth rate of the reviews.
It is also noted that the findings should be interpreted with caution. While some of the findings of
our study are congruent with those of past studies (Anderson, 2012; Chevalier & Mayzlin, 2006;
Ye, Law, & Gu, 2009), our study did not investigate the issue of potential biases in online
20
reviews nor the effect of these biases on sales. Recently, review bias has attracted more and more
attention from researchers and practitioners (Ge & Li, 2015). It is well known that there is a self-
selection bias when customers post online reviews (Li & Hitt, 2008). For example, the sample is
subjected to bias when most people primarily share their negative experiences with a product,
and rarely spend time writing positive comments (Bulearca & Bulearca, 2010). Social influence
bias, or the herding effect (Wang, Wang, & Wang, 2014) may occur in a situation where a
consumer changes his/her intended product evaluation after seeing ratings from others such as
the historical median ratings for a specific merchant. The dimensional bias may occur if a
consumer only emphasizes his/her opinions on a few dimensions of a product, or a consumer's
overall rating is driven by some extremely positive or negative experiences of a few product
dimensions (Liu, Chen, & Hong, 2014).
CONCLUSION
As social shopping is increasingly adopted by businesses, the impact of the online reviews on the
sales growth needs to be taken into consideration in designing and offering social shopping
deals.
Despite the potential significance of customers' reviews of social shopping deals, the critical
mass of empirical studies still lacks in this area. This study contributes to the literature of the
social shopping and online review areas by investigating the effect of social shopping deals on
the customers' online reviews and potential sales growth. For the restaurant businesses, the
Groupon customers' review score is a persuasive factor for the growth rate of the reviews, and
consequently for sales growth. However, for the health and wellness businesses, Groupon
customers' review score does not affect the growth rate of the reviews. For them, the regular
21
customers' review score is an important persuasive factor for the growth rate of the reviews. For
the health and wellness businesses, there is a negative awareness effect of the Groupon
customers (the number of Groupon reviews) on the growth rate of the reviews.
Our analysis shows that social shopping and online reviews affect these two types of businesses
differently. For restaurants, Groupon customers' review scores affect the sales. On the other
hand,
for health and wellness businesses, Groupon customers' review scores do not affect the sales, but
the review number of Groupon customers negatively affects the sales. These results indicate that
there is no one-size-fit-all social shopping and online review management for all types of
businesses. Merchant review sites have provided merchants with an inexpensive communication
channel to reach targeted customers without spending advertising expenses to listen to
customers'
concerns and interest. However, merchant review sites pose potential risks to social merchants
such as negative word-of-mouth, negative effect on sales, and competitors' use of the merchant's
review and promotion data.
Our study confirms that as long as merchants understand the importance of online reviews made
by social shopping customers and provide good services to them, social shopping will be highly
instrumental to the growth of the businesses. From the local merchants' perspective, both social
shopping and online reviews can be an opportunity for communication with customers and sales
growth. Social shopping can attract potential repeat customers and increase word-of-mouth
attention/marketing. If local merchants analyze and manage the online reviews posted by social
shoppers in a timely manner, they can address their needs and achieve competitive advantage.
Ignoring online reviewers may entail significant risks for local merchants since many potential
22
consumers often refer to review sites to find other consumers' reviews before choosing a product
or a service. Because analyzing online reviews at these review sites requires a low level of skill,
local merchants may be able to handle the analysis task themselves or seek help from social
media consultants.
Based on the analysis, we recommend the following practical guidance to merchants: (1)
Develop a comprehensive service management program. There is a chance to fail in the social
shopping deals if not carefully developed and managed. Our evidence indicates that the
merchants tend to provide poorer services to Groupon customers. While Groupon customers
have the potential to become regular customers, many Groupon customers are less satisfied with
service quality than the regular customers, (2) Well-planned online review metrics need to be
established and monitored periodically to analyze review data and trends. Key performance
review metrics may include the overall average review scores, Groupon customers' review
scores, the number of Groupon customers' reviews, and the number of reviews over time, and (3)
Merchants need to develop a solid data analytics program to collect, process, and interpret online
review data. As location-based instant social shopping deals increase with the rapid growth of
the mobile users, many social shopping customers will post online reviews the instant they
consume products and services, and therefore the effect of the negative reviews on the sales will
become immediate.
As is typical in many empirical studies, this study is not without limitations. First, while we
limited our study to the seven independent variables, additional variables may exist. These
additional variables may also influence the number of reviews, too. Therefore, future research
23
needs to identify such variables to build a comprehensive model while maintaining the
conciseness of the model. Second, this study focused mainly on the restaurant businesses and the
health and wellness businesses. Future research needs to address other types of businesses, such
as education and entertainment, and compare differences between them. Third, while our study
focused on the review score and the number of reviews, a more in-depth analysis of the
comments using sentiment analysis and social network analysis may shed additional insights on
their review activities. Lastly, as the world becomes more globalized, understanding cross-
cultural issues in online review will draw more attention from researchers and businesses. For
example, major online review sites such as Yelp and TripAdvisor operate globally. It would be
interesting to see how the online reviews affect businesses in different cultures.
Author biography
In Lee is a professor in the School of Computer Sciences at the College of Business and
Technology at Western Illinois University in the US. He is a three-time winner of the Research
Excellence Award in the College of Business and Technology at WIU. He has published his
research in such journals as Communications of the ACM, IEEE Transactions on Systems, Man
and Cybernetics, IEEE Transactions on Engineering Management, International Journal of
Information Technology and Decision Making, Decision Support Systems, Journal of Small
Business Management, International Small Business Journal, and others. Prior to his academic
career, he worked for a number of multinational corporations, as well as serving as a consultant
for various government agencies and private organizations. His current research interests include
digital innovation, web technology development and management, investment strategies for
computing technologies, and mobile services. He received his PhD in Business Administration
from the University of Illinois at Urbana-Champaign.
REFERENCES
Anderson, C. (2012), “The impact of social media on lodging performance”, Cornell Hospitality
Report, Vol. 1 No. 15, pp. 6-11.
24
Arnold, MJ, and Reynolds, KE (2003), “Hedonic shopping motivations”, Journal of Retailing,
Vol. 79 No. 2, pp. 77-95.
Bartlett, JE, Kotrlik, JW, and Higgins, CC (2001), “Organizational research: Determining
appropriate sample size in survey research”, Information Technology, Learning and
Performance,
Vol. 19 No. 1, pp. 43-50.
Bulearca, M., and Bulearca, S. (2010), “Twitter: A viable marketing tool for SMEs?” Global
Business and Management Research: An International Journal, Vol. 2 No. 4, pp. 296-309.
Cassia, F., Magno, F., and Ugolini, M. (2015), “The perceived effectiveness of social couponing
campaigns for hotels in Italy”, International Journal of Contemporary Hospitality Management,
Vol. 27 No. 7, pp. 1598-1617.
Chandon, P., Wansink, B., and Laurent, G. (2000), “A benefit congruency framework of sales
promotion effectiveness”, Journal of Marketing, Vol. 64 No. 4, pp. 65-81.
Cheung, Y., and Ho, H. (2015), “Social influence's impact on reader perceptions of online
reviews”, Journal of Business Research, Vol. 68 No. 4, pp. 883-887.
Chevalier, JA, and Dina Mayzlin, D. (2006), “The Effect of Word of Mouth on Sales: Online
Book Reviews”, Journal of Marketing Research, Vol. 43 No. 3, pp. 345-354.
Dellarocas, C. (2003). “The digitization of word-of-mouth: promise and challenges of online
feedback mechanisms”, Management Science, Vol. 49 No. 10, pp. 1407-1424.
DelVecchio, D., Henard, DH, and Freling, TH (2006), “The effect of sales promotion on post-
promotion brand preference: A meta-analysis”, Journal of Retailing, Vol. 82 No. 3, pp. 203-213.
25
Duan, W., Gu, B., and Whinston, AB (2008), “Do online reviews matter? - An empirical
investigation of panel data”, Decision Support Systems, Vol. 45 No. 4, pp. 1007-1016.
Flavian, C., and Guinaliu, M. (2005), “The influence of virtual communities on distribution
strategies in the Internet”, International Journal of Retail & Distribution Management, Vol. 3,
No.
6, pp. 405-425.
Gaikar DD, Marakarkandy, B., and Dasgupta, C. (2015), “Using Twitter data to predict the
performance of Bollywood movies”, Industrial Management & Data Systems, Vol. 115 No. 9,
pp.1604-1621.
Ge, Y., and Li, J. (2015), “Measure and Mitigate the Dimensional Bias in Online Reviews and
Ratings,” Proceedings of 2015 International Conference on Information Systems
Grange, C., and Benbasat, I. (2010), “Online social shopping: The functions and symbols of
design artifacts,” Proceedings of the 43rd Hawaii International Conference on System Sciences
(HICSS 2010), Kawai, Hawaii, USA, January 5-8.
Hair, JF, Black, WC, Babin, BJ, and Anderson, RE (2010), Multivariate Data Analysis: A
Global Perspective, New Jersey, Pearson Prentice Hall.
Halinski, RS, and Feldt, LS (1970), “The selection of variables in multiple regression
analyses”, Journal of Educational Measurement, Vol. 7 No. 3, pp. 151-158.
Hennig-Thurau, T., and Walsh, G. (2003-4), “Electronic word of mouth: Motives for and
consequences of reading customer articulations on the Internet”, International Journal of
Electronic Commerce, Vol. 8 No. 2, pp. 51-74.
Hsu, LC, Chih, WH, and Liou, DK (2016), “Investigating community members' eWOM
effects in Facebook fan page”, Industrial Management & Data Systems, Vol. 116 No. 5, pp.978-
1004.
26
Jensen, JV (2014), “Online reviews--even the bad ones--are good for brands,” CMO. Retrieved
March 21, 2016 from http://www.cmo.com/articles/2014/5/21/online_reviews_even_.html
Kim, HD, Lee, I., and Lee, CK (2013), “Building Web 2.0 enterprises: A study of small and
medium enterprises in the United States”, International Small Business Journal, Vol. 31 No. 2,
pp. 156-174.
Kumar, V., and Rajan, B. (2012), “Social coupons as a marketing strategy: a multifaceted
perspective”, Journal of the Academy of Marketing Science, Vol. 40 No. 1, pp. 120-136.
Lee, I. (2012), Electronic Commerce Management for Business Activities and Global
Enterprises: Competitive Advantage, IGI Global.
Lee, I., and Lee, K. (2012), “Social shopping promotions from a social merchant's perspective”,
Business Horizons, Vol. 55 No. 5, pp. 441-451.
Lee, I., Yoo, S., Choi, M.-J., and Shon, D.-H. (2015), “Determinants of social shopping
performance in small and medium-sized social merchants: Theories and empirical evidence”,
Journal of Small Business Management, Vol. 53 No. 3, pp. 735-747.
Lee, J., Park, D.-H., and Han, I. (2008), “The effect of negative online consumer reviews on
product attitude: An information processing view”, Electronic Commerce Research and
Applications, Vol. 7 No. 3, pp. 341-352.
Li, M., Huang, L., Tan, C.-H., and Wei, KK. (2013), “Helpfulness of online product reviews as
seen by consumers: Source and content features”, International Journal of Electronic Commerce,
Vol. 17 No. 4, pp. 101-136.
Li, X., and Hitt, LM (2008), “Self-selection and information role of online product reviews”,
Information Systems Research, Vol. 19 No. 4, pp. 456-474.
27
Liu, Y., Chen, P., and Hong, Y. (2014), “Matching Consumer Preferences with Product
Attributes: The Value of Multi-dimensional Online Word of Mouth Systems”, Workshop on
Information Systems Economics 2015 (WISE'15)
Martin, B., and Mason, S. (1987), “Current trends in leisure”, Leisure Studies, Vol. 6 No. 1, pp.
93-97.
Miller, DE, and Kunce, JT (1973), “Prediction and statistical overkill revisited”, Measurement
and Evaluation in Guidance, Vol. 6 No. 3, pp. 157-163.
Moe, WW, and Trusov, M. (2011), “The value of social dynamics in online product ratings
forums,” Journal of Marketing Research, Vol. 48 No. 3, pp. 444-456.
Ng, CS-P. (2013), “Intention to purchase on social commerce websites across cultures: A
cross-regional study,” Information & Management, Vol. 50 No. 8, pp. 609-620.
Petrescu, M. (2011), “Online price dispersion: more than imperfect information”, Journal of
Product and Brand Management, Vol. 10 No. 7, pp. 541-548.
Petrescu, M. (2016), “Viral marketing and its implications for e-commerce”, Encyclopedia of E-
Commerce Development, Implementation, and Management (Edited by In Lee, IGI Global), pp.
2200-2212.
Petrescu, M., and Korgaonkar, P. (2011), “Viral advertising: definitional review and synthesis”,
Journal of Internet Commerce, Vol. 10 No. 3, pp. 208-226.
28
Phang, CW, Zhang, C., and Sutanto, J. (2013), “The influence of user interaction and
participation in social media on the consumption intention of niche products”, Information &
Management, Vol. 50 No. 8, pp. 661-672.
Shadkam, M., and O'Hara, J. (2013), “Social commerce dimensions: The potential leverage for
marketers”, Journal of Internet Banking and Commerce, Vol. 18 No. 1, pp. 1-14.
Shi, S., and Chow, WS (2015), “Trust development and transfer in social commerce: prior
experience as moderator”, Industrial Management & Data Systems, Vol. 115 No. 7, pp.1182-
1203.
Sigala, M. (2013), “A framework for designing and implementing effective online coupons in
tourism and hospitality”, Journal of Vacation Marketing, Vol. 19 No. 2, pp. 165-180.
Srinivasan, SS, Anderson, R., and Ponnavolu, K. (2002), “Customer loyalty in e-commerce: an
exploration of its antecedents and consequences”, Journal of Retailing, Vol. 78 No. 1, pp. 41-50.
Stephen, AT, and Toubia, O. (2010), “Deriving value from social commerce networks”,
Journal of Marketing Research, Vol. 47 No. 2, pp. 215-228.
Sun, M. (2012), “How does the variance of product ratings matter?”, Management Science, Vol.
58 No. 4, pp. 696-707.
Wang, T., Wang, D., and Wang, F. (2014), “Quantifying herding effects in crowd wisdom”,
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and
data mining, pp. 1087-1096.
Wu, J., Kimes, SE, and Dholakia, U. (2012), “Restaurant daily deals: The operator experience”,
Cornell Hospitality Report, Vol. 12 No. 16, pp. 1-22.
29
Xiang, Z. and Gretzel, U. (2010), “Role of social media in online travel information search”,
Tourism Management, Vol. 31 No. 2, pp. 179-188.
Yacouel, N., and Fleischer, A. (2011), “The role of cybermediaries in reputation building and
price premiums in the online hotel market”, Journal of Travel Research, Vol. 50 No. 1, pp. 1-8.
Ye, Q., Law, R., and Gu, B. (2009), “The impact of online user reviews on hotel room sales”,
International Journal of Hospitality Management, Vol. 28 No. 1, pp. 180-182.
Zhang, H., Lu, Y., Gupta, S., and Zhao L. (2014), “What motivates customers to participate in
social commerce? The impact of technological environments and virtual customer experiences”,
Information & Management, Vol. 51 No. 8, pp. 1017-1030.
Zhang, JQ, Craciun, G., and Shin, D. (2010), “When does electronic word-of-mouth matter? A
study of consumer product reviews”, Journal of Business Research, Vol. 63 No. 12, pp. 1336-
1341.
Zhao, X., Tang, Q., Liu, S., and Liu, F. (2016), “Social capital, motivations, and mobile coupon
sharing”, Industrial Management & Data Systems, Vol. 116 No. 1, pp.188-206.
Zheng, X., Zhu, S., and Lin, Z. (2013), “Capturing the essence of word-of-mouth for social
commerce: Assessing the quality of online e-commerce reviews by a semi-supervised approach”,
Decision Support Systems, Vol. 56, pp. 211-222.
30
Table 1. Descriptive Statistic: Review Score
Average Review Score in June 2011
Average Review Score in July 2015 Non- Groupon Customers
Average Review Score in July 2013 3.6740 3.5751 3.6098
Groupon Customers
- 3.1037 3.1512
Table 2. Descriptive Statistic: The Number of Reviews
The Average Number of Average in June 2011
The Average Number of Reviews in July 2015 Non- Groupon Customers
The Average Number of Reviews in July 2013 45.1515 80.4696 158.2575
Groupon Customers
- 3.6363 7.8939
Table 3. Result of Multiple Regression: Restaurant Businesses
Coefficients
Model
Standardized Coefficients B Std. Error Beta t Sig. (Constant) -3.263 2.945 -1.108 .273 Groupon
customers' average review score in 2015
Unstandardized Coefficients
2.488 .898 .375 2.770 .008
a. Dependent Variable: Growth Rate
Excluded Variables
Model Beta In t Sig.
Collinearity Statistics Tolerance Regular customers' average review score in 2011
Partial Correlation .222 1.459 .151 .210 .771
31
Regular customers' average review score in 2015
.174 1.171 .248 .170 .824
The number of friends of Groupon customers
-.214 -1.588 .119 -.228 .971
The number of reviews made by Groupon customers
-.236 -1.747 .087 -.249 .960
The number of usefulness votes by viewers
-.072 -.529 .600 -.078 .995
The number of funniness votes by viewers
-.178 -1.305 .198 -.189 .967
Table 4. Descriptive Statistic: Review Score
Average Review Score in June 2011
Average Review Score in July 2013
Average Review Score in July 2015 Regular Customers
4.3445 4.0081 4.0907
Groupon Customers
- 3.4711 3.4299
Table 5. Descriptive Statistic: The Number of Reviews
The Number of Average Reviews in June 2011
The Number of Average Reviews in July 2013
The Number of Average Reviews in July 2015
Regular Customers
17.8302 27.8302 53.4716
Groupon Customers
- 3.2647 8.1470
Table 6. Result of Multiple Regression: Health and Wellness Businesses
Coefficients
Model
Standardized Unstandardized Coefficients
Coefficients B Std. Error Beta t Sig. (Constant) -3.388 2.237 -1.514 .137
32
Regular customers' average review score in 2011
1.418 .499 .375 2.841 .007
The number of reviews made by Groupon customers
-.01 .000 -.284 -2.156 .037
Excluded Variables
Model Beta In t Sig.
Collinearity Statistics Tolerance Groupon customers' average review score in 2015
Partial Correlation -.021 -.142 .888 -.022 .757
Regular customers' average review score in 2015
.022 .124 .902 .019 .576
The number of friends of Groupon customers
.169 .665 .510 .101 .264
The number of usefulness votes by viewers
.250 1.056 .297 .159 .300
The number of funniness votes by viewers
-.126 -.630 .532 -.096 .426
Table 7. Comparison of Review Scores between the Restaurant Businesses and the Health and
Wellness Businesses
Restaurant Businesses Health and Wellness
Businesses
Statistical significance at 0.01 Regular Customers' Average Review Score in 2011
3.6740 4.3445 Significant
Regular Customers' Average Review Score in 2013
3.5751 4.0081 Significant
Regular Customers' Average Review Score in 2015
3.6098 4.0907 Significant
Groupon Customers' Average Review Score
3.1037 3.4711 Not significant
33
3.1512 3.4299 Not significant
Table 8. Comparison of the Number of Reviews between the Restaurant Bus inesses and the
Health and Wellness Businesses
Restaurant Businesses Health and Wellness
Businesses
Statistical significance at 0.01 Regular Customers' Average Review Number in 2011
45.1515 17.8302 Significant
Regular Customers' Average Review Number in 2013
80.4696 27.8302 Significant
Regular Customers' Average Review Number in 2015
158.2575 53.4716 Significant
Groupon Customers' Average Review Number in 2013
3.6363 3.4711 Not significant
Groupon Customers' Average Review Number in 2015
7.8939 8.1470 Not significant
Figure 1. Comparison of Review Scores
in 2013 Groupon Customers' Average Review Score in 2015
34
Figure 2. Comparison of the Number of Reviews
35