Gegevens van social commerce-websites kunnen bedrijfseigenaren essentiële informatie verschaffen voordat ze beslissingen nemen die kunnen bepalen of een nieuwe onderneming slaagt of faalt, blijkt uit een onderzoek van de Oregon State University.

Social-commercesites zoals de recensie- en aanbevelingssite Yelp verzamelen grote hoeveelheden gegevens van verschillende gebruikers, inclusief meningen van klanten, geografische spreiding van bedrijven in een bepaald gebied, en "check-ins" van klanten die een idee geven van het voetgangersverkeer.

Die informatie kan bedrijfseigenaren waardevolle informatie verschaffen over de concurrerende omgeving waarin zij opereren of overwegen te opereren, zei de hoofdauteur van de studie, Xiaohui Chang, een assistent-professor in OSU's College of Business.

Chang en co-auteur Jiexun Li van de Western Washington University hebben een tool ontwikkeld die gebruikmaakt van gegevens die zijn verzameld via een social commerce-site, inclusief details zoals soorten bedrijven in een buurt, hun uren, beschikbaarheid van parkeerplaatsen en andere consumentenfuncties, om te helpen bepalen of de ene locatie meer kans van slagen heeft dan de andere.

"Kleine ondernemers, vooral, veel keuzes hebben bij het openen van een nieuw bedrijf, inclusief waar te vinden, " zei Chang. "Met dit model, we gebruiken bestaande social commerce-gegevens om u te helpen bepalen welke locatie het beste gaat presteren."

De bevindingen zijn gepubliceerd in het julinummer van het tijdschrift Expert systemen met applicaties .

Het onderzoek is opgezet als een manier om de eeuwenoude vraag te beantwoorden waarom sommige bedrijven slagen en andere niet, zei Chang. Het werk is met name van toepassing op kleine bedrijven. Hoewel grote bedrijven middelen kunnen besteden aan het verzamelen en analyseren van financiële gegevens, kleine bedrijven hebben mogelijk niet al deze tools beschikbaar wanneer ze onderzoeken waar ze moeten openen of welke openingstijden ze moeten aanhouden.

De onderzoekers richtten zich op restaurants omdat de meeste nieuwe kleine bedrijven restaurants zijn, en velen mislukken binnen het eerste jaar van opening.

Voor de studie, de onderzoekers keken naar de nauwkeurigheid van vier verschillende voorspellingsmodellen voor bedrijfsprestaties. Het attribuutaffiniteitsmodel is een basismodel dat kijkt naar de intrinsieke kenmerken van bedrijven zonder rekening te houden met locatie of concurrentie.

Het geografische model, die is gebruikt en getest door andere onderzoekers, suggereert dat bedrijven die dicht bij elkaar staan ​​en vergelijkbare kenmerken hebben, het waarschijnlijk even goed doen. Het contextuele model, dat is een nieuw model, kijkt naar de kenmerken van het bedrijf en de omgeving die kunnen bijdragen aan het succes van een bedrijf; twee bedrijven die honderden kilometers van elkaar verwijderd zijn met vergelijkbare kenmerken en omliggende buurten zouden vergelijkbare prestaties kunnen leveren. Het hybride model maakt gebruik van zowel contextuele als geografische modellen, die elk ook aspecten van het affiniteitsmodel bevatten.

De onderzoekers gebruikten restaurantgegevens in Phoenix en omgeving van Yelp, een social commerce-site die consumenten helpt bedrijven te vinden met behulp van locatiegebaseerde services, om elk model te testen. Yelp heeft een deel van zijn gegevens beschikbaar gesteld aan onderzoekers en voor dit onderzoek zijn gegevens uit 2013 gebruikt.

Ze ontdekten dat het hybride model het beste voorspelde of een restaurant succesvol zou zijn. Zowel zakelijke kenmerken als de omgeving spelen een belangrijke rol, zei Chang.

Er is aanvullend onderzoek nodig om volledig te testen hoe het model kan worden gebruikt om een ​​nieuw bedrijf te helpen bij het nemen van beslissingen, en om te bepalen of het ook werkt voor andere soorten bedrijven, zei Chang. In aanvulling, sociale handelsbedrijven zoals Yelp, Trip Advisor of Foursquare, die een schat aan locatiegebaseerde gegevens verzamelen, zou het model kunnen gebruiken om bedrijven te helpen hun bedrijf te verbeteren.

"Je zou regelmatig nieuwe prestatievoorspellingen kunnen krijgen en de gegevens kunnen worden gebruikt om bedrijven te helpen problemen op te lossen of zichzelf levendig te houden, Chang zei. "Als een soortgelijk bedrijf succesvoller is en u locatiegebaseerde gegevens kunt gebruiken om vast te stellen dat het succes gedeeltelijk te danken is aan de beschikbaarheid van parkeerplaatsen, uur of prijs, op basis van die informatie kun je beslissingen nemen."