Московский экономический журнал 10/2021

Posted by redaktor
image_pdfimage_print

Научная статья

Original article

УДК 339.13.024:004

doi: 10.24412/2413-046Х-2021-10608

GUNNING FOG–INDEX ДЛЯ ОЦЕНКИ ПОЛЬЗОВАТЕЛЬСКИХ ОТЗЫВОВ В ИНТЕРНЕТЕ

GUNNING FOG-INDEX FOR EVALUATING USER REVIEWS ON THE INTERNET

Выражаем благодарность сайту Banki.ru за возможность анализировать отзывы отечественных банков. Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-310-70042

Плотников Андрей Викторович, кандидат экономических наук, доцент, доцент кафедры менеджмента и маркетинга, Пермский национальный исследовательский политехнический университет, Россия, г. Пермь, 614990, Комсомольский проспект, 29

Plotnikov Andrei V., Candidate of Economic Sciences, Associate Professor, Associate Professor of the Management and Marketing Department, Perm National Research Polytechnic University, Perm, 614990, Komsomolsky Av., 29, Russia. E-mail: plotnikov-av@mail.ru, ORCID: https://orcid.org/0000-0001-5777-3969

Кузнецов Павел Александрович, кандидат экономических наук, доцент кафедры экономики и финансов, Пермский национальный исследовательский политехнический университет, Россия, г. Пермь, 614990, Комсомольский проспект, 29

Kuznetsov Pavel A., Candidate of Economic Sciences, Associate Professor of the Economy and Finance Department, Perm National Research Polytechnic University, Perm, 614990, Komsomolsky Av., 29, Russia

Аннотация. В статье применяется Gunning Fog-Index для текстового анализа отзывов (N=82052) пользователей о Сбербанке. В рамках данной работы была поставлена цель: с помощью расчета Gunning Fog-Index оценить отзывы о качестве оказания банковских услуг, представленных на сайте banki.ru В данных при расчете индекса туманности было выявлено, что отзывы с оценкой 5 отличаются от остальных отзывов. С целью сравнения пар групп отзывов был использован U-критерий Манна-Уитни. Статистическая значимость различия рассчитанных значений Gunning Fog-Index текстовых отзывов с оценками 1-4 и отзывов с оценкой 5 подтверждается значением асимптотической значимости.

Abstract. The paper considers the Gunning Fog-Index for textual analysis of user reviews (N=82052) about Sberbank. As part of this work, the goal was set: using the Gunning Fog-Index calculation to evaluate reviews on the quality of banking services provided on the website banki.ru. We defined the Gunning Fog-Index and determined the difference between reviews with a rating of five and the rest of the reviews. We used the Mann-Whitney U-test to compare pairs of groups of reviews. We confirmed the differences between the values of the Gunning Fog-Index in text reviews with ratings 1-4 and reviews with a rating of five. Asymptotic Significance confirms it.

Ключевые слова: текстовый анализ, индекс туманности, индекс Ганнинга, отзывы пользователей, поведение пользователей, интернет-маркетинг

Keywords: text analysis, fog index, Gunning fog-index, user reviews, user behavior, online marketing

Введение

Существует мнение [9], что положительные отзывы о своем бренде (или ином собственном объекте) или негативные отзывы о конкурентах заказывают сами представители бизнеса. Рынок нестественных отзывов являются не проблемой, а источником дохода – биржи отзывов и комментариев, на которых регистрируются заказчики и исполнители, где сравнительно за небольшую сумму пишутся отзывы на различных платформах. По мнению А.А. Цветковой и К.А. Цветковой [9] ложные отзывы характеризуются краткостью и обычно ограничены двумястами символами.

Пользователи отдают предпочтение выражать негативные эмоции позитивным, и соответственно, распространение позитивных мнений уступает негативу. [4] Этого же мнения придерживается и А.Р. Ахметова, обосновывая такое наблюдение гиперэмоциональностью негативной информации. [2] Это связано с социальными потребностями индивида в поиске поддержки и возможности быть услышанным. А возможно, им управляет в этот момент чувство справедливости или мести. Реализация социальных потребностей сподвигает индивида к поиску потребностей в уважении на основании релевантного опыта, приводящего его в область экспертов. [7] Таким образом, связка потребностей «социальная потребность – потребность в уважении» подтверждает теорию А.Маслоу (примечание авт.: только в этой связке, без учета самореализации и физиологических потребностей).

Найдено интересное исследование [17], в котором изучалось влияние дождливой погоды на рейтинги отзывов клиентов. Ученые определили заниженный балл отзывов, написанных во время дождя. Исключение лишь составил благоприятный опыт от взаимодействия с бизнесом, который ослабил негативное влияние дождливой погоды на рейтинги. Исходя из этого, возможны случаи непогоды и соответственно наплыв новых негативных отзывов, но поверим ли мы в это? Ответ на этот вопрос остается дискуссионным. Если пользователи воспринимают потребление услуг нативно, то найденная информация уменьшает влияние от прочитанных негативных отзывов. [12] Поэтому нативный и (или) благоприятный опыт нивелирует негатив в коммуникации между бизнесом и потребитилем.

Онлайн-коммуникация заключается в появлении следующих атрибутов: количество просмотров отзывов, «лайков» (позитивных реакций), комментариев и т.п. [3], что позволяет на основе значений этих признаков давать оценку отзывам и качеству работы компании. Е.Н. Азначеева предлагает классификацию различий текстовых отзывов: уровень спонтанности самовыражения, объектное акцентирование, экспрессивности /рациональности, когнитивная сложность/ когнитивная простота, смысловая целостность /хаотичность, открытость/сдержанность. [1] Отзывы на онлайн-платформах по своей природе носят неформальный характер. Однако, авторы занимают при этом рефлективную позицию по отношению к самим себе, т. е. пытаются быть по возможности беспристрастными. Таким образом, авторефлексивность, в отличие от самопрезентативности как способности осознанно защищать свою систему ценностей, обусловливает установку авторов производить объективные отзывы. [1]

Рассмотрим практический аспект взаимодействия между бизнесом и пользователями (клиентами). А.А. Цветкова и К.А. Цветкова [9] предлагают практические рекомендации по модерации платформы для размещения отзывов, которые заключается в разработке свода правил и принципов. Данные правила и принципы направлены на избежание размещения ложных («заказных») отзывов, дезинформирующих пользователей, и тем самым, нарушая рыночный баланс, в котором по его правилам должен выигрывать более качественный поставщик продуктов/услуг. Таким образом, оптимальным вариантом ответа на негативный отзыв со стороны бизнеса будет извинение.[18] Отметим, что предоставление ответа (по сравнению с отсутствием ответа) повышает степень доверия клиента к объекту.[15] Что согласуется с результатами исследования [14], в котором ученые из Вьетнама Long Hoang Le и Quang-An Ha (Лонг Хоанг Ле Куанг-Ан Ха) приходят к выводу о том, что своевременная реакция руководства может уменьшить неблагоприятное воздействие негативных отзывов на потенциальных клиентов.

О текстовом анализе

Вопросы понимания текста и его эмпирического прочтения на сегодняшний день решаются с помощью весьма разработанной методологической базы. В частности, эмпирические закономерности (например, закон Ципфа, закон Хипса) позволяют оценить частоту использования отдельных слов в тексте, произвести фильтрацию или ранжирование и пр. [10] [16] Помимо этого, разработано достаточное количество алгоритмов, оценивающих его «удобочитаемость», которые получили выражение в частных формулах. Так, индекс Флеша включает среднюю длину предложения и среднее число слогов [13] [11]. Подобные алгоритмы упрощают восприятие текста и ускоряют работу поисковой системы.

Методы исследования

В рамках данной работы была поставлена цель: с помощью расчета индекса туманности Ганнинга (Gunning Fog-Index) оценить отзывы и сообщения пользователей о качестве оказания банковских услуг, представленных на сайте banki.ru.

При этом индекс рассчитывался по формуле:

Выбор данного метода обусловлен необходимостью понимания уровня трудности текста сообщений, их соответствия уровню образования и сложности в восприятии. Помимо этого, диагностировать возрастные, образовательные и иные характеристики пользователей. В совокупности, подобные результаты способны производить корректировки стратегии взаимодействия организации с отдельными категориями пользователей, процесс оказания отдельных услуг и пр.

Основными этапами анализа стали: 1) выборка отзывов пользователей; 2) количественный анализ выборки в разрезе отдельных характеристик пользователей и сообщений; 3) расчет индекса «туманности» Ганнинга.

Среди несомненных преимуществ выбранной методики необходимо отметить: учет особенностей содержательных характеристик сообщений во взаимосвязи с дифференциацией пользователей в разрезе уровня компетенции, образования и пр. Расшифровка показателей метода, следующая [8]: 70 и выше – не требуется специальной подготовки; до 70 – среднее образование; до 60 – интеллектуальный уровень подготовки; до 30 – для понимания нужен научный уровень подготовки. Это в совокупности позволяет составить представление об обобщенном портрете пользователя, и сделать несколько предположений относительно лояльности пользователей к компании, оказанию услуг и пр.

С целью сравнения пар групп клиентов, поставивших по результатам банковского обслуживания разные оценки (рейтинг, который ставит клиент/пользователь после банковского обслуживания от 1 до 5 (1 очень плохо; 5 – отличное). N=82052), был использован статистический критерий Манна-Уитни. Учитывая, что исследуемые признаки являются количественными (шкалы являются метрическими), и распределение показателей является нормальным, для выявления и оценки тесноты связи между рядами сопоставляемых количественных показателей, был рассчитан коэффициент параметрической корреляции Пирсона.

Результаты исследования

Совокупное количество отзывов, принятое за основу анализа, составило 82052 отзывов. Основной задачей исследования стала оценки «туманности» полученных отзывов и интерпретация данной ситуации.

Осуществляя количественный анализ сообщений на рисунке 1, авторы представили распределение оценок пользователей. Отметим, что примерно 78% отзывов имеют оценку 1 или не имеют оценки вообще.

Проанализируем количество сообщений от одного пользователя (рисунок 2).

Так, минимальное количество сообщений составило 1; максимальное – 27. При этом среднее арифметическое количество сообщений – 1,9. Исходя из графика, очевидно, что значением моды также является – 1.

Проанализируем характер распределение длины текстов сообщений (рисунок 3).

Проиллюстрируем полученные результаты на графике (рисунок 4).

Из рисунка можно сделать несколько закономерных выводов. Прежде всего отметим, что отзывы с оценкой 1-4 имеют в среднем примерно одинаковый индекс, несмотря на то, что попадают в разные кластеры (об этом в следующем абзаце). При этом отзывы со средней оценкой 5 имеют низкий индекс.

Посмотрим распределение отзывов по кластерам, определив для них следующие правила [8]: Если x<30, то 0; если 30=<x<60, то 1; Если 60=<x<70, то 2; Если 70=<x, то 3.

Различия между отзывами с оценками 4 и 5 отзывами с более низкими оценками по значению индекса Ганнинга

С целью сравнения пар групп клиентских отзывов по результатам банковского обслуживания с разными оценками (рейтинг, который ставит клиент после банковского обслуживания от 1 до 5 (1 очень плохо; 5 – отличное)), был использован статистический критерий Манна-Уитни. Непараметрический статистический критерий U-критерий Манна-Уитни выявляет разницу значении какого-либо признака между двумя независимыми выборками.[6] В качестве зависимой переменной было обозначено значение индекса Ганнинга (Gunning Fog-Index).

Итак, с помощью расчета статистического критерия Манна-Уитни были подвергнуты сравнению две пары групп:

1 пара: пользователи, поставившие оценки «1», «2», «3» и 4» (первая подгруппа) и пользователи, поставившие оценку «5» (вторая подгруппа);

2 пара: пользователи, поставившие оценки «1», «2» и «3» (первая подгруппа) и пользователи, поставившие оценку «4» (вторая подгруппа).

Основная гипотеза состоит в том, что отзывы, которым соответствует оценка «5», с большой долей вероятности отличаются от остальных отзывов, то есть среди таких отзывов высок процент, написанных «на заказ», для поднятия рейтинга. Такие отзывы характеризуются сложностью, большим количеством слов и наукообразностью текста.

Поскольку нам известно, что чем более наукообразным и более непонятным является текст отзыва, тем ниже индекс Ганнинга (и наоборот, чем проще и понятнее написаны отзывы, тем индекс Ганнинга выше), то мы предполагаем, что:

в 1 паре: в подгруппе отзывов, поставивших оценки «1», «2», «3» и 4» (первая подгруппа) индекс Ганнинга выше, чем в подгруппе отзывов, поставивших оценку «5» (вторая подгруппа);

во 2 паре: в подгруппе отзывов с оценками «1», «2» и «3» (первая подгруппа) индекс Ганнинга выше, чем в подгруппе отзывов с оценкой «4» (вторая подгруппа).

Вывод по Группе 1: сравнение значений «средний ранг», соответствующих подгруппе отзывов, поставивших оценки «1», «2», «3» и 4» (первая подгруппа) и подгруппе отзывов с оценкой «5» (вторая подгруппа) показывает, что в первой подгруппе индекс Ганнинга действительно выше (таблица 1, таблица 2).

Статистическая значимость данного различия подтверждается значением асимптотической значимости (таблица 3). Поскольку в данном случае намного меньше 0,05 (равно 0,000), мы можем утверждать, что различие исследуемых подгрупп по величине индекса Ганнинга является статистически значимым

Вывод по Группе 2: Сравнение значений «средний ранг», соответствующих подгруппе отзывов с оценками «1», «2» и «3» (первая подгруппа) и подгруппе отзывов с оценкой «4» (вторая подгруппа) показывает, что в первой подгруппе индекс Ганнинга действительно выше (таблица 4, таблица 1).

Статистическая значимость данного различия подтверждается значением асимптотической значимости (таблица 5). Поскольку в данном случае намного меньше 0,05 (равно 0,000), мы можем утверждать, что различие исследуемых подгрупп по величине индекса Ганнинга является статистически значимым.

При этом наличие закономерности: «чем выше оценка», тем ниже значение индекса Ганнинга не подтверждается значением коэффициента корреляции между соответствующими показателями.

Поскольку исследуемые показатели являются количественными (шкалы являются метрическими), и распределение показателей является нормальным, для выявления и оценки тесноты связи между рядами сопоставляемых количественных атрибутов отзывов был рассчитан коэффициент параметрической корреляции Пирсона.

Коэффициент корреляции Пирсона [5] – это параметрический метод, который используется с целью статистического изучения связи между явлениями. При использовании коэффициента корреляции условно оценивают тесноту связи между признаками, считая: абсолютные значения rxy < 0,3 – слабая связь; rxy от 0,3 до 0,7 – связь средней тесноты; rxy > 0,7 – сильная связь.

Так, коэффициент корреляции Пирсона между показателями «Оценка» и «Индекс Ганнинга» составил =-0,013 (корреляция значима на уровне 0,01), таблица 6. Это значит, что взаимосвязь между показателями практически отсутствует.

Сравнение средних значений индекса Ганнинга для групп, выделенных по признаку поставленной пользователем оценки, позволяет сделать следующий вывод: на основе полученных данных, произведем расчет индекса Ганнинга с учетом поправочного коэффициента 0,78. Индекс Ганнинга отзывов пользователей, поставивших оценку «5», в среднем намного ниже, чем индекс Ганнинга отзывов с оценками от «1» до «4» (таблица 7).

Это значит, что отзывы пользователей с оценкой «5» являются более наукообразным, сложными и непонятными, по сравнению со всеми остальными отзывами. При этом значение индекса Ганнинга для остальных групп отзывов с оценками «1», «2», «3» и «4» различаются слабо.

Различия между отзывами, имеющими и не имеющими оценку по значению индекса Ганнинга

С целью сравнения пар групп клиентов, поставивших по результатам банковского обслуживания оценки (рейтинг, который ставит клиент после банковского обслуживания от 1 до 5 (1 очень плохо; 5 – отличное)) и клиентов, не поставивших оценки, был использован статистический U-критерий Манна-Уитни. В качестве зависимой переменной было обозначено значение индекса Ганнинга.

Итак, с помощью расчета статистического критерия Манна-Уитни были подвергнуты сравнению две пары групп:

1 пара: отзывы с оценками «1», «2», «3», «4» и «5» (первая подгруппа) и отзывы без оценок (вторая подгруппа);

2 пара: отзывы с оценками «1», «2», «3» и «4» (первая подгруппа) и отзывы без оценок (вторая подгруппа).

Основная гипотеза состоит в том, что отзывы, не имеющие оценки, с большой долей вероятности являются более понятными и написаны преимущественно простым языком (имеют более высокий индекс Ганнинга). Предполагается, что такой пользователь при написании отзыва ставит себе задачу не столько поставить саму оценку, сколько дательно описать впечатления от обслуживания.

Поскольку нам известно, что чем более наукообразным и более непонятным является текст отзыва, тем ниже индекс Ганнинга (и наоборот, чем проще и понятнее написаны отзывы, тем индекс Ганнинга выше), то мы предполагаем, что:

в 1 паре: в подгруппе отзывов, поставивших оценки «1», «2», «3», «4» и «5» (первая подгруппа) индекс Ганнинга ниже, чем в подгруппе отзывов, не поставивших оценку (вторая подгруппа);

во 2 паре: в подгруппе отзывов, поставивших оценки «1», «2», «3» и «4» (первая подгруппа) индекс Ганнинга ниже, чем в подгруппе отзывов, не поставивших оценку (вторая подгруппа).

Вывод по Группе 3: Сравнение значений «средний ранг», соответствующих подгруппе отзывов, поставивших оценки «1», «2», «3», «4» и «5» (первая подгруппа) и подгруппе отзывов, не поставивших оценку, показывает, что в первой подгруппе индекс Ганнинга выше (таблица 8, таблица 1).

Статистическая значимость данного различия подтверждается значением асимптотической значимости (таблица 9). Поскольку в данном случае меньше 0,05 (равно 0,000), мы можем утверждать, что различие исследуемых подгрупп по величине индекса Ганнинга является статистически значимым.

Таким образом, согласно выводу по Группе 3, отзывы, не имеющие оценки, с большей долей вероятности (чем с оценками от 1 до 5) являются сложными и наукообразными (имеют более низкий индекс Ганнинга).

Вывод по Группе 4: Сравнение значений «средний ранг», соответствующих подгруппе отзывов, поставивших оценки «1», «2», «3» и «4» (первая подгруппа) и подгруппе отзывов, не поставивших оценку (вторая подгруппа) показывает, что в первой подгруппе индекс Ганнинга выше (таблица 10, таблица 1).

Статистическая значимость данного различия подтверждается значением асимптотической значимости (таблица 11). Поскольку в данном случае намного меньше 0,05 (равно 0,000), мы можем утверждать, что различие исследуемых подгрупп по величине индекса Ганнинга является статистически значимым.

Таким образом, согласно выводу по Группе 4, отзывы, не имеющие оценки, с большей долей вероятности (чем с оценками от 1 до 4) являются сложными и наукообразными (имеют более низкий индекс Ганнинга).

Итак, согласно выводу по Группе 3, отзывы, не имеющие оценки, с большей долей вероятности (чем с оценками от 1 до 5) являются сложными и наукообразными (имеют более низкий индекс Ганнинга).

Согласно выводу по Группе 4, отзывы, не имеющие оценки, с большей долей вероятности (чем с оценками от 1 до 4) являются сложными и наукообразными (имеют более низкий индекс Ганнинга).

Таким образом, по результатам применения расчета критерия Манна-Уитни можно утверждать, что основная гипотеза опровергнута: отзывы, не имеющие оценки, с большой долей вероятности являются менее понятными и написаны преимущественно простым языком (имеют более низкий индекс Ганнинга). Данный вывод подтверждается также в результате сравнения средних значений индекса Ганнинга для групп, выделенных по признаку поставленной пользователем оценки, или ее отсутствия (таблица 12).

Так, мы видим, что максимальное значение индекса Ганнинга зафиксировано для подгруппы отзывов, поставивших оценки от 1 до 4 (в особенности оценки «2» «3»), на втором месте – подгруппа отзывов, не поставивших оценку, и, наконец, минимальное значение данного индекса зафиксировано для подгруппы отзывов, поставивших за обслуживание оценку «5».

Это значит, что более сложными и наукообразными являются отзывы пользователей, поставивших за обслуживание оценку «5», на втором месте по сложности отзывов – подгруппа отзывов, не поставивших оценку. Отзывы подгруппы отзывов, поставивших оценки от 1 до 4 (в особенности оценки «2» «3») характеризуются наибольшей понятностью и простотой (максимальное значение индекса Ганнинга).

Таким образом, гипотеза о том, что отзывы, не имеющие оценки, с большой долей вероятности являются более понятными и написаны преимущественно простым языком (имеют более высокий индекс Ганнинга) не подтвердилась. Мы можем сделать такой вывод: отзывы с оценками «1», «2», «3», «4» приблизительно равновероятно являются понятными, простыми и эмоциональными, в то время как среди отзывов с оценкой «5» чаще встречаются сложные, наукообразные, или же «дежурные», т.е. написанные ради приличия, как некий акт вежливости. Подгруппа отзывов, не поставивших оценку, находится на втором месте по сложности отзывов (после подгруппы отзывов, поставивших в своих отзывах оценку «5»).

Заключение

По результатам исследования можно утверждать, что основная гипотеза опровергнута: отзывы, не имеющие оценки, с большой долей вероятности являются менее понятными и написаны преимущественно простым языком. Более сложными и наукообразными являются отзывы пользователей, поставивших за обслуживание оценку «5», на втором месте по сложности отзывов – подгруппа отзывов, не поставивших оценку. Отзывы подгруппы отзывов, поставивших оценки от 1 до 4 (в особенности оценки «2» «3») характеризуются наибольшей понятностью и простотой.

Подобные тенденции можно трактовать следующим образом. Во-первых, пользователей, которые пишут положительные отзывы, можно отнести к отдельной категории населения, обладающих высоким уровнем культурного развития, поскольку их отзывы насыщены сложными словами. Во-вторых, данные отзывы могут носить иную природу. Поэтому тексты отзывов с оценкой «пять» содержат много непонятных слов, которые намеренно усложняют лексику, делая текст более туманным. Таким образом, отзывы с оценок 5 имеют отличный характер от остальных отзывов.

Резюмируем, что на основе количественного анализа сообщений отзывов пользователей удалось разделить клиентский состав на две группы, обладающих предположительно различным уровнем образования (согласно теории индекса Ганнинга); прийти к умозаключению о наличии иной природы отзывов, опосредованных действиями конкурентов в банковском секторе.

Список источников

  1. Азначеева Е.Н. Стилистико-языковые параметры рефлексивного самоотчета в интернет-коммуникации (на примере интернет-отзывов о нейроакустических программах) // Вестник ЧелГУ. 2019. №10 (432). – с. 8-14.
  2. Ахметова А.Р. Топоним «Уфа» в креолизованных интернет-отзывах // Вестник ЧелГУ. 2020. №1 (435). С. 15-20.
  3. Еремина М.А. Речевой жанр отзыва в коммуникативном пространстве Интернета // Научный диалог. 2016. С. 34-45
  4. Климкина А. Г. Инструменты продвижения продукции: маркетинг из уст в уста // Актуальные проблемы авиации и космонавтики. 2019. №2. С.809-811.
  5. Критерий корреляции Пирсона [Электронный ресурс] – Режим доступа: https://medstatistic.ru/methods/methodshtml
  6. Критерий Манна-Уитни в психологии [Электронный ресурс] – Режим доступа: https://spravochnick.ru/psihologiya/kriteriy_manna-uitni_v_psihologii/
  7. Терских М.В. Жанр интернет-отзыва в туристическом дискурсе (маркетинговый потенциал) // Политическая лингвистика. 2014. №4. С. 274-283.
  8. Фог-индекс [Электронный ресурс] – режим доступа: https://ru.megaindex.com/support/faq/index-gunninga
  9. Цветкова А.А., Цветкова К.А. Отзывы потребителей как элемент интернет-маркетинга // Символ науки. №6. С. 169-172.
  10. Bogert J. In defense of the Fog Index //The Bulletin of the Association for Business Communication. – 1985. – Т. 48. – №. 2. – С. 9-12.
  11. Fadziah Y. N. et al. Penerapan Algoritma Enchanced Confix Stripping dalam Pengukuran Keterbacaan Teks Menggunakan Gunning Fog Index //JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer. – 2018. – Т. 1. – №. 1. – С. 15-24.
  12. Golmohammadi A., Mattila A. S., Gauri D. K. Negative online reviews and consumers’ service consumption //Journal of Business Research. – 2020. – Т. 116. – С. 27-36.
  13. Kecojevic A., Basch C. H., Garcia P. Readability analysis of online health information on preexposure prophylaxis (PrEP) //Public health. – 2020. – Т. 182. – С. 53-55.
  14. Le L. H., Ha Q. A. Effects of negative reviews and managerial responses on consumer attitude and subsequent purchase behavior: An experimental design //Computers in Human Behavior. – 2021. – С. 106912.
  15. Sparks B. A., So K. K. F., Bradley G. L. Responding to negative online reviews: The effects of hotel responses on customer inferences of trust and concern //Tourism Management. – 2016. – Т. 53. – С. 74-85.
  16. Strong R. A. Using Gunning’s Fog Index with term papers and outside reading lists //Journal of Financial Education. – 1986. – С. 63-67.
  17. Zhang Z. et al. How rainy-day blues affect customers’ evaluation behavior: Evidence from online reviews //International Journal of Hospitality Management. – 2022. – Т. 100. – С. 103090. https://doi.org/10.1016/j.ijhm.2021.103090
  18. Zhao H., Jiang L., Su C. To Defend or Not to Defend? How Responses to Negative Customer Review Affect Prospective customers’ Distrust and Purchase Intention //Journal of Interactive Marketing. – 2020. – Т. 50. – С. 45-64.

References

  1. Aznacheeva E.N. Stilistiko-yazy`kovy`e parametry` refleksivnogo samootcheta v internet-kommunikacii (na primere internet-otzy`vov o nejroakusticheskix programmax) // Vestnik ChelGU. 2019. №10 (432). – s. 8-14.
  2. Axmetova A.R. Toponim «Ufa» v kreolizovanny`x internet-otzy`vax // Vestnik ChelGU. 2020. №1 (435). S. 15-20.
  3. Eremina M.A. Rechevoj zhanr otzy`va v kommunikativnom prostranstve Interneta // Nauchny`j dialog. 2016. S. 34-45
  4. Klimkina A. G. Instrumenty` prodvizheniya produkcii: marketing iz ust v usta // Aktual`ny`e problemy` aviacii i kosmonavtiki. 2019. №2. S.809-811.
  5. Kriterij korrelyacii Pirsona [E`lektronny`j resurs] – Rezhim dostupa: https://medstatistic.ru/methods/methods8.html
  6. Kriterij Manna-Uitni v psixologii [E`lektronny`j resurs] – Rezhim dostupa: https://spravochnick.ru/psihologiya/kriteriy_manna-uitni_v_psihologii/
  7. Terskix M.V. Zhanr internet-otzy`va v turisticheskom diskurse (marketingovy`j potencial) // Politicheskaya lingvistika. 2014. №4. S. 274-283.
  8. Fog-indeks [E`lektronny`j resurs] – rezhim dostupa: https://ru.megaindex.com/support/faq/index-gunninga
  9. Czvetkova A.A., Czvetkova K.A. Otzy`vy` potrebitelej kak e`lement internet-marketinga // Simvol nauki. 2015. №6. S. 169-172.
  10. Bogert J. In defense of the Fog Index //The Bulletin of the Association for Business Communication. – 1985. – T. 48. – №. 2. – S. 9-12.
  11. Fadziah Y. N. et al. Penerapan Algoritma Enchanced Confix Stripping dalam Pengukuran Keterbacaan Teks Menggunakan Gunning Fog Index //JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer. – 2018. – T. 1. – №. 1. – S. 15-24.
  12. Golmohammadi A., Mattila A. S., Gauri D. K. Negative online reviews and consumers’ service consumption //Journal of Business Research. – 2020. – T. 116. – S. 27-36.
  13. Kecojevic A., Basch C. H., Garcia P. Readability analysis of online health information on preexposure prophylaxis (PrEP) //Public health. – 2020. – T. 182. – S. 53-55.
  14. Le L. H., Ha Q. A. Effects of negative reviews and managerial responses on consumer attitude and subsequent purchase behavior: An experimental design //Computers in Human Behavior. – 2021. – S. 106912.
  15. Sparks B. A., So K. K. F., Bradley G. L. Responding to negative online reviews: The effects of hotel responses on customer inferences of trust and concern //Tourism Management. – 2016. – T. 53. – S. 74-85.
  16. Strong R. A. Using Gunning’s Fog Index with term papers and outside reading lists //Journal of Financial Education. – 1986. – S. 63-67.
  17. Zhang Z. et al. How rainy-day blues affect customers’ evaluation behavior: Evidence from online reviews //International Journal of Hospitality Management. – 2022. – T. 100. – S. 103090. https://doi.org/10.1016/j.ijhm.2021.103090
  18. Zhao H., Jiang L., Su C. To Defend or Not to Defend? How Responses to Negative Customer Review Affect Prospective customers’ Distrust and Purchase Intention //Journal of Interactive Marketing. – 2020. – T. 50. – S. 45-64.

Для цитирования: Плотников А.В., Кузнецов П.А. Gunning fog-index для оценки пользовательских отзывов в интернете // Московский экономический журнал. 2021. № 10. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-10-2021-30/

© Плотников А.В., Кузнецов П.А., 2021. Московский экономический журнал, 2021, № 10.