Reviews zijn een van de weinige soorten openbare Amazon-informatie die door kopers zelf worden geschreven. Deze gids legt uit wat je eruit kunt halen, waar de grenzen liggen voor verzameling en gebruik, en hoe oorzaken uit negatieve reviews kunnen leiden tot betere productselectie en productpagina’s.
Op Amazon behoren productreviews tot de weinige soorten content die door kopers zelf worden geschreven en openbaar leesbaar zijn. De waarde zit niet in het aantal reviews, maar in de redenen die kopers geven voor hun ontevredenheid. Zulke informatie staat nooit op de eigen productpagina van een verkoper.
Wat openbare reviews kunnen laten zien
Vier vragen zijn het meest direct te beantwoorden: is de vraag in deze categorie echt of al over zijn piek heen; waar zijn concurrenten zwak; hoe beschrijven kopers in hun eigen woorden wat ze willen; en waarom verkopen concurrerende producten goed.
Om de vraag te beoordelen, kijk je zowel naar het totale aantal reviews als naar de verdeling over de tijd. Een ouder product met veel opgebouwde reviews maar vrijwel geen nieuwe reviews in de afgelopen zes maanden bevindt zich in een heel andere situatie dan een product dat elke maand stabiel nieuwe reviews krijgt. Voor zwakke punten van concurrenten kijk je vooral naar reviews van 1 tot 3 sterren. Het zijn er misschien minder, maar elke review beschrijft vaak een concreet probleem. Wat kopers belangrijk vinden, haal je uit vaak terugkerende woorden en vooral uit hun eigen formuleringen, niet uit termen van een keywordtool. Waarom een concurrent goed verkoopt, zie je vaak aan één of twee voordelen die steeds terugkomen in positieve reviews en meestal ook prominent op de productpagina worden benadrukt.
Negatieve reviews hebben de hoogste informatiedichtheid
Positieve reviews laten alleen zien dat iemand heeft gekocht; negatieve reviews vertellen waarom iemand niet opnieuw zou kopen. Lees de laag beoordeelde reviews van de belangrijkste concurrenten bij elkaar en de problemen blijken vaak sterk geconcentreerd: afmetingen of capaciteit komen niet overeen met het echte product, verpakking raakt tijdens transport beschadigd, de handleiding is moeilijk te begrijpen, een functie ontbreekt of wijkt af van de beschrijving, of de klantenservice reageert langzaam.
Classificeer reviews tijdens het lezen in categorieën zoals kwaliteit, logistiek, afmetingen, afwijking van de beschrijving en ontbrekende functies. Een probleem is pas een gemeenschappelijk pijnpunt als het herhaaldelijk in verschillende reviews voorkomt; één klacht is niet genoeg.
Een stap die gemakkelijk wordt vergeten, is letten op tegenstellende zinnen in negatieve reviews. Formuleringen als “alles is goed behalve dit ene punt” wijzen vaak op een duidelijk en oplosbaar gebrek en zijn daardoor bruikbaarder dan een review die van begin tot eind alleen boos is.
Gebruik alleen openbare data en bepaal eerst de grenzen
Het analyseren van openbare reviews is normale marktonderzoek. Dat is iets anders dan beveiligingen van een platform omzeilen om data te verkrijgen. Een aantal grenzen moet je niet overschrijden:
- Houd je aan de robots-regels en gebruiksvoorwaarden van het platform en gebruik geen automatisering die expliciet verboden is;
- Beperk de frequentie van verzoeken. Zeer veel verzoeken kunnen als belasting van de server worden gezien; dat is een regelkwestie en niet alleen een technisch probleem;
- Omzeil geen CAPTCHA’s, logincontroles of vergelijkbare verificatiemechanismen. Het feit dat ze bestaan, zegt al iets over het beleid van het platform;
- Verwerk alleen reviewcontent die openbaar leesbaar is. Persoonsgegevens zoals bijnamen en profielfoto’s van kopers horen niet in de verzameling;
- Gebruik de verkregen data niet om reviews te manipuleren of kopers te misleiden.
De organisatie kan licht blijven
De meeste verkopers hebben geen zogenoemde grootschalige dataverzameling nodig. Kies een paar belangrijke concurrenten en lees per product 30 tot 50 laag beoordeelde reviews. Classificeer ze tijdens het lezen en stop met de steekproef zodra je drie gemeenschappelijke problemen in de categorie duidelijk kunt navertellen. Conclusies uit handmatig lezen behouden hun context en zijn vaak nuttiger dan een grote berg tekst die wel is verzameld maar nooit is bekeken.
Zet conclusies om in acties
Een probleem alleen zien is praktisch hetzelfde als niets doen. Voeg aan de productkant gemeenschappelijke pijnpunten toe aan de communicatielijst voor leveranciers of aan ontwikkelvereisten. Beantwoord op de productpagina terugkerende vragen uit negatieve reviews alvast, bijvoorbeeld met een maattabel, installatie-instructies of uitleg over de verpakking. Neem aan de keywordkant de woorden van kopers zelf op in de titel en bulletpoints en vervang formuleringen die alleen de verkoper zelf precies vindt.
Data organiseren in een multi-accountomgeving
Wanneer een team meerdere winkels of marktplaatsen tegelijk beheert, staan reviews en spreadsheets vaak verspreid over verschillende accountomgevingen, waardoor de data moeilijk samen te gebruiken is. Het is gebruikelijk om voor verschillende sites en rollen van elkaar gescheiden browseromgevingen te maken. Met de multi-accountomgevingen van PurpleMark kan elke loginstatus apart worden opgeslagen en centraal worden beheerd, terwijl de onderliggende data gescheiden blijft.
Het rendement van reviewanalyse hangt af van hoe nauwkeurig je leest, niet van hoeveel je verzamelt. Houd de scope bij openbare data en besteed de meeste aandacht aan het achterhalen van oorzaken; meestal is dat voldoende.
