La polaridad y el desequilibrio positivo de las valoraciones realizadas en plataformas con sistemas de reputación bilateralel caso de airbnb

Laburpena

Los comentarios y calificaciones que evalúan los productos y servicios en los mercados online deben reflejar de forma genuina la valoración que realizan los clientes de su experiencia. En distintas plataformas online y, de forma particular, en plataformas peer to peer (p2p) como Airbnb, en las que la confianza es clave para mitigar el riesgo y la incertidumbre percibidas, se ha identificado una alta polaridad y desequilibrio positivo en las calificaciones y comentarios aportados por los huéspedes. El presente estudio tiene como objetivo identificar factores relacionados con el desajuste entre la experiencia real y la valoración pública de la experiencia en plataformas con sistemas de reputación bilateral dedicadas al alojamiento vacacional. En la consecución de este objetivo se estudia, de manera secuencial y con tres enfoques metodológicos que se corresponden con tres análisis diferenciados: (1) La valoración pública de la experiencia, mediante el análisis de online reviews utilizando una herramienta de text mining, structural topic modeling; (2) Las estrategias de producción de reputación y el papel de la interacción anfitrión-huésped en la valoración de la experiencia mediante entrevistas en profundidad; (3) Las fuentes posibles de distorsión en las reviews mediante el planteamiento de un modelo de ecuaciones estructurales. Los resultados apuntan al componente estratégico y social en la producción de feedback, a una mayor tolerancia o indulgencia en la valoración del servicio en este tipo de plataformas, así como a la relación anfitrión-huésped que favorece lo anterior. Se presentan implicaciones teóricas referidas a la construcción de la reputación en entornos digitales e implicaciones prácticas para el diseño de estos sistemas de reputación. De forma adicional se reflexiona sobre el papel del denominado electronic word of mouth (eWOM) en este tipo de plataformas, sobre las posibilidades y los límites del big data para la comprensión de este tipo de fenómenos, así como sobre la aportación de la investigación cualitativa para su comprensión.