Diseñar mejores sistemas de reseñas en línea

Las reseñas en línea están transformando la forma en que los consumidores eligen productos y servicios de todo tipo. Recurrimos a TripAdvisor para planificar unas vacaciones, a Zocdoc para encontrar un médico y a Yelp para elegir un nuevo restaurante. Las reseñas pueden crear valor tanto para los compradores como para los vendedores, pero solo si alcanzan un nivel crítico de cantidad y calidad. Los autores describen los principios para establecer los incentivos, las opciones de diseño y las reglas que ayudan a las plataformas de reseñas a prosperar.

Para hacer frente a la escasez de reseñas, las empresas pueden aumentarlas contratando revisores o extrayendo reseñas de otras plataformas, ofreciendo incentivos o agrupando productos. Para abordar el sesgo de selección, pueden solicitar revisiones, permitir comentarios privados y diseñar las instrucciones con cuidado. Para combatir las reseñas fraudulentas y estratégicas, pueden establecer reglas para los revisores y llamar a los moderadores, ya sean empleados, la comunidad o los algoritmos.

•••

Resumen de la idea

La promesa

Los sistemas de opiniones, como las puntuaciones de los conductores en Uber y Lyft, las reseñas de productos en Amazon y las recomendaciones de hoteles en TripAdvisor, influyen cada vez más en las decisiones de los consumidores. Los buenos sistemas dan a los compradores la confianza que necesitan para realizar una compra y generan más ventas (y más clientes que regresan) para los vendedores.

El problema

Muchos sistemas no cumplen sus promesas: tienen muy pocas reseñas o las reseñas son engañosas o poco útiles. Detrás de muchos fallos del sistema de revisión hay una suposición común: que crear estos sistemas representa un desafío tecnológico más que de gestión.

La solución

Quienes creen y mantengan estos sistemas deben tomar decisiones de diseño que conduzcan a mejores experiencias tanto para los consumidores como para los críticos.

Las reseñas en línea están transformando la forma en que los consumidores eligen productos y servicios: recurrimos a TripAdvisor para planificar unas vacaciones, a Zocdoc para encontrar un médico y a Yelp para encontrar nuevos restaurantes. Los sistemas de reseñas también desempeñan un papel central en los mercados online, como Amazon y Airbnb. En términos más generales, un número creciente de organizaciones (desde Stanford Health Care hasta nueve de las 10 mayores tiendas minoristas de EE. UU.) mantienen ahora ecosistemas de reseñas para ayudar a los clientes a conocer sus ofertas. Si se gestiona bien, un sistema de reseñas crea valor tanto para los compradores como para los vendedores. Los sistemas fiables pueden dar a los consumidores la confianza que necesitan para comprar un producto relativamente desconocido, ya sea un libro nuevo o una cena en un restaurante local. Por ejemplo, una investigación realizada por uno de nosotros (Mike)[encontrado](https://www.hbs.edu/faculty/Publication%20Files/12-016_a7e4a5a2-03f9-490d-b093-8f951238dba2.pdf) que las puntuaciones más altas en Yelp se traducen en más ventas. Este efecto es mayor en las empresas independientes, cuya reputación está menos establecida. Las reseñas también crean un ciclo de retroalimentación que proporciona a los proveedores información valiosa: por ejemplo, las valoraciones permiten a Uber eliminar de su servicio a los conductores con bajo rendimiento y pueden ofrecer a los productores de bienes de consumo orientación para mejorar sus ofertas. Pero a pesar de cada sistema de reseñas próspero, muchos otros son estériles y no atraen a los críticos ni a otros usuarios. Y algunos acumulan muchas reseñas, pero no logran fomentar la confianza de los consumidores en su capacidad informativa. Si todas las opiniones en una plataforma son positivas, por ejemplo, las personas pueden dar por sentado que los artículos que se valoran son todos de alta calidad o pueden concluir que el sistema no puede ayudarlos a diferenciar lo bueno de lo malo. Las reseñas pueden resultar engañosas si ofrecen una instantánea incompleta de las experiencias.[Fraudulento](https://www.cnn.com/2019/04/16/tech/amazon-tech-fake-reviews-trnd/index.html) o las reseñas egoístas pueden obstaculizar los esfuerzos de las plataformas por generar confianza.[Investigación](https://pubsonline.informs.org/doi/abs/10.1287/mnsc.2015.2304?journalCode=mnsc) de Mike y Georgios Zervas ha descubierto que es especialmente probable que las empresas cometan fraude en las reseñas cuando su reputación tiene problemas o la competencia es particularmente intensa. Detrás de muchos fallos del sistema de revisión hay una suposición común: que crear estos sistemas representa un desafío tecnológico más que de gestión. Los líderes empresariales suelen invertir mucho en la tecnología detrás de un sistema, pero no gestionan activamente el contenido, lo que genera problemas comunes. Las implicaciones de una mala elección de diseño pueden ser graves: cuesta imaginar que los viajeros confíen en Airbnb sin una forma de que los anfitriones se ganen una reputación (lo que se basa en gran medida en las reseñas), o que los compradores puedan navegar por Amazon sin problemas sin reseñas. Como académicos, Hyunjin y Mike han investigado las decisiones de diseño que llevan a algunas plataformas online al éxito y otras al fracaso, y han trabajado con Yelp y otras empresas para ayudarlas en este sentido (Hyunjin también es becario de investigación económica en Yelp). Y como COO de Yelp durante más de una década, Geoff ayudó a que su ecosistema de reseñas se convirtiera en una de las principales fuentes de información sobre los servicios locales del mundo. Las críticas totalmente positivas en una plataforma no ayudan a diferenciar las buenas de las malas. En los últimos años, un creciente número de investigaciones ha explorado las opciones de diseño que pueden conducir a sistemas de reseñas y reputación más sólidos. Basándose en nuestra investigación, enseñanza y trabajo con las empresas, este artículo explora los marcos para gestionar un ecosistema de reseñas y arroja luz sobre los problemas que pueden surgir y los incentivos y las opciones de diseño que pueden ayudar a evitar los errores más comunes. Analizaremos cada uno de estos problemas con más detalle y describiremos cómo abordarlos. ## No hay suficientes reseñas Cuando Yelp comenzó, era por definición una nueva plataforma, un pueblo fantasma, con pocos críticos o lectores. Muchos sistemas de reseñas tienen escasez de reseñas, especialmente cuando están empezando. Si bien la mayoría de las personas leen las reseñas para informar de una compra, solo una pequeña fracción escribe reseñas en cualquier plataforma que utilice. Esta situación se ve agravada por el hecho de que las plataformas de reseñas tienen un fuerte efecto de red: es particularmente difícil atraer a los redactores de reseñas en un mundo con pocos lectores y difícil atraer lectores en un mundo con pocas reseñas. Le sugerimos tres enfoques que pueden ayudar a generar un número adecuado de reseñas: _sembrar el sistema, ofrecer incentivos,_ y _agrupar productos relacionados_ para mostrar sus reseñas juntas. La combinación correcta de enfoques depende de factores como el punto en el que se encuentra el sistema en su trayectoria de crecimiento, el número de productos individuales que se incluirán y los objetivos del propio sistema. ### Sembrando reseñas. Las plataformas en fase inicial pueden considerar la posibilidad de contratar revisores o de obtener reseñas de otras plataformas (mediante una asociación y con la atribución adecuada). Para crear suficiente valor para que los usuarios de una nueva ciudad empezaran a visitar Yelp y a aportar sus propias reseñas, la empresa reclutó equipos pagados de «exploradores» a tiempo parcial que añadían fotos y reseñas personales durante unos meses hasta que la plataforma se hizo popular. Para otras empresas, asociarse con plataformas especializadas en reseñas también puede resultar útil, tanto para las que quieren crear su propio ecosistema de reseñas como para las que quieren mostrar opiniones pero no tienen intención de crear su propia plataforma. Empresas como Amazon y Microsoft obtienen reseñas de Yelp y otras plataformas para poblar sus sitios. Para las plataformas que buscan hacer crecer su propio ecosistema de reseñas, sembrar reseñas puede resultar especialmente útil en las primeras etapas, ya que no se necesita una marca establecida para incentivar la actividad. Sin embargo, un gran número de productos o servicios pueden hacer que sea caro y las reseñas que reciba pueden diferir de las del contenido generado de forma orgánica, por lo que algunas plataformas, según sus objetivos, pueden beneficiarse de ir rápidamente más allá de la publicidad inicial. ### Ofrecer incentivos. Motivar a los usuarios de la plataforma para que aporten opiniones y valoraciones puede ser una opción escalable y también puede crear una sensación de comunidad. El incentivo que utilice podría ser financiero: en 2014[Oferta de Airbnb](https://www.semanticscholar.org/paper/Bias-and-Reciprocity-in-Online-Reviews%3A-Evidence-on-Fradkin-Grewal/159485ce42f0462f3f01d6d732cf1e5452588f72) un cupón de 25 dólares a cambio de reseñas y supuso un aumento del 6,4% en las tasas de reseñas. Sin embargo, los incentivos no financieros (como obsequios en especie o símbolos de estatus) también pueden motivar a los críticos, especialmente si su marca está bien establecida. En el programa Local Guides de Google, los usuarios ganan puntos cada vez que contribuyen con algo a la plataforma: escriben una reseña, añaden una foto, corrigen el contenido o responden a una pregunta. Pueden convertir esos puntos en recompensas que van desde el acceso anticipado a los nuevos productos de Google hasta una mejora gratuita de 1 TB del almacenamiento de Google Drive. El «equipo de élite» de Yelp, formado por críticos prolíficos y de alta calidad, recibe una designación especial en la plataforma junto con invitaciones a fiestas y eventos privados, entre otros beneficios. Los incentivos financieros pueden convertirse en un desafío si tiene una amplia gama de productos. Pero una preocupación mayor puede ser que, si no están bien diseñados, los incentivos financieros y no financieros puedan resultar contraproducentes, ya que hacen que los usuarios llenen el sistema reseñas rápidas pero descuidadas que no ayudan a otros clientes. ### Productos para agrupar. Al reconsiderar la unidad de valoración, puede hacer que un solo comentario se aplique a varios productos. En Yelp, por ejemplo, los estilistas que comparten espacio de salón reciben reseñas juntas en un solo anuncio de salón. Esta agregación aumenta considerablemente el número de reseñas que Yelp puede acumular para una empresa determinada, ya que en la página de la empresa aparece una reseña de cualquier estilista. Además, dado que muchos salones tienen una rotación regular entre sus estilistas, la reputación del salón es al menos tan importante para el cliente potencial como la del estilista. Del mismo modo, las plataformas de reseñas pueden generar reseñas más útiles pidiendo a los usuarios que opinen _vendedores_ (como en eBay) en lugar de separar todos los productos vendidos. Decidir desde el principio si agrupar los productos en un sistema de reseñas y cómo hacerlo puede resultar útil, ya que establece de qué trata la plataforma. (¿Es este un lugar para obtener información sobre estilistas o salones?) La agrupación se hace especialmente atractiva a medida que se amplía el espacio de productos, ya que tiene más artículos que agrupar de formas útiles.  Sean McCabe Sin embargo, un riesgo de este enfoque es que agrupar productos para conseguir más reseñas puede no ofrecer a los clientes la información que necesitan sobre una oferta en particular. Tenga en cuenta, por ejemplo, si la experiencia de visitar a cada estilista en el salón es muy diferente y si la opinión de un estilista sería relevante para los posibles clientes de otro. La agrupación de reseñas de Amazon en su librería tiene en cuenta el formato del libro que el lector quiere comprar. Las reseñas de las ediciones de texto del mismo título (tapa dura, tapa blanda y Kindle) aparecen juntas, pero el audiolibro se reseña por separado, con la marca Audible. Para los clientes que desean obtener información sobre el contenido de los libros, sería beneficioso agrupar las reseñas de todos los audiolibros y libros físicos. Sin embargo, dado que la calidad de la producción de audio y la información sobre el narrador son factores importantes para los compradores de audiolibros, puede resultar beneficioso mantener esas reseñas separadas. Todas estas estrategias pueden ayudar a superar la escasez de reseñas, lo que permitirá que el desarrollo del contenido sea más autosuficiente a medida que más lectores se beneficien de la plataforma e interactúen con ella. Sin embargo, las plataformas deben tener en cuenta no solo el volumen de reseñas, sino también su información, lo que puede verse afectado por el sesgo de selección y los juegos del sistema. ## Sesgo de selección ¿Ha escrito alguna vez una reseña en línea? Si es así, ¿qué le hizo decidir hacer comentarios en esa ocasión en particular? Las investigaciones han demostrado que la decisión de los usuarios de dejar una opinión suele depender de la calidad de su experiencia. En algunos sitios, es más probable que los clientes dejen comentarios si su experiencia ha sido buena; en otros, solo si ha sido muy buena o muy mala. En cualquier caso, las valoraciones resultantes pueden verse afectadas por un sesgo de selección: es posible que no representen con precisión la gama completa de experiencias de los clientes con el producto. Si solo las personas satisfechas dejan comentarios, por ejemplo, las valoraciones se aumentarán artificialmente. El sesgo de selección puede hacerse aún más pronunciado cuando las empresas solo empujan a los clientes satisfechos a dejar una reseña. eBay se enfrentó al desafío del sesgo de selección en 2011, cuando se dio cuenta de que las puntuaciones de sus vendedores eran sospechosamente altas: la mayoría de los vendedores del sitio tenían más del 99% de valoraciones positivas. La empresa trabajó con los economistas Chris Nosko y Steven Tadelis y[encontrado](http://faculty.haas.berkeley.edu/stadelis/EPP.pdf) que los usuarios tenían muchas más probabilidades de dejar una reseña después de una buena experiencia: de los 44 millones de transacciones que se habían realizado en el sitio, solo el 0,39% tenían reseñas o valoraciones negativas, pero más del doble (el 1%) tenían una «boleta de disputa» real y más de siete veces (el 3%) habían llevado a los compradores a intercambiar mensajes con los vendedores que implicaban una mala experiencia. Que los compradores decidieran o no opinar sobre un vendedor era, de hecho, un mejor indicador de las futuras quejas y, por lo tanto, un mejor indicador de la calidad que la valoración del vendedor. Algunos sitios solo reciben reseñas si la experiencia ha sido muy buena o muy mala. eBay planteó la hipótesis de que podría mejorar la experiencia de los compradores y, por lo tanto, las ventas, al corregir el sesgo de selección de los evaluadores y diferenciar más claramente a los vendedores de mayor calidad. Reformuló las puntuaciones de los vendedores como el porcentaje de todas las puntuaciones de un vendedor _transacciones_ que generó valoraciones positivas (en lugar del porcentaje de valoraciones positivas). Esta nueva medida arrojó una media del 67%, con un margen sustancial en la distribución de las puntuaciones, y los clientes potenciales que estuvieron expuestos a las nuevas puntuaciones tenían más probabilidades que un grupo de control de volver y realizar otra compra en el sitio. Al trazar las puntuaciones en su plataforma de forma similar, puede investigar si sus valoraciones están sesgadas, qué tan grave puede ser el problema y si los datos adicionales podrían ayudarlo a solucionarlo. Se puede diseñar cualquier sistema de revisión para mitigar el sesgo al que es más probable que se enfrente. Todo el proceso de revisión (desde la pregunta inicial hasta los mensajes que reciben los usuarios al escribir sus opiniones) brinda la oportunidad de empujar a los usuarios a comportarse de manera menos sesgada. Experimentar con las opciones de diseño puede ayudar a mostrar cómo reducir el sesgo en la autoselección de los revisores, así como cualquier tendencia que los usuarios tengan a calificar de una manera determinada. ### Requerir reseñas. Un enfoque más torpe exige que los usuarios revisen una compra antes de realizar otra. Pero tenga cuidado: esto puede hacer que algunos clientes abandonen la plataforma y provocar una avalancha de valoraciones no informativas que los clientes utilizan por defecto, lo que crea ruido y un tipo diferente de error en sus reseñas. Por esta razón, las plataformas suelen buscar otras formas de minimizar el sesgo de selección. ### Permitir comentarios privados. Los economistas John Horton y Joseph Golden[encontrado](https://pdfs.semanticscholar.org/b90a/f87887292b1241db6dd4d698a3527f2b5d99.pdf) que en el sitio de reseñas de autónomos Upwork, los empleadores se mostraban reacios a dejar reseñas públicas tras una experiencia negativa con un autónomo, pero estaban dispuestos a dejar comentarios que solo Upwork pudiera ver. (Los empleadores que denunciaron malas experiencias en privado siguieron dando la mayor cantidad posible de comentarios del público casi el 20% de las veces). Esto proporcionó a Upwork información importante (sobre cuándo los usuarios estaban o no dispuestos a dejar una reseña y sobre los autónomos problemáticos) que podía utilizar para cambiar el algoritmo que sugería coincidencias entre autónomos o para proporcionar comentarios agregados sobre los autónomos. Los comentarios agregados cambiaron las decisiones de contratación e indicaron que se trataba de información adicional relevante. ### Diseñe las instrucciones con cuidado. De manera más general, los comentarios que dejan las personas dependen de cómo y cuándo se les pida que los dejen. Las plataformas pueden minimizar los sesgos en las reseñas diseñando cuidadosamente los diferentes aspectos del entorno en los que los usuarios deciden si van a opinar o no. Este enfoque, a menudo denominado _arquitectura elegida_—un término acuñado por Cass Sunstein y Richard Thaler (los autores de Nudge: Mejorar las decisiones sobre la salud, la riqueza y la felicidad)—se aplica a todo, desde la redacción de las solicitudes hasta el número de opciones que se le dan al usuario. En un experimento que hicimos en Yelp, variamos los mensajes que pedían a los usuarios que dejaran una opinión. Algunos usuarios vieron el mensaje genérico «La próxima reseña espera», mientras que a otros se les pidió que ayudaran a las empresas locales a ser descubiertas o a otros consumidores a encontrar empresas locales. Descubrimos que este último grupo solía escribir reseñas más largas. ## Reseñas fraudulentas y estratégicas Los vendedores a veces tratan (de forma poco ética) de aumentar sus valoraciones dejando comentarios positivos para sí mismos o negativos para sus competidores, mientras se hacen pasar por clientes reales. Esto se conoce como _astroturfing._ Cuanto más influyente sea la plataforma, más gente intentará usar césped artificial. Debido al daño que puede causar el astroturfing a los consumidores, los responsables políticos y los reguladores se han implicado. En 2013, Eric Schneiderman, entonces fiscal general del estado de Nueva York, emprendió una operación para abordarlo, citando nuestra investigación como parte de la motivación. La oficina de Schneiderman anunció un acuerdo con 19 empresas que habían ayudado a escribir reseñas falsas en las plataformas online, por el que se les obligaba a dejar esa práctica y a pagar una fuerte multa por cargos que incluían publicidad falsa y prácticas comerciales engañosas. Pero, al igual que ocurre con el robo en tiendas, las empresas no pueden confiar simplemente en las fuerzas del orden; para evitar los peligros de las reseñas falsas, también deben establecer sus propias protecciones. Como se explica en un artículo que Mike escribió con Georgios Zervas, algunas empresas, incluida Yelp, llevan a cabo operaciones encubiertas para identificar y abordar a las empresas que intentan dejar reseñas falsas. Un desafío relacionado surge cuando compradores y vendedores se valoran entre sí y elaboran sus reseñas para obtener valoraciones más altas por parte de la otra parte. Tenga en cuenta la última vez que se alojó en un Airbnb. Después, se le pidió que dejara una opinión sobre el anfitrión, a quien también se le pidió que dejara una opinión sobre usted. Hasta 2014, si dejaba su opinión antes que el anfitrión, podía leerla antes de decidir qué escribir sobre usted. ¿El resultado? Puede que se lo piense dos veces antes de dejar una reseña negativa. Las opciones de diseño de la plataforma y la moderación del contenido desempeñan un papel importante a la hora de reducir el número de reseñas fraudulentas y estratégicas. ### Establezca reglas para los revisores. Las elecciones de diseño comienzan por decidir quién puede revisar y qué reseñas destacar. Por ejemplo, Amazon muestra un icono cuando una reseña es de un comprador verificado del producto, lo que puede ayudar a los consumidores a detectar posibles reseñas fraudulentas. Expedia va más allá y solo permite a los huéspedes que hayan reservado a través de su plataforma dejar una opinión allí.[Investigación](https://www.aeaweb.org/articles?id=10.1257/aer.104.8.2421) de Dina Mayzlin, Yaniv Dover y Judith Chevalier, demuestra que una política de este tipo puede reducir el número de reseñas fraudulentas. Al mismo tiempo, las normas más estrictas sobre quién puede dejar una opinión pueden ser un instrumento contundente que reduzca significativamente el número de reseñas y revisores genuinos. La plataforma debe decidir si la ventaja de reducir las posibles falsificaciones supera el coste de tener menos reseñas legítimas. No importa lo bueno que sea el diseño de su sistema, necesitará moderadores de contenido. Las plataformas también deciden cuándo se pueden enviar y mostrar las reseñas. Tras darse cuenta de que las personas que no escriben reseñas tienen experiencias sistemáticamente peores que las que escriben, Airbnb implementó una regla de «revelación simultánea» para impedir las opiniones recíprocas entre huéspedes y anfitriones y permitir comentarios más completos. La plataforma ya no muestra las valoraciones hasta que el huésped y el anfitrión las hayan proporcionado y fija una fecha límite tras la cual caduca la posibilidad de opinar. Tras este cambio, la empresa realizó una investigación de Andrey Fradkin, Elena Grewal y David Holtz[encontrado](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2939064) que la valoración media de los huéspedes y los anfitriones disminuyó, mientras que las tasas de reseñas aumentaron, lo que sugiere que los críticos tenían menos miedo de dejar comentarios después de una mala experiencia, ya que estaban protegidos de represalias. ### Llame a los moderadores. No importa lo buenas que sean las elecciones de diseño de su sistema, es probable que tenga problemas. El spam puede colarse. Los malos actores pueden intentar jugar con el sistema. Las reseñas que eran muy relevantes hace dos años pueden quedar obsoletas. Y algunos comentarios son simplemente más útiles que otros. Se pueden descartar reseñas de personas que no compran, por ejemplo, pero incluso algunas de las que quedan pueden resultar engañosas o menos informativas. La moderación puede eliminar las reseñas engañosas en función de su contenido, no solo por quién las escribió o cuándo se escribieron. La moderación del contenido viene en tres tipos: empleado, comunidad y algoritmo. Los moderadores de los empleados (también llamados administradores de la comunidad) pueden dedicar sus días a utilizar el servicio de forma activa, interactuar en Internet con otros usuarios, eliminar contenido inapropiado y enviar comentarios a la dirección. Esta opción es la más cara, pero puede ayudarle a entender rápidamente qué funciona y qué no y a garantizar que alguien gestione lo que aparece en el sitio en todo momento. La moderación de la comunidad permite a todos los usuarios ayudar a detectar y señalar el contenido deficiente, desde reseñas exageradas artificialmente hasta spam y otros tipos de abuso. Yelp tiene un icono sencillo que los usuarios pueden publicar para enviar información sobre una reseña que acosa a otro crítico o que parece tener que ver con algún otro asunto. Amazon pregunta a los usuarios si cada opinión es útil o no útil y emplea esos datos para elegir qué reseñas se muestran primero y para suprimir las que no sean útiles. Sin embargo, a menudo solo una pequeña fracción de los usuarios señala la calidad del contenido, por lo que se necesita una masa crítica de usuarios comprometidos para que los sistemas de señalización de la comunidad funcionen. El tercer enfoque para moderar el contenido se basa en algoritmos. El software de recomendaciones de Yelp procesa docenas de factores sobre cada opinión a diario y varía las reseñas que aparecen más destacadas como «recomendadas». En 2014, la empresa dijo que se recomendaban menos del 75% de las reseñas escritas en un momento dado. Amazon, Google y TripAdvisor han implementado algoritmos de calidad para las reseñas que eliminan el contenido ofensivo de sus plataformas. Por supuesto, los algoritmos pueden ir más allá de una clasificación binaria y, en cambio, evaluar el peso que se debe asignar a cada valoración. Mike ha escrito un[papel](https://link.springer.com/article/10.1007/s11129-017-9194-9) con Daisy Dai, Ginger Jin y Jungmin Lee, que explora el problema de la agregación de calificaciones y destaca cómo la asignación de ponderaciones a cada calificación puede ayudar a superar los desafíos del proceso de revisión subyacente. ## Ponerlo todo junto Las experiencias de los demás siempre han sido una fuente importante de información sobre la calidad de los productos. La Academia Estadounidense de Médicos de Familia, por ejemplo, sugiere que las personas consulten a sus amigos y familiares para obtener información sobre los médicos y obtener recomendaciones. Las plataformas de reseñas han acelerado y sistematizado este proceso, lo que facilita el aprovechamiento de la sabiduría de la multitud. Las reseñas en línea han sido útiles tanto para los clientes como para las plataformas y los responsables políticos. Hemos utilizado los datos de Yelp, por ejemplo, para analizar temas que van desde entender cómo cambian los barrios durante los períodos de[gentrificación](https://www.aeaweb.org/articles?id=10.1257/pandp.20181034) a estimar el impacto de[subidas del salario mínimo](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2951110) sobre los resultados empresariales. Pero para que las reseñas sean útiles (para los consumidores, los vendedores y el público en general), las personas que gestionan los sistemas de reseñas deben pensar detenidamente en las decisiones de diseño que toman y en cómo reflejar con mayor precisión las experiencias de los usuarios. Read more on [**Marketing**](/topic/subject/marketing?ab=articlepage-topic) or related topics [**Customer experience**](/topic/subject/customer-experience?ab=articlepage-topic) and [**Social media**](/topic/subject/social-media?ab=articlepage-topic)