Les données des sites Web de commerce social peuvent fournir des informations essentielles aux propriétaires d'entreprise avant qu'ils ne prennent des décisions qui pourraient déterminer si une nouvelle entreprise réussit ou échoue, une étude de l'Oregon State University montre.

Les sites de commerce social tels que le site d'avis et de recommandations Yelp collectent de grandes quantités de données auprès d'une variété d'utilisateurs, y compris les avis des clients, répartition géographique des entreprises dans une zone donnée, et les « enregistrements » des clients qui donnent une idée de la circulation piétonnière.

Ces informations peuvent fournir aux propriétaires d'entreprise des informations précieuses sur l'environnement concurrentiel dans lequel ils opèrent ou envisagent d'opérer, a déclaré l'auteur principal de l'étude, Xiaohui Chang, professeur adjoint au College of Business de l'OSU.

Chang et le co-auteur Jiexun Li de la Western Washington University ont développé un outil qui utilise les données collectées via un site de commerce social, y compris des détails tels que les types d'entreprises dans un quartier, leurs horaires, la disponibilité du stationnement et d'autres caractéristiques des consommateurs, pour aider à déterminer si un emplacement a plus de chances de réussir qu'un autre.

« Propriétaires de petites entreprises, en particulier, avoir beaucoup de choix lors de l'ouverture d'une nouvelle entreprise, y compris où se situer, " dit Chang. " Avec ce modèle, nous utilisons les données de commerce social existantes pour vous aider à déterminer quel emplacement sera le plus performant."

Les résultats sont publiés dans le numéro de juillet de la revue Systèmes experts avec applications .

L'étude a été conçue comme un moyen de répondre à la question séculaire de savoir pourquoi certaines entreprises réussissent et d'autres pas, dit Chang. Le travail est particulièrement applicable aux petites entreprises. Alors que les grandes entreprises peuvent consacrer des ressources à la collecte et à l'analyse des données financières, les petites entreprises peuvent ne pas disposer de tous ces outils lorsqu'elles recherchent où ouvrir ou quelles heures d'ouverture conserver.

Les chercheurs se sont concentrés sur les restaurants car la majorité des nouvelles petites entreprises sont des restaurants, et beaucoup échouent dans la première année d'ouverture.

Pour l'étude, les chercheurs ont examiné l'exactitude de quatre modèles différents de prévision des performances commerciales. Le modèle d'affinité des attributs est un modèle de base qui examine les attributs intrinsèques des entreprises sans tenir compte de l'emplacement ou de la concurrence.

Le modèle géographique, qui a été utilisé et testé par d'autres chercheurs, suggère que les entreprises qui sont proches les unes des autres et partagent des attributs similaires sont susceptibles de faire aussi bien. Le modèle contextuel, qui est un nouveau modèle, examine les attributs de l'entreprise et de l'environnement qui pourraient contribuer au succès d'une entreprise ; deux entreprises distantes de centaines de kilomètres avec des attributs similaires et des quartiers environnants pourraient atteindre des performances similaires. Le modèle hybride utilise à la fois des modèles contextuels et géographiques, qui comprennent également des aspects du modèle d'affinité.

Les chercheurs ont utilisé les données des restaurants de la région de Phoenix de Yelp, un site de commerce social qui aide les consommateurs à trouver des entreprises utilisant des services de géolocalisation, pour tester chaque modèle. Yelp a mis certaines de ses données à la disposition des chercheurs et cette étude a utilisé des données de 2013.

Ils ont découvert que le modèle hybride était le meilleur moyen de prédire si un restaurant réussirait. Les attributs commerciaux et les environnements environnants jouent un rôle important, dit Chang.

Des recherches supplémentaires sont nécessaires pour tester pleinement comment le modèle pourrait être utilisé pour aider une nouvelle entreprise à prendre des décisions, et de déterminer si cela fonctionne également pour d'autres types d'entreprises, dit Chang. En outre, des entreprises de commerce social telles que Yelp, Trip Advisor ou Foursquare, qui collectent une mine de données géolocalisées, pourrait utiliser le modèle pour aider les entreprises à améliorer leurs activités.

« Vous pourriez obtenir régulièrement de nouvelles prévisions de performances et les données pourraient être utilisées pour aider les entreprises à résoudre des problèmes ou à rester dynamiques, " a déclaré Chang. " Si une entreprise similaire a plus de succès et que vous pouvez utiliser des données de localisation pour déterminer que le succès est dû en partie à la disponibilité du stationnement, heures ou prix, vous pouvez prendre des décisions sur la base de ces informations.