Proyectos de investigación

Nuestro proyecto investiga cómo las reseñas de clientes online de Amazon.com pueden ser una poderosa fuente de información granular que ayude a las empresas a internalizar las opiniones de los clientes para tomar mejores decisiones de inversión a medio y largo plazo. La primera etapa del proyecto ha consistido en construir un puente entre el producto y las marcas en el mercado de Amazon con los respectivos propietarios que figuran en la lista pública, para asignar revisiones de productos al propietario final del producto. Esto nos permitirá vincular las reseñas de los clientes con los datos financieros de las empresas de la base de datos CRSP. En el lado de Amazon, tenemos acceso a un conjunto de datos de productos y reseñas que abarca desde 1996 hasta 2018, mientras que para productos y marcas propiedad de entidades públicas, una investigación exhaustiva ha establecido que no existe una lista completa, ni pública ni privada. Por lo tanto, para superar este desafío, hasta ahora nos hemos basado en cuatro fuentes alternativas de marcas y productos de la empresa: la base de datos de productos Factset Revere, las búsquedas de Google, la base de datos Capital IQ de S&P y SEC 10-Ks.

Los resultados obtenidos de esta primera exploración de estas fuentes se han basado en un total de 190.000 reseñas para 9.876 marcas. Dada nuestra pequeña muestra de reseñas, hemos realizado una primera etapa de análisis, con resultados algo ambiguos, que en este momento son difíciles de conciliar con los hallazgos de Huang (2018). También hemos realizado regresiones de CAPX en diferentes medidas de calificaciones promedio, con algo de ruido en los resultados, principalmente dada la pequeña muestra emparejada.

Actualmente estamos trabajando para mejorar nuestro ejercicio de matching para tener un espectro más amplio de reviews. Con este fin, estamos extrayendo datos de la base de datos de la Oficina de Patentes y Marcas Registradas de los Estados Unidos, ya que las patentes y las marcas registradas representarán las marcas. Luego, los datos de patentes y marcas comerciales se compararán con los respectivos propietarios que explotan la API de búsqueda web de Bing, ya que existen peculiaridades en este tipo de datos que no nos permiten dar por sentado este enlace.

Una vez completada esta segunda etapa de matching, tendremos un conjunto de datos satisfactorio con marcas y empresas que se vinculará a datos financieros y revisiones para realizar un análisis económico significativo. Con esta información, utilizando econometría de datos de panel y regresiones multivariadas, podremos estimar el Q marginal de forma granular, así como la actividad de fusiones y adquisiciones.