El proyecto de Amazon tiene como objetivo analizar el impacto de las calificaciones de los clientes en las decisiones de inversión de las empresas cotizadas en bolsa. Se recopiló información de Amazon.com desde mayo de 1996 hasta octubre de 2018 en la base de datos de la Universidad de California San Diego (UCSD). Estos datos constan de dos partes, metadatos y comentarios, que pueden ser vinculados a través del ID del producto. El objetivo del proyecto es vincular los productos a la compañía matriz que finalmente se beneficiase de la venta. Sin embargo, hay desafíos que deben abordarse, como la precisión de los nombres de las marcas, los valores faltantes, la disponibilidad de una lista exhaustiva de empresas cotizadas en bolsa a lo largo de los años, la información confiable sobre las marcas producidas por las empresas y el ajuste de los nombres de las marcas de la base de datos de UCSD con las marcas producidas por las empresas.

El primer paso en el proceso fue crear una lista de empresas públicas y marcas descargando los nombres de empresas públicas de Nanex y realizando una búsqueda en Google para encontrar las filiales relacionadas. Luego, los nombres de las filiales se compararon con el nombre de la empresa pública utilizando el paquete Fuzzywuzzy en Python. Los resultados de este proceso se filtraron para retener solo la información relevante. Después de una intensa manipulación de datos, el análisis preliminar muestra que los comentarios de Amazon son (a) capaces de predecir futuros rendimientos y (b) están correlacionados con el nivel de inversión en I+D y CAPX de las empresas que venden a través de Amazon.