AI Summary & Key Takeaways
AI InsightThe study provides a typology-based, data-driven contribution to the literature on excessive pricing and pricing ethics and highlights the analytical value of digital complaint data for understanding consumer behavior.
📌 3 Key Takeaways
Abstract
Excessive pricing, particularly during periods of crisis, is often perceived by consumers as unfair and unethical, strongly triggering complaint behavior. With digitalization, such reactions have become more visible, persistent, and public through online complaint platforms. This study aims to examine digital consumer complaints about excessive pricing within the framework of consumer complaint typology, test the validity of the existing typology using large-scale digital data, and analytically classify consumers’ levels of anger expressed in their complaints. The dataset comprises 22,112 consumer complaints retrospectively retrieved from the Şikayetvar platform on December 6, 2022, using the keywords “excessive” and “excessive price” and identified as directly related to excessive pricing. The existing five-category consumer complaint typology— informers, comparers, providers of evidence and support, individual action takers, and consumers requesting action from authorities—was applied through deductive content analysis. Anger levels were identified inductively without relying on a pre-existing classification, and the coded data were analyzed using machine learning algorithms. The findings demonstrate that consumer complaint types are distinguishable within digital complaint discourse and can be classified by machine learning models with meaningful accuracy and F1 scores. Systematic relationships were also identified between complaint types and anger levels. Consumers requesting action from authorities were concentrated at high anger levels, whereas informers were characterized by low anger levels. The study provides a typology-based, data-driven contribution to the literature on excessive pricing and pricing ethics and highlights the analytical value of digital complaint data for understanding consumer behavior.
Özet
Fahiş fiyatlandırma, özellikle kriz dönemlerinde tüketiciler tarafından adaletsiz ve etik dışı bir uygulama olarak algılanmakta ve şikâyet davranışlarını tetiklemektedir. Dijitalleşmeyle birlikte bu tepkiler, çevrim içi şikâyet platformlarında daha görünür, kalıcı ve kamusal hale gelmiştir. Bu çalışmanın amacı, fahiş fiyatlandırmaya yönelik dijital tüketici şikâyetlerini tüketici şikâyet tipolojisi çerçevesinde incelemek, mevcut tipolojinin büyük ölçekli dijital veri üzerindeki geçerliğini test etmek ve şikâyetlerdeki kızgınlık düzeylerini analitik olarak sınıflandırmaktır. Araştırmanın veri seti, Şikayetvar platformunda 6 Aralık 2022 tarihinde “fahiş” ve “fahiş fiyat” anahtar kelimeleriyle yapılan geriye dönük taramadan elde edilen, fahiş fiyatlandırmayla doğrudan ilişkili 22.112 tüketici şikâyetinden oluşmaktadır. Alan yazınındaki beşli tüketici şikâyet tipolojisi—bilgilendirenler, kıyaslayanlar, kanıt ve destek sunanlar, bireysel eylemde bulunanlar ve yetkililerden eyleme geçmesini isteyenler— tümdengelimsel içerik analiziyle uygulanmıştır. Kızgınlık düzeyleri ise hazır bir sınıflandırma kullanılmaksızın tümevarımsal içerik analiziyle belirlenmiş, kodlanan veriler makine öğrenmesi algoritmalarıyla analiz edilmiştir. Bulgular, tüketici şikâyet tiplerinin dijital şikâyet söylemlerinde ayırt edilebilir olduğunu ve makine öğrenmesi modelleriyle anlamlı doğruluk ve F1 skorlarıyla sınıflandırılabildiğini göstermektedir. Ayrıca tüketici tipleri ile kızgınlık düzeyleri arasında sistematik ilişkiler bulunmuştur. Yetkililerden eylem bekleyen tüketiciler yüksek, bilgilendiren tüketiciler ise düşük kızgınlık düzeyinde yoğunlaşmıştır. Çalışma, fahiş fiyatlandırma ve fiyat etiği literatürüne tipoloji temelli, veri odaklı bir katkı sunmakta ve dijital şikâyet verilerinin tüketici davranışlarını anlamadaki analitik değerini ortaya koymaktadır.