Bewertungen von Kunden im Internet entsprechen einer Studie zufolge oft nicht den Bewertungen der Stiftung Warentest. Nur in knapp einem Drittel von rund 1300 untersuchten Elektronikprodukten war der Testsieger von Stiftung Warentest auch der mit der besten Bewertung bei Amazon, wie eine Studie der Technischen Universität Dortmund ergab, aus der die Stiftung Warentest am Montag zitierte. Fazit der Untersuchung ist demnach, dass sich Sterne-Bewertungen bei Amazon nicht gut eignen, um die Qualität eines Produkts einzuschätzen.
Die Technische Universität Dortmund verglich die Bewertungen von Amazon-Kunden für 1322 Elektronikprodukte wie Smartphones, Kopfhörer und Toaster mit Testurteilen der Stiftung Warentest aus den Jahren 2014 bis 2017. Die Stiftung Warentest nannte am Montag zwei Gründe, warum die Urteile in vielen Fällen auseinandergehen.
Zum einen sei das Mittelmaß bei Amazon angeblich unterrepräsentiert - vor allem Käufer, die sich sehr positiv oder sehr negativ äußern, machen sich die Mühe einer Bewertung, wie die Verbraucherorganisation schrieb. Viele Produkteigenschaften könnten Laien zudem nicht selbst prüfen, etwa Schadstoffe in Kopfhörern, die Datensicherheit bei Baby-Webcams oder die elektrische Sicherheit von Haartrocknern.
Die Bewertungen anderer Käufer im Internet seien dennoch "nützliche Hinweise", erklärte die Stiftung Warentest weiter. Dazu müssten sie aber "richtig" genutzt werden. Potenzielle Käufer sollten bei den negativen Kritiken nach Übereinstimmungen suchen, die auf einen Mangel hinweisen könnten. Bewertungen wie "flott geliefert" sollten ausgeblendet werden, um nicht die Bewertung der Produktqualität zu beeinflussen.
Vorsicht ist laut Stiftung Warentest bei besonders langen Bewertungen geboten - sie könnten von bezahlten Rezensenten stammen. Bei Zweifeln können Verbraucher auf das Amazon-Profil eines solchen Rezensenten klicken und sich seine übrigen Kritiken anschauen.
Amazon berechnet die Bewertung mit bis zu fünf Sternen nach eigenen Angaben gegenüber der Verbraucherorganisation mithilfe eines maschinell gelernten Modells. Es berücksichtigt demnach Faktoren wie das Alter einer Bewertung, die Beurteilung der Nützlichkeit durch Kunden oder ob die Bewertungen aus geprüften Einkäufen stammen.
