Der Vier-Sterne-Korridor: Warum Kundenbewertungen kaum noch etwas trennen

Wir haben 1.740 bewertete Produkte aus 239 Kategorien untersucht. Dabei ging es uns nicht darum, herauszufinden, welches Produkt besonders gut oder schlecht ist. Uns interessierte eine grundsätzlichere Frage:

Das Ergebnis ist ernüchternd. Die Sterne sind keineswegs bedeutungslos. Aber in vielen Produktgruppen unterscheiden sie schlicht nicht mehr genug, um eine Kaufentscheidung sinnvoll darauf aufzubauen.

Was wir untersucht haben

Für unsere Produktvergleiche erfassen wir neben anderen Merkmalen auch die Sternebewertung und die Zahl der dazugehörigen Rezensionen.

Über 239 Kategorien hinweg kamen so 1.815 Produktdatensätze zusammen. Für 1.740 davon lag eine Sternebewertung vor. Hinter diesen Bewertungen stehen insgesamt 4.629.514 einzelne Kundenrezensionen.

Diesen Datenbestand haben wir einmal nicht benutzt, um Produkte miteinander zu vergleichen, sondern um die Bewertungen selbst zu untersuchen.

Wie verteilen sich die Sterne? Wie groß sind die Unterschiede innerhalb einer Kategorie? Welche Rolle spielt die Zahl der Rezensionen? Und macht der Preis einen Unterschied?

Die Ergebnisse haben auch unsere eigene Art verändert, Produktbewertungen zu beurteilen.

Eine wichtige Einschränkung vorweg

Befund 1: Die untere Hälfte der Sterne-Skala findet praktisch nicht statt

Eine Sternebewertung reicht theoretisch von eins bis fünf.

In der Realität spielt sich der größte Teil des Geschehens jedoch ganz oben auf dieser Skala ab.

Von den 1.740 ausgewerteten Produkten lagen:

• 0,6 % unter 3,0 Sternen,
• 0,9 % zwischen 3,0 und 3,4 Sternen,
• 8,2 % zwischen 3,5 und 3,9 Sternen,
• 49 % zwischen 4,0 und 4,4 Sternen,
• 41,3 % bei mindestens 4,5 Sternen.

Damit erreichen 90,3 Prozent aller untersuchten Produkte vier Sterne oder mehr.

Noch auffälliger wird es am unteren Ende: Zwischen 1,0 und 3,4 Sternen befinden sich gerade einmal 26 von 1.740 Produkten. Das sind nur 1,5 Prozent.

Mit anderen Worten: Ein großer Teil der theoretisch verfügbaren Skala wird praktisch kaum genutzt.

Der Durchschnitt über alle untersuchten Produkte liegt bei 4,345 Sternen.

Wer zwei Produkte miteinander vergleicht, entscheidet deshalb nur selten zwischen einem offensichtlich schlechten und einem offensichtlich guten Produkt. Viel häufiger stehen beispielsweise 4,2 und 4,5 Sterne nebeneinander.

Und genau da beginnt das Problem: Wenn sich fast alles im selben schmalen Bereich bewegt, verliert die Bewertung einen großen Teil ihrer Trennschärfe.

Befund 2: In 59 Prozent der Kategorien gibt es nicht einmal einen Ausreißer nach unten

Noch deutlicher wird das, wenn man nicht alle Produkte gemeinsam betrachtet, sondern einzelne Produktkategorien.

In 140 von 239 untersuchten Kategorien gibt es kein einziges Produkt mit weniger als vier Sternen.

Damit wird eine scheinbar einfache Frage überraschend schwierig: Welches Produkt ist besser bewertet?

Befund 3: Innerhalb einer Kategorie trennt oft kaum mehr als ein halber Stern

Für Käufer ist die Verteilung über alle möglichen Produkte natürlich nur bedingt interessant.

Beim Kauf eines Staubsaugers hilft es wenig zu wissen, wie Wasserkocher oder Hochstühle bewertet werden. Entscheidend ist der Abstand zwischen den Produkten, die tatsächlich gegeneinander antreten.

Deshalb haben wir für jede Kategorie mit mindestens sechs bewerteten Produkten berechnet, wie weit das am besten und das am schlechtesten bewertete Modell auseinanderliegen. 222 Kategorien erfüllten diese Voraussetzung.

In 35 Kategorien lagen sämtliche Produkte innerhalb eines Bereichs von gerade einmal 0,3 Sternen. In weiteren 57 Kategorien betrug die gesamte Spanne höchstens 0,5 Sterne. Bei 130 Kategorien war der Abstand größer.

Der Median über alle 222 Kategorien lag bei 0,6 Sternen.

Das heißt: Selbst zwischen dem am besten und dem am schlechtesten bewerteten Produkt einer typischen Kategorie liegt gerade einmal gut ein halber Stern.

Und dieser Unterschied verteilt sich oft auf acht, neun oder zehn Produkte, die sich gleichzeitig erheblich bei Preis, Größe, Material, Leistung oder Ausstattung unterscheiden können.

Besonders enge Bewertungsfelder fanden wir bei ganz unterschiedlichen Produkten — darunter Dauerbackfolie, Kühlschränke mit Gefrierfach, Schaumfestiger und Duschmatten. Ein klares Muster nach Preis oder Produktart konnten wir dabei nicht erkennen.

Befund 4: Beim Preis liegen Welten dazwischen — bei den Sternen kaum etwas

Noch deutlicher wird die geringe Spreizung der Bewertungen, wenn man sie mit dem Preis vergleicht.

Dafür haben wir innerhalb derselben Kategorien untersucht, wie weit günstigstes und teuerstes Produkt preislich auseinanderliegen.

In der mittleren Kategorie kostet das teuerste Produkt etwa das 4-fache des günstigsten. Zwischen der besten und der schlechtesten Sternebewertung derselben Kategorie liegen dagegen im Median nur 0,6 von fünf Sternen.

In 73 von 211 untersuchten Kategorien ist das Missverhältnis besonders deutlich: Das teuerste Produkt kostet dort mindestens dreimal so viel wie das günstigste, während zwischen bester und schlechtester Bewertung höchstens ein halber Stern liegt.

Das ist für Kaufentscheidungen durchaus relevant.

Befund 5: Extreme Bewertungen treten vor allem bei wenigen Rezensionen auf

Einer der interessantesten Befunde betrifft nicht die Höhe der Bewertung selbst, sondern die Frage, wie belastbar sie eigentlich ist.

Wir haben die Produkte deshalb nach ihrer Zahl an Rezensionen gruppiert und geprüft, wie häufig besonders hohe oder besonders niedrige Bewertungen vorkommen.

Bei Produkten mit weniger als 50 Rezensionen erreichten 15,6 Prozent eine Bewertung von mindestens 4,7 Sternen. Bei Produkten mit mindestens 5.000 Rezensionen waren es nur noch 2,8 Prozent. Spitzenwerte treten bei dünner Datenbasis damit rund 5,6-mal häufiger auf.

Auf den ersten Blick könnte man dahinter manipulierte oder gekaufte Bewertungen vermuten. Unsere Daten sprechen allerdings nicht für diese Erklärung.

Denn auch das andere Extrem tritt bei wenigen Rezensionen häufiger auf.

Von den Produkten mit weniger als 50 Rezensionen liegen 19,6 Prozent unter vier Sternen. Bei Produkten mit mindestens 5.000 Rezensionen sind es lediglich 2,3 Prozent.

Mit zunehmender Zahl an Bewertungen verschwinden also sowohl besonders gute als auch besonders schlechte Werte. Das spricht für einen einfachen statistischen Effekt: Wenige Stimmen führen zu größeren Schwankungen.

Befund 6: Drei von zehn Produkten haben nur eine dünne Bewertungsbasis

Wenn die Zahl der Rezensionen so wichtig für die Aussagekraft des Sternewerts ist, stellt sich zwangsläufig die nächste Frage: Wie viele Produkte haben überhaupt genügend Bewertungen?

Von 1.737 hierfür ausgewerteten Produkten besitzen 517 weniger als 200 Rezensionen. Das entspricht rund 30 Prozent. 275 Produkte — etwa 16 Prozent — haben sogar weniger als 50 Rezensionen.

Warum das einen Unterschied macht, lässt sich an einem einfachen Beispiel zeigen.

Bei einem Produkt mit 50 Rezensionen reichen wenige zusätzliche sehr schlechte Bewertungen aus, um den angezeigten Durchschnitt sichtbar zu verändern. Bei 5.000 Rezensionen fallen dieselben zusätzlichen Stimmen praktisch nicht mehr ins Gewicht.

Auf einer Produktseite werden beide Bewertungen trotzdem fast gleich dargestellt: eine Zahl mit einer Nachkommastelle und daneben die bekannten Sterne. Die Rezensionszahl steht zwar ebenfalls dort, wird visuell aber meist wesentlich weniger prominent dargestellt.

Befund 7: Teurere Produkte werden nicht besser bewertet

Danach wollten wir wissen, ob wenigstens der Preis einen erkennbaren Zusammenhang mit der Bewertung zeigt. Wer mehr bezahlt, könnte schließlich erwarten, ein hochwertigeres Produkt zu erhalten — und dieses entsprechend besser bewerten.

In unseren Daten ist davon praktisch nichts zu sehen.

Die durchschnittlichen Bewertungen nach Preisklasse:

• unter 25 €: 4,359 Sterne
• 25 bis 59 €: 4,325 Sterne
• 60 bis 149 €: 4,351 Sterne
• 150 € und mehr: 4,356 Sterne

Zwischen der günstigsten und der teuersten Gruppe liegen gerade einmal 0,034 Sterne.

Praktisch bedeutet das: Ein günstiges Produkt wird im Durchschnitt fast genauso bewertet wie ein deutlich teureres.

Eine mögliche Erklärung ist, dass Kunden mit ihrer Bewertung nicht unbedingt die absolute Qualität eines Produkts beurteilen. Sie bewerten eher, ob das Produkt ihre Erwartungen erfüllt hat. Und diese Erwartungen verändern sich mit dem Preis.

Ein 15-Euro-Produkt muss deshalb nicht dieselben Ansprüche erfüllen wie ein Produkt für 300 Euro, um am Ende dieselbe Sternebewertung zu bekommen.

Befund 8: Wo die Sterne wirklich auseinanderliegen, sind die Unterschiede enorm

Der Vier-Sterne-Korridor gilt allerdings nicht ausnahmslos.

Es gibt Produktgruppen, in denen die Bewertungen deutlich stärker auseinanderliegen. Dort liefert die Sternebewertung tatsächlich wieder relevante Information.

Zu den Kategorien mit besonders großen Spannen gehören:

Auffällig ist, dass sich darunter mehrere junge oder technisch weniger ausgereifte Produktgruppen befinden. Etablierte Hersteller und Gelegenheitsanbieter treffen hier teilweise direkt aufeinander.

Einzelne Produkte funktionieren offenbar tatsächlich deutlich schlechter als andere — und genau dann wird dieser Unterschied auch in den Bewertungen sichtbar.

Das Gegenstück dazu sind Kategorien, in denen fast gar nichts auseinanderliegt:

Hier müssen zwei Zehntelsterne acht oder neun verschiedene Produkte voneinander unterscheiden — obwohl sich diese Produkte bei Preis, Ausstattung, Größe oder Leistung deutlich unterscheiden können.

Viele davon gehören zu ausgereiften Warengruppen: Kühlgeräte, Kindermöbel oder Gartentechnik. Die Produkte erfüllen ihren grundlegenden Zweck. Entsprechend schwer fällt es einer Sternebewertung, noch klare Unterschiede herauszuarbeiten.

Das führt zu einem interessanten Paradox:

Befund 9: Auch zwischen den Warengruppen sind die Unterschiede klein

Zum Schluss haben wir geprüft, ob bestimmte Sortimentsbereiche grundsätzlich besser bewertet werden als andere. Berücksichtigt wurden Warengruppen mit mindestens 60 untersuchten Produkten.

Zwischen der am besten und der am schlechtesten bewerteten Warengruppe liegen nur 0,16 Sterne.

Die Reihenfolge lässt sich durchaus plausibel erklären. Produkte mit klarer technischer Funktion schneiden etwas besser ab als Produkte, deren Ergebnis stärker subjektiv bewertet wird.

Für eine allgemeine Regel sind die Unterschiede jedoch viel zu klein. Der Vier-Sterne-Korridor zieht sich nahezu durch das gesamte Sortiment.

Warum liegen die Bewertungen überhaupt so hoch?

Dafür gibt es mehrere mögliche Erklärungen. Keine davon setzt voraus, dass Bewertungen manipuliert werden.

1. Schlechte Produkte werden häufig zurückgeschickt

Wer online ein Produkt bekommt, mit dem er vollkommen unzufrieden ist, muss nicht zwingend eine Ein-Stern-Rezension schreiben. Er kann es zurückschicken.

Damit wird ein Teil der besonders negativen Kauferfahrungen möglicherweise schon durch den Rückgabeprozess abgefangen, bevor er überhaupt als schlechte Bewertung sichtbar wird.

2. Schlechte Produkte verschwinden

Produkte, die dauerhaft schlecht ankommen, verkaufen sich schlechter. Sie verlieren Sichtbarkeit, werden seltener gekauft und verschwinden irgendwann womöglich ganz aus dem Sortiment.

Was dauerhaft sichtbar bleibt, hat bereits eine Form der Marktauslese überstanden.

3. Viele Produktgruppen sind schlicht ausgereift

Hinzu kommt ein sehr banaler Faktor: Viele Alltagsprodukte funktionieren heute einfach. Ein Bügelbrett muss stehen. Ein Wasserkocher muss Wasser erhitzen. Ein Schneidebrett muss seinen Zweck erfüllen.

Bei technisch ausgereiften Produkten gibt es weniger Möglichkeiten, fundamental zu scheitern. Und genau in solchen Kategorien fanden wir besonders kleine Bewertungsunterschiede.

Was passiert, wenn man die Zahl der Rezensionen mit einbezieht?

Aus unseren Ergebnissen folgt eine recht naheliegende Konsequenz: Ein Sternewert sollte nicht unabhängig davon betrachtet werden, auf wie vielen Bewertungen er basiert.

Dafür gibt es ein bekanntes statistisches Verfahren: Glättung. Vereinfacht gesagt wird ein wenig abgesicherter Einzelwert dabei stärker in Richtung des Durchschnitts der Vergleichsgruppe gezogen. Je mehr Rezensionen ein Produkt besitzt, desto stärker darf dagegen sein eigener Wert zählen.

Das Prinzip

Wir verwenden folgende Formel:

Ein einfaches Beispiel

Nehmen wir an, der Durchschnitt einer Produktkategorie liegt bei 4,3 Sternen. Zwei Produkte stehen zur Auswahl:

In der normalen Produktliste sieht A zunächst klar besser aus: 4,9 statt 4,5 Sterne. Nach der Glättung liegt jedoch Produkt B vorn.

Das bedeutet nicht, dass Produkt A schlecht ist. Wir wissen schlicht noch zu wenig darüber. Zwölf Stimmen reichen nicht aus, um einer 4,9 dieselbe Sicherheit zu geben wie einer 4,5 aus 12.000 Bewertungen.

Wie stark verändert diese Rechnung die Rangfolge?

Wir haben die Glättung auf alle 222 Kategorien mit mindestens sechs bewerteten Produkten angewendet und anschließend die neue Reihenfolge mit der einfachen Sortierung nach Sternen verglichen. Das Ergebnis fiel deutlicher aus, als wir erwartet hatten.

In fast jeder zweiten Kategorie ist das Produkt mit der höchsten angezeigten Sternebewertung also nicht das Produkt, dessen Bewertung nach Berücksichtigung der Datenbasis am stärksten ist.

Genau darin liegt für uns das eigentliche Problem des Vier-Sterne-Korridors.

Nicht darin, dass die Bewertungen grundsätzlich zu hoch wären. Sondern darin, dass die verbleibenden Unterschiede oft sehr klein und teilweise statistisch unsicher sind — auf der Produktseite aber trotzdem aussehen wie eine klare Rangfolge.

So lässt sich eine Bewertung in 30 Sekunden besser einschätzen

Für die Praxis braucht niemand eine Formel auszurechnen. Aus unseren Ergebnissen lässt sich eine relativ einfache Prüfroutine ableiten.

Schritt 1: Erst auf die Zahl der Rezensionen schauen

Ignorieren Sie für einen Moment den Sternewert und schauen Sie zuerst auf die Zahl daneben.

Unter 50 Rezensionen ist eine Bewertung noch stark von einzelnen Stimmen abhängig. Unter 200 Bewertungen sollte sie eher als grobe Richtung verstanden werden. Mit steigender Zahl der Rezensionen wird der Durchschnitt stabiler.

In unserem Datenbestand besitzen rund 30 Prozent der Produkte weniger als 200 Rezensionen.

Schritt 2: Nicht nur den Einzelwert ansehen, sondern die ganze Kategorie

Entscheidend ist nicht, ob ein Produkt 4,4 Sterne hat. Entscheidend ist, ob die Konkurrenz bei 3,6 oder bei 4,5 liegt.

Schauen Sie deshalb auf die gesamte Spanne zwischen dem besten und dem schlechtesten Produkt. Liegt weniger als ein halber Stern dazwischen, liefert die Bewertung nur noch wenig zusätzliche Entscheidungshilfe.

Dann werden andere Merkmale wichtiger: Maße, Material, Leistung, Ausstattung, Garantie oder schlicht der Preis.

Schritt 3: Die schlechten Rezensionen lesen

Der Durchschnitt verrät, dass Käufer zufrieden oder unzufrieden waren. Er verrät aber nicht, warum. Deshalb sind gerade die Ein- und Zwei-Sterne-Rezensionen interessant.

Dabei geht es nicht darum, sich von jeder negativen Erfahrung abschrecken zu lassen. Wichtiger ist die Frage: Wiederholt sich ein bestimmtes Problem?

Ein einzelner Defekt kann Pech sein. Wenn dagegen mehrere Käufer unabhängig voneinander dasselbe Bauteil kritisieren, wird daraus ein Muster. Und dieses Muster findet sich in keinem Sternewert.

Schritt 4: Auf aktuelle Veränderungen achten

Ein Produkt kann über Jahre tausende gute Rezensionen gesammelt haben und trotzdem inzwischen Qualitätsprobleme haben.

Wenn eine Bewertung bei 4,6 Sternen liegt, die jüngsten Rezensionen aber wiederholt denselben Defekt erwähnen, kann der Durchschnitt veraltet sein.

Das ist eine Schwäche großer Bewertungsbestände: Sie sind stabil — reagieren dadurch aber auch langsam auf Veränderungen.

Was wir selbst aus den Ergebnissen geändert haben

Die Auswertung sollte ursprünglich vor allem zeigen, wie Bewertungen in unserem Datenbestand verteilt sind. Am Ende hat sie auch unsere eigene Arbeitsweise verändert.

Den normalen Sternewert zeigen wir weiterhin an. Unsere eigene Note leiten wir jedoch nicht mehr einfach direkt daraus ab, sondern berücksichtigen zusätzlich die Zahl der Rezensionen nach dem oben beschriebenen Verfahren.

Eine 4,9 aus zwölf Rezensionen soll dadurch nicht automatisch vor einer 4,4 aus 12.000 Rezensionen landen. Das genaue Verfahren, die verwendeten Schwellen und seine Grenzen legen wir auf unserer Methodik-Seite offen.

Außerdem gehen wir inzwischen anders mit Kategorien um, in denen praktisch alle Produkte gleich bewertet sind. Wenn die Daten keine sinnvolle Rangfolge hergeben, wollen wir auch keine künstliche suggerieren.

Wie die Daten erhoben wurden

Für alle, die die Zahlen nachvollziehen möchten, beschreiben wir hier unser Vorgehen.

Erhebung

Für jede Vergleichsseite auf produktvergleicher.org wählen wir redaktionell in der Regel acht bis zehn Produkte aus. Zu jedem Produkt erfassen wir unter anderem:

• Sternebewertung,
• Zahl der Rezensionen,
• Preis.

Die Bewertungsdaten stammen direkt von den Produktseiten auf Amazon.de und werden in unserer Datenbank gespeichert. Die Produktwerbe-Schnittstelle von Amazon stellt Bewertungsdaten seit Jahren nicht mehr zur Verfügung.

Grundgesamtheit

Ausgewertet wurden alle 1.815 Produktdatensätze unseres Bestands. Für 1.740 Produkte lag eine Bewertung vor. Diese verteilen sich auf 239 Kategorien.

Produkte ohne Sternebewertung wurden aus den entsprechenden Auswertungen ausgeschlossen und nicht durch andere Produkte ersetzt.

Auswertungen auf Kategorieebene

Für Berechnungen zur Bewertungsspanne innerhalb einzelner Kategorien haben wir nur Kategorien mit mindestens sechs bewerteten Produkten berücksichtigt. Das waren 222 von 239 Kategorien.

Bei der Betrachtung besonders extremer Kategorien lag die Mindestgröße bei sieben Produkten, damit ein einzelner Ausreißer die gesamte Spanne nicht allein bestimmt.

Warengruppen

In die Auswertung nach größeren Sortimentsbereichen wurden nur Warengruppen mit mindestens 60 Produkten aufgenommen. Kleinere Gruppen erscheinen nicht in der entsprechenden Tabelle, sind aber weiterhin Bestandteil der allgemeinen Gesamtauswertung.

Glättung

Die verwendete Glättungskonstante beträgt 200. Dieser Wert wurde nicht aus den Daten statistisch geschätzt, sondern bewusst gesetzt. Bei 200 Rezensionen erhalten der individuelle Sternewert und der Durchschnitt des Vergleichsfelds jeweils dasselbe Gewicht.

Eine höhere Konstante würde Bewertungen stärker glätten und die Reihenfolge häufiger verändern. Eine niedrigere Konstante würde den individuellen Sternewert stärker gewichten.

Auch die Aussage, dass sich bei unserer Berechnung in 91 Prozent der Kategorien die Reihenfolge verändert, hängt deshalb von dieser Entscheidung ab. Wir legen die Konstante offen, damit sich die Berechnung nachvollziehen und mit anderen Werten wiederholen lässt.

Nachvollziehbarkeit

Sämtliche Kennzahlen dieser Studie werden von einem einzelnen Auswertungsskript im Projekt-Repository erzeugt. Der Artikel übernimmt die Zahlen aus dessen Ausgabe. Die Kennzahlen wurden nicht manuell in den Text eingetragen.

Häufige Fragen

Bedeutet das, dass Amazon-Bewertungen gefälscht sind?

Nein. Aus unseren Daten lässt sich dieser Schluss nicht ziehen.

Wenn hohe Bewertungen bei wenigen Rezensionen ausschließlich durch Manipulation zustande kämen, müsste vor allem das obere Extrem häufiger auftreten. Tatsächlich sehen wir aber beide Richtungen: Bei dünner Datenbasis gibt es sowohl besonders viele sehr gute als auch besonders viele schwache Bewertungen. Das passt zu einem statistischen Effekt kleiner Stichproben.

Ob daneben einzelne Rezensionen gekauft oder manipuliert wurden, haben wir nicht untersucht. Für eine solche Aussage müsste man die Rezensionstexte und ihre Entstehung untersuchen. Aus Durchschnittsbewertungen allein lässt sich das nicht ableiten.

Gilt das nur für Amazon?

Unsere Daten stammen ausschließlich von Amazon.de. Deshalb beziehen sich auch unsere gemessenen Zahlen nur auf diesen Marktplatz.

Einige der möglichen Erklärungen — etwa Rückgaben, Marktauslese oder der hohe Reifegrad vieler Produktgruppen — sind nicht grundsätzlich auf Amazon beschränkt. Es wäre deshalb denkbar, ähnliche Muster auch auf anderen Plattformen zu finden. Untersucht haben wir das jedoch nicht.

Ist eine 4,9 mit wenigen Bewertungen wertlos?

Nein. Sie ist vor allem unsicherer.

Eine Bewertung von 4,9 Sternen aus zwölf Rezensionen kann vollkommen zutreffend sein. Das Problem besteht darin, dass zwölf Stimmen noch keine besonders belastbare Datenbasis darstellen.

Deshalb sollte eine solche Bewertung nicht automatisch als stärkeres Kaufargument gelten als beispielsweise 4,4 Sterne aus mehreren tausend Rezensionen. Wenn das Produkt aus anderen Gründen besser zu den eigenen Anforderungen passt, spricht selbstverständlich nichts dagegen, es trotzdem zu wählen.

Warum verwendet ihr ausgerechnet 200 als Glättungskonstante?

Weil dieser Wert in unseren Kategorien ungefähr die Größenordnung trifft, ab der Bewertungen deutlich stabiler werden.

Wichtig ist aber: Die 200 ist keine gemessene Naturkonstante. Sie ist eine methodische Setzung.

Deshalb nennen wir sie ausdrücklich und veröffentlichen auch die Formel. So lässt sich nachvollziehen, wie sich das Ergebnis verändern würde, wenn man beispielsweise eine niedrigere oder höhere Konstante verwendet.

Verdient produktvergleicher.org an den vorgestellten Produkten?

Ja.

produktvergleicher.org finanziert sich unter anderem über Affiliate-Provisionen. Wenn Leser über bestimmte Links ein Produkt kaufen, können wir dafür eine Provision erhalten.

Für diese Studie ist das vor allem deshalb relevant, weil die untersuchten Produkte aus unseren eigenen Produktvergleichen stammen. Genau deshalb weisen wir auf diesen Zusammenhang offen hin.

Die Verteilung der Sternebewertungen selbst können wir allerdings nicht beeinflussen. Im Gegenteil: Das Ergebnis dieser Untersuchung macht das klassische Vergleichsgeschäft eher schwieriger, weil es zeigt, dass sich eine klare Rangfolge anhand von Sternebewertungen häufig nicht begründen lässt.

Grenzen dieser Auswertung

Keine Datenauswertung sollte weiter ausgelegt werden, als es die Daten erlauben. Für unsere Studie sind vor allem vier Einschränkungen wichtig.

Keine Zufallsstichprobe

Die untersuchten Produkte wurden redaktionell für unsere Vergleiche ausgewählt. Dadurch befinden sich im Datensatz überdurchschnittlich viele sichtbare und häufig gekaufte Produkte. Im gesamten Amazon-Katalog dürfte der Anteil schwächer bewerteter Artikel deshalb höher liegen.

Eine Momentaufnahme

Die Daten wurden zum 29. August 2026 erhoben. Bewertungen und Rezensionszahlen verändern sich fortlaufend. Die grundsätzlichen Größenordnungen können stabil bleiben, einzelne Produktwerte dagegen nicht.

Nur ein Marktplatz

Unsere Daten stammen ausschließlich von Amazon.de. Ob sich auf anderen Marktplätzen eine vergleichbare Verteilung findet, haben wir nicht untersucht.

Keine Untersuchung auf Fake-Bewertungen

Diese Studie untersucht die Verteilung von Bewertungen. Sie untersucht nicht, ob einzelne Rezensionen echt, gekauft oder manipuliert sind. Aus den vorliegenden Daten lässt sich deshalb keine Aussage über die Echtheit einzelner Bewertungen ableiten.

Daten und Nachrechnen

Alle Zahlen dieser Studie stammen aus einer gemeinsamen Auswertung, die über ein Skript im Projekt-Repository erzeugt wird und jederzeit erneut ausgeführt werden kann.

Wer einzelne Werte nachvollziehen oder die Untersuchung für einen anderen Zeitpunkt reproduzieren möchte, kann uns über die Kontaktseite erreichen. Die aggregierten Daten stellen wir auf Anfrage zur Verfügung.