Unscharfe Kundensegmentierung

Größe: px
Ab Seite anzeigen:

Download "Unscharfe Kundensegmentierung"

Transkript

1 Seminararbeit im Rahmen des Wahlfaches Electronic Customer Relationship Management Unscharfe Kundensegmentierung vorgelegt am Department of Informatics Information Systems Research Group Prof. Dr. Andreas Meier Universität Fribourg Frühlingssemester 2008 Vorgelegt von: Lukas Gerber Steinbühlallee 114b CH-4123 Allschwil Tel.: 0041(0) Abgabedatum:

2 I Abstract Eine der wichtigsten aktuellen Herausforderungen für Unternehmen ist das Management von Kundenbeziehungen. Diese Arbeit stellt die unscharfe Klassifikation, insbesondere die unscharfe Kundensegmentierung, als mögliches Mittel zur Analyse und Kontrolle von Kundenbeziehungen vor. Theoretisch bringt diese Methode im Vergleich zu einer scharfen Methode viele Vorteile mit sich. Die Anwendung einer unscharfen Logik auf bestehende Management-Instrumente (wie z.b. die ABC-Analyse oder die Portofolio-Analyse) ermöglicht eine bessere und gerechtere Klassifikation und Segmentierung der Kunden eines Unternehmens. Damit wird die Qualität des Kundenbeziehungsmanagements erhöht. Um eine unscharfe Kundensegmentierung in der Praxis optimal umzusetzen, sind jedoch einige wesentliche Aspekte zu berücksichtigen.

3 II Inhaltsverzeichnis Seite ABSTRACT... I INHALTSVERZEICHNIS... II ABBILDUNGSVERZEICHNIS...III ABKÜRZUNGSVERZEICHNIS...IV 1. EINLEITUNG PROBLEMSTELLUNG ZIELSETZUNGEN DER UNTERSUCHUNG VORGEHENSWEISE KONZEPTIONELLE GRUNDLAGEN DER UNTERSUCHUNG RELATIONALE DATENBANKEN KUNDENSEGMENTIERUNG KUNDENWERT UNSCHARFE LOGIK UNSCHARFE KLASSIFIKATION Theoretische Grundlagen des Modells Unscharfe vs. scharfe Klassifikation Fuzzy Classifisation Query Language (fcql) Hierarchical Fuzzy Classification Einsatzbereiche im Management UNSCHARFE KUNDENSEGMENTIERUNG Definition Unscharfe Clusteranalyse Methoden der unscharfen Kundensegmentierung Beispiel: Unscharfe Kundensegmentierung von Online Customers ERKENNTNISSE AUS EINER WIRTSCHAFTLICHEN PERSPEKTIVE ZUSAMMENFASSUNG UND AUSBLICK LITERATURVERZEICHNIS...III

4 III Abbildungsverzeichnis ABBILDUNG 1: KONZEPT DER LINGUISTISCHEN VARIABLE... 9 ABBILDUNG 2: UNSCHARFE KLASSIFIKATION MIT TURNOVER UND PAYMENT BEHAVIOUR... 9 ABBILDUNG 3: SCHARFE (RECHTS) UND UNSCHARFE (LINKS) ABC-ANALYSE ABBILDUNG 4: SCHARFE (A) UND UNSCHARFE (B) PORTOFOLIO-ANALYSE... 17

5 IV Abkürzungsverzeichnis CLV CRM ecrm fcql IT KDD SQL Customer Lifetime Value Customer Relationship Management electronic Customer Relationship Management fuzzy Classification Query Language Information Technology Knowledge Discovery in Databases Structured Query Language

6 1 1. Einleitung 1.1 Problemstellung In den letzen Jahren haben die Kundenbeziehungen in fast allen Branchen eine immer wichtigere Rolle eingenommen und es ist zu erwarten, dass sich diese Entwicklung auch in Zukunft fortsetzen wird. Aus diesem Grund ist das Thema Customer Relationship Management (CRM) für die meisten Unternehmen zu einem Schlüsselbegriff geworden. Diese Entwicklung spiegelt sich unter anderem in den Umsatzzahlen der CRM- Hersteller wieder. Eine Analyse von Forrester Research beziffert das weltweite Volumen des CRM-Geschäftes im Jahre 2006 mit 8,4 Milliarden Dollar und es wird bis zum Jahr 2010 eine jährliche Wachstumsrate von rund 7 % erwartet [vgl. Pichler 2007, S. 27]. Die wesentlichen Ziele des CRMs sind die Pflege dauerhafter und profitabler Kundenbeziehungen und die Steigerung des Kundenwertes für das Unternehmen. Das Electronic Customer Relationship Management, das sich mit der Umsetzung des CRM mit Hilfe elektronischer Medien befasst, ist dabei besonders in den Vordergrund geraten. Dies ist auf die Entfaltung der aktuellen Informationsgesellschaft und deren umfangreiche Datenbestände zurückzuführen. In diesem Bereich wurden verschiedene Methoden und Techniken zur Verwirklichung der Ziele des Kundenbeziehungsmanagements entwickelt. Eine der Methoden besteht in der Kundensegmentierung. Diese bezweckt eine Aufteilung sämtlicher Kunden des Unternehmens in Untergruppen, um die spezifischen Bedürfnisse der Gruppen entsprechend befriedigen zu können. Diese Arbeit stellt das Konzept der unscharfen Klassifikation, insbesondere der unscharfen Kundensegmentierung, vor. Dieses Konzept bietet sich als ein mögliches Instrument zur Kundensegmentierung im Rahmen des CRM an. 1.2 Zielsetzungen der Untersuchung In dieser Arbeit soll überprüft werden, ob das Konzept der unscharfen Kundensegmentierung als mögliches Instrument des CRM einen Zusatznutzen für

7 2 Unternehmen generieren kann. Dabei ist die Frage nach dem Nutzen-Aufwand- Verhältnis von besonderem Interesse. Ziele der Untersuchung: Erläuterung der Begriffe Relationale Datenbanken, Kundensegmentierung und Kundenwert und deren Verknüpfung zum CRM. Veranschaulichung der wesentlichen Konzepte der unscharfen Klassifikation, insbesondere der unscharfen Kundensegmentierung. Analyse der Vor- und Nachteile für das Unternehmen bei der Anwendung eines unscharfen Klassifikationsmodells und Zusammenfassung der daraus resultierenden Erkenntnisse. 1.3 Vorgehensweise Um die oben genannten Ziele zu erreichen, wird die Arbeit wie folgt strukturiert: Im nachfolgenden Kapitel zwei werden die konzeptionellen Grundlagen der Untersuchung dargelegt. Der Leser wird dabei mit den grundlegenden Begriffen dieser Arbeit konfrontiert um darauf aufbauend diese Begriffe in einem bestimmten Zusammenhang zu beurteilen. In Abschnitt 2.1 werden die relationalen Datenbanken vorgestellt und ihre Bedeutung im Bereich des CRM veranschaulicht. Danach zeigt Abschnitt 2.2 die Idee der Kundensegmentierung auf, bevor in Abschnitt 2.3 der Begriff Kundenwert diskutiert wird. Kapitel drei bildet den Schwerpunkt dieser Arbeit. Abschnitt 3.1 stellt die Idee der unscharfen Klassifikation vor. Dabei werden die theoretischen Grundlagen dieser Klassifikationsart erklärt, die Vor- und Nachteile gegenüber einer scharfen Klassifikation analysiert, die Konzepte Fuzzy Classification Query Language und Hierarchical Fuzzy Classification besprochen, sowie deren mögliche Einsatzbereiche im Management aufgezeigt. Anschliessend wird in Abschnitt 3.2 das Konzept der unscharfen Kundensegmentierung tiefgründig besprochen. Zunächst wird dieses

8 3 Konzept genau definiert, anschliessend werden die unscharfe Cluster-Analyse und die Methoden der Kundensegmentierung vorgestellt, bevor ein einfaches Beispiel den praxisorientierten Standpunkt der Arbeit aufzeigt. Abschliessend werden die Erkenntnisse zur unscharfen Logik in Abschnitt 3.3 aus einer wirtschaftlichen Perspektive zusammengefasst. Kapitel vier bildet mit der Zusammenfassung der Untersuchung und dem Ausblick den Abschluss dieser Arbeit. 2 Konzeptionelle Grundlagen der Untersuchung 2.1 Relationale Datenbanken In der aktuellen Informationsgesellschaft weisen die meisten betrieblichen Informationssysteme umfassende Datenbestände auf. Diese werden vorwiegend in relationalen Datenbanken verwaltet. Unternehmen und Organisationen sind an Instrumenten interessiert, welche bedeutsame Informationen aus ihren Datenbanken extrahieren können. Aus diesem Grund zählen Datenbanksysteme mit ihren Sprach- und Auswertungsfunktionen neben der Kommunikationsinfrastruktur zu den Schlüsseltechnologien unserer Gesellschaft [vgl. Meier 2007, S. IX]. Der Prozess des Knowledge Discovery in Databases (KDD) ist in dieser Hinsicht von besonderem Interesse. Das eigentliche Ziel eines solchen KDD-Prozesses ist die Reduktion der Komplexität der Daten resp. das Erkennen von Mustern in grossen Datenbeständen [Meier et al. 2003, S. 1]. Im Rahmen des KDD-Prozesses nimmt die Phase des Data Mining eine zentrale Rolle ein. In dieser Modellierungsphase wendet man Modellierungs- und Entdeckungstechniken auf bereits verarbeitete Daten an [vgl. Timm 2002, S. 2]. Falls Instrumente des Data Mining (wie beispielsweise Klassifikationsmethoden) verwendet werden, verwandelt sich die mehrdimensionale Datenbank in eine Wissensbank [vgl. Meier 2007, S. 177].

9 4 In den letzten Jahren werden Erkenntnisse aus dem Gebiet der unscharfen Logik auf Datenbanken und Datenmodellierung angewendet [vgl. Meier et al. 2003, S. 2]. Dadurch existieren neben den scharfen relationalen Datenbankabfragesprachen wie z.b. SQL (Structured Query Language) nun auch unscharfe Abfragesprachen wie z.b. fcql (fuzzy Classification Query Language). Letztere wird in Abschnitt vertieft behandelt. Die Identifikation von Kunden- oder Marktsegmenten verlangt aussagekräftige Daten über aktuelle und zukünftige Kunden und deren Kaufgewohnheiten. Die Theorie besagt, dass eine grosse Anzahl von Daten zu einem besseren Einblick verhilft. In der Praxis produzieren jedoch operativ betriebliche Informationssysteme umfangreiche Datenbestände [Schindler 1998, S. 1], die vorwiegend in relationalen Datenbanken verwaltet werden. Diese Flut an Informationen erschwert das Auffinden von sinnvollen Informationen und Wissen für das Unternehmen. Deswegen spielen im Bereich der Kundensegmentierung die Technologie der Datenbanken eine wichtige Rolle [vgl. Simha/Iyengar 2005, S. 324]. 2.2 Kundensegmentierung Jedes Unternehmen hat eine andere Art von Kunden. Kunden haben unterschiedliche Bedürfnisse und Erwartungen bezüglich der Produkte und Dienstleistungen, ungleiche Kauf- und Gebrauchsgewohnheiten der gekauften Produkte und ein unterschiedliches Informations- und Kommunikationsverhalten [vgl. Peppers and Rogers 1997, S. 31]. Aus diesem Grund ist eine Unterteilung der Kunden in Gruppen mit ähnlichen Charakteristiken sinnvoll. Oftmals wird die Segmentierung von Kunden als Ausgangspunkt eines systematischen Kundenmanagements gesehen. Unter Kundensegmentierung wird die Aufteilung sämtlicher potenzieller und aktueller Kunden in bezüglich ihrer Marktreaktion intern homogene, untereinander heterogene Untergruppen (Kundensegmente) sowie die Bearbeitung eines oder mehrerer dieser Kundensegmente [Bruhn 2001, S. 95], verstanden. Jedoch besteht die Kernfrage der Segmentierung vielmehr darin, welches der Kundengruppen bzw. Segmente dem Unternehmen den eigentlichen Geschäftserfolg ermöglichen können. Viele

10 5 Kundengruppen im Markt sind zwar an einem Produkt interessiert, verfügen jedoch über keine Zahlungsbereitschaft [vgl. Albiez et al. 2008, S. 848]. Für die Aufteilung der Kunden in Untergruppen, die hinsichtlich ihrer Reaktion auf Aktivitäten des Unternehmens Ähnlichkeiten aufweisen, sind Segmentierungskriterien zu bestimmen. Diese sollten die nachfolgenden Anforderungen erfüllen [vgl. Bruhn 2001, S. 96; Homburg/Sieben 2008, S. 506f.]: Messbarkeit und Operationalisierbarkeit: Die Kriterien sollten mit gängigen Marktforschungsmethoden ermittelbar sein. Wirtschaftlichkeit: Bei der Erhebung der Kriterien sollte der Segmentierungsnutzen die hierfür anfallenden Kosten überkompensieren Zugänglichkeit: Die Kriterien sollten so gewählt werden, dass das Kundensegment gezielt erreichbar und isolierbar ist. Kaufverhaltensrelevanz: Als Kriterien sind Indikatoren zu wählen, die einen Bezug zum Käuferverhalten aufweisen. Zeitliche Stabilität: Die Segmentierungskriterien sollten über den Planungszeitraum weitgehend stabil sein. Im Rahmen des CRM ist es von grosser Bedeutung, eine intelligente und am Kaufverhalten ausgerichtete Segmentierung der Kunden durchzuführen [Homburg/Sieben 2008, S. 507]. Dabei spielt die Art der Segmentierungskriterien eine entscheidende Rolle. Es existiert ein Vielzahl von Kriterien zur Kundensegmentierung (auch Customer Performance Indicators genannt), welche in endogene und exogene Kriterien unterteilt werden können. Im Rahmen des CRM liegt der Schwerpunkt auf den endogenen Kriterien, welche vom Unternehmen steuerbar sind. Es lassen sich folgende Gruppen von endogenen Segmentierungskriterien differenzieren [vgl. Bruhn 2001, S. 97f.]: Ökonomische Kriterien (Kundendeckungsbeitrag, Customer Lifetime Value, Kundenwert, Kundenumsatz, ) Psychologische Kriterien (Kundenzufriedenheit, Beziehungsqualität, Kundentreue, Kundennutzen, )

11 6 Verhaltensbezogene Kriterien (Kundenbindung, Mund-zu-Mund-Kommunikation, Zahlungsverhalten, Wiederkaufsverhalten ) 2.3 Kundenwert Bei der Frage nach dem Kundenwert muss zwischen zwei möglichen Perspektiven unterschieden werden. Aus der Perspektive des Kunden ist der Kundenwert der Nutzen, den die Leistung eines Unternehmens beim Kunden stiftet (Kundennutzen). Aus der Sicht des Unternehmens ist der Kundenwert der ökonomische Beitrag, den der Kunde dem Unternehmen stiftet [vgl. Albiez el al. 2008, S. 854]. Im Rahmen dieser Arbeit wird ausschliesslich näher auf die letztgenannte Perspektive eingegangen. Zur Bestimmung des Kundenwertes können verschiedene Analyseverfahren eingesetzt werden. Grundlegend lässt sich zwischen statischen und dynamischen Analyseverfahren unterscheiden. Beim statischen Verfahren der Kundenwertanalyse beträgt der Betrachtungszeitraum in der Regel ein Jahr. Dabei werden anhand der Daten des Rechnungswesens die im Unternehmen anfallenden Kosten den jeweiligen Kunden zugeordnet. Demgegenüber verfolgt das dynamische Verfahren der Kundenwertanalyse das Ziel, die gesamte Lebenszeit des Kunden über seinen Kundenbeziehungslebenszyklus abzubilden. In diesem Zusammenhang spricht man von der Methodik des Customer Lifetime Value (CLV) [vgl. Homburg/Sieben 2008, S. 510]. Das Customer Relationship Management verfolgt die Optimierung des Kundenwertes in einer Organisation mit Hilfe der Datenanalyse als Ziel. Deshalb erfüllt die Kundenwertanalyse eine wichtige Aufgabe innerhalb des CRM. Durch diese Analyse soll der Wert der verschiedenen Kundensegmente identifiziert werden [vgl. Simha/Iyengar 2005, S. 324].

12 7 3 Unscharfe Logik Die unscharfe Logik (Fuzzy Logic) wurde 1965 von Lofti A. Zadeh mit dem Zeitschriftenartikel Fuzzy Sets eingeführt. Darin begründet Zadeh den Gebrauch von unscharfen Mengen mit der Problematik, dass Gegenstände der physischen Welt und des Denkens nicht immer eindeutig einer Klasse, das heisst einem Oberbegriff, zuzuordnen sind [vgl. Zadeh 1965, S. 338 ff.; Cromme 2005, S. 133]. Seit einiger Zeit werden die Erkenntnisse aus diesem Bereich der unscharfen Logik auf Datenbanken und Datenmodellierung angewendet [vgl. Meier 2007, S. 178]. 3.1 Unscharfe Klassifikation Theoretische Grundlagen des Modells Objekte einer relationalen Datenbank können durch ein scharfes oder unscharfes Verfahren klassifiziert werden. Die scharfe Klassifikation (sharp classification) nimmt eine dichtochome Zuweisung der Datenbankobjekte zur Klasse vor, d.h. die Mengenzugehörigkeitsfunktion des Objekts zur Klasse beträgt 0 (für nicht einhalten) oder 1 (für einhalten). Anders sieht es bei der unscharfen Klassifikation (fuzzy classification) aus. Dieses Verfahren lässt für die Mengenzugehörigkeitsfunktion Werte zwischen 0 und 1 zu. Dadurch wird eine differenzierte Interpretation der Klassenzugehörigkeit ermöglicht [vgl. Meier et al. 2003, S. 3]. Im fuzzy-relationalen Datenmodell mit Kontexten (Kontextmodell) ist jedem Attribut Aj, definiert auf einem Wertebereich D(Aj), ein Kontext zugeordnet. Ein Kontext K(Aj) ist eine Partition von D(Aj) in Äquivalenzklassen. Ein rationales Datenbankschema mit Kontexten R(A,K) besteht daher aus einer Menge von Attributen A=(A1,,An) und einer Menge assoziierter Kontexte K=(K1(A1),,Kn(An)) [vgl. Werro/Stormer/Meier 2006, S. 257]. Um aus scharfen Kontexten unscharfe Klassen herzuleiten, werden den Äquivalenzklassen vorerst verbale Begriffe zugeordnet. Dadurch verbindet sich eine

13 8 Vorstellung über die zur Äquivalenzklasse gehörenden Elementen mit unscharfer Zuordnung. Mit Hilfe dieser linguistischen Variabeln können die Äquivalenzklassen der Attribute auf eine instinktivere Art beschrieben werden. Ausserdem wird jeder Term durch eine unscharfe Menge repräsentiert, die durch eine Zugehörigkeitsfunktion µ auf den Wertebereichen der Attribute definiert ist [vgl. Meier et al. 2003, S. 5]. Das folgende einfache Beispiel soll die theoretischen Grundlagen der unscharfen Klassifikation veranschaulichen: Kunden werden ausschliesslich anhand von zwei Attributen beurteilt, nämlich turnover (Umsatz) und payment behaviour (Zahlungsverhalten). Die beiden qualifizierenden Attribute werden je in zwei Äquivalenzklassen zerlegt. Die entsprechenden Attribute und Kontexte für das CRM lauten [vgl. Meier 2007, S. 178 ff.; Werro/Stormer/Meier 2006, S. 257]: Turnover in CHF pro Monat: Der Wertebereich für den Umsatz in CHF soll durch [ ] definiert sein. Zudem werden die beiden Äquivalenzklassen [0..499] für low turnover und [ ] für high turnover gebildet. Payment behaviour der Kunden: Der Werteberreich [in advance, on time, behind time, too late] gilt für das Attribut des Zahlungsverhaltens. Der Werteberreich wird in den beiden Äquivalenzklassen [in advance, on time] für attractive payment behaviour und [behind time, too late] für non attractive payment behaviour. Die Beschreibung der vagen Terme high turnover und low turnover mit den Zugehörigkeitsfunktionen µ high turnover und µ low turnover bewirkt, dass der Wertebereich D(turnover) unscharf partitioniert wird. Analog wird auch der Werteberreich D(payment behaviour) durch die Terme attractive und non attractive unterteilt. Dadurch entstehen im Kontextmodell Klassen mit kontinuierlichen Übergängen, d.h. unscharfe Klassen. Dies führt zur essentiellen Erkenntnis der unscharfen Klassifikation: A customer can belong to more than one class at the same time. This leads to differentiated marketing concepts and helps to improve customer equity [Meier et al. 2005, S. 1090].

14 9 In Abbildung 1 ist die Definition des Merkmals turnover als linguistische Variable gegeben. Diese Variable hat die Termmenge T(turnover)=[low,high] mit den verbalen Begriffen low und high zur Beschreibung der beiden Äquivalenzklassen [0..499] resp. [ ]. Abbildung 1: Konzept der linguistischen Variable (Quelle: [Werro/Stormer/Meier 2006, S. 257] Wie in Abbildung 2 dargestellt, führt die Definition der Äquivalenzklassen der Attribute turnover und payment behaviour zu einem zweidimensionalen Klassifikationsraum. Die resultierenden Klassen C1 bis C4 können beispielsweise durch Marketingstrategien wie Commit Customer (C1), Improve Loyalty (C2), Augment Turnover (C3) oder Don t Invest (C4) charakterisiert werden. Abbildung 2: Unscharfe Klassifikation mit turnover und payment behaviour (Quelle: [Werro/Stormer/Meier 2006, S. 257] Unscharfe vs. scharfe Klassifikation Nachdem die theoretischen Grundlagen der unscharfen Klassifikation gelegt wurden, soll diese Methode nun mit dem klassischen Konzept der scharfen Klassifikation verglichen werden. Der Gebrauch von unscharfen Klassifikationen im Rahmen des

15 10 CRM bringt einige Vorteile für das Unternehmen mit sich [vgl. Meier/Werro 2006, S. 502 ff.]: Der wesentliche Vorteil besteht darin, dass ein Kunde nicht nur zu einer einzigen, sondern zu mehreren Klassen gleichzeitig gehören kann. Dadurch widerspiegeln die unscharfen Kundensegmente die Realität besser und ermöglichen es dem Unternehmen, Kunden nach ihrem wirklichen Wert zu behandeln. Eine solche individuelle Behandlung ermöglicht es den Managern das Marketingbudget genauer zu berechnen und möglicherweise Kosten einzusparen. Die unscharfe Klassifikation ermöglicht, im Gegensatz zur scharfen Klassifikation, den Gebrauch von nicht-numerischen Attributen. Mit Hilfe dieser linguistischen Variablen und Terme können Äquivalenzklassen instinktiver beschrieben werden und eine sprachliche Formulierung der Datenbankabfragen wird ermöglicht. Ein weiterer Vorteil für das Kundenbeziehungsmanagement ist das Potential für mass customization (individualisierte Massenfertigung), denn unscharfe Klassifikationen führen zu Transparenz und gerechteren Entscheidungen bzgl. der Kundensegmentierung. Die Durchführung einer Marketingaktion ist sehr kostenaufwendig. Aus diesem Grund muss das richtige Kundensegment ausgewählt werden. Die unscharfe Klassifikation bietet wesentliche Vorteile bei der Planung und Selektion von Kundenuntergruppen. Es existiert jedoch ein erheblicher Nachteil bei der Methode der unscharfen Klassifikation. Die Definition der Attribute, der Äquivalenzklassen und der Zugehörigkeitsfunktionen stellt eine anspruchsvolle Aufgabe dar. Um diese Aufgabe ordnungsgemäß zu bewältigen ist die Zusammenarbeit von Marketing-Spezialisten, Data-Architects und eventuell auch von Webshop-Administratoren unabdingbar. Beyond this, a methodology is needed fort he entire planning, designing, and testing process [Meier et al. 2005, S. 1093].

16 Fuzzy Classifisation Query Language (fcql) Fuzzy Classification Query Language ist ein Instrument des Data Mining in Informationssystemen, welches die relationalen Datenbanken mit der unscharfen Logik verbindet. Mit dieser Klassifikationssprache können unscharfe Klassen definiert und abgefragt werden. Die Struktur von fcql basiert auf der Idee von SQL (Structured Query Language), der Standardsprache im Umgang mit Datenbanken [vgl. Werro et al. 2005a, S. 4]). Im Vergleich zu anderen unscharfen Klassifikationsmethoden besteht der Hauptvorteil dieses Systems darin, dass keine Modifikation der Funktionalität der bestehenden relationalen Datenbank nötig ist. Des Weiteren operieren Klassifikationsabfragen mit der Sprache fcql auf einer linguistischen Ebene mit vagen Kontexten. Dadurch müssen den Anwendern weder die scharfen Zielwerte noch die Kontexte, sondern lediglich der Spaltenname des objektidentifizierenden Merkmals und die Tabelle oder Sicht, in der die Merkmalswerte enthalten sind, bekannt sein. Der Anwender kann eine Klasse spezifizieren oder Merkmale mit einer verbalen Beschreibung ihrer Ausprägungen angeben [vgl. Meier et al. 2003, S. 4]. Die Strukturen der Klassifikationssprachen SQL und fcql sehen folgendermassen aus [vgl. Schindler 1998a]): SQL: select Merkmale from Tabellen where Selektionsbedingung mit Kontextbezeichnung fcql: classify Objekt from Tabelle with Klassifikationsbedingung Im Unterschied zu SQL wird die Projektionsliste bei der select-klausel durch den Spaltennamen des zu klassifizierenden Objektes ersetzt. Ausserdem wird anstatt der where-klausel (Selektionsbedingung) des SQL eine with-klausel (Klassifikationsbedingung) benutzt [vgl. Meier et al. 2001, S. 6].

17 12 Eine Datenbankabfrage mit fcql im Bereich Customer Relationship Management könnte beispielsweise folgendermassen aussehen: classify from with Customer CustomerRelation Turnover is large and Payment behaviour is attractive Diese Abfrage besteht aus dem Bezeichnen des zu klassifizierenden Objekts (Customer), dem Namen der Grundtabelle (CustomerRelation), den kritischen Merkmalsnamen (Turnover resp. Payment behaviour) sowie aus den Namen der vordefinierten Äquivalenzklassen (large resp. attractive). Diese Klassifikationsabfrage würde die Klasse C1, definiert als Aggregation von den Termen large und attractive, als Antwort haben (siehe Abbildung 2, Abschnitt 3.1.1) Hierarchical Fuzzy Classification In echten Applikationen kann das Datenbankschema einer unscharfen Klassifikation eine Vielzahl von Attributen, linguistischen Variablen und Termen besitzen. Dies führt zu einem mehrdimensionalen Klassifikationsraum mit einer grossen Anzahl von Klassen. Durch die Kombination aller Attribute kann das Extrahieren von Informationen der resultierenden Klassen unübersichtlich werden. Dieses Problem, das auch bei scharfen Klassifikationen präsent ist, wird teilweise durch den Gebrauch von unscharfen Klassen gelöst. Indem ein kontinuierlicher Übergang zwischen den Klassen vorliegt, sind weniger Äquivalenzklassen erforderlich. Das Problem der Komplexität besteht jedoch weiterhin, wenn die Anzahl linguistischer Variablen exponentiell mit der Anzahl Klassen wächst. Um die Übersicht beizubehalten, kann ein mehrdimensionaler unscharfer Klassifikationsraum in eine Hierarchie von unscharfen Klassifikationsebenen zerlegt werden. Dadurch wird es möglich, aussagekräftige Definitionen für jede der Klassen zu erzielen. Die Zerlegung eines mehrdimensionalen unscharfen Klassifikationsraumes reduziert auch die Komplexität und erlaubt somit die Optimierung in der Modellierungsphase [vgl. Meier/Werro 2007, S. 180].

18 Einsatzbereiche im Management Der Ansatz der unscharfen Klassifikation und das Instrument des fcql sind mehr als ein neues Konzept oder Teil einer Software. Die unscharfe Klassifikation kann als Managementmethode und das fcql als ein mächtiges Instrument zur Analyse und Kontrolle eines Unternehmens betrachtet werden. Wenn geeignete Informationen in einer Datenbank verfügbar sind, kann die Leistung eines Unternehmens anhand der unscharfen Klassifikation erfolgreich gemessen werden. Diese Analyse und Kontrolle von qualitativen und quantitativen Leistungsindikatoren kann in folgenden Bereichen erfolgen: Strategic Management, Supply Chain Management, Total Quality Management, Risk Management und Customer Relationship Management. Im Rahmen dieser Arbeit nimmt der Einsatzbereich des CRM eine zentrale Rolle ein [vgl. Meier/Schindler/Werro 2007, S. 22]. 3.2 Unscharfe Kundensegmentierung Definition Auf den endogenen Kundensegmentierungskriterien (siehe Abschnitt 2.2) wie beispielsweise zufrieden und unzufrieden oder treu und untreu aufbauend können Kunden voneinander getrennt werden. Aufgrund der Vorteile, die eine unscharfe Klassifikation gegenüber einer scharfen mit sich bringt, sollte die Segmentierung und Evaluation von Kunden ebenfalls auf einer unscharfen Art und Weise erfolgen. Die unscharfe Kundensegmentierung wird als fuzzy classification of the company s current customers into similar, fuzzy segments, using different customer performance indicators definiert [Zumstein 2007, S. 63]. Unter den Kriterien der Kundensegmentierung (customer performance indicators) werden die ökonomischen, psychologischen und verhaltensbezogenen endogenen Kriterien verstanden.

19 Unscharfe Clusteranalyse Jede Klasse oder Kombination von Klassen einer ein-, zwei- oder mehrdimensionalen unscharfen Klassifikation kann als unscharfes Segment definiert werden. Es wurde angenommen, dass die Klassen, in denen die Daten klassifiziert wurden, bekannt und fix sind. In der Realität passen die Daten jedoch meistens nicht in die gegebenen Klassen. Klassen sollten sich den Daten anpassen und nicht umgekehrt. Bei solchen Identifikationsprozeduren der Klassen kann die Methode der Clusteranalyse verwendet werden [vgl. Zumstein 2007, S.64]. Die Clusteranalyse selbst ist ein Teilgebiet der Datenanalyse und beschäftigt sich mit dem Auffinden von Gruppen und Gruppierungen. Dabei sollen Daten oder Ziele mit gleichen oder ähnlichen Merkmalen gefunden und einer Klasse (Cluster) zugeordnet werden. Eine Methode zur Nutzung der Möglichkeiten der Fuzzy-Logik bei der Datenanalyse ist die Fuzzy-Clusteranalyse [vgl. Grossmann 2002, S. 1]. Um unscharfe Klassen von den Daten abzuleiten, können nicht-disjunktive Algorithmen gebraucht werden. Die bekanntesten Algorithmen der Fuzzy-Clusteranlayse sind der fuzzy-c- Means-algorithm (FCM), der Gustafson-Kessel-algorithm, der Gath-Gevaalgorithm und der Fuzzy-Maximum-Likelihood-Estimation-algorithm (FMLE) [vgl. Höppner et al. 1999, S. 35 ff.]. Der Gebrauch solcher Algorithmen führt dazu, dass die Grenzen zwischen den verschiedenen Segmente fliessend verlaufen. Unscharf klassifizierte Elemente können dementsprechend mehreren Segmenten angehören. Die Methode der unscharfen Segmentierung und die Definition von unscharfen Segmenten ermöglicht eine genaure Darstellung der Position von Kunden. Die Wahrscheinlichkeit von Fehlklassifikationen wird reduziert und Kundensegmente können flexibler gemanagt werden [vgl. Zumstein 2007, S.65]. Da die Logik der unscharfen Segmentierung nicht von der genauen Form der Segmente oder von der Segmentierung abhängt, wird die Methode der unscharfen Clusteranalyse in den übrigen Abschnitten dieser Arbeit nicht angewendet.

20 Methoden der unscharfen Kundensegmentierung Es existieren eindimensionale und mehrdimensionale Methoden der Kundensegmentierung und evaluation. Eine eindimensionale Kundensegmentierung kann anhand bestimmter Kriterien oder z.b. durch die ABC-Methode durchgeführt werden. Methoden der mehrdimensionalen Kundensegmentierung sind z.b. die Portofolio-Analyse oder die Scoring-Methode. Eine weitere mehrdimensionale Methode bildet die unscharfe Klassifikation. Diese Art der Klassifikation kann zusätzlich auf die anderen (eindimensionalen und mehrdimensionalen) Methoden angewendet werden. Dadurch wird die Logik der unscharfen Klassifikation auf die betroffenen Verfahren angeknüpft. Beispielhaft werden nachfolgend die eindimensionale ABC-Analyse und die mehrdimensionale Portfolio-Analyse vertieft analysiert und sowohl als scharfe als auch als unscharfe Methoden dargestellt. Die ABC-Analyse ermöglicht den Vergleich von Umsatzkennzahlen zwischen verschiedenen Kunden. Dabei werden die Kunden entsprechend ihres Umsatzes, den der Anbieter mit ihnen macht, in eine Reihenfolge gebracht. Dies wird in einem zweidimensionalen Diagramm mit den Achsen kumulierter Anteil am Kundenbestand und kumulierter Umatzanteil dargestellt. Auf der erstgenannten Achse werden die jeweiligen Kunden abgetragen, wobei auf der linken Seite der Achse mit den Umsatzstärksten begonnen wird. Häufig wird hierbei ersichtlich, dass ein relativ kleiner Kundenanteil einen relativ grossen Umsatzanteil ausmacht [vgl. Bruhn 2001, S.217]. In diesem Zusammenhang wird oft von der 20:80-Regel gesprochen. Anhand der resultierenden Kurve lassen sich die Kunden in A-, B- und C-Kunden einteilen, wobei am meisten in die A-Kunden investiert werden sollte. Abbildung 4 zeigt auf der linken Seite die unscharfe ABC-Analyse mit den fliessenden Grenzen zwischen A-, B- und C-Kunden und auf der rechten Seite die klassische scharfe ABC-Analyse. Mit der scharfen Analyse werden möglicherweise Kunden mit ähnlicher Umsatzstärke in unterschiedliche Kundensegmente eingeteilt (Ford-Smith oder Brown-Miller) und Kunden mit relativ unterschiedlicher Umsatzstärke in das

Fuzzy Customer Segmentation

Fuzzy Customer Segmentation Fuzzy Customer Segmentation Dominic Brügger 19. Mai 2005 Zusammenfassung Die herkömmliche Kundensegmentierung beschränkt sich auf eine scharfe Klassifikation der Kunden. Dies genügt nicht, wenn neben den

Mehr

Online CRM: Fuzzy Customer Segmentation

Online CRM: Fuzzy Customer Segmentation Online CRM: Fuzzy Customer Segmentation Adrian Glauser Inhalt : 1. Einführung..... 3 2. Unscharfe Logik. 3 3. Klassische Kundensegmentierung. 5 4. Unscharfe Kundensegmentierung.. 6 5. Anwendungsbeispiel....

Mehr

Feedback-Management als Daten-Schatz für das Multi-Channel-Marketing

Feedback-Management als Daten-Schatz für das Multi-Channel-Marketing Feedback-Management als Daten-Schatz für das Multi-Channel- - Strategische CRM-Unternehmensberatung Vortrag im Rahmen des MTP-Alumni Forums Erfolgsfaktor Kundendialog warum Kunden wiederkommen, Darmstadt,

Mehr

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG...

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... Inhaltsübersicht Inhaltsübersicht I INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... 1 1.1 Zielsetzung und Motivation... 1 1.2

Mehr

Zur unscharfen Klassifikation von Datenbanken mit fcql

Zur unscharfen Klassifikation von Datenbanken mit fcql Zur unscharfen Klassifikation von Datenbanken mit fcql Andreas Meier, Christian Mezger, Nicolas Werro, Günter Schindler * Universität Fribourg Departement für Informatik Rue Faucigny 2 CH-1700 Fribourg

Mehr

Erfolgsfaktoren von Customer Relationship Management Strategien

Erfolgsfaktoren von Customer Relationship Management Strategien Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen Diplomica Verlag Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 378 Umsetzung ausgewählter Supply-Chain-Operations-Reference-Metriken durch das

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Produkte kommen und gehen, Kunden bleiben

Produkte kommen und gehen, Kunden bleiben Oliver Holtmann Produkte kommen und gehen, Kunden bleiben Customer-Value-Controlling als Herausforderung zur Steuerung des Kundenwerts Diplomica Verlag Oliver Holtmann Produkte kommen und gehen, Kunden

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol CRM Customer Relationship Management Gliederung Entwicklung und Einführung von Bezugspunkte und CRM - Systeme Veränderte Rahmenbedingungen Entwicklung CRM - Systeme» Deregulierung verstärkt internationalen

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh?

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer Alexander P.

Mehr

Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen

Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen Valentino Di Candido Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen Ein konzeptioneller Ansatz auf Basis einer internationalen Marktsegmentierung

Mehr

2.4.2.2 Strategisches und operatives Kundenbeziehungs- Controlling 38

2.4.2.2 Strategisches und operatives Kundenbeziehungs- Controlling 38 Inhaltsverzeichnis 1 Einleitung 1 1.1 Problemstellung 1 1.2 Gang der Untersuchung 5 2 Kundenorientiertes Management und Controlling - Der Kunde im Fokus betriebswirtschaftlicher Konzepte 9 2.1 Bedeutung

Mehr

Fuzzy-Systeme zur Unterstützung von Entscheidungen in land- und forstwirtschaftlichen Logistik-Prozessen

Fuzzy-Systeme zur Unterstützung von Entscheidungen in land- und forstwirtschaftlichen Logistik-Prozessen Fuzzy-Systeme zur Unterstützung von Entscheidungen in land- und forstwirtschaftlichen Logistik-Prozessen Steve Schneider Logistik- und Fabriksysteme Fraunhofer Institut für Fabrikbetrieb und -automatisierung

Mehr

Wertorientiertes Management von Kundenbeziehungen

Wertorientiertes Management von Kundenbeziehungen Horst-Florian Teja Jaeck Wertorientiertes Management von Kundenbeziehungen Berechnung des Customer Lifetime Value und Einsatz als Steuerungsgröße im CRM Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis

Mehr

Teil 1: Effektivität - Wirkungsmechanismen der Kundenbindung

Teil 1: Effektivität - Wirkungsmechanismen der Kundenbindung Inhaltsverzeichnis 1 Einleitung... 8 1.1 Einführung Was ist Loyalty Profiling?... 8 1.2 Motivation, Zielsetzung und Aufbau der Arbeit... 13 Teil 1: Effektivität - Wirkungsmechanismen der Kundenbindung

Mehr

Analytisches CRM in der Automobilindustrie

Analytisches CRM in der Automobilindustrie Analytisches CRM in der Automobilindustrie Dr. Frank Säuberlich Practice Manager European Customer Solutions Urban Science International GmbH Automobilhersteller müssen neue Wege gehen Anforderungen in

Mehr

Kundenbindung aus theoretischer Perspektive

Kundenbindung aus theoretischer Perspektive Inhaltsverzeichnis Vorwort Autorenverzeichnis V XIII Erster Teil Begriff und Grundlagen des Kundenbindungsmanagements Christian Homburg und Manfred Bruhn Kundenbindungsmanagement - Eine Einfuhrung in die

Mehr

Kundenbindung im gewerblichen Automobilmarkt

Kundenbindung im gewerblichen Automobilmarkt Andreas Meyer Kundenbindung im gewerblichen Automobilmarkt Eine empirische Kausalanalyse it einem Geleitwort von Prof. Dr. Frank Wimmer GABLER RESEARCH XI Inhaltsverzeichnis Inhaltsübersicht t IX Inhaltsverzeichnis

Mehr

Entwicklung eines CRM Systems

Entwicklung eines CRM Systems Entwicklung eines CRM Systems In diesem Skript werden alle möglichen Elemente die zur Entwicklung eines CRM Systems notwendig sind angesprochen. Im Rahmen Ihrer Analyse Ihres Beispielunternehmens/ Ihrer

Mehr

Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein

Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein Alles für den Kunden Analyse von Kundendaten Katrin Plickert, Heiko Hartenstein Zum Verständnis 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 2 Quelle: Heilmann, Kempner, Baars: Business and Competitive

Mehr

Wirtschaftsinformatik 2. Tutorium im WS 11/12

Wirtschaftsinformatik 2. Tutorium im WS 11/12 Wirtschaftsinformatik 2. Tutorium im WS 11/12 Entity/Relationship-Modell SQL Statements Tutorium Wirtschaftsinformatik WS 11/12 2.1 Datenmodellierung mit ERM (1) Datenmodellierung zur Erarbeitung des konzeptionellen

Mehr

KubiS 2008 Bonner Anwendertagung. Kundenbindung durch Defection-Management

KubiS 2008 Bonner Anwendertagung. Kundenbindung durch Defection-Management KubiS 2008 Bonner Anwendertagung Kundenbindung durch Defection-Management "Identifizieren Sie Ihre abwanderungswilligen Kunden bevor sie weg sind" Thomas Starsetzki Geschäftsführer starsetzki@skopos.de

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Wissensmanagement im Bankvertrieb

Wissensmanagement im Bankvertrieb Anja Peters Wissensmanagement im Bankvertrieb Universitätsverlag Regensburg Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XIV XVII XVIII 1 Wissensmanagement im Bankvertrieb

Mehr

Jenseits der Datenbank: Ausweg zu verkaufen. Vorsprung im Wettbewerb durch one to one - Marketing

Jenseits der Datenbank: Ausweg zu verkaufen. Vorsprung im Wettbewerb durch one to one - Marketing Jenseits der Datenbank: Ausweg zu verkaufen Vorsprung im Wettbewerb durch one to one - Marketing Erfahrungen im Vertrieb 2004 Regionalisierung der Kundenstruktur Aufträge werden kleiner Kunden verhalten

Mehr

Einführung in die Fuzzy Logic

Einführung in die Fuzzy Logic Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]

Mehr

Process-Oriented Measurement of Customer Satisfaction - POMS

Process-Oriented Measurement of Customer Satisfaction - POMS Process-Oriented Measurement of Customer Satisfaction - POMS Kundenzufriedenheit (KZF) wird weithin als eine wichtige Voraussetzung für andauernden Unternehmenserfolg genannt. Wissenschaftliche Studien,

Mehr

Klaus-Peter Wiedmann Frank Bachmann Tina Durst. Erfolgsfaktoren von Hospitality im Bereich des Sports Ergebnisse einer empirischen Untersuchung

Klaus-Peter Wiedmann Frank Bachmann Tina Durst. Erfolgsfaktoren von Hospitality im Bereich des Sports Ergebnisse einer empirischen Untersuchung Klaus-Peter Wiedmann Frank Bachmann Tina Durst Erfolgsfaktoren von Hospitality im Bereich des Sports Ergebnisse einer empirischen Untersuchung Prof. Dr. Klaus-Peter Wiedmann Institut für Marketing und

Mehr

Messung und Bewertung der Flexibilität im Rahmen der Balanced Scorecard

Messung und Bewertung der Flexibilität im Rahmen der Balanced Scorecard Messung und Bewertung der Flexibilität im Rahmen der Balanced Scorecard Freie wissenschaftliche Arbeit zur Erlangung des akademischen Grades Diplom-Kaufmann an der Wirtschafts- und Sozialwissenschaftlichen

Mehr

Inhaltsverzeichnis. Inhaltsverzeichnis

Inhaltsverzeichnis. Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis IX Abbildungsverzeichnis XIV Tabellenverzeichnis,...«. XEX Formclverzeichnis....XX Abkürzungsverzeichnis, XXI 1 Einleitung 1 1.1 Problemstellung 1 1.2 Methodik und

Mehr

Beck-Wirtschaftsberater im dtv 50808. Kundenorientierung. Bausteine für ein exzellentes Customer Relationship Management (CRM)

Beck-Wirtschaftsberater im dtv 50808. Kundenorientierung. Bausteine für ein exzellentes Customer Relationship Management (CRM) Beck-Wirtschaftsberater im dtv 50808 Kundenorientierung Bausteine für ein exzellentes Customer Relationship Management (CRM) von Prof. Dr. Manfred Bruhn Prof. Dr. Manfred Bruhn ist Inhaber des Lehrstuhls

Mehr

medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk

medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk Reihe medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk Band 48 Ute GUndling Die Neuausrichtung des Zeitungsmarfcetings durch Customer Relationship Management

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 350

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 350 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 350 Ein konzeptioneller Business-Intelligence-Ansatz zur Gestaltung von Geschäftsprozessen

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

wagner management consulting

wagner management consulting Customer Relationship Management Unser Verständnis Customer Relationship Management sind alle Interaktionen entlang der gesamten Kommunikation mit internen und externen Kunden. Effektive Prozesse unterstützt

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

häufig nur in der Theorie

häufig nur in der Theorie 2 Kundenbindungsmanagement existiert häufig nur in der Theorie Während unser Fokus früher auf den Produkten lag, stehen mittlerweile ganz klar unsere Kunden im Mittelpunkt. Aussagen wie diese finden sich

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

Computer Assisted Audit Techniques and Tools in der Wirtschaftsprüfung. Bachelorarbeit

Computer Assisted Audit Techniques and Tools in der Wirtschaftsprüfung. Bachelorarbeit Computer Assisted Audit Techniques and Tools in der Wirtschaftsprüfung Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft der Wirtschaftswissenschaftlichen

Mehr

Marketingmanagement. Technische Universität Chemnitz. Lehrstuhl für Marketing und Handelsbetriebslehre. Sommersemester 2015

Marketingmanagement. Technische Universität Chemnitz. Lehrstuhl für Marketing und Handelsbetriebslehre. Sommersemester 2015 Fakultät für Wirtschaftswissenschaften Professur für Marketing und Handelsbetriebslehre Technische Universität Chemnitz Fakultät für Wirtschaftswissenschaften Lehrstuhl für Marketing und Handelsbetriebslehre

Mehr

Inhaltsverzeichnis THEORETISCHER TEIL. Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis, XXVII

Inhaltsverzeichnis THEORETISCHER TEIL. Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis, XXVII Inhaltsverzeichnis Abbildungsverzeichnis XVII Tabellenverzeichnis XXV Abkürzungsverzeichnis, XXVII 1 Einführung in die Problemstellung 1 1.1 Wiederentdeckung der ökonomischen Bedeutung von langfristigen

Mehr

Profilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken

Profilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken Profilbezogene informatische Bildung in den Klassenstufen 9 und 10 Schwerpunktthema Robby Buttke Fachberater für Informatik RSA Chemnitz Fachliche Einordnung Phasen relationaler Modellierung Fachlichkeit

Mehr

Knowledge Discovery. Lösungsblatt 1

Knowledge Discovery. Lösungsblatt 1 Universität Kassel Fachbereich Mathematik/nformatik Fachgebiet Wissensverarbeitung Hertie-Stiftungslehrstuhl Wilhelmshöher Allee 73 34121 Kassel Email: hotho@cs.uni-kassel.de Tel.: ++49 561 804-6252 Dr.

Mehr

Grundlagen des CRM. Dr.-Ing. Jubran Rajub

Grundlagen des CRM. Dr.-Ing. Jubran Rajub Grundlagen des CRM Dr.-Ing. Literatur H. Hippner, K. D. Wilde (Hrsg.): Grundlagen des CRM, Konzepte und Gestaltung, Gabler Verlag, Wiesbaden (2007). K.C. Laudon, J.P. Laudon, D. Schoder: "Wirtschaftsinformatik

Mehr

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management. Prof. Dr. Carola Jungwirth. Seminararbeit (Master, SS 2011)

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management. Prof. Dr. Carola Jungwirth. Seminararbeit (Master, SS 2011) Universität Passau Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Seminararbeit (Master, SS 2011) Wettbewerbsfaktor Talentbindung die Vernetzung als nachhaltige

Mehr

Klaus-Peter Wiedmann Sabine Meissner Sascha Fusy

Klaus-Peter Wiedmann Sabine Meissner Sascha Fusy Schriftenreihe Marketing Management Universität Hannover Lehrstuhl für ABWL und Marketing II Prof. Dr. Wiedmann M2 Marketing & Management Klaus-Peter Wiedmann Sabine Meissner Sascha Fusy Reputation : -

Mehr

Schriftenreihe des Fachbereiches Wirtschaft Sankt Augustin

Schriftenreihe des Fachbereiches Wirtschaft Sankt Augustin Schriftenreihe des Fachbereiches Wirtschaft Sankt Augustin Andreas Gadatsch, Thilo Knuppertz, Sven Schnägelberger Geschäftsprozessmanagement - Eine Umfrage zur aktuellen Situation in Deutschland Band 9

Mehr

Logistische Leistungsdifferenzierung im Supply Chain Management

Logistische Leistungsdifferenzierung im Supply Chain Management Stefan Alexander Doch Logistische Leistungsdifferenzierung im Supply Chain Management Theoretische und empirische Entwicklung eines Gestaltungsansatzes für die Differenzierung der logistischen Leistungserstellung

Mehr

CRM Planen und Umsetzen welche Fragen auch für Sie relevant sind

CRM Planen und Umsetzen welche Fragen auch für Sie relevant sind Crystal Forum 2013 Clouds Zürich CRM Planen und Umsetzen welche Fragen auch für Sie relevant sind Institut für Finanzdienstleistungen Zug IFZ Prof. Dr. Nils Hafner Leiter Customer Focus T direkt +41 41

Mehr

Marketingmanagement. Marketingmanagement

Marketingmanagement. Marketingmanagement Marketingmanagement Marketingmanagement Technische Universität Chemnitz Fakultät für Wirtschaftswissenschaften Lehrstuhl für Marketing und Handelsbetriebslehre Univ.-Prof. Dr. Cornelia Zanger Sommersemester

Mehr

Fuzzy Customer Segmentation

Fuzzy Customer Segmentation Fuzzy Customer Segmentation Kundensegmentierung, neue Informations- und Kommunikationstechniken und Fuzzy Logik Online CRM Prof. Dr. Andreas Meier Information Systems Research Group Department of Informatics

Mehr

Heute entdecken, was den Kunden morgen begeistert.

Heute entdecken, was den Kunden morgen begeistert. Consulting Heute entdecken, was den Kunden morgen begeistert. Mit effizienten Tools Innovationen schaffen und Kunden gewinnen. Eine Kooperation zwischen MBtech Consulting und dem Spiegel Institut Mannheim

Mehr

Retention Marketing im Private Banking

Retention Marketing im Private Banking Retention Marketing im Private Banking Theoretische und empirische Analyse des Kundenbindungsmarketing im schweizerischen Private Banking Dissertation der Wirtschaftswissenschaftlichen Fakultät der Universität

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Workshop 3: Strategisches Marketing

Workshop 3: Strategisches Marketing BPW Business School Strategie Workshop 3: Strategisches Marketing Anthony-James Owen Guerrilla Marketing Group BPW Business ist eine Initiative des Businessplan-Wettbewerbs Berlin-Brandenburg Weitere Informationen

Mehr

Gordana Bjelopetrovic

Gordana Bjelopetrovic Gordana Bjelopetrovic Am Beispiel des Projektes Weiterbildung Online - eine Initiative mittelständischer Unternehmen in Nordhessen " Verlag Dr. Kovac Hamburg 2008 IX Inhaltsverzeichnis INHALTSVERZEICHNIS

Mehr

Das IPML Weiterbildungsprogramm Customer Relationship Management: Der Weg zum kundenorientierten Unternehmen

Das IPML Weiterbildungsprogramm Customer Relationship Management: Der Weg zum kundenorientierten Unternehmen Das IPML Weiterbildungsprogramm Customer Relationship Management: Der Weg zum kundenorientierten Unternehmen 1 Customer Relationship Management: Der Weg zum kundenorientierten Unternehmen Motivation Unter

Mehr

Oracle BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

Mehr

Null-Werte in Relationalen Datenbanken

Null-Werte in Relationalen Datenbanken Seminar: Imperfektion in Datenbanken WS03/04 Null-Werte in Relationalen Datenbanken Thomas Bierhance Einführung Null-Werte in DBen sind notwendiges Übel, da... (1) das Wissen über die tatsächliche Welt

Mehr

Entstehung und Generierung von Kundenwertpotenzialen im Web 2.0

Entstehung und Generierung von Kundenwertpotenzialen im Web 2.0 Vivian Pindur Entstehung und Generierung von Kundenwertpotenzialen im Web 2.0 Eine analytische Betrachtung unter Berücksichtigung des Social Media Monitoring Verlag Dr. Kovac Hamburg 2013 Inhaltsverzeichnis

Mehr

2 THEORETISCHE GRUNDLAGEN ZUM KUNDENBINDUNGSMANAGEMENT 11

2 THEORETISCHE GRUNDLAGEN ZUM KUNDENBINDUNGSMANAGEMENT 11 INHALTSVERZEICHNIS ABBILDUNGSVERZEICHNIS XVII TABELLENVERZEICHNIS XIX ABKÜRZUNGSVERZEICHNIS XXI 1 EINLEITUNG 1 1.1 Zur Notwendigkeit eines Kundenbindungsmanagements auf Business-to-Consumer Märkten.1 1.2

Mehr

Kundenzufriedenheit outside the box

Kundenzufriedenheit outside the box Kundenzufriedenheit outside the box Mit den 5Ps der Kundenzufriedenheit zum Unternehmenserfolg Mario Fuchs Research Manager Jennifer Frick Research Manager Wenn Sie darüber nachdenken was Unternehmen wie

Mehr

Carl-Engler-Schule Karlsruhe Datenbank 1 (5)

Carl-Engler-Schule Karlsruhe Datenbank 1 (5) Carl-Engler-Schule Karlsruhe Datenbank 1 (5) Informationen zur Datenbank 1. Definition 1.1 Datenbank-Basis Eine Datenbank-Basis ist eine Sammlung von Informationen über Objekte (z.b Musikstücke, Einwohner,

Mehr

Social Supply Chain Management

Social Supply Chain Management Social Supply Chain Management Wettbewerbsvorteile durch Social Supply Chain Management aus ressourcenorientierter Sicht (Johannes Nußbaum) Abstract Der Druck, soziale Auswirkungen entlang der Supply Chain

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen. Bachelorarbeit

IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen. Bachelorarbeit IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft der

Mehr

Mehr Erfolg im Kampagnenmanagement durch Uplift-Modelling

Mehr Erfolg im Kampagnenmanagement durch Uplift-Modelling Mehr Erfolg im Kampagnenmanagement durch Uplift-Modelling Herkömmliche Marketingkampagnen Vorgehensweise: Je nach Kampagnenart erfolgt die Selektion der Kunden anhand bestimmter Kriterien (z.b. Alter,

Mehr

Controlling im Key Account Management

Controlling im Key Account Management Ronald Heckl Controlling im Key Account Management Systematische KAM-Analyse und Kundenwert Zielformulierung Als erstes sollten Sie klären, welche Aufgabe das KAM-Controlling in Ihrem Unternehmen spielt

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert Maika Büschenfeldt Datenbanken: Skript 1 1. Was ist eine relationale Datenbank? In Datenbanken können umfangreiche Datenbestände strukturiert abgelegt werden. Das Konzept relationaler Datenbanken soll

Mehr

Beim Kunden wahrgenommene Qualität von IT-Services Ein wichtiger Faktor in der Beschaffung von Cloud Services

Beim Kunden wahrgenommene Qualität von IT-Services Ein wichtiger Faktor in der Beschaffung von Cloud Services Beim Kunden wahrgenommene Qualität von IT-Services Ein wichtiger Faktor in der Beschaffung von Cloud Services BICCnet Arbeitskreistreffen "IT-Services" am 14. November bei fortiss Jan Wollersheim fortiss

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Informationstechnik in der Kreditwirtschaft

Informationstechnik in der Kreditwirtschaft Juergen Seitz Informationstechnik in der Kreditwirtschaft Auswirkungen auf die Bankenstruktur Mit einem Geleitwort von Prof. Dr. Eberhard Stickel Technische Universität Darrhstadt Fachbereich 1 Betriebswirtschaftliche

Mehr

Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Seminararbeit. Projekt-Seminar INSTEAD im SS 2011

Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Seminararbeit. Projekt-Seminar INSTEAD im SS 2011 Universität Passau Wirtschaftswissenschaftliche Fakultät Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Seminararbeit Das Unternehmensleitbild als wesentlicher

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Requirements Engineering im Customer Relationship Management: Erfahrungen in der Werkzeugauswahl

Requirements Engineering im Customer Relationship Management: Erfahrungen in der Werkzeugauswahl Requirements Engineering im Customer Relationship Management: Erfahrungen in der Werkzeugauswahl GI-Fachgruppentreffen Requirements Engineering Agenda arvato services innerhalb der Bertelsmann AG Herausforderungen

Mehr

Electronic Customer Care Vom Neukundenfokus zur Steigerung der Lebensumsätze

Electronic Customer Care Vom Neukundenfokus zur Steigerung der Lebensumsätze Seite 1/6 PR-Artikel 2 ECC-Vom Neukundenfokus zur Steigerung der Lebensumsätze Nicole H. Jekel Electronic Customer Care Vom Neukundenfokus zur Steigerung der Lebensumsätze Inhalt 1. Einleitung 2. Was ist

Mehr

Kundenwertorientierte strategische Segmentierung in der gesetzlichen Krankenversicherung

Kundenwertorientierte strategische Segmentierung in der gesetzlichen Krankenversicherung Anja Maria Rittner Kundenwertorientierte strategische Segmentierung in der gesetzlichen Krankenversicherung Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis A. Einleitung 1 I. Kundenverständnis als zentrale

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 348 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 348 Konzeption eines Projektvorgehensmodells für die Business-Intelligence-Strategieberatung

Mehr

Investment Consulting im institutionellen Asset Management

Investment Consulting im institutionellen Asset Management Reihe: Portfoliomanagement Band: 28 Hrsg.: Lutz Johanning, Raimond Maurer, Markus Rudolf Bastian Runge Investment Consulting im institutionellen Asset Management Konzeption und empirische Analyse mit globaler

Mehr

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

Mehr

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data

Mehr

Das Phänomen der De-Internationalisierung

Das Phänomen der De-Internationalisierung Astrid Jagenberg Das Phänomen der De-Internationalisierung Ein reales Phänomen oder nur ein theoretisches Konstrukt? LIT INHALT Zusammenfassung Inhaltsverzeichnis Abbildungsverzeichnis i iii vii 1 Einleitung

Mehr

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3 xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable

Mehr

Lösungen zu den Übungsaufgaben aus Kapitel 3

Lösungen zu den Übungsaufgaben aus Kapitel 3 Lösungen zu den Übungsaufgaben aus Kapitel 3 Ü3.1: a) Die Start-Buchungslimits betragen b 1 = 25, b 2 = 20 und b 3 = 10. In der folgenden Tabelle sind jeweils die Annahmen ( ) und Ablehnungen ( ) der Anfragen

Mehr

Schriftenreihe des Fachbereiches Wirtschaft Sankt Augustin

Schriftenreihe des Fachbereiches Wirtschaft Sankt Augustin Schriftenreihe des Fachbereiches Wirtschaft Sankt Augustin Nils-Peter Koch, Dirk Schreiber IT-Management in KMU Eine praxisnahe Darstellung am Beispiel des Eskalationsmanagements eines IT-Systemhauses

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden

Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden Sperrvermerk Risikomanagement für IT-Projekte: Vergleich von Risiken und Methoden Bachelorarbeit Zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Data Warehousing und Data Mining

Data Warehousing und Data Mining Data Warehousing und Data Mining 2 Cognos Report Net (CRN) Ermöglicht Erstellen von Ad-hoc-Anfragen (Query Studio) Berichten (Report Studio) Backend Data Cube Relationale Daten Übung: Cognos Report Net

Mehr

Methode zur Rahmenplanung der Einführung von CRM-Systemen in produktorientierten, diversifizierten Industrieunternehmen.

Methode zur Rahmenplanung der Einführung von CRM-Systemen in produktorientierten, diversifizierten Industrieunternehmen. Methode zur Rahmenplanung der Einführung von CRM-Systemen in produktorientierten, diversifizierten Industrieunternehmen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und

Mehr

Kundenzufriedenheits- Analyse 4.0

Kundenzufriedenheits- Analyse 4.0 Kundenzufriedenheits- Analyse 4.0 Kundenzufriedenheit ist eine subjektive Grösse Das Konsum- und Entscheidungsverhalten von Menschen lässt sich nicht fixen Kategorien zuschreiben. Es zeigen sich situative

Mehr

Modulname: Wahlpflichtmodul Marketingmanagement Teilmodul: Käuferverhalten und Marketingforschung

Modulname: Wahlpflichtmodul Marketingmanagement Teilmodul: Käuferverhalten und Marketingforschung MM I Teilmodul: Käuferverhalten und Marketingforschung Das Ziel des Teilmoduls besteht in der Vermittlung von Kenntnissen ü- ber die zentralen Erklärungsansätze des Käuferverhaltens, auf die Methoden der

Mehr

Web Market Research.360

Web Market Research.360 .360 Kunden verstehen durch Zuhören - nicht durch Befragen! Research, Analysis & Consulting www.schwerdtundfeger.de trifft das Social Als Marktforschung kann man den Als Social wird die Gesamtheit von

Mehr

Address: University of Fribourg, Department of Informatics, Boulevard de Pérolles 90, CH-1700 Fribourg/Switzerland.

Address: University of Fribourg, Department of Informatics, Boulevard de Pérolles 90, CH-1700 Fribourg/Switzerland. Andreas Meier is a member of the Faculty of Economics and Social Science and a professor for information technology at the University of Fribourg. He specializes in electronic business, electronic government,

Mehr

ENTERPRISE PERFORMANCE MANAGEMENT FÜR EPM. Sie.

ENTERPRISE PERFORMANCE MANAGEMENT FÜR EPM. Sie. ENTERPRISE PERFORMANCE MANAGEMENT FÜR EPM Sie. WIE SIEHT DIE PERFORMANCE IHRES UNTERNEHMENS AUS? ZIELE MUSS MAN MESSEN KÖNNEN Ihre Mitarbeitenden bilden nicht nur einen grossen Kostenblock in Ihrer Aufwandsrechnung,

Mehr

Ways and methods to secure customer satisfaction at the example of a building subcontractor

Ways and methods to secure customer satisfaction at the example of a building subcontractor Abstract The thesis on hand deals with customer satisfaction at the example of a building subcontractor. Due to the problems in the building branch, it is nowadays necessary to act customer oriented. Customer

Mehr