Präventives Retourenmanagement im eCommerce
| dc.contributor.author | Möhring, Michael | |
| dc.contributor.author | Walsh, Gianfranco | |
| dc.contributor.author | Schmidt, Rainer | |
| dc.contributor.author | Koot, Christian | |
| dc.contributor.author | Härting, Ralf-Christian | |
| dc.date.accessioned | 2018-01-16T12:16:52Z | |
| dc.date.available | 2018-01-16T12:16:52Z | |
| dc.date.issued | 2013 | |
| dc.description.abstract | enDas wachsende Business-to-Consumer-Geschäft im eCommerce erhöht auch die Problematik der Verbraucherretouren für viele Onlinehändler. Oftmals werden Retouren durch den Verbraucher aufgrund von »Nichtgefallen« konkludent retourniert und verursachen dadurch Kosten in der Handhabung, die die Ertragssituation der Onlinehändler negativ beeinflussen können. Im vorliegenden Beitrag wird aufgezeigt, wie durch den Einsatz von Big Data Retourenquoten gesenkt werden können. Big Data wird dazu eingesetzt, Merkmalskombinationen, die Retouren ankündigen, durch Auswertung von strukturierten und unstrukturierten Daten im Kontext der eCommerceTransaktionen in Onlineshops zu erkennen. Hierdurch werden proaktive Reaktionen möglich, mit denen Retouren vermieden werden können. | |
| dc.identifier.pissn | 2198-2775 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/14148 | |
| dc.publisher | Springer | |
| dc.relation.ispartof | HMD Praxis der Wirtschaftsinformatik: Vol. 50, No. 5 | |
| dc.relation.ispartofseries | HMD Praxis der Wirtschaftsinformatik | |
| dc.title | Präventives Retourenmanagement im eCommerce | |
| dc.type | Text/Journal Article | |
| gi.citation.endPage | 75 | |
| gi.citation.startPage | 66 |