Show simple item record

dc.contributor.authorMöhring, Michael
dc.contributor.authorWalsh, Gianfranco
dc.contributor.authorSchmidt, Rainer
dc.contributor.authorKoot, Christian
dc.contributor.authorHärting, Ralf-Christian
dc.date2013-10-01
dc.date.accessioned2018-01-16T12:16:52Z
dc.date.available2018-01-16T12:16:52Z
dc.date.issued2013
dc.identifier.issn2198-2775
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/14148
dc.description.abstractenDas 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.publisherSpringer
dc.relation.ispartofHMD Praxis der Wirtschaftsinformatik: Vol. 50, No. 5
dc.relation.ispartofseriesHMD Praxis der Wirtschaftsinformatik
dc.titlePräventives Retourenmanagement im eCommerce
dc.typeText/Journal Article
mci.reference.pages66-75
gi.identifier.doi10.1007/BF03340854


Files in this item

FilesSizeFormatView

There are no files associated with this item.

Show simple item record