Unscharfe Klassifikation von Webkennzahlen
| dc.contributor.author | Zumstein, Darius | |
| dc.contributor.author | Hugi, Patrik | |
| dc.date.accessioned | 2018-01-16T12:20:13Z | |
| dc.date.available | 2018-01-16T12:20:13Z | |
| dc.date.issued | 2009 | |
| dc.description.abstract | Das Customer Relationship Management braucht Methoden und Kennzahlen, um Website-Besucher und Onlinekunden sowie deren Wert für das eBusiness zu klassifizieren und zu bewerten.In der Praxis weitverbreitete Kundenbewer-tungs- und Segmentierungsmethoden sind Scoring-Modelle. Ein Problem solcher Heuristiken besteht darin, dass Kundenstrategien anhand von trennscharfen Klassen und Scores definiert werden. Aufgrund scharfer Klassen können Klassifikationsfehler auftreten, Kunden falsch bewertet und das Marketingbudget bei der Kundenansprache oder beim Kundenmanagement suboptimal eingesetzt werden.Dieser Beitrag schlägt eine unscharfe Scoring-Methode vor, konkret ein unscharfes eRFM-Modell. Die Werte der Variablen Recency, Frequency und Monetary Value sind einfach zu erfassen und dank der unscharfen Klassifikation genauer zu segmentieren als bei trennscharfer Klassifikation.Dies wird anhand einer Simulation und einer Fallstudie eines Unternehmens im Online-Detailhandel gezeigt. | |
| dc.identifier.pissn | 2198-2775 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/14522 | |
| dc.publisher | Springer | |
| dc.relation.ispartof | HMD Praxis der Wirtschaftsinformatik: Vol. 46, No. 4 | |
| dc.relation.ispartofseries | HMD Praxis der Wirtschaftsinformatik | |
| dc.title | Unscharfe Klassifikation von Webkennzahlen | |
| dc.type | Text/Journal Article | |
| gi.citation.endPage | 56 | |
| gi.citation.startPage | 44 |