Revolution des Handels! Mit diesem Ausdruck wurden die von vielen erwarteten Veränderungen des Online-Booms auf die Geschäftswelt beschrieben. Damaligen Prophezeiungen zufolge war die Entwicklung hin zum reinen Online-Einkauf nur noch eine Frage der Zeit. Andere, zum Teil weit übertriebene, Vorstellungen der schönen neuen Online-Zukunft muss ich hier nicht aufführen, sie sind allgemein bekannt, auch wenn manche sie lieber vergessen würden.
Offensichtlich haben sich diese Erwartungen aber fast alle nicht erfüllt. Es gab zwar sehr viele Unternehmensneugründungen im Bereich des E-Commerce, nur wenige haben jedoch bis heute überlebt. Als positive Beispiele sind hier die weithin bekannten Größen dieser Branche wie Amazon oder eBay zu erwähnen. Eine interessante Frage ist, warum denn nur so wenige der einstmals zahlreichen Händler überlebt haben. Die Beantwortung bedarf zunächst einer kurzen Betrachtung der während des Booms begangenen Fehler.
Inhaltsverzeichnis
1. Einleitung
1.1. Vorstellungen des Einflusses von E-Commerce während des DotCom-Booms
1.2. Während des Booms begangene Fehler
1.3. Inhaltsübersicht
2. Betriebswirtschaftliche Aspekte
2.1. Stärkere Kundenbindung durch Personalisierung
2.2. Erhöhung des Umsatzes pro Kunde
2.3. Erhöhung des ROI
2.4. Wann lohnt sich Personalisierung?
3. Einführung in Customer Relationship Management
3.1. Definition
3.2. Strategische Zielsetzungen des CRM-Konzepts
3.3. CRM-Softwarelösungen
3.3.1. Aufgabenbereiche eines CRM-Systems
3.3.2. Analytisches CRM
3.3.3. Operatives CRM
3.3.4. Kommunikatives CRM
3.3.5. Beispiel aus der Praxis
4. Web-Mining – Grundvoraussetzung der Personalisierung
4.1. Was ist Web-Mining und was kann man damit machen?
4.2. Was ist Data Mining?
4.2.1. Besonderheit des Web-Mining (Datenquellen)
4.2.2. Log-Dateien – Logbücher des Servers
4.2.3. Cookies – klein aber oho
4.2.4. Web Bugs – virtuelles Ungeziefer
4.2.5. Formulare – langweilig aber effizient
4.2.6. Bewegungspfade – virtuelles Trampelpfade
4.2.7. Spyware – Verfolgung online
4.2.8. Externe Offline-Quellen – Daten aus dritter Hand
4.3 Die Vorgehensweise beim Data Mining
4.3.1. Spezifizieren der Ziele des Data Minings
4.3.2. Aufbau der Mining Base
4.3.3. Methodenauswahl
4.3.4. Verfahren des Data Mining
4.3.4.1. Assoziationsanalysen
4.3.4.1.1. Warenkorbanalysen
4.3.4.1.2. Analyse sequenzieller Muster
4.3.4.2. Entscheidungsbaum-Verfahren
4.3.4.3. Clusterverfahren
4.3.4.3.1. Hierarchische Verfahren
4.3.4.3.2. Partitionierende Verfahren
4.3.4.4. Neuronale Netze
4.3.4.5. Genetische Algorithmen
4.3.5. Interpretation und Auswertung der Ergebnisse
5. Personalisierung – Tante Emma im Internet
5.1. Was ist Personalisierung?
5.2. Warum eigentlich personalisieren?
5.3. Leistungen einer personalisierten Web Site
5.4. Wie profitiert der Kunde?
5.5. Personalisierungsprozess und –techniken
5.5.1. Profiling
5.5.2. Matching
5.5.2.1. Rules-Based-Systeme
5.5.2.2. CASE-Systeme
5.5.2.3. Endorsement-Systeme
5.5.2.4. Collaborative Filtering
5.5.3. Channeling
5.6. Akzeptanz der Personalisierung
6. Datenschutz und Datensicherheit
6.1. Die Situation in Deutschland und der EU
6.2. Die Situation in den USA
6.3. Die Situation in Japan
6.4. Der P3P-Standard des W3C
7. Beispiele aus der Praxis
7.1. eBay – der weltweite Online-Marktplatz
7.2. Amazon – der elektronische Buchladen
7.3. Yahoo! – das Internet-Portal
8. Fazit und Ausblick
Zielsetzung und thematische Schwerpunkte
Die Arbeit untersucht, wie E-Commerce-Unternehmen Web-Mining-Methoden nutzen können, um Web-Angebote effektiv zu personalisieren, Kunden zu binden und Wettbewerbsvorteile zu generieren, während gleichzeitig Datenschutzaspekte berücksichtigt werden.
- Betriebswirtschaftliche Bedeutung von Personalisierung und Kundenbindung
- Grundlagen und Verfahren des Web-Mining und Data Mining
- Techniken der Personalisierung im Online-Handel
- Rechtliche Rahmenbedingungen zum Datenschutz in Deutschland, EU, USA und Japan
- Praxisbeispiele von Amazon, eBay und Yahoo! zur Personalisierung
Auszug aus dem Buch
4.2.5. Formulare – langweilig, aber effizient
Formulare sind der einfachste und effizienteste Weg, große Mengen an persönlichen Daten von Besuchern zu sammeln. Man sollte die Länge der Formulare allerdings nicht übertreiben, da dies abschreckend wirkt. Auch Fragen zu Einkommen und Familienstand sind nicht gern gesehen. Sehr viele davon werden absichtlich falsch beantwortet.
Die aus dem Formular gewonnen Daten haben nach der Übertragung an den Server typischerweise folgende Form:
name=Max+Mustermann&alter=28&geschlecht=Maennlich&PLZ=46013
Ein CGI-Skript bringt diesen Ausdruck in eine für viele andere Programme lesbare Form. Interessant ist hier etwa eine durch Kommas getrennte Textdatei.
Max Mustermann, 35, männlich, 84034
Die kann dann z. B. in eine Datenbank oder in eine Data-Mining-Anwendung zur weiteren Verarbeitung importiert werden.
Formulare stellen eine Besonderheit in den Quelldaten für Data Mining dar. Es handelt sich nämlich dabei um vom Kunden bzw. Besucher freiwillig selbst eingegebene Daten. Bei entsprechender Motivation kann davon ausgegangen werden, dass diese Daten der Wahrheit entsprechen.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beleuchtet die Erwartungen an E-Commerce während des DotCom-Booms, analysiert die damals begangenen Fehler und gibt einen Überblick über den Aufbau der Arbeit.
2. Betriebswirtschaftliche Aspekte: Das Kapitel erläutert, warum Personalisierung für Online-Händler essentiell ist, um Kunden zu binden, den Umsatz zu steigern und den Return on Investment zu optimieren.
3. Einführung in Customer Relationship Management: Hier werden die Grundlagen von CRM, strategische Ziele und Softwarelösungen als Basis für eine erfolgreiche Kundenbeziehung vorgestellt.
4. Web-Mining – Grundvoraussetzung der Personalisierung: Dieses Kapitel führt in Web-Mining und Data-Mining-Verfahren ein, erläutert die verschiedenen Datenquellen sowie Methoden wie Assoziationsanalysen, Entscheidungsbäume und Clusterverfahren.
5. Personalisierung – Tante Emma im Internet: Es wird definiert, was Personalisierung bedeutet, warum sie notwendig ist und welche Prozessschritte (Profiling, Matching, Channeling) zur Umsetzung genutzt werden.
6. Datenschutz und Datensicherheit: Dieses Kapitel vergleicht die rechtlichen Situationen und Datenschutzstandards zum Umgang mit Nutzerdaten in Deutschland, der EU, den USA und Japan.
7. Beispiele aus der Praxis: Die Personalisierungspraktiken der großen Online-Plattformen eBay, Amazon und Yahoo! werden untersucht und hinsichtlich ihrer Effektivität und Nutzerfreundlichkeit kritisch hinterfragt.
8. Fazit und Ausblick: Das Fazit wägt Aufwand und Ertrag der Personalisierung ab und wirft einen Blick auf zukünftige Entwicklungen im E-Commerce.
Schlüsselwörter
Web-Mining, Data Mining, Personalisierung, Customer Relationship Management, CRM, Kundenbindung, E-Commerce, Online-Handel, Datenschutz, Datensicherheit, Warenkorbanalyse, Entscheidungsbaum, Clusterverfahren, Kundenprofil, Nutzerverhalten
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit analysiert die Möglichkeiten, wie Online-Händler mittels Web-Mining-Verfahren Kundenverhalten analysieren und Web-Angebote personalisieren können.
Was sind die zentralen Themenfelder?
Die Arbeit verknüpft betriebswirtschaftliche Ziele im CRM mit technischen Mining-Verfahren, konkreten Personalisierungstechniken und dem kritischen Aspekt des Datenschutzes.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist es aufzuzeigen, wie Unternehmen Kundendaten nutzen können, um durch Personalisierung die Kundenbindung zu stärken und Wettbewerbsvorteile zu erzielen, unter Beachtung der rechtlichen Grenzen.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine theoretische Arbeit, die auf Literaturanalyse basiert, ergänzt durch Fallstudien bekannter E-Commerce-Größen wie Amazon, eBay und Yahoo!.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in Grundlagen des CRM, eine detaillierte Einführung in Web-Mining und Data-Mining-Verfahren sowie die Erläuterung des Personalisierungsprozesses inklusive Datenschutzaspekten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Web-Mining, Data Mining, Personalisierung, CRM, Kundenbindung, E-Commerce, Datenschutz.
Wie wird das "Matching" im Personalisierungsprozess definiert?
Das Matching ist die zweite Phase der Personalisierung, in der die erstellten Kundenprofile genutzt werden, um dem Kunden in Echtzeit maßgeschneiderte Angebote, Empfehlungen oder Bannerwerbung zu präsentieren.
Warum ist der Datenschutz ein kritischer Punkt für die Personalisierung?
Personalisierung erfordert die Preisgabe personenbezogener Daten. Da Nutzer zunehmend sensibel gegenüber der Überwachung ihres Verhaltens sind, entstehen Konflikte zwischen technischer Machbarkeit und dem notwendigen Vertrauen der Kunden.
- Citar trabajo
- Christian Straßer (Autor), 2003, Personalisierung mit Hilfe von Web-Mining, Múnich, GRIN Verlag, https://www.grin.com/document/23420
