Unternehmen sind bestrebt, das Verhalten ihrer Konsumenten zu erfassen und zu analysieren, um dieses Wissen gewinnbringend für sich zu nutzen. Im Internet lässt sich eine erhebliche Masse verfügbarer Daten sammeln, die aussagekräftige Informationen über das Verhalten beinhalten können. Beschrieben durch die Big Data Problematik, ergeben sich jedoch Schwierigkeiten, mit dieser Fülle an Benutzerdaten umzugehen. In dieser Arbeit wurde das Data Mining als Verfahren angewandt, um Daten zu strukturieren und so informative Muster und Zusammenhänge zu finden, die Aussagen über die Nutzergruppen zulassen. Die Arbeit gibt einen Überblick darüber, welche Kontaktpunkte im Hinblick auf die Aspekte des Konsumentenverhaltens besonders informativ sind und welche spezifischen Erkenntnisse über die Nutzer daraus abgeleitet werden können. Dabei wurden das Web Content Mining sowie das Web Usage Mining auf Online Shops, Social Media und Suchmaschinen angewandt. Anhand dessen konnten Rückschlüsse auf das Informationssuchverhalten, die Intention, die Adoption sowie die Evaluation der Nutzer gezogen werden. Die Anwendung des Web Content Mining bestätigte die Eignung des Social Media, das Word-of-Mouth-Verhalten der Konsumenten hinsichtlich des Unternehmens zu analysieren. Dahingegen erwies sich der Online Shop, durch Anwendung des Web Usage Mining, als geeigneter Kontaktpunkt, um Informationen über das Kaufverhalten sowie die Charakterisierung von Käufertypen zu erlangen. Die Kombination des Web Content Mining mit dem Web Usage Mining im Rahmen von Suchmaschinen, stellte die Eignung dieses Kanals hinsichtlich der Analyse des Informationssuchverhaltens sowie der Intention der Nutzer dar.
Inhaltsverzeichnis
- Einleitung
- Das Online-Konsumentenverhalten
- Abgrenzung zwischen traditionellem und Online-Konsumentenverhalten
- Das IIAE-Model zur Kategorisierung des Online-Konsumentenverhaltens
- Datenerhebung über das Konsumentenverhalten im Internet
- Ökonomische Relevanz der Datenerhebung für Unternehmen
- Relevante Kontaktpunkte zur Erhebung von Konsumentendaten
- Herausforderungen von Big Data
- Data Mining Verfahren zur Analyse des Konsumentenverhaltens
- Definition und Ziele des Data Mining
- Aufgaben des Data Mining
- Methoden des Data Mining
- Web Content Mining
- Web Usage Mining
- Stärken und Schwächen der Methoden
- Analyse relevanter Kontaktpunkte und ihrer Potenziale durch Anwendung des Data Mining
- Kontaktpunkte
- Online Shops
- Social Media
- Suchmaschinen
- Potenziale und Risiken der Kontaktpunkte hinsichtlich des Informationsgehaltes
- Kontaktpunkte
- Fazit und Ausblick
Zielsetzung und Themenschwerpunkte
Die Bachelorarbeit befasst sich mit der Erfassung und Analyse des Konsumentenverhaltens im Internet, um Unternehmen bei der Nutzung dieser Daten für ihre Geschäftsstrategie zu unterstützen. Die Arbeit untersucht, wie Data Mining-Methoden eingesetzt werden können, um aus großen Datenmengen (Big Data) aussagekräftige Informationen über das Nutzerverhalten zu gewinnen.
- Relevanz der Datenerhebung im Online-Bereich für Unternehmen
- Analyse von Kontaktpunkten im Internet für die Datenerhebung (z.B. Online Shops, Social Media, Suchmaschinen)
- Anwendung von Data Mining Methoden (Web Content Mining, Web Usage Mining) zur Analyse des Konsumentenverhaltens
- Potenziale und Risiken der verschiedenen Kontaktpunkte bezüglich des Informationsgehaltes
- Herausforderungen und Möglichkeiten des Data Mining im Kontext des Online-Konsumentenverhaltens
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung Dieses Kapitel stellt die Relevanz des Themas Online-Konsumentenverhalten und Data Mining für Unternehmen dar. Es werden die Forschungsfragen der Arbeit definiert, die sich auf die Analyse relevanter Kontaktpunkte im Internet und die Anwendung von Data Mining-Methoden fokussieren.
- Kapitel 2: Das Online-Konsumentenverhalten Dieses Kapitel beleuchtet die Besonderheiten des Online-Konsumentenverhaltens im Vergleich zum traditionellen Konsumentenverhalten. Es wird das IIAE-Model zur Kategorisierung des Online-Konsumentenverhaltens vorgestellt und analysiert.
- Kapitel 3: Datenerhebung über das Konsumentenverhalten im Internet Dieses Kapitel befasst sich mit den ökonomischen Relevanzen der Datenerhebung für Unternehmen. Es werden verschiedene Kontaktpunkte im Internet, wie Online Shops, Social Media und Suchmaschinen, als Quellen für die Erhebung von Konsumentendaten vorgestellt. Darüber hinaus werden die Herausforderungen, die mit der großen Datenmenge (Big Data) verbunden sind, diskutiert.
- Kapitel 4: Data Mining Verfahren zur Analyse des Konsumentenverhaltens Dieses Kapitel definiert das Data Mining und seine Ziele. Es werden verschiedene Methoden des Data Mining wie Web Content Mining und Web Usage Mining erläutert und ihre Stärken und Schwächen im Kontext der Analyse des Konsumentenverhaltens dargestellt.
- Kapitel 5: Analyse relevanter Kontaktpunkte und ihrer Potenziale durch Anwendung des Data Mining Dieses Kapitel analysiert die Potenziale und Risiken der verschiedenen Kontaktpunkte im Hinblick auf den Informationsgehalt für Unternehmen. Es werden konkrete Beispiele und Anwendungsfälle vorgestellt, die die Anwendung des Data Mining zur Analyse des Konsumentenverhaltens in Online Shops, Social Media und Suchmaschinen verdeutlichen.
Schlüsselwörter
Die vorliegende Arbeit beschäftigt sich mit dem Thema Online-Marketing und analysiert, wie das Konsumentenverhalten über verschiedene Online-Kanäle hinweg erfasst und gemessen werden kann. Zentrale Schlüsselwörter sind Data Mining, Web Content Mining, Web Usage Mining, Online Shops, Social Media, Suchmaschinen, Big Data, Konsumentenverhalten, Kontaktpunkte, Informationsgehalt, Potenziale und Risiken.
- Quote paper
- Isabell Stupak (Author), 2015, Online-Marketing. Wie kann Konsumentenverhalten über verschiedene Kanäle hinweg erfasst und gemessen werden?, Munich, GRIN Verlag, https://www.grin.com/document/442360
