HMD 268, 46. Jahrgang, August 2009

Web & Data Mining

Herausgeber: Matthias Knoll, Andreas Meier

Unscharfe Klassifikation von Webkennzahlen

Darius Zumstein, Patrik Hugi

Zusammenfassung

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 Kundenbewertungs- und Segmentierungsmethoden sind Scoring-Modelle. Ein Problem solcher Heuristiken besteht darin, dass Kundenstrategien anhand von trenn-scharfen 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.

Inhaltsübersicht

  1. Erfolgskette des Onlinemarketings
  2. eRFM: Einfach messbare und aussagekräftige eBusiness-Kennzahlen
  3. Klassifikationsmethoden
    1. Scharfe Scoring-Modelle und Problematik
    2. Der Ansatz der unscharfen Klassifikation
    3. Unscharfe Klassifikation von Frequency und Monetary Value
    4. Fuzzy eRFM Data Cube
  4. Fallstudie coop@home
    1. Daten der Fallstudie
    2. Berechnung der Fuzzy-Werte
    3. Vergleich scharfe und unscharfe Klassifikation
  5. Unscharfe Klassifikation weiterer Web- und eCommerce-Kennzahlen
  6. Nutzenbetrachtung
  7. Literatur