iBusiness - Shop

Zurück

Leseprobe: Web-Personalisierung und Web-Mining für eCRM

Nicht mehr lieferbar

Personalisierungs-Werkzeuge

E-Commerce revolutioniert die Art und Weise, wie Produkte und Dienstleistungen vermarktet und vertrieben werden. Das Internet verändert die Einkaufsgewohnheiten der Verbraucher, und das dauerhaft. Fehlende Loyalität ist ein prägnantes Kennzeichen der Verbraucher im E-Commerce.

Dies bedeutet, dass Unternehmen ihre 'ausgetrampelten' Marketingpfade verlassen müssen, und neue Wege zum Kunden suchen müssen. Die Grundlage zum Erfolg und zur langfristigen Profitabilität des Online-Marketings ist neben einem ausgewogenem Kosten-/Nutzen-Verhältnis, die personalisierte Kundenorientierung. Der Grad der Kundenbindung im Online-Markt steht in direkter Relation zur Reflektion der individuellen Bedürfnisse der Kunden.

Ein Online-Anbieter, der Kunden binden möchte, muss ein 'Point of Interest' für jeden einzelnen Kunden darstellen und sich daher jedem Kunden mit personalisiertem Inhalt und Angebot darstellen. Ausgehend von der richtigen Zielgruppensegmentierung und der richtigen Webseiten-Charakteristika ist eine konsequente Personalisierung der Inhalte und Angebote die Basis für eine erfolgreiche Online-Präsenz. Damit gewinnt entsprechende Personalisierungs-Software im E-Business zunehmend an Bedeutung.

"The Web analytics market grows from 425 million US-Dollars in 2000 sales to a projected 4 billion US-Dollars in 2004" (David Rickard, 2001).

Aufgrund der attraktiven Marktaussichten ist es nicht verwunderlich, dass der Markt von vielen Software-Herstellern adressiert wird. Daher existieren bereits diverse Software-Lösungen, welche die Phasen des Personalisierungsprozesses mit unterschiedlichen Schwerpunkten und Methoden unterstützen.

Personalisierungs-Tools ermöglichen das bedarfsgerechte Anzeigen und Empfehlen von Produkten und Inhalten für Kunden basierend auf seinen psychographischen und soziodemographischen Informationen sowie seiner Transaktions-Historie. Insgesamt läßt sich der Personalisierungsprozeß in die Phasen 'Profiling' (Aquisition und Benutzermodellierung) sowie 'Match Making' (Anpassung) einteilen. Beim 'Profiling'kann zwischen der Aufnahme von expliziten Daten (z.B. Postanschrift, Präferenzen...) und impliziten Daten (Click-Stream, Verweilzeiten) unterschieden werden. Das Match Making läßt sich grundsätzlich in dynamische und statische Verfahren einteilen.

Zu den dynamischen Verfahren gehören der Agentenansatz und das Collaborative Filtering (Content-based und Profile-based Collaborative Filtering). Durch die dynamischen Verfahren können Affinitäts- und Präferenzgemeinschaften aufgebaut werden, in denen automatisiert Beratung und Empfehlungen angeboten werden können. Der besondere Vorteil dieser Verfahren liegt darin begründet, das die Beratungsexpertise nicht aufwendig in Form von Wenn-Dann-Regeln modelliert werden muß, sondern automatisiert durch den Systembetrieb entwickelt und adaptiv gepflegt wird. Alternativ oder auch ergänzend zu dem 'Black Box-Ansatz' der dynamischen Verfahren kann im Rahmen der statischen Verfahren der Einsatz von regelbasierten Systemen erfolgen. Hier werden nach bestimmten Regeln (z.B. wenn Person zwischen 20 und 30 Jahre alt ist und ein mittleres Einkommen hat, dann empfehle die Information X und das Produkt Y) Empfehlungen ausgesprochen. Die Regeln können entweder durch die Anwender (Marketing/ Fachabteilungen) benutzer-getrieben definiert oder durch Data Mining daten-getrieben automatisiert entwickelt werden. Data Mining ermöglicht darüber hinaus die kundengruppen-spezifische Analyse von Warenkörben, die Prognose des Kundenverhaltens sowie das Aufdecken von Cross- und Up-Selling-Potenzialen. Diese Data Mining-Ergebnisse stellen einen wichtigen Input für das zielgruppengerechte Match Making dar.

Durch das sogenannte Web Mining kann im Verständnis eines Observational Filtering (implizites Profiling) zudem die individuelle Abstimmung von Benutzerführung und Layout auf das Surf- und Kaufverhalten von Kunden erfolgen.

Einige Tool-Hersteller bieten als statisches Verfahren auch das sogenannte Computer-assisted self-explication (CASE) an. Hier werden Produkte (Autos, Finanzierungen, Kreuzfahrten...) durch direkte Fragen nach nicht akzeptablen Merkmalen, 'nice to have'- oder 'need to have'-Eigenschaften sowie deren Gewichtungen in eine Rangordnung gebracht und entsprechend dem Kunden angeboten.

Während integrierte Personalisierungs-Lösungen umfassende Profiling-, Match Making- und Mining-Funktionalität anbieten, fokussieren dezidierte Software-Werkzeuge einzelne Phasen bzw. Methoden. Beispielhaft lassen sich folgende Anwendungsfelder für den Einsatz von Personalisierungs-Tools aufgezeigen:

  • 1. Unterstützung des 1-click-shopping/ One-to-One Marketing
  • 2. Individualisierte und kundengruppen-spezifische Webseiten
  • 3. Individuelle Abstimmung von Benutzerführung und Layout auf das Surf- und Kaufverhalten von Kunden
  • 4. Initiativangebote durch Assoziationsanalysen (Data Mining) und Collaborative Filtering

Insgesamt werden in der Studie zwölf marktgängige Personalisierungs-Lösungen untersucht und bewertet. Die Studie zeigt, wie für verschiedene Fragestellungen und Business Cases anhand eines Kriterienkataloges die für das jeweilige Unternehmen geeignete Personalisierungs-Lösung gefunden werden kann. Darüber hinaus werden die Integrationsmöglichkeiten mit anderen Systemen (Content-Management-Systemen, Shop-Lösungen, Call Center, Data Warehouse...) aufgezeigt.