Electronic Customer Relationship Marketing (eCRM). Kundenbindung im Internet durch Personalisierung

Inhaltsverzeichnis

1 Einleitung

2 Kundenbindung als Zielgröße des Customer Relationship Marketing

2.1 Customer Relationship Marketing

2.1.1 Individualisierung der Marktbearbeitung

2.1.2 Interaktion zwischen Anbieter und Kunde

2.1.3 Integration des Kunden

2.1.4 Selektion und Investition

2.2 Der Kundenbeziehungslebenszyklus als Ausgangspunkt

2.3 Erfolgskette der Kundenzufriedenheit und Kundenbindung

2.4 Kundenbindung im Internet durch Personalisierung

3 Personalisierung im Internet durch den Einsatz von Empfehlungssystemen

3.1 Personalisierung im Rahmen des eCRM

3.2 Objekte der Personalisierung

3.3 Der Personalisierungs-Prozess

3.3.1 Informationsgewinnung

3.3.2 Informationsanalyse

3.3.3 Personalisierung

3.4 Personalisierung durch Empfehlungssysteme

3.4.1 Rule Based Matching

3.4.2 Feature Based Filtering

3.4.3 Collaborative Filtering

3.4.4 Hybride Verfahren

4 Theoretische Erklärungsmodelle zur Kundenbindung aus Kundensicht

4.1 Begriff und Konzeptualisierung der Kundenbindung

4.2 Determinanten der Kundenbindung

4.2.1 Kundenzufriedenheit

4.2.2 Ökonomische Wechselbarrieren

4.2.3 Psychologische Wechselbarrieren

4.2.4 Soziale Wechselbarrieren

4.2.5 Attraktivität des Konkurrenzangebots

4.2.6 Variety Seeking

4.3 Typologie der Bindungszustände

5 Entwicklung eines Modells zur Analyse der Wirkungen von Empfehlungssystemen

5.1 Erfolgsmessung anhand vorökonomischer Zielgrößen

5.2 Ableitung von Hypothesen zur Wirkung von Empfehlungssystemen

5.3 Konzeptualisierung und Operationalisierung der in den Hypothesen berücksichtigten Konstrukte

5.3.1 Entwicklung eines Modells zur Messung der Qualität von Empfehlungssystemen

5.3.2 Messung der Kundenzufriedenheit und Kundenbindung

6 Das grundlegende Untersuchungsdesign

6.1 Datenerhebung und Datenbasis

6.2 Datenanalyse

6.3 Globale und lokale Gütekriterien

7 Empirische Analyse der Wirkung von Empfehlungssystemen

7.1 Messung der Qualität von Empfehlungssystemen

7.2 Wirkung von Empfehlungssystemen

8 Schlussbetrachtung

Zielsetzung & Themen der Arbeit

Die vorliegende Arbeit untersucht den Einfluss von personalisierten Empfehlungssystemen im E-Commerce auf die Kundenzufriedenheit und die Kundenbindung. Ziel ist es, durch die Entwicklung und empirische Überprüfung eines Kausalmodells zu klären, wie verschiedene Qualitätsdimensionen von Empfehlungssystemen (inhaltliche Güte, Präsentation und Funktionalität) die psychologischen Determinanten der Kundenbindung und damit den ökonomischen Erfolg beeinflussen.

• Grundlagen des Customer Relationship Marketing (CRM) und der Kundenbindung.
• Klassifizierung und Funktionsweise moderner Personalisierungstechniken und Empfehlungssysteme.
• Konzeptualisierung von Wirkungsmodellen zur Messung der Qualität von Empfehlungssystemen.
• Empirische Analyse der Auswirkungen personalisierter Empfehlungen auf Kundenloyalität und Zufriedenheit.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Diese Einleitung stellt die Bedeutung des CRM im elektronischen Handel dar und formuliert die Forschungsfragen zur Wirkung von Personalisierung auf die Kundenbindung.

2 Kundenbindung als Zielgröße des Customer Relationship Marketing: Dieses Kapitel erörtert das CRM-Konzept, den Kundenbeziehungslebenszyklus und die Erfolgskette von Kundenzufriedenheit und Kundenbindung.

3 Personalisierung im Internet durch den Einsatz von Empfehlungssystemen: Hier werden die technischen Möglichkeiten der Personalisierung, insbesondere verschiedene Empfehlungssysteme wie Rule Based Matching oder Collaborative Filtering, detailliert beschrieben.

4 Theoretische Erklärungsmodelle zur Kundenbindung aus Kundensicht: Das Kapitel definiert Kundenbindung und untersucht ihre zentralen Determinanten wie Zufriedenheit und verschiedene Wechselbarrieren.

5 Entwicklung eines Modells zur Analyse der Wirkungen von Empfehlungssystemen: Hier werden Wirkungshypothesen für Empfehlungssysteme aufgestellt und ein entsprechendes Messmodell konzeptualisiert.

6 Das grundlegende Untersuchungsdesign: Dieses Kapitel beschreibt die methodische Vorgehensweise bei der E-Mail-Befragung sowie die Kriterien für die Modellbeurteilung.

7 Empirische Analyse der Wirkung von Empfehlungssystemen: Die empirischen Ergebnisse zur Qualität von Empfehlungssystemen und deren kausaler Einfluss auf die Kundenbindung werden hier präsentiert und diskutiert.

8 Schlussbetrachtung: Die Arbeit schließt mit einer Zusammenfassung der wissenschaftlichen Erkenntnisse sowie einem Ausblick auf zukünftigen Forschungsbedarf.

Schlüsselwörter

Customer Relationship Marketing, Kundenbindung, Personalisierung, Empfehlungssysteme, Kundenzufriedenheit, Web Mining, Rule Based Matching, Collaborative Filtering, Feature Based Filtering, Kausalanalyse, Online-Handel, E-Commerce, Wechselbarrieren, Kundenprofil, Servicequalität.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit?

Die Arbeit analysiert den Einfluss von personalisierten Empfehlungssystemen im Internet auf die Kundenzufriedenheit und die Kundenbindung.

Was sind die zentralen Themenfelder?

Die Schwerpunkte liegen auf CRM-Strategien, verschiedenen Personalisierungstechniken (Empfehlungssystemen) sowie der theoretischen und empirischen Analyse von Kundenbindungsmodellen.

Was ist das primäre Ziel der Untersuchung?

Das Ziel ist die Kausalitätsprüfung, ob und inwieweit der Einsatz von Empfehlungssystemen die Kundenzufriedenheit und letztlich die Kundenbindung positiv beeinflusst.

Welche wissenschaftliche Methode wird verwendet?

Die Arbeit nutzt einen quantitativen Ansatz, basierend auf einer E-Mail-Befragung von Amazon-Kunden, und wertet die Daten mittels Kausalanalyse (Strukturgleichungsmodellierung) mit der Software AMOS aus.

Was wird im Hauptteil behandelt?

Der Hauptteil gliedert sich in die theoretische Fundierung der Kundenbindung, die methodische Darstellung von Empfehlungsverfahren und die anschließende empirische Prüfung der aufgestellten Hypothesen.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die Arbeit lässt sich vor allem über Begriffe wie CRM, Kundenbindung, Empfehlungssysteme, Kausalanalyse und Personalisierung definieren.

Welche Rolle spielt das Kundenprofil bei der Personalisierung?

Das Kundenprofil dient als notwendige Datenbasis für Empfehlungen; die Funktionalität, mit der Nutzer ihr Profil verwalten können, ist laut den Ergebnissen ein wesentlicher Treiber für die Zufriedenheit.

Warum ist das Feature Based Filtering für manche Bereiche weniger geeignet?

Es stößt an Grenzen, wenn subjektive Merkmale wie Geschmack oder Qualität im Vordergrund stehen, da dieses Verfahren primär auf objektive Eigenschaften fokussiert.