Quantitative Analyses in Digital Marketing and Business Intelligence

Diese Arbeit ist in zwei Teile untergliedert. Ihr erster Teil besteht aus vier Essays zu verschiedenen Fragestellungen des digitalen Marketings; unter diesem Begriff werden alle Marketingaktivitäten im Internet verstanden, unabhängig davon, ob damit primär Nutzer stationärer Endgeräte (wie eines Desktop PCs) oder Nutzer mobiler Endgeräte (wie eines Smartphones) adressiert werden. In Essay I wird ein Modell entwickelt und beispielhaft angewandt, mit dem aus der Beobachtung, wie lange es dauert, bis ein im gängigen Sofort-Kaufen-Format angebotener Artikel verkauft wird, darauf zurückgeschlossen werden kann, wie viele Konsumenten sich für ihn interessieren und wie sehr sie ihn wertschätzen. Dadurch können einige Probleme umgangen werden, die häufig auftreten, wenn die genannten Faktoren anhand von Daten über versteigerte Artikel geschätzt werden. Essay II untersucht, wie sich auf Suchmaschinenergebnisseiten platzierte Werbeanzeigen auf das Klick- und Kaufverhalten der Nutzer auswirken. Dazu werden ein Modell und eine zugehörige Entscheidungs-regel entwickelt und auf einen Datensatz aus einem eigens durchgeführten Feldexperiment angewandt. Die Ergebnisse zeigen, dass sich Suchmaschinenwerbung selbst für Suchbegriffe lohnen kann, für die die Webseite des Werbetreibenden bereits unter den regulären, sogenannten organischen Suchergebnissen gut positioniert ist, und sogar für Nutzer, die bereits Markenbegriffe des Werbetreibenden verwenden. In Essay III wird theoretisch argumentiert und empirisch gezeigt, dass von Kunden im Internet verfasste Produktbewertungen weniger ein Ausdruck der Qualität des bewerteten Produktes sind, wie in früheren Studien angenommen wurde, sondern eher ein Ausdruck der Zufriedenheit der Kunden mit dem Produkt. Diese hängt nicht nur von der Qualität des Produktes ab, wie sie nach dem Kauf beobachtet werden kann, sondern auch von den Erwartungen, die die Kunden bereits vor dem Kauf über das Produkt hatten. Essay IV betrachtet die Beziehung zwischen dem traditionellen und dem mobilen Distributionskanal. Dazu wird untersucht, ob ein Verleger bestehende Abonnenten eines Printmediums länger an sich binden kann, indem er eine App anbietet, die den mobilen Zugang zu einer digitalen Version des Printmediums ermöglicht. Die Anwendung des dafür entwickelten Modells für eine große deutsche Tageszeitung bestätigt einen solchen Zusammenhang, was auf eine komplementäre Beziehung der beiden Distributions-kanäle hinweist. Es wird analysiert, wie sich diese auf den Wert eines Kunden für den Verleger auswirkt. Der zweite Teil dieser Arbeit besteht aus drei Essays, die verschiedene Möglichkeiten thematisieren, wie die Arbeit mit Business Intelligence (BI)-Systemen vereinfacht werden kann. Die Notwendigkeit einer solchen Vereinfachung wird dadurch betont, dass in BI-Systemen heute mehr und verschiedenartigere Daten analysiert werden als früher, insbesondere Transaktionsdaten. Dadurch hat sich auch ihr Nutzerkreis vergrößert, zu dem nun auch unerfahrene Wissensarbeiter zählen. Essay V untersucht mittels eines Experiments unter Wissensarbeitern verschiedener Firmen, wie sich die Darstellung von Daten in einem BI-System darauf auswirkt, wie schnell und wie akkurat dessen Nutzer typische Aufgaben beantworten. Dabei werden die drei derzeit gängigsten Datenmodelle verglichen: das multidimensionale, das relationale und das flache. Die Ergebnisse zeigen, dass es von der Art der Aufgabe abhängt, welches dieser Datenmodelle die Nutzer am besten unterstützt. In Essay VI wird ein Framework zur Integration einer Archivierungskomponente in ein BI-System vorgestellt, die irrelevant gewordene Berichte automatisch erkennen und archivieren kann, um dadurch den mit der Suche nach relevanten Berichten verbundenen Aufwand der Systemnutzer zu reduzieren. In einer Simulationsstudie wird gezeigt, dass der entwickelte Ansatz, die zukünftige Relevanz von Berichten u.a. anhand der Log-Dateien der Suchkomponente des BI-Systems zu schätzen, dafür geeignet ist. In Essay VII wird ein Referenz-Algorithmus zur Suche nach Dokumenten in einem Unternehmen (wie z.B. Berichten in einem BI-System) entworfen, der Aspekte verschiedener Suchparadigmen kombiniert und von Unternehmen leicht an ihre Spezifika angepasst werden kann. Mittels eines Experiments wird eine konkrete Instanz dieses Algorithmus untersucht; die Ergebnisse zeigen, dass er traditionelle Algorithmen hinsichtlich mehrerer Kennzahlen übertrifft. Die Arbeit beginnt mit einer Synopsis, aus der weitere Details zu den einzelnen Essays hervorgehen.