{% hint style="success" %} Hilft dir meine Webseite weiter? Falls du dieses Projekt unterstützen möchtest, kannst du mir gerne einen Kaffee an paypal.me/markusbilz spenden. Danke.️:heart: {% endhint %}
F: Analysieren Sie den Beitrag von Recommendersystemen zum Unternehmenserfolg aus betriebswirtschaftlicher Sicht!
A:
Besucher zu Käufer konvertieren, Cross- und Up-Selling, Vereinfachung Repeat-Buying, Verringerung der Klickdistanz zum Kauf eines weiteren Produktes, Erhöhung Kunden-Loyalität, besseres Direktmarketing (Geyer-Schulz & Sonnenbichler, 2016, p. 28 ff.).
F: In welchen betriebswirtschaftlichen Strategien werden Recommendersysteme mit welchem Zweck eingesetzt? Erläutern Sie den Einsatz von Recommenderdiensten ausführlich an Beispielen und identifizieren Sie den Mehrwert eines Recommenderdienstes.
A:
Marketing in B2C-Märkten:
-
Cross-Selling und Up-Selling: Recommendersysteme bringen den Kunden
dazu, komplementäre Produkte zu kaufen (Cross-Selling) und schaut
wie preissensibel der Kunde ist, um diesen in eine höhere
Preiskategorie einzuordnen (Up-Selling).
Marketing (New Economy):
-
Lock-in: Durch den Einsatz von Recommendersysteme bleibt der Kunde
innerhalb eines Systems, weil je länger der Kunde drinnen ist, desto
höher sind die Wechselkosten.
Positive Netzwerkeffekte:
-
Sortimentsmanagement: Durch den Einsatz von Recommendersystemen
analysiert man, dass gewisse Produkte mehr gefragt sind → Sortiment
erweitern. Falls Kundennachfrage zurückgeht, → Sortiment abbauen.
Knowledgemanagement:
- Teambildung und Teamorganisation → Aufbauen von Profilen für Mitarbeiter; finde gute Zusammensetzung von Teams (komplementär)
- Integrierte Geschäftsprozessanalyse und adaptive Geschäftsprozesse z. B. Geschäftsprozesse aus Basisaktivitäten erstellen
- Digitale Bibliotheken und Wissensbanken
F: Welchen Beitrag können Recommendersysteme zum Unternehmenserfolg aus betriebswirtschaftlicher Sicht leisten?
A:
- Marketing (traditionell) in B2C-Märkten z. B. Conversion von Besuchern zu Kunden, Cross-Selling und Upselling
- Marketing (New Economy) z. B. Lock-In, Aufbau von Markteintrittsbarrieren, Netzwerkökonomie
- Marketing (New Economy) zusätzlich mit positiven Netzwerkeffekten
- Knowledgemanagement z. B. Verbesserung des Teambuildings und digitale Wissensdatenbanken (Geyer-Schulz & Sonnenbichler, 2016, p. 28 ff.).
F: Was verstehen Sie unter “Prosument”? Nennen Sie je zwei Beispiele aus der offline und der online Welt. Erklären Sie den Zusammenhang mit Recommendersystemen
A:
Prosument:
Der Prosument entsteht aus der Verschmelzung des Produzenten mit dem Konsumenten (Geyer-Schulz & Sonnenbichler, 2016, p. 20).
Beispiele:
- Online: AOL America, Billboard-Charts, Netflix
- Offline: Selbstbedienungstankstelle, Selbstbedienungsrestaurant wie Burger King (Geyer-Schulz & Sonnenbichler, 2016, p. 23).
Zusammenhang:
Jeder Benutzer eines “gut” entworfenen Recommendersytems produziert und konsumiert Empfehlungen.
F: Wie befruchten sich Personalisierung und Recommenderdienste?
A: Sie ergänzen sich gegenseitig: - Personalisierung ermöglicht neue Formen von Recommenderdiensten - Recommenderdienste erhöhen Attraktivität von personalisierten Diensten (Geyer-Schulz & Sonnenbichler, 2016, p. 31).
Wie profitiert der Kunde von einem Recommenderdienst und wie profitiert der Händler? Nennen Sie kurz die wichtigsten Aspekte.
A:
Händler: Erhöhung der Kundenloyalität, verbessertes Direktmarketing, Cross-Selling (Verkauf komplementärer Produkte) / Up-Selling (Verkauf teurer Produkte) und verbesserte Marktforschung.
Kunde: Verbesserte individuelle Beratung, Vereinfachung von Repeat-Buying.
F: In welchen betriebswirtschaftlichen Strategien werden Recommendersysteme eingesetzt?
A:
- Marketing (traditionell) in B2C-Märkten
- Marketing (New Economy)
- Marketing (New Economy) zusätzlich mit positiven Netzwerkeffekten
- Knowledge Management
F: Erklären Sie das Kunstwort “Prosument” und legen Sie dar, was es mit Recommender-Diensten zu tun hat.
A:
Prosument:
Der Prosument entsteht aus der Verschmelzung des Produzenten mit dem Konsumenten (Geyer-Schulz & Sonnenbichler, 2016, p. 20).
Verbindung zu Recommenderdiensten:
Jeder Benutzer eines “gut” entworfenen Recommendersytems produziert und konsumiert Empfehlungen.
F: Ordnen Sie den Empfehlungsdienst von Amazon “Kunden, die dieses Produkt gekauft haben, haben auch gekauft” nach der Klassifikation von Schafer et al. ein
A:
Methode, mit der Empfehlung generiert wird:
-
Technologie: Produkt/Produkt Korrelation /
item-to-item-Recommender, d. h. Amazon schlägt andere Produkte
vor, an denen ein Kunde interessiert sein könnte, basierend auf
einem einzigen anderen Produkt, für das der Kunde Interesse bekundet
hat.
-
Interface: Similar Item, d. h.den Kunden neuen oder
vergessenen Produkten aussetzen)
-
Finden: Organic Navigation (Links), d. h. Empfehlungen sind
Teil von Informationsseiten eines Produkts mit enthaltenen
Durchschnittsratings, Kundenbewertungen. o. Ä. (Schafer et al.,
1999, S. 161).
Gedächtnislänge des Recommendersystems:
-
Flüchtig (ephemeral): Amazon benötigt keine Identifikation
(Kaufgeschichte) des Kunden
Kundenaktivität, um Empfehlung zu erhalten:
-
Automatisch, denn Kunde muss nicht aktiv handeln, um eine Empfehlung
zu erhalten. Empfehlung wird automatisch generiert.
Geyer-Schulz, A., & Sonnenbichler, A. (2016). Kapitel 1: Einführung.
Schafer, J. B., Konstan, J., & Riedl, J. (1999). Recommender Systems in E-Commerce. 9.