Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
 
Der Belegzeitraum für das WS 21/22 läuft vom 13.09. bis Donnerstag !!! 23.09.21 24.00 Uhr MESZ.Bitte denken Sie an die Rückmeldung bis zum 31.07.2021

Sie sind hier: Startseite (Seite 71)

Projekttitel:
Optimizing online customer interaction by advanced data analytics



Gefördert durch das Institut für angewandte Forschung
Gefördert durch das Institut für angewandte Forschung

Projektpersonal der HWR

Winter, Nicola, Prof. Dr.   (Gesamt-Projektleiter/in)   

Kooperationspartner

Beuth Hochschule für Technik Berlin
Haensel AMS GmbH
Phizzard GmbH

Inhalt

Beschreibung

Das Forschungsprojekt OCIDA hat die Zielsetzung, durch effiziente Auswertung von individuellen Kundendaten aus dem E-Commerce die Abwanderung von Kunden (Churn) durch optimale Strategien zu reduzieren, um den Profit zu maximieren. Dabei sollen erweiterte und neue Methoden des analytischen Marketings, der mathematischen Modellierung und Optimierung aus dem Revenue Management und Pricing sowie geeignete Prognoseverfahren
Anwendung finden.
Ausgehend von einem neuartigen Attribution-Modell des Projektpartners Haensel AMS GmbH soll die Effektivität der Kampagnen zur Churn-Reduzierung und der Return of Investment (ROI) durch möglichst optimalen Budgeteinsatz maximiert werden. Basierend auf zu bildenden Kundensegmenten werden die Churn-Wahrscheinlichkeiten geschätzt und die Effekte vielversprechender Strategien bewertet und mit neuen Verfahren optimiert.
Aufgrund der großen Datenmengen erfolgt eine Auswertung von Big Data basierend auf Hadoop-Technologien.
Mit der Etablierung und verstärkten Nutzung von E-Commerce-Anwendungen und Plattformen stellen sich neue Herausforderungen an das Revenue Management der jeweiligen Anbieter von Online-Services - sei es im traditionellen Internet oder im mobilen Business. In der Interaktion und Abstimmung von Customer Relation Management (CRM) und Revenue Management (RM) eröffnet sich ein sehr großes Potenzial, zum einen den Ertrag für den Anbieter zum anderen die Wünsche und Erwartungen der Kunden zu optimieren. Aufgrund der
ständig zunehmenden Anzahl von Anbietern, ist es dabei von großer Bedeutung, einmal gewonnene
Kunden auch in Zukunft zu halten.
Im Analytischen Marketing liegt aktuell der Fokus vor allem darauf, die Effektivität der verschiedenen Werbekanäle und Kampagnen zu optimieren und den Return of Investment (ROI) durch möglichst optimalen Budgeteinsatz im Media-Mix zu maximieren. Hierzu wurde u.a. vom Projektpartner Haensel AMS GmbH ein neuartiges Attribution Modell entwickelt. Die Anforderungen zur Stärkung der Kundenbindung gehen aber deutlich über den aktuellen
Forschungsstand hinaus. Durch die verstärkte Verfügbarkeit von individuellen Daten spielt deren Auswertung auf Kundenniveau eine wesentliche Rolle. Ziel des Projekts ist es daher
• die Abwanderungswahrscheinlichkeit von Kunden (Churn-Rate) besser zu schätzen,
• effektive Strategien zu entwickeln und zu bewerten, die eine Kundenabwanderung
verhindern bzw. signifikant verringern,
• genauere Modelle zu entwickeln, die eine gemeinsame Betrachtung der Grenzfunktionen
der Nachfrage und der Effekte der Preis- und Angebotssteuerung ermöglichen.
Hierbei spielt die Auswertung der zur Verfügung stehenden Datenmengen eine große Rolle. Aktuelle und erweiterte Methoden aus den Bereichen Big Data und Machine Learning sowie die Verknüpfung dieser Methoden mit aktuellen Verfahren der Statistik und Optimierung (Learning and intelligent optimization) sollen hierbei im Projekt Anwendung finden. Ziel ist einen integrierten Prognose- und Optimierungsansatz zu entwickeln. Zudem soll die Skalierbarkeit
der Auswertung und Optimierung auf verteilten Systemen betrachtet werden. Die Ansätze sollen dabei deutlich über etablierte Ansätze wie Recommendation Engines (z.B. amazon.de) und Marketing Automation (z.B. SAS, Oracle) hinaus gehen. Bei der Datenauswertung (Big Data) sollen Hadoop-Technologien angewendet werden.


Förderdaten

Geldgeber/-in Förderprogramm Freitext
Institut für angewandte Forschung Berlin Förderlinie 1: Verbundprojekte eines Kompetenzzentrums
Institut für angewandte Forschung Berlin Förderlinie 4: Lehrdeputatsreduktion

Grunddaten

Projekttitel Optimizing online customer interaction by advanced data analytics
Akronym OCIDA
ausführlicher Projekttitel
Projekttitel (English)
Laufzeit von 01.04.2016
Laufzeit bis 31.03.2018
Bewilligungsdatum
Antragsdatum
HWR-interne Kostenträgernummer
Projekt-URL
Projekttyp
Rolle der HWR bei Verbundvorhaben Konsortialführer
ggf. Aktenzeichen/Förderkennzeichen des Mittelgebers
Status abgeschlossen
zur Veröffentlichung im Internet freigeben J
Änderungsdatum 16.07.2018 12:14:58

Zuordnung zu Einrichtungen

Fachbereich 2 Duales Studium Wirtschaft | Technik

Externe Dokumente

Name Dateiname
Gefördert durch das Institut für angewandte Forschung IFAF_logo_variante6_jpg.jpg

Strukturbaum
Das Projekt wurde 1 mal gefunden: