Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

WIRTSCHAFTSINFORMATIK Westfälische Wilhelms-Universität Münster WIRTSCHAFTS INFORMATIK Methoden zur Identifizierung von Nutzerpräferenzen bei LBS Location-Based-Service.

Ähnliche Präsentationen


Präsentation zum Thema: "WIRTSCHAFTSINFORMATIK Westfälische Wilhelms-Universität Münster WIRTSCHAFTS INFORMATIK Methoden zur Identifizierung von Nutzerpräferenzen bei LBS Location-Based-Service."—  Präsentation transkript:

1 WIRTSCHAFTSINFORMATIK Westfälische Wilhelms-Universität Münster WIRTSCHAFTS INFORMATIK Methoden zur Identifizierung von Nutzerpräferenzen bei LBS Location-Based-Service - Seminar Christian Lücke

2 2 WIRTSCHAFTS INFORMATIKGliederung 1. Einführung ­ Aktuelle Hinderungsgründe für die Nutzung von LBS ­ Besonderheiten von LBS 2. Grundlagen der Marktforschung ­ Datenerhebung ­ Skalen 3. Einordnung und Vorstellung der Methoden ­ Einordnung der Verfahren ­ Kurzvorstellung der Verfahren und Beurteilung 4. Fazit und Literaturquellen

3 3 WIRTSCHAFTS INFORMATIK 1. Studie zu Hinderungsgründen von LBS-Angeboten Studie an Frankfurter Universität bei Studenten des Vertiefungsfaches M-Commerce zu bestehenden LBS-Angeboten Quelle: Universität Frankfurt 08/2005 Vermutete Probleme nicht relevant: ­ 8% zu kompliziert ­ 4% kein passendes Display Hauptprobleme: ­ 43% kein Bedarf ­ 26% zu teuer

4 4 WIRTSCHAFTS INFORMATIK Besonderheiten von LBS (1/2) Technische Besonderheiten ­ Infrastruktur ­ Hohe Kompatibilität zu Endgeräten ­ Zusammenführung von Anbietern zu integriertem Service Dienstleistungsspezifische Besonderheiten: ­ Generelle Probleme: Immaterialität Bereitstellungs- und Vorhaltekosten

5 5 WIRTSCHAFTS INFORMATIK Besonderheiten von LBS (2/2) ­ Integration des externen Faktors Aktivierung/Freischalten des Service Installation durch Kunden Fehlende Testmöglichkeiten Problem der Transaktionskosten ­ Skepsis durch First-Generation-Services ­ Zufriedenheitslücke: Weitere Dienstleistungsspezifische Besonderheiten: Quelle: Meffert Dienstleistungsmarketing

6 6 WIRTSCHAFTS INFORMATIK 2. Grundlagen der MaFo Maßgebliche Entwicklung der Marktforschung (MaFo) nach 2. Weltkrieg in Deutschland Das führendes deutsche Unternehmen: Untenehmensdaten: ­ Ca. 1 Mrd. Umsatz in 2005 ­ Davon 81% für Konsumgüterforschung 45% Industrie, 21% Medien, 15% Handel ­ Rest: 6% B2B, 7% Staat, 6% Sonstige Studien Quelle: GfK

7 7 WIRTSCHAFTS INFORMATIK Datenerhebung (1/2) Aufteilung in Primär- und Sekundärerhebung: Die Primärerhebung: ­ Die kontextabhängige, individuelle Datenerhebung i.Anl. Backhaus, K.

8 8 WIRTSCHAFTS INFORMATIK Datenerhebung (2/2) Sekundärerhebung: ­ Keine unmittelbare Datenerhebung! ­ Aus unternehmensinternen Quellen Umsatzstatistiken, Daten der KLR, Kundendienstberichte, ­ Aus unternehmensexternen Quellen Amtliche Statistiken Veröffentlichte Studien Öffentliche Datenarchive

9 9 WIRTSCHAFTS INFORMATIKSkalen Meßlatte Transformation von Skalen ­ ist nur auf niedere Skalen möglich ­ Führt zu Verlust von Informationen Niedriges Skalennivea Hohes Skalennivea

10 10 WIRTSCHAFTS INFORMATIK 3. Einordnung der Methoden Varianzanalyse Regressionsanalyse Diskriminanzanalyse Conjointanalyse Faktorenanalyse Clusteranalyse Neuronale Netze Mean-End-Chains Kreuztabellierung Kontingenzanalyse Strukturengleichungsmodelle Logistische Regression Multidimensionale Skalierung Korrespondenzanalyse Auszug aus der Menge an multivariaten Verfahren: Beschränkung auf wesentliche Methoden:

11 11 WIRTSCHAFTS INFORMATIK 3. Einordnung der Methoden Varianzanalyse Regressionsanalyse Diskriminanzanalyse Conjointanalyse Faktorenanalyse Clusteranalyse Neuronale Netze Mean-End-Chains Kreuztabellierung Kontingenzanalyse Strukturengleichungsmodelle Logistische Regression Multidimensionale Skalierung Korrespondenzanalyse Beschränkung auf wesentliche Methoden:

12 12 WIRTSCHAFTS INFORMATIK 3. Einordnung der Methoden Varianzanalyse Regressionsanalyse Diskriminanzanalyse Conjointanalyse Faktorenanalyse Clusteranalyse Neuronale Netze Mean-End-Chains

13 13 WIRTSCHAFTS INFORMATIKÜbersicht: Skalenniveau Unabhängige Variable MetrischNominal -Regressions--Varianzanalyse Metrischanalyse Skalenniveau Abhängige -Diskriminanz- VariableNominalanalyse Zusätzliche Einteilung innerhalb der Strukturen-Prüfenden-Methoden:

14 14 WIRTSCHAFTS INFORMATIKRegressionsanalyse Verfahren: ­ Eine metrische abh. Variable ­ + ­ eine (evt. mehrere) metrische unabh. Variable Beschreibung und Erklärung von Zusammenhängen Ursache-Wirkungsbeziehungen (je-desto) + Einfache Datenerhebung - Problem: Finden der richtigen Regressionsgraden! Bsp: Einfluss von Preis, Leistungsumfang, Schnelligkeit, Usability auf die Absatzmenge eines Service

15 15 WIRTSCHAFTS INFORMATIKVarianzanalyse Skalenniveau Unabhängige Variable MetrischNominal -Regressions--Varianzanalyse Metrischanalyse Skalenniveau Abhängige -Diskriminanz- VariableNominalanalyse

16 16 WIRTSCHAFTS INFORMATIKVarianzanalyse Verfahren: ­ Eine metrische abh. Variable ­ + ­ eine (evt. mehrere) nominale unabh. Variable Beschreibung und Erklärung von Zusammenhängen Unabhängige Variable kann nur 0/1-Ausprägungen zeigen + Trotz einfacher Befragung sind gute Analysen möglich - Nur Tatsache von Zusammenhängen, nicht dessen Stärke wird ermittelt Bsp: Besitzer teurer Handys (metrisch) nutzen öfter LBS-Dienste (nominal: Ja/Nein)

17 17 WIRTSCHAFTS INFORMATIKDiskriminanzanalyse Skalenniveau Unabhängige Variable MetrischNominal -Regressions--Varianzanalyse Metrischanalyse Skalenniveau Abhängige -Diskriminanz- VariableNominalanalyse

18 18 WIRTSCHAFTS INFORMATIKDiskriminanzanalyse Verfahren: ­ Eine nominale abh. Variable ­ + ­ eine (evt. mehrere) metrische unabh. Variable Analyse von Gruppenunterschieden und bildet Prognosen für Klassenzugehörigkeit von Elementen Lineare Trennformel: Abstände zwischen zwei Gruppen Max! und Diskrimanzen innerhalb einer Gruppe Min! + Besonders in Kombi mit Clusteranalyse sind Cross-Selling Potentiale zu entdecken Bsp:

19 19 WIRTSCHAFTS INFORMATIK Conjoint Analyse Annahme: Summe der Teilnutzen = Gesamtnutzen Verfahren: Kombination mehrerer Merkmale eines Produktes auf verschiedenen Karten, die vom Probanden in Reihenfolge des Nutzens sortiert werden sollen. + Aufdeckung von Einzelbeiträgen zu Gesamtproduktnutzen + Möglichkeit der Teilnutzenbestimmung - Annahme aus Nutzentheorie: Kunde würden jede vorgestellte Kombination kaufen Bsp.: 2 Merkmale mit 2 Ausprägungen : Bitte Sortieren!

20 20 WIRTSCHAFTS INFORMATIKFaktorenanalyse(1/2) Neben den unmittelbaren Wirkungen einzelner Variablen, gibt es noch zusätzliche Interdependenzen: Verfahren: Bündelung einzelner Variablen zu gemeinsamen Faktoren Regression liefert bei Interdependenzen fehlerhafte Ergebnisse, daher Nutzung der Faktorenanalyse Bsp: Variable: Kundenfreundlichkeit, Reparaturservice, Aboservice lassen sich zu Faktor Service-Paket zusammenfassen

21 21 WIRTSCHAFTS INFORMATIKFaktorenanalyse(2/2) Zusätzliche Möglichkeit der räumlichen Anordnung von eigenen und Wettbewerbs-produkten zur Überprüfung der systematischen Eingliederung:

22 22 WIRTSCHAFTS INFORMATIKClusteranalyse Verfahren: Aufteilung einer Stichprobe in zuvor ausgewählte Teilgruppen. Ziel: Entdeckung von Ähnlichkeitsstrukturen, zuverlässige Einteilung von Kunden zu Kundenclustern + Gutes Verfahren zur segmentierten Marktbearbeitung + ermöglicht die Aufgliederung in Teilgruppen, mit besonderen Nutzerpräferenzen - Schwierigere Datenerfassung bei immateriellen Services Bsp.: Aufteilung der Stichprobenkunden:

23 23 WIRTSCHAFTS INFORMATIK Neuronale Netze Verfahren: Klassifikation von Objekten und Prognose von Zuständen Ziel: Erkennung von komplexen Zusammenhängen zwischen den Variablen Ähnelt Clusteranalyse, aber funktioniert auch noch bei schlecht strukturierten Daten mit starken Interdependenzen - Sehr aufwendig: Netze müssen erst Lernen + Datenanalyse aus Logdaten von LBS könnten neue Services auffinden (Cross-Selling) Bsp.: Kunde, der Navigation zu Adresse und Hotel-Buchung möchte, könnte auch noch ein bestimmtes Restaurant benötigen

24 24 WIRTSCHAFTS INFORMATIKMean-End-Chains Verfahren: Spezielle Interview-Technik zum Erschließen von neuen hintergründigen Nutzer-Werten Ziel: Verfahren zum Erschließen neuer Nutzerwerte aufgrund von erfragten bestehenden Werten Einsatz von W-Fragen zur Zielerreichung - Aufwendiges Verfahren (Zeit, Koordination) + Aufdeckung neuer Werte / Nutzerpräferenzen Ausführliche Darstellung folgt im Anschluss!

25 25 WIRTSCHAFTS INFORMATIKFazit Regressionsanalyse Varianzanalyse Diskriminanzanalyse Conjointanalyse Faktorenanalyse Clusteranalyse Neuronale Netze Mean-End-Chains Große Anzahl von Verfahren für unterschiedlichen Methoden Einordnung als erster Schritt Es gibt nicht das Allheilmittel Verfahren sollen mehr als unterschiedliche Tools eines Werkzeugsortiments gesehen werden

26 26 WIRTSCHAFTS INFORMATIK Vielen Dank! Literaturquellen: ­ Zu den Verfahren: Backhaus, K., Erichson, B., Plinke, W., Weiber, R.: Multivariate Analysemethoden, 11. Aufl., Berlin 2006 Weis, H., Steinmetz, P.: Marktforschung, 6. Aufl., Ludwigshafen 2005 Berekoven, L., Eckert, W., Ellenrieder, P.: Marktforschung, 10. Aufl., Wiesbaden 2006 Hammann, P., Erichson, B.: Marktforschung, 5. Aufl ­ Ergänzend: Meffert, H., Bruhn, M.: Dienstleistungsmarketing, 5. Aufl., Wiesbaden 2006 Meffert, H.: Marketing, 9. Aufl. Wiesbaden 2000


Herunterladen ppt "WIRTSCHAFTSINFORMATIK Westfälische Wilhelms-Universität Münster WIRTSCHAFTS INFORMATIK Methoden zur Identifizierung von Nutzerpräferenzen bei LBS Location-Based-Service."

Ähnliche Präsentationen


Google-Anzeigen