Lernziele
Konzeptionelle Ziele:
- Studierende analysieren marketingrelevante Fragestellungen mit Hilfe quantitativer Datenanalyse.
- Studierende erhalten einen Einblick in die Methodik von Marketing Analytics.
- Studierende erhalten einen Einblick in praktische Herausforderungen und Anwendungsfälle im Data Driven Marketing.
Methodischer Fokus:
- Studierende lernen wesentliche empirische-analytische Methoden kennen und wenden diese an Datensätzen selbst an.
- Studierende erlernen den praktischen Umgang mit Statistiksoftware (R).
- Studierende üben deskriptive und prognostische Methoden anhand eines konkreten empirischen Datensatzes.
- Studierende lernen, Daten und Analyseergebnisse in praktische strategische Erkenntnisse und Empfehlungen umzusetzen.
Modulbeschreibung
Die Analyse großer (Kunden-)Datenmengen zählt zu den Grundvoraussetzungen für erfolgreiches datengetriebenes Marketing. Mit Hilfe analytischer Verfahren werden systematisch Datenbestände untersucht, um Kundenverhalten besser zu verstehen und zu prognostizieren, um somit Marketingaktivitäten zielgruppengerechter und effizienter auszurichten.
Die empirische Analyse von Kundendaten im Marketing und Vertrieb begleitet den kompletten Kundenlebenszyklus:
- Die Akquise von Neukunden: Analyse der Akquisekanäle und ihrer Effizienz sowie Optimierung des Conversion-„Funnels“.
- Die Entwicklung von Erst- zu Mehrfachkäufern: Verständnis von Cross-Selling und Optimierung des Vertriebs im Kundenstamm.
- Die Erhebung und Analyse von Kundenfeedback zum besseren Verständnis von Kundenzufriedenheit.
- Die Analyse und die Prävention von Kündigungen (churn) mit dem Ziel, Kündigungen zu vermeiden und aktive Kündigerprävention zu betreiben.
In der Veranstaltung wollen wir diese Phasen untersuchen – und zwar neben dem Studium der Literatur auch mit der empirischen Analyse realer Kundendaten.
Hierzu zählt insbesondere:
- Die Sichtung und Aufbereitung von Daten durch explorative Datenanalyse und ein Einblick in erforderliche Datenaufbereitung.
- Die Analyse von Logfiles und grundlegende Datenanalysen im E-Commerce.
- Die Analyse von Kauf- und Kündigungsverhalten durch geeignete (regressionsanalytische) Verfahren.
- Die Analyse von Kundenfeedback aus Webportalen durch grundlegende Konzepte des Text-Mining.
Hon. Prof. Martin Schmidberger leitet den Bereich Customer Analytics bei der ING-DiBa AG. Die Veranstaltung ist daher sehr praxisnah konzipiert und gibt einen Einblick in die Datenanalyse im unternehmerischen Kontext.
Erfahrungen mit analytischer Software (R) sind von Vorteil, die vorherige Teilnahme an Marketing 2 wird empfohlen. Vorausgesetzt wird Interesse an empirischer Arbeit mit Kundendaten sowie die Bereitschaft, sich in die erforderlichen statistischen Methoden und Software einzuarbeiten.
Zum Anfertigen der Hausarbeit ist die Arbeit mit R und die Bearbeitung einer empirischen Fragestellung auf Basis der bereitgestellten Datensätze erforderlich. |