Data Mining personalisierter Transaktionsdaten

  • Wissenschaftliche Leitung: Prof. Dr. Hendrik Schröder
  • Projektmanagement: Dipl.-Kfm. Marc Feller
  • Projektmitarbeiter: Jens Glende; Jürgen Stauvermann

In Zusammenarbeit mit einem international tätigen Konsumgüterhersteller / einem international tätigen Technologiekonzern  

Projektbeschreibung

Die Zielsetzungen waren die Prüfung verschiedener Data Mining Methoden auf ihre Eignung zur Informationsgewinnung und die Gewinnung von Informationen für das Category Managment bei einer Datenbasis mit personalisierten Transaktionen. Die hier angewandten Methoden der Analyse von Kassenbons eines Handelsunternehmens lassen sich grundsätzlich auch auf Transaktionsdaten anderer Unternehmen bzw. nicht stationärer Vertriebswege (E-Retailing) übertragen. Die Datenbasis bildeten Rohdaten aus dem Haushaltspanel eines führenden Marktforschungsinstituts. Daher standen zusätzlich zu den Transaktionsdaten damit verknüpfte Individualdaten und soziodemografische Informationen zur Verfügung. Ein weiterer Vorzug war, daß die Erhebung unterschiedliche Vertriebsschienen umfaßte. Diese Daten wurden aufbereitet, ein geeignetes Datenmodell entworfen und in eine für Data Mining geeignete Form überführt. Im nächsten Schritt erfolgte die Datenauswertung. Den Abschluß bildeten Interpretation und Bewertung der Ergebnisse.

Methoden

Die verwandten Methoden waren

  • Assoziationsanalysen (Messung von Verbundbeziehungen - zeitlicher Querschnitt)
  • Sequenzielle Muster (Messung von Verbundbeziehungen - zeitlicher Längsschnitt)
  • Clusternanalysen (Bildung von Segmenten)

Ergebnisse

Neben Analysen analog zu den anonymen Transaktionsdaten bieten personalisierte Transaktionsdaten vor allem die Möglichkeiten, zum einen Kaufmuster im Zeitablauf zu analysieren, zum anderen die Transaktionen in Beziehung zu soziodemografischen Daten zu setzen. Damit lassen sich Einblicke in das Einkaufsstätten- und Markenwahlverhalten und das -wechselverhalten gewinnen. Weiterhin werden unter Verwendung soziodemografischer Informationen die Determinanten von Einkaufsstrategien und des Einkaufsverhaltens analysiert. Die Ergebnisse sind einerseits zur Verbesserung der Kommunikation nutzbar und liefern andererseits wesentliche Informationen für die Sortimentsgestaltung. Insbesondere mit einer Personalisierung sind wertvolle Käufersegmente identifizierbar, wie auch Schwachpunkte im Sortiment aufgedeckt werden konnten. Für die praktische Anwendung ist neben der Zustandsbeschreibung aufgrund des explorativen Charakters des Data Mining auch die Eignung für die Entwicklung relevanter Fragestellungen wertvoll. Die Ergebnisse der Analyse dieser Transaktionsdaten (Massendaten) stehen in Einklang zu den im Rahmen des Forschungsprogramms durchgeführten explorativen Befragungen.

Ansprechpartner

Andreas Rödl

Keywords: Analyse der Möglichkeiten von Data Mining; Entwicklung eines Lebensphasenmodells; Aufschluß über Verbundbeziehungen; Analyse des Kaufverhaltens; Aufschluß über Markenwahl und Einkaufsstättenwahl; Handel; Einzelhandel; Konsumgüterindustrie; Kundenorientierung; Category Management; Sortiment; Marktsegmentierung; Customer Relationship Management; Consumer Insight