Filtern
Dokumenttyp
- Bachelorarbeit (1)
- Diplomarbeit (1)
- Dissertation (1)
Schlagworte
- Datenanalyse (3) (entfernen)
Institut
Online advertising has become one of the most important dimension of corporate communications. In recent years, a new form of advertising on the Internet has emerged: real-time advertising. Among others, it allows companies to identify potential customers and target them with respect to their interests. In this way, real-time advertising can increase advertising effectiveness and it could, at the same time, improve user experience. With the emerge of this new form of advertising, statistical models have become even more important because they are now being increasingly used to predict online user behavior. The articles included in this dissertation analyze user-level clickstream data generated during multi-channel advertising campaigns (including TV advertising) and during real-time auctions. The goal of the analyses conducted here is to better understand advertising effects and to support decision-making in this context. Most of the analyses are based on Bayesian models. These models allow for a very flexible structure, which enables researchers to model, for instance, heterogeneity across different types of users or non-linear parameters such as users´ reaction times and exponential decay of advertising effects. In addition, these models allow for the inclusion of prior knowledge of parameter distributions, and, therefore, they are well suited for iterative analyses based on clickstream data. Bayesian models can be evaluated in different ways. Instead of only relying on statistical metrics, the articles included in this dissertation aim to estimate the economic value of these models based on their predictive performance. Although this measure can only approximate their true economic value, this approach can be used to compare and evaluate different models and to illustrate the impact of predictive analyses for companies in the context of big data. This dissertation contributes to both information systems research and marketing research and has many managerial implications. First, a process is developed to determine optimal sample sizes representing the best balance between computational costs and predictive accuracy in e-commerce in particular and big data contexts in general. In practice, this process can be used to reduce infrastructure and computational costs. Second, the articles included here describe models that can be used to measure the impact of television ads on users' online shopping behavior. The models can provide insights concerning the effectiveness of individual television ads, the interactions between different advertising channels and the difference in user behavior of TV-induced customers and their non-TV-induced counterparts. Thereby, the models could support decision-making with respect to future advertising campaigns and targeting. Third, the articles describe several possibilities to extend and improve decision support systems currently used in e-commerce and marketing. These improvements enable practitioners to predict users´ interests for arbitrary products and services by using corresponding websites as dependent variables. This approach can be used to improve the effectiveness of real-time advertising campaigns, especially those intended to raise brand awareness among customers.
Auf Grund der stetig wachsenden Menge an Daten gewinnt die automatische Datenanalyse durch Algorithmen zunehmend an Bedeutung. Im Speziellen trägt die Analyse von Texten ohne manuelles Zutun zu einer erheblichen Erleichterung der Extraktion von relevanten Informationen bei. Sprachliche Informationen können neben der Zuordnung zu Kategorien auf Regeln und Muster untersucht werden. Diese Art der Untersuchung fällt in den Bereich des Text Minings, und in der vorliegenden Arbeit geht es darum, eine qualitative Inhaltsanalyse zum Thema Nachhaltigkeit nachzuempfinden. Es soll geprüft werden, in wie weit automatisierte Verfahren in der Lage sind, Ergebnisse einer bereits bestehenden Untersuchung zu erzielen. In der Durchführung werden mit der Open Source-Software RapidMiner vier Prozesse erstellt, die darauf abzielen, Zeitungsartikel auf ihren Inhalt zu analysieren. Unter anderem werden eine Assoziationsanalyse und eine Klassifikation realisiert, deren Ziel es ist, den Kontext und die Verwendung des Begriffes der Nachhaltigkeit in den Medien zu untersuchen. Die vorliegende Studie will prüfen, ob automatisierten Methoden im Vergleich zu manuellen Verfahren hinreichende Ergebnisse liefern können, sodass die hiesigen Resultate an denen der zu Grunde gelegten Studie von Fischer und Haucke gemessen werden sollen. Die Ergebnisse zeigen, dass die Realisierung einer Inhaltsanalyse mit RapidMiner möglich ist und zu erheblichen Zeiteinsparungen gegenüber konventionellen Verfahren führt. Sie zeigen jedoch auch, dass sich die Minderung des Aufwandes in der Ergebnisqualität widerspiegelt und somit der alleinige Einsatz von Text Mining Verfahren zur Analyse von spezifischen Kontexten noch nicht ausreichend ist.
Im Zuge der starken Zunahme von Automatisierung in Fertigungsbereichen steigt auch der Bedarf an produktionsrelevanten Daten für Beurteilungen und Entscheidungen an. Die E&K Automation Gruppe bietet mit ihren MES-CON-OS Produkten zurzeit die Möglichkeit, diese Daten aus SPS (Siemens S7) über ein VB-Tool in eine Datenbank zu schreiben und über ein MS Access-Frontend zu betrachten und auszuwerten. Im Zuge der Diplomarbeit soll diese Technik modernisiert und durch entsprechend neu zu erstellende Tools ersetzt werden. Der Datenaustausch wird durch das Tool MES-CON-OS COM vorgenommen. Es überträgt die Daten von einer Steuerung (SPS od. auch PC) in eine Datenbank. Die Datenanalyse teilt sich auf in MES-CON-OS WS, welches die gesammelten Daten für andere Programme zur Verfügung stellt und MES-CON-OS OEE, welches über ein Web-Frontend den Zugriff auf eine Statistikdarstellung für diese Produktionsdaten möglich.