NBD-Prognosemodelle im Kundenbeziehungsmanagement: Einordnung, Implementierung und praktische Anwendungsempfehlung
Autor David Zitzlspergerde Limba Germană Paperback – 27 mar 2013
Preț: 429.22 lei
Preț vechi: 504.97 lei
-15% Nou
Puncte Express: 644
Preț estimativ în valută:
82.15€ • 85.62$ • 68.39£
82.15€ • 85.62$ • 68.39£
Carte tipărită la comandă
Livrare economică 06-20 ianuarie 25
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9783834932235
ISBN-10: 383493223X
Pagini: 296
Ilustrații: XX, 275 S. 78 Abb.
Dimensiuni: 148 x 210 x 17 mm
Greutate: 0.39 kg
Ediția:2013
Editura: Springer Fachmedien Wiesbaden
Colecția Springer Gabler
Locul publicării:Wiesbaden, Germany
ISBN-10: 383493223X
Pagini: 296
Ilustrații: XX, 275 S. 78 Abb.
Dimensiuni: 148 x 210 x 17 mm
Greutate: 0.39 kg
Ediția:2013
Editura: Springer Fachmedien Wiesbaden
Colecția Springer Gabler
Locul publicării:Wiesbaden, Germany
Public țintă
ResearchCuprins
Grundlagen des Kundenbeziehungsmanagements.- Vorhersage von Kundentransaktionen.- Vollstochastische RFM-Prognosemodelle.- Implementierung ausgewählter NBD-Modelle
Notă biografică
Dr. David Zitzlsperger, Wirtschaftsingenieur und Master of Business Administration, wechselte nach einem Gastspiel als Unternehmensberater 2005 zurück an die Universität, promovierte bei Prof. Dr. Friedhelm Bliemel und beschäftigt sich mit der Analyse von Kundenverhalten, Kundenwert und Kundenbindung insbesondere im E-Commerce.
Textul de pe ultima copertă
Prognose von Kundenverhalten ist eine zentrale Aufgabe des Kundenbeziehungsmanagements. In nicht vertraglich geregelten Kundenbeziehungen werden Instrumente der Prognose benötigt, um das Kundenverhalten einzugrenzen. Diese Instrumente sind vielfältig und reichen von einfachen Daumenregeln bis hin zu komplexen Modellen. Zur Prognose gehört, ob Kunden als solche weiterhin aktiv sein werden, welche zukünftigen Kauftransaktionen zu erwarten sind sowie eine entsprechende Segmentierung der Kunden. David Zitzlsperger widmet sich vollstochastischen Prognosemodellen, welche einzig auf Informationen zum vergangenen Kaufverhalten aufbauen und mit Hilfe der negativen Binomialverteilung (NBD) daraus die Wahrscheinlichkeit zukünftiger kundenspezifischer Transaktionen bestimmen. Der Autor liefert für die Wissenschaft eine Erweiterung und Theoriebildung, die sich konkret mit den Einsatzmöglichkeiten der Modelle auseinandersetzt und für den Praktiker eine Einsatzempfehlung und die Möglichkeit die Forschungsergebnisse zu replizieren und die Analysemodelle auf eigene Kundendaten anzuwenden.
Der Inhalt
· Grundlagen des Kundenbeziehungsmanagements
· Vorhersage von Kundentransaktionen
· Vollstochastische RFM-Prognosemodelle
· Implementierung ausgewählter NBD-Modelle
Die Zielgruppen
· Dozenten und Studenten der Wirtschaftswissenschaften mit den Schwerpunkten Marketing und Vertrieb
· Fach- und Führungskräfte aus den Bereichen Kundenbeziehungsmanagement, Kundensegmentierung, Vertriebsplanung und Direktmarketing
Der Autor
Dr. David Zitzlsperger, Wirtschaftsingenieur und Master of Business Administration, wechselte nach einem Gastspiel als Unternehmensberater 2005 zurück an die Universität, promovierte bei Prof. Dr. Friedhelm Bliemel und beschäftigt sich mit der Analyse von Kundenverhalten, Kundenwert und Kundenbindung insbesondere im E-Commerce.
Der Inhalt
· Grundlagen des Kundenbeziehungsmanagements
· Vorhersage von Kundentransaktionen
· Vollstochastische RFM-Prognosemodelle
· Implementierung ausgewählter NBD-Modelle
Die Zielgruppen
· Dozenten und Studenten der Wirtschaftswissenschaften mit den Schwerpunkten Marketing und Vertrieb
· Fach- und Führungskräfte aus den Bereichen Kundenbeziehungsmanagement, Kundensegmentierung, Vertriebsplanung und Direktmarketing
Der Autor
Dr. David Zitzlsperger, Wirtschaftsingenieur und Master of Business Administration, wechselte nach einem Gastspiel als Unternehmensberater 2005 zurück an die Universität, promovierte bei Prof. Dr. Friedhelm Bliemel und beschäftigt sich mit der Analyse von Kundenverhalten, Kundenwert und Kundenbindung insbesondere im E-Commerce.
Caracteristici
Includes supplementary material: sn.pub/extras