Advertisement

WAP Log Mining als Instrument der Marketingforschung für den Mobile Commerce

  • Frank Bensberg

Zusammenfassung

Das Wireless Application Protocol (WAP) hat sich zu einem wichtigen Standard des Mobile Commerce entwickelt. Zwar können die Nutzer von Mobiltelefonen und vernetzten Personal Digital Assistants (PDA) per WAP kommerzielle Dienstleistungen und Mehrwertdienste nutzen, doch unterliegt die WAP-Technologie im Vergleich zum klassischen Internet deutlichen Einschränkungen. So verfugen WAP-Endgeräte über eingeschränkte Interaktions- und Visualisierungsmöglichkeiten. Auf Grund zeitbasierter Abrechnungsmodelle ist dabei die Nutzung von WAP-Diensten jedoch wesentlich teurer als die Internet-Nutzung via Personal Computer. Angesichts dieser technologischen und ökonomischen Rahmenbedingungen stehen die Anbieter WAP-basierter Dienste daher vor der Herausforderung, ihre Angebote kundenorientiert auszugestalten. Zu diesem Zweck ist zum einen die formale Ausgestaltung von WAP-Inhalten zu berücksichtigen. So verfügen die Microbrowser WAP-fähiger Endgeräte häufig über differierende Präsentations- und Navigationseigenschaften, die eine gerätespezifische Adaption der Informationsangebote notwendig machen. Zum anderen ist sicherzustellen, dass die bereitgestellten Informationen unter inhaltlichen Aspekten den Bedürfnissen der Kunden entsprechen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Bensberg, F., Web Log Mining als Instrument der Marketingforschung: Ein systemgestaltender Ansatz tur internetbasierte Märkte, Wiesbaden 2001.Google Scholar
  2. Bensberg, F./Weich, M., WAP Log Mining als Analyseinstrument für den M-Commerce, in: Information Management & Consulting, 16. Jg., Nr. 2, 2001, S. 55–58.Google Scholar
  3. Bensberg, F./Weiß, T., Web Log Mining als Marktforschungsinstrument für das World Wide Web, in: Wirtschaftsinformatik, 4. Jg., Nr. 5, 1999, S. 426–432.Google Scholar
  4. Engel-Flechsig, S., „Teledienstedatenschutz“: Die Konzeption des Datenschutzes im Entwurfdes Informations- und Kommunikationsdienstegesetzes des Bundes, in: Datenschutz und Datensicherheit, 21. Jg., Nr. 1, 1997, S. 8–16.Google Scholar
  5. Goebel, M./Gruenwald, L., A Survey of Data Mining and Knowledge Discovery Software Tools, in: SIGKDD Explorations, 2. Jg., Nr. 1, 1999, S. 20–33.Google Scholar
  6. Han, J./Kamber, M., Data Mining: Concepts and Techniques, San Diego 2001.Google Scholar
  7. Kunz, T. et al., H., WAP Traffic: Description and Comparison to WWW Traffic, in: Proceedings of the 3rd ACM International Workshop on Modeling, Analysis and Simulation of Wireless and Mobile Systems, Boston 2000, S. 11–19.Google Scholar
  8. Meffert, H., Marketingforschung und Käuferverhalten, Wiesbaden 1992.CrossRefGoogle Scholar
  9. Mertens, P. et al., Datenmustererkennung in der Ergebnisrechnung mit Hilfe der Clusteranalyse, in: Die Betriebswirtschaft, 54. Jg., Nr. 6, 1994, S. 739–753.Google Scholar
  10. Quinlan, J. R., C4.5 — Programs for Machine Learning, San Mateo 1993.Google Scholar
  11. Roßnagel, R./Pfitzmann, A./Garstka, H., Modernisierung des Datenschutzrechts, in: Datenschutz und Datensicherheit, 25. Jg., Nr. 5, 2001, S. 253–263.Google Scholar
  12. Schmitzer, B./Butterwegge, G., M-Commerce, in: Wirtschaftsinformatik, 42. Jg., Nr. 4, 2000, S. 355–358.Google Scholar
  13. Zait, M./Messatfa, H., A Comparative Study of Clustering Methods, in: Future Generation Computer Systems, 13. Jg., Nr. 2–3, 1997, S. 149–159.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 2002

Authors and Affiliations

  • Frank Bensberg

There are no affiliations available

Personalised recommendations