Zusammenfassung
Die Analyse des Vertriebskanals „Web“ bringt für viele Unternehmen eine besondere Herausforderung mit sich, die in diesem Maß von andern Vertriebskanälen nicht bekannt ist: Durch die elektronische Natur der Kommunikation kann jede Aktion eines Kunden oder eines Besuchers festgehalten werden. So entstehen zum einen große Mengen an Daten — durchschnittlich besuchte Websites kommen innerhalb weniger Monate auf einige Mio. Besuche (Sessions). Bekanntere Webseiten (wie z.B. Web.de) erreichen bis zu 50 Mio. Sessions pro Monat. Zum anderen ist für jeden Besucher eine Vielzahl von beschreibenden Attributen (Dimensionen) verfügbar. Die Herausforderung besteht also sowohl in der Menge als auch in der Dimensionalität der Daten. Statt unmittelbar mit dem Daten zu arbeiten, ist es daher oft sinnvoller, die Daten zunächst zu einem „gemeinsamen WahrscheinlichkeitsmodeH“ zu kondensieren, das ein Abbild beliebiger Zusammenhänge zwischen Variablen der Domäne darstellt. Das Wissen über Kunden kann in Form dieser Modelle für jeden Anwender „greifbar“ gemacht werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Cooley, R.; Mobasher, B.; Srivastava, J. (1999): Data preparation for mining world wide web browsing patterns. In: Journal of Knowledge and Information Systems Vol. 1, Nr. 1, S. 5–32.
Dempster, A.; Laird, N.; Rubin, D. (1977): Maximum Likelihood for incomplete data via the EM algorithm. In: Journal of the Royal Statistical Society B 39, S. 1–38.
Fisher, R. (1922): On the mathematical foundations of theoretical statistics. In: Philosophical Transactions of the Royal Society, Ser. A 222, S. 309–368.
Haft, M.; Hofmann, R.; Tresp, V. (1999): Model-independent mean field theory as a local method for approximate propagation of information. In: Network: Computation in Neural Systems Vol. 10, Nr. 1, S. 93–105.
Hofmann, R. (2000): Lernen der Struktur nichtlinearer Abhängigkeiten mit graphischen Modellen Berlin: dissertation.de.
Hofmann, R.; Haft, M.; Herbert, J.; Jung, G. (2001): Analytical CRM: From Statistical Customer Models to Personalized Services. In: Proceedings of the ESOMAR Congresses „Marketing Transformation“, Amsterdam.
Janetzko, D. (1999): Statistische Anwendungen im Internet, München.
Janetzko, D.; Hildebrandt, M.; Meyer, H.A. (2001): Zeiterfassungen bei Online-Fragebögen. In: Theobald, A.; Dreyer, M.; Starsetzki, T. (Hrsg.): Online-Marktforschung — Beiträge aus Wissenschaft und Praxis, Wiesbaden, S. 191–212.
Jensen, F. (1996): An Introduction to Bayesian Networks, London.
Jordan, M. I. (Ed.) (1999): Learning in graphical models, Cambridge.
Mehlmann, O.; Landvogt, J.; Jameson, A.; Rist, T.; Schäfer, R. (1998): Einsatz Bayes’scher Netze zur Identifikation von Kundenwünschen im Internet. In: Künstliche Intelligenz, Nr. 3, S. 43–48.
Murphy, K.P. (2001a): A Brief Introduction to Bayesian Networks and Graphical Models. URL am 11.5.2001: http://www.cs.berkeley.edu/~murphyk/Bayes/bayes.html.
Murphy, K.P. (2001b): Software Packages for Graphical Models/Bayesian Networks. URL am 11.5.2001: http://www.cs.berkeley.edu/~murphyk/Bayes/bnsoft.html.
Pearl, J. (1988): Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, San Mateo.
Pearl, J. (2000): Causality — Models, Reasoning, and Inference, Cambridge.
Tresp, V.; Haft, M.; Hofmann, R. (1999): Mixture Approximations to Bayesian Networks. In: Uncertainty in Artificial Intelligence, Proceedings of the 15. Conference.
Editor information
Rights and permissions
Copyright information
© 2002 Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden
About this chapter
Cite this chapter
Haft, M., Hofmann, R., Janetzko, D., Neuneier, R. (2002). Kausale Netze — Vorgehensweise und Einsatzmöglichkeiten. In: Hippner, H., Merzenich, M., Wilde, K.D. (eds) Handbuch Web Mining im Marketing. Aus dem Bereich IT erfolgreich nutzen. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-89871-5_10
Download citation
DOI: https://doi.org/10.1007/978-3-322-89871-5_10
Publisher Name: Vieweg+Teubner Verlag
Print ISBN: 978-3-322-89872-2
Online ISBN: 978-3-322-89871-5
eBook Packages: Springer Book Archive