Sven Lenz (2017): Customer Engagement Analytics: Clustering User Navigation Behaviour
Durch die Digitalisierung der Geschäftsprozesse stehen Anwendern von Informationssystemen immer mehr Services zur Verfügung, die ihre Tätigkeiten effizienter und effektiver werden lassen. Ihnen soll ein informationeller Mehrwert geboten werden, so dass Kundenloyalität aufgebaut und eine Kundenabwanderung verhindert wird. Die Thesis beschäftigt sich damit, wie aus den Daten, die bei der Interaktion eines Benutzers mit einem Informationssystem entstehen, ein Kundenverständnis erlangt werden kann. Anhand eines Smart Data Systems werden die Benutzer in Gruppen segmentiert. Durch eine Online-Umfrage werden die Persönlichkeitsprofile und Clickstream-Sequenzen aufgezeichnet und eine Segmentierung mit Hilfe eines Divisive Hierarchical Clustering durchgeführt. Die Ergebnisse zeigen auf, dass innerhalb der segmentierten Gruppen keine Übereinstimmung auf ähnliche Persönlichkeitsprofile basierend auf den Big Five Faktoren gefunden werden konnte. Indessen kann eine Effizienz- und Effektivitätswirkung für den Benutzer erreicht werden, indem Navigationsstrukturen und Produktplatzierungen für die Cluster optimiert werden.
Schlagwörter. Smart Data Discovery, Web Usage Mining, Clustering, Persönlichkeitsprofile, Big Five
Die Arbeit steht, wie alle weiteren Veröffentlichungen unserer elektronischen Schriftenreihe, zum kostenlosen Download bereit unter: https://www.fhgr.ch/htw-chur/angewandte-zukunftstechnologien/schweizerisches-institut-fuer-informationswissenschaft-sii/publikationen/churer-schriften/