Einsatz ausgewählter Data Mining-Verfahren zur Optimierung des After Sales Marketing

Abstract

In der vorliegenden Arbeit besteht die Aufgabenstellung darin, Kunden eines Online-Shops anhand der vorhandenen Merkmale ihrer Erstbestellung zu klassifizieren. Es wird nur den Kunden, die ohne Incentivierung keinen Folgekauf tätigen, ein Gutschein in Höhe von 5 Euro zugesendet. Das betriebswirtschaftliche Ziel liegt in einer Maximierung des Umsatzes in Bezug auf diese After Sales Marketing-Maßnahme. Die seitens eines Online-Medienhändlers zur Verfügung gestellten Datensätze weisen fehlende und inkonsistente Werte auf und sind hinsichtlich des Klassifikationsmerkmals sehr ungleich verteilt. Somit wird durch Datenvorverarbeitungsprozesse die Datenqualität erhöht und eine gleichmäßigere Verteilung der Klassen hergestellt. Die angewendeten Verfahren werden darüber hinaus durch eine Selektion relevanter Prädiktoren und Parameteranalysen optimiert. Die besten Ergebnisse werden mit dem Gradient Boosted Trees-Verfahren erzielt, das zu den Ensemble-Methoden gehört.

This work tries to classify customers of an online-shop based on the existing features of their first order. A coupon of 5 euros is send only to those customers, who do not order again without further incentive. The business objective is to maximize the revenue relating to this after-sales campaign. The records made available by an online media retailer contain missing and inconsistent values and are distributed very unevenly with regard to the classification feature. Thus the data quality is increased and a more even distribution of classes is achieved by applying data preprocessing steps. Additionally, the used procedures are optimized by a selection of relevant predictors and a parameter analysis. The best results are obtained with the Gradient Boosted Trees method, which belongs to the ensemble methods.