Data-Driven Marketing: Insights Aus Wissenschaft und Praxis
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Elektronisch E-Book |
| Sprache: | German |
| Veröffentlicht: |
Wiesbaden
Springer Fachmedien Wiesbaden GmbH
2020
|
| Schlagworte: | |
| Online-Zugang: | FAW01 FAW02 HWR01 UBM01 UBR01 |
| Beschreibung: | Description based on publisher supplied metadata and other sources |
| Beschreibung: | 1 Online-Ressource (313 pages) Illustrationen, Diagramme |
| ISBN: | 9783658299958 |
Internformat
MARC
| LEADER | 00000nmm a2200000zc 4500 | ||
|---|---|---|---|
| 001 | BV048223192 | ||
| 003 | DE-604 | ||
| 005 | 20240409 | ||
| 007 | cr|uuu---uuuuu | ||
| 008 | 220516s2020 |||| o||u| ||||||ger d | ||
| 020 | |a 9783658299958 |9 978-3-658-29995-8 | ||
| 035 | |a (ZDB-30-PQE)EBC6317284 | ||
| 035 | |a (ZDB-30-PAD)EBC6317284 | ||
| 035 | |a (ZDB-89-EBL)EBL6317284 | ||
| 035 | |a (OCoLC)1203539093 | ||
| 035 | |a (DE-599)BVBBV048223192 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 049 | |a DE-2070s |a DE-19 |a DE-634 |a DE-355 | ||
| 084 | |a QP 650 |0 (DE-625)141922: |2 rvk | ||
| 100 | 1 | |a Boßow-Thies, Silvia |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Data-Driven Marketing |b Insights Aus Wissenschaft und Praxis |
| 264 | 1 | |a Wiesbaden |b Springer Fachmedien Wiesbaden GmbH |c 2020 | |
| 264 | 4 | |c ©2020 | |
| 300 | |a 1 Online-Ressource (313 pages) |b Illustrationen, Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b c |2 rdamedia | ||
| 338 | |b cr |2 rdacarrier | ||
| 500 | |a Description based on publisher supplied metadata and other sources | ||
| 505 | 8 | |a Intro -- Geleitwort -- Inhaltsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Teil I Data-driven Marketing im Überblick -- 1 Das Öl des 21. Jahrhunderts - Strategischer Einsatz von Daten im Marketing -- Zusammenfassung -- 1.1 Einleitung -- 1.2 Abgrenzung Data-driven Marketing -- 1.3 Datengrundlage für Data-driven Marketing -- 1.4 Von Big Data über Data Analytics zu Smart Data -- 1.5 Einsatzmöglichkeiten des Data-driven Marketings -- 1.6 Status quo und Herausforderung von Data-driven Marketing in der Praxis -- 1.7 Fazit -- Literatur -- Teil II Datenmanagement als Grundlage für Marketingentscheidungen -- 2 Qualität von Kundendaten - Ansätze zur Analyse und Verbesserung als Basis für effiziente Marketingentscheidungen -- Zusammenfassung -- 2.1 Relevanz und Herausforderungen der Sicherstellung von Datenqualität -- 2.2 Was bedeutet Datenqualität? -- 2.3 Ansätze zur Verbesserung der Qualität von Kundendaten -- 2.3.1 Datenqualität beim Sammeln von Kundendaten -- 2.3.2 Identifikation von Datenqualitätsmängeln durch Data Profiling -- 2.3.3 Optionen beim Umgang mit Qualitätsmängeln -- 2.3.4 Datenqualität messen und beobachten -- 2.4 Fazit -- Literatur -- 3 Die Kraft effektiver Daten-Visualisierung - CLEAR(I): Ein Leitfaden zur wirkungsvollen Dashboard-Gestaltung -- Zusammenfassung -- 3.1 Relevanz der Fragestellung -- 3.2 Visuelle Wahrnehmung und Prozesse im Gehirn -- 3.3 Identifikation von Erfolgsfaktoren für effektives Dashboard-Design -- 3.3.1 Vorgehensweise und Datenbasis -- 3.3.2 Auswertung und Vorstellung der Befragungsergebnisse -- 3.4 © CLEAR(I): Ein Leitfaden zur effektiven Dashboard-Gestaltung -- 3.5 Fazit -- Literatur -- Teil III Smarte Insights fürs Marketing -- 4 Psychografisches Targeting - Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien -- Zusammenfassung | |
| 505 | 8 | |a 4.1 Targeting in den sozialen Medien -- 4.2 Behavioral (Micro-)Targeting -- 4.3 Psychografisches Targeting -- 4.4 Vorgehen Psychografisches Targeting -- 4.5 Potential und Stand der Forschung -- 4.5.1 Ad Avoidance in Online-Medien -- 4.5.2 Wirkung von Behavioral Targeting -- 4.5.3 Wirkung von Psychografischem Targeting (in den sozialen Medien) -- 4.5.4 Gefahr der Überpersonalisierung (Personalisierungsparadox) -- 4.6 Herausforderung in der Umsetzung, ethische Betrachtung und Ausblick -- 4.6.1 Herausforderungen in der Umsetzung von psychografischem Targeting -- 4.6.2 Ethische Betrachtung -- 4.6.3 Ausblick -- Literatur -- 5 Programmatic Advertising - Möglichkeiten und Grenzen bei Display-Advertising am Beispiel hedonistischer und utilitaristischer Produkte -- Zusammenfassung -- 5.1 Relevanz von Programmatic Advertising im Online Marketing -- 5.2 Definition und Funktionsweise des Programmatic Advertising -- 5.3 Wirkung von Display Advertising -- 5.3.1 Gemessene Effekte von Display-Werbung -- 5.3.2 Determinanten des Erfolgs von Display Advertising -- 5.4 Grenzen des Programmatic Advertising bei Display Advertising -- 5.5 Kontexteffekte als beeinflussende Größen der Werbewirkung -- 5.6 Merkmale hedonistischer und utilitaristischer Produkte -- 5.7 Auswirkungen der Website-Tonalität bei hedonistischen und utilitaristischen Produkten -- 5.8 Implikationen der Studie und Schlussfolgerungen für das Programmatic Advertising -- Literatur -- 6 Uplift von Werbemaßnahmen - Case-Study zur Marketing-Optimierung -- Zusammenfassung -- 6.1 Das Problem der Bestimmung der Werbewirkung -- 6.1.1 Lift versus Uplift -- 6.1.2 Herausforderung in der Praxis -- 6.2 Die methodischen Ansätze für Uplift-Modelling -- 6.2.1 Grundlegendes Konzept -- 6.2.2 Warum eine spezielle Art der Modellierung benötigt wird -- 6.2.3 Methoden für Uplift-Modelling -- 6.2.4 2-Modell-Ansatz | |
| 505 | 8 | |a Flip the Target-Ansatz -- Integrierte Algorithmen (Spezialisierte Entscheidungsbäume) -- 6.3 Gründe für das Scheitern theoretischer Uplift-Modelle in der Praxis -- 6.3.1 Nullgruppen -- 6.3.2 Testdesign -- Entwicklung des Testdesigns -- Einhaltung des Testdesigns -- 6.3.3 Bewertung -- 6.4 Wie Uplift in der Praxis dennoch gelingt - der Case einer Drogeriekette -- 6.4.1 Ausgangssituation -- 6.4.2 Herausforderung -- 6.4.3 Lösungsansatz -- 6.4.4 Ergebnis und Next Steps -- Literatur -- 7 A/B-Testing - Verfahren zur Optimierung der digitalen Interaktion zwischen Konsumenten und Unternehmen -- Zusammenfassung -- 7.1 Der Begriff A/B-Testing -- 7.2 Das Vorgehen beim A/B-Testing -- 7.3 Zentrale Prinzipien beim experimentellen Vorgehen -- 7.3.1 Systematische Veränderung der potentiellen Einflussfaktoren (UV) -- 7.3.2 Randomisierung -- 7.3.3 Drittvariablen -- 7.4 Qualitätskriterien und Fallstricke für das A/B-Testing -- 7.4.1 Entwicklung begründeter Hypothesen -- 7.4.2 Vermeidung technischer Störfaktoren -- 7.4.3 Die große Gefahr der Sample Pollution -- 7.4.4 Die Unterscheidung von Micro vs. Macro Conversions -- 7.5 Fazit -- Literatur -- Teil IV Data-driven Marketing in der realen Welt -- 8 Data-driven Marketing im Outernet - Geointelligenz als Basis für ort-, zeitspezifische und psychografische Zielgruppenansprache -- Zusammenfassung -- 8.1 Das Outernet -- 8.2 Die Datenquellen -- 8.2.1 Statische Geodaten -- 8.2.2 Mobilitätsstudien -- 8.2.3 Markt-Media-Studien -- 8.2.4 Daten von Mobilfunkanbietern -- 8.2.5 App-Daten -- 8.2.6 Daten aus Social Media -- 8.2.7 3d-Party-Daten -- 8.3 Die Datenfusion -- 8.4 Das Heatmapping -- 8.5 Kampagnenumsetzung in der Praxis -- 8.5.1 Leistungssteigerung durch Geointelligenz bei Online-Kampagnen -- 8.5.2 Geografische Verortung von Zielgruppen und crossmediale Ansprache -- 8.6 Fazit und Ausblick -- Literatur | |
| 505 | 8 | |a 9 Live goes digital - wie digitale Komponenten Messen bereichern -- Zusammenfassung -- 9.1 Live-Kommunikation im Marketingmix -- 9.1.1 Bedeutung von Messen im Marketingmix -- 9.1.2 Relevanz von Messen für ausstellende Unternehmen -- 9.1.3 Zielsetzungen ausstellender Unternehmen -- 9.2 Quantitative Messung der Zielerreichung -- 9.2.1 Quantifizierung von Besuchern -- Indoor Navigation als Datenquelle -- Umkreisbasierte Besucherfrequenzanalyse -- Digitalisierte Leaderfassung -- 9.2.2 Quantifizierung vermittelter Inhalte -- 9.2.3 Einsatz von Humanoiden Robotern: Anwendungsfall Pepper -- 9.3 Fazit -- Literatur -- 10 Data-driven Marketing in the Carsharing Economy - Focus on Privacy Concerns -- Abstract -- 10.1 Introduction -- 10.2 Literature Overview of Privacy Concerns and the Sharing Economy -- 10.2.1 Privacy and Privacy Concerns -- 10.2.2 Research on Privacy Concerns -- 10.2.3 The Sharing Economy-Carsharing -- 10.3 Empirical Study on the Impact of Privacy Concerns on Loyalty Intentions -- 10.3.1 Research Framework -- 10.3.2 Data Collection and Measures -- 10.3.3 Findings -- 10.3.4 Implications for Management and Research -- 10.4 Conclusion -- References -- Teil V Datenschutz und Ethik im Data-driven Marketing -- 11 Datenschutz gemäß DSGVO im datengetriebenen Marketing - ein Überblick -- Zusammenfassung -- 11.1 Hintergrund -- 11.2 Bedeutung für datengetriebenes Marketing -- 11.3 Grundlagen des Datenschutzes -- 11.3.1 Personenbezogene Daten -- 11.3.2 Pseudonymisierte Daten -- 11.3.3 Anonymisierte Daten -- 11.3.4 Verarbeitungsbegriff -- 11.4 Verarbeitungsgrundsätze -- 11.4.1 Rechtmäßigkeit, Verarbeitung nach Treu und Glauben, Transparenz -- 11.4.2 Zweckbindung -- 11.4.3 Datenminimierung -- 11.4.4 Richtigkeit -- 11.4.5 Speicherbegrenzung -- 11.4.6 Integrität und Vertraulichkeit -- 11.4.7 Rechenschaftspflicht -- 11.5 Werbung aufgrund einer Einwilligung | |
| 505 | 8 | |a 11.6 Werbung aufgrund eines berechtigten Interesses -- 11.7 Profiling und die automatisierte Verarbeitung personenbezogener Daten -- 11.7.1 Definition und Zulässigkeit des Profiling -- Vertragserfüllung -- Rechtsvorschriften der Mitgliedsstaaten -- Einwilligung -- 11.7.2 Auswirkungen -- 11.8 Technische und organisatorische Maßnahmen -- 11.9 Privacy by Design and Default -- 11.10 Datenschutz-Folgenabschätzung -- 11.11 Fazit -- Literatur -- 12 Digital Trust für KI-basierte Mensch-Maschine-Schnittstellen -- Zusammenfassung -- 12.1 Einleitung -- 12.2 Künstliche Intelligenz an der Mensch-Maschine-Schnittstelle -- 12.2.1 Definition Künstliche Intelligenz -- 12.2.2 Einsatzgebiete und Trends im Marketing -- 12.3 Digital Trust -- 12.3.1 Ansatzpunkte für Digital Trust im humanen Vertrauen -- 12.3.2 Kognitive und affektive Vertrauensebene -- 12.3.3 Vertrauensqualitäten -- 12.3.4 Humane Vertrauensquellen -- 12.3.5 Humane Vertrauensmuster -- 12.4 Aufbau von Digital Trust an KI-basierten Mensch-Maschine-Schnittstellen durch das Marketing -- 12.4.1 Vertrauensaufbau als Trust-Journey -- 12.4.2 Analyse der Vertrauensqualität als Ausgangspunkt der KI-Trust-Journey -- 12.4.3 Stärkung der kognitiven und affektiven Vertrauensebene -- 12.4.4 Definition der KI-Vertrauensquelle -- 12.4.5 Berücksichtigung humaner Vertrauensmuster -- 12.5 Prinzipien und Ausblick -- Literatur -- 13 Ethische Grenzen der Datennutzung im Marketing -- Zusammenfassung -- 13.1 Hintergrund -- 13.2 Definition und Themenfelder der Ethik im digitalen Kontext -- 13.2.1 Definition Ethik und Moral -- 13.2.2 Ethische Themenfelder der Datennutzung -- 13.3 Formen, Anwendungsgebiete und Chancen der Datennutzung im Marketing -- 13.3.1 Formen und Anwendungsgebiete der Datenanalyse -- 13.3.2 Chancen der Datennutzung für Unternehmen und Konsumenten -- 13.4 Ethische Risiken der Datennutzung | |
| 505 | 8 | |a 13.4.1 Privatsphäre und Identität | |
| 650 | 0 | 7 | |a Marketing |0 (DE-588)4037589-4 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Datenmanagement |0 (DE-588)4213132-7 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4143413-4 |a Aufsatzsammlung |2 gnd-content | |
| 689 | 0 | 0 | |a Marketing |0 (DE-588)4037589-4 |D s |
| 689 | 0 | 1 | |a Datenmanagement |0 (DE-588)4213132-7 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Hofmann-Stölting, Christina |e Sonstige |4 oth | |
| 700 | 1 | |a Jochims, Heike |e Sonstige |4 oth | |
| 776 | 0 | 8 | |i Erscheint auch als |n Druck-Ausgabe |a Boßow-Thies, Silvia |t Data-Driven Marketing |d Wiesbaden : Springer Fachmedien Wiesbaden GmbH,c2020 |z 9783658299941 |
| 912 | |a ZDB-30-PQE |a ZDB-2-SWI | ||
| 999 | |a oai:aleph.bib-bvb.de:BVB01-033603925 | ||
| 966 | e | |u https://link.springer.com/book/10.1007/978-3-658-29995-8 |l FAW01 |p ZDB-2-SWI |q Paketkauf |x Verlag |3 Volltext | |
| 966 | e | |u https://link.springer.com/book/10.1007/978-3-658-29995-8 |l FAW02 |p ZDB-2-SWI |q Paketkauf |x Verlag |3 Volltext | |
| 966 | e | |u https://ebookcentral.proquest.com/lib/hwr/detail.action?docID=6317284 |l HWR01 |p ZDB-30-PQE |q HWR_PDA_PQE |x Aggregator |3 Volltext | |
| 966 | e | |u https://doi.org/10.1007/978-3-658-29995-8 |l UBM01 |p ZDB-2-SWI |x Verlag |3 Volltext | |
| 966 | e | |u https://doi.org/10.1007/978-3-658-29995-8 |l UBR01 |p ZDB-2-SWI |x Verlag |3 Volltext | |
Datensatz im Suchindex
| _version_ | 1804184005006852096 |
|---|---|
| adam_txt | |
| any_adam_object | |
| any_adam_object_boolean | |
| author | Boßow-Thies, Silvia |
| author_facet | Boßow-Thies, Silvia |
| author_role | aut |
| author_sort | Boßow-Thies, Silvia |
| author_variant | s b t sbt |
| building | Verbundindex |
| bvnumber | BV048223192 |
| classification_rvk | QP 650 |
| collection | ZDB-30-PQE ZDB-2-SWI |
| contents | Intro -- Geleitwort -- Inhaltsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Teil I Data-driven Marketing im Überblick -- 1 Das Öl des 21. Jahrhunderts - Strategischer Einsatz von Daten im Marketing -- Zusammenfassung -- 1.1 Einleitung -- 1.2 Abgrenzung Data-driven Marketing -- 1.3 Datengrundlage für Data-driven Marketing -- 1.4 Von Big Data über Data Analytics zu Smart Data -- 1.5 Einsatzmöglichkeiten des Data-driven Marketings -- 1.6 Status quo und Herausforderung von Data-driven Marketing in der Praxis -- 1.7 Fazit -- Literatur -- Teil II Datenmanagement als Grundlage für Marketingentscheidungen -- 2 Qualität von Kundendaten - Ansätze zur Analyse und Verbesserung als Basis für effiziente Marketingentscheidungen -- Zusammenfassung -- 2.1 Relevanz und Herausforderungen der Sicherstellung von Datenqualität -- 2.2 Was bedeutet Datenqualität? -- 2.3 Ansätze zur Verbesserung der Qualität von Kundendaten -- 2.3.1 Datenqualität beim Sammeln von Kundendaten -- 2.3.2 Identifikation von Datenqualitätsmängeln durch Data Profiling -- 2.3.3 Optionen beim Umgang mit Qualitätsmängeln -- 2.3.4 Datenqualität messen und beobachten -- 2.4 Fazit -- Literatur -- 3 Die Kraft effektiver Daten-Visualisierung - CLEAR(I): Ein Leitfaden zur wirkungsvollen Dashboard-Gestaltung -- Zusammenfassung -- 3.1 Relevanz der Fragestellung -- 3.2 Visuelle Wahrnehmung und Prozesse im Gehirn -- 3.3 Identifikation von Erfolgsfaktoren für effektives Dashboard-Design -- 3.3.1 Vorgehensweise und Datenbasis -- 3.3.2 Auswertung und Vorstellung der Befragungsergebnisse -- 3.4 © CLEAR(I): Ein Leitfaden zur effektiven Dashboard-Gestaltung -- 3.5 Fazit -- Literatur -- Teil III Smarte Insights fürs Marketing -- 4 Psychografisches Targeting - Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien -- Zusammenfassung 4.1 Targeting in den sozialen Medien -- 4.2 Behavioral (Micro-)Targeting -- 4.3 Psychografisches Targeting -- 4.4 Vorgehen Psychografisches Targeting -- 4.5 Potential und Stand der Forschung -- 4.5.1 Ad Avoidance in Online-Medien -- 4.5.2 Wirkung von Behavioral Targeting -- 4.5.3 Wirkung von Psychografischem Targeting (in den sozialen Medien) -- 4.5.4 Gefahr der Überpersonalisierung (Personalisierungsparadox) -- 4.6 Herausforderung in der Umsetzung, ethische Betrachtung und Ausblick -- 4.6.1 Herausforderungen in der Umsetzung von psychografischem Targeting -- 4.6.2 Ethische Betrachtung -- 4.6.3 Ausblick -- Literatur -- 5 Programmatic Advertising - Möglichkeiten und Grenzen bei Display-Advertising am Beispiel hedonistischer und utilitaristischer Produkte -- Zusammenfassung -- 5.1 Relevanz von Programmatic Advertising im Online Marketing -- 5.2 Definition und Funktionsweise des Programmatic Advertising -- 5.3 Wirkung von Display Advertising -- 5.3.1 Gemessene Effekte von Display-Werbung -- 5.3.2 Determinanten des Erfolgs von Display Advertising -- 5.4 Grenzen des Programmatic Advertising bei Display Advertising -- 5.5 Kontexteffekte als beeinflussende Größen der Werbewirkung -- 5.6 Merkmale hedonistischer und utilitaristischer Produkte -- 5.7 Auswirkungen der Website-Tonalität bei hedonistischen und utilitaristischen Produkten -- 5.8 Implikationen der Studie und Schlussfolgerungen für das Programmatic Advertising -- Literatur -- 6 Uplift von Werbemaßnahmen - Case-Study zur Marketing-Optimierung -- Zusammenfassung -- 6.1 Das Problem der Bestimmung der Werbewirkung -- 6.1.1 Lift versus Uplift -- 6.1.2 Herausforderung in der Praxis -- 6.2 Die methodischen Ansätze für Uplift-Modelling -- 6.2.1 Grundlegendes Konzept -- 6.2.2 Warum eine spezielle Art der Modellierung benötigt wird -- 6.2.3 Methoden für Uplift-Modelling -- 6.2.4 2-Modell-Ansatz Flip the Target-Ansatz -- Integrierte Algorithmen (Spezialisierte Entscheidungsbäume) -- 6.3 Gründe für das Scheitern theoretischer Uplift-Modelle in der Praxis -- 6.3.1 Nullgruppen -- 6.3.2 Testdesign -- Entwicklung des Testdesigns -- Einhaltung des Testdesigns -- 6.3.3 Bewertung -- 6.4 Wie Uplift in der Praxis dennoch gelingt - der Case einer Drogeriekette -- 6.4.1 Ausgangssituation -- 6.4.2 Herausforderung -- 6.4.3 Lösungsansatz -- 6.4.4 Ergebnis und Next Steps -- Literatur -- 7 A/B-Testing - Verfahren zur Optimierung der digitalen Interaktion zwischen Konsumenten und Unternehmen -- Zusammenfassung -- 7.1 Der Begriff A/B-Testing -- 7.2 Das Vorgehen beim A/B-Testing -- 7.3 Zentrale Prinzipien beim experimentellen Vorgehen -- 7.3.1 Systematische Veränderung der potentiellen Einflussfaktoren (UV) -- 7.3.2 Randomisierung -- 7.3.3 Drittvariablen -- 7.4 Qualitätskriterien und Fallstricke für das A/B-Testing -- 7.4.1 Entwicklung begründeter Hypothesen -- 7.4.2 Vermeidung technischer Störfaktoren -- 7.4.3 Die große Gefahr der Sample Pollution -- 7.4.4 Die Unterscheidung von Micro vs. Macro Conversions -- 7.5 Fazit -- Literatur -- Teil IV Data-driven Marketing in der realen Welt -- 8 Data-driven Marketing im Outernet - Geointelligenz als Basis für ort-, zeitspezifische und psychografische Zielgruppenansprache -- Zusammenfassung -- 8.1 Das Outernet -- 8.2 Die Datenquellen -- 8.2.1 Statische Geodaten -- 8.2.2 Mobilitätsstudien -- 8.2.3 Markt-Media-Studien -- 8.2.4 Daten von Mobilfunkanbietern -- 8.2.5 App-Daten -- 8.2.6 Daten aus Social Media -- 8.2.7 3d-Party-Daten -- 8.3 Die Datenfusion -- 8.4 Das Heatmapping -- 8.5 Kampagnenumsetzung in der Praxis -- 8.5.1 Leistungssteigerung durch Geointelligenz bei Online-Kampagnen -- 8.5.2 Geografische Verortung von Zielgruppen und crossmediale Ansprache -- 8.6 Fazit und Ausblick -- Literatur 9 Live goes digital - wie digitale Komponenten Messen bereichern -- Zusammenfassung -- 9.1 Live-Kommunikation im Marketingmix -- 9.1.1 Bedeutung von Messen im Marketingmix -- 9.1.2 Relevanz von Messen für ausstellende Unternehmen -- 9.1.3 Zielsetzungen ausstellender Unternehmen -- 9.2 Quantitative Messung der Zielerreichung -- 9.2.1 Quantifizierung von Besuchern -- Indoor Navigation als Datenquelle -- Umkreisbasierte Besucherfrequenzanalyse -- Digitalisierte Leaderfassung -- 9.2.2 Quantifizierung vermittelter Inhalte -- 9.2.3 Einsatz von Humanoiden Robotern: Anwendungsfall Pepper -- 9.3 Fazit -- Literatur -- 10 Data-driven Marketing in the Carsharing Economy - Focus on Privacy Concerns -- Abstract -- 10.1 Introduction -- 10.2 Literature Overview of Privacy Concerns and the Sharing Economy -- 10.2.1 Privacy and Privacy Concerns -- 10.2.2 Research on Privacy Concerns -- 10.2.3 The Sharing Economy-Carsharing -- 10.3 Empirical Study on the Impact of Privacy Concerns on Loyalty Intentions -- 10.3.1 Research Framework -- 10.3.2 Data Collection and Measures -- 10.3.3 Findings -- 10.3.4 Implications for Management and Research -- 10.4 Conclusion -- References -- Teil V Datenschutz und Ethik im Data-driven Marketing -- 11 Datenschutz gemäß DSGVO im datengetriebenen Marketing - ein Überblick -- Zusammenfassung -- 11.1 Hintergrund -- 11.2 Bedeutung für datengetriebenes Marketing -- 11.3 Grundlagen des Datenschutzes -- 11.3.1 Personenbezogene Daten -- 11.3.2 Pseudonymisierte Daten -- 11.3.3 Anonymisierte Daten -- 11.3.4 Verarbeitungsbegriff -- 11.4 Verarbeitungsgrundsätze -- 11.4.1 Rechtmäßigkeit, Verarbeitung nach Treu und Glauben, Transparenz -- 11.4.2 Zweckbindung -- 11.4.3 Datenminimierung -- 11.4.4 Richtigkeit -- 11.4.5 Speicherbegrenzung -- 11.4.6 Integrität und Vertraulichkeit -- 11.4.7 Rechenschaftspflicht -- 11.5 Werbung aufgrund einer Einwilligung 11.6 Werbung aufgrund eines berechtigten Interesses -- 11.7 Profiling und die automatisierte Verarbeitung personenbezogener Daten -- 11.7.1 Definition und Zulässigkeit des Profiling -- Vertragserfüllung -- Rechtsvorschriften der Mitgliedsstaaten -- Einwilligung -- 11.7.2 Auswirkungen -- 11.8 Technische und organisatorische Maßnahmen -- 11.9 Privacy by Design and Default -- 11.10 Datenschutz-Folgenabschätzung -- 11.11 Fazit -- Literatur -- 12 Digital Trust für KI-basierte Mensch-Maschine-Schnittstellen -- Zusammenfassung -- 12.1 Einleitung -- 12.2 Künstliche Intelligenz an der Mensch-Maschine-Schnittstelle -- 12.2.1 Definition Künstliche Intelligenz -- 12.2.2 Einsatzgebiete und Trends im Marketing -- 12.3 Digital Trust -- 12.3.1 Ansatzpunkte für Digital Trust im humanen Vertrauen -- 12.3.2 Kognitive und affektive Vertrauensebene -- 12.3.3 Vertrauensqualitäten -- 12.3.4 Humane Vertrauensquellen -- 12.3.5 Humane Vertrauensmuster -- 12.4 Aufbau von Digital Trust an KI-basierten Mensch-Maschine-Schnittstellen durch das Marketing -- 12.4.1 Vertrauensaufbau als Trust-Journey -- 12.4.2 Analyse der Vertrauensqualität als Ausgangspunkt der KI-Trust-Journey -- 12.4.3 Stärkung der kognitiven und affektiven Vertrauensebene -- 12.4.4 Definition der KI-Vertrauensquelle -- 12.4.5 Berücksichtigung humaner Vertrauensmuster -- 12.5 Prinzipien und Ausblick -- Literatur -- 13 Ethische Grenzen der Datennutzung im Marketing -- Zusammenfassung -- 13.1 Hintergrund -- 13.2 Definition und Themenfelder der Ethik im digitalen Kontext -- 13.2.1 Definition Ethik und Moral -- 13.2.2 Ethische Themenfelder der Datennutzung -- 13.3 Formen, Anwendungsgebiete und Chancen der Datennutzung im Marketing -- 13.3.1 Formen und Anwendungsgebiete der Datenanalyse -- 13.3.2 Chancen der Datennutzung für Unternehmen und Konsumenten -- 13.4 Ethische Risiken der Datennutzung 13.4.1 Privatsphäre und Identität |
| ctrlnum | (ZDB-30-PQE)EBC6317284 (ZDB-30-PAD)EBC6317284 (ZDB-89-EBL)EBL6317284 (OCoLC)1203539093 (DE-599)BVBBV048223192 |
| discipline | Wirtschaftswissenschaften |
| discipline_str_mv | Wirtschaftswissenschaften |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>11786nmm a2200577zc 4500</leader><controlfield tag="001">BV048223192</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20240409 </controlfield><controlfield tag="007">cr|uuu---uuuuu</controlfield><controlfield tag="008">220516s2020 |||| o||u| ||||||ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783658299958</subfield><subfield code="9">978-3-658-29995-8</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ZDB-30-PQE)EBC6317284</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ZDB-30-PAD)EBC6317284</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ZDB-89-EBL)EBL6317284</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1203539093</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV048223192</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-2070s</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-355</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QP 650</subfield><subfield code="0">(DE-625)141922:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Boßow-Thies, Silvia</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Data-Driven Marketing</subfield><subfield code="b">Insights Aus Wissenschaft und Praxis</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Springer Fachmedien Wiesbaden GmbH</subfield><subfield code="c">2020</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">©2020</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (313 pages)</subfield><subfield code="b">Illustrationen, Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Description based on publisher supplied metadata and other sources</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">Intro -- Geleitwort -- Inhaltsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Teil I Data-driven Marketing im Überblick -- 1 Das Öl des 21. Jahrhunderts - Strategischer Einsatz von Daten im Marketing -- Zusammenfassung -- 1.1 Einleitung -- 1.2 Abgrenzung Data-driven Marketing -- 1.3 Datengrundlage für Data-driven Marketing -- 1.4 Von Big Data über Data Analytics zu Smart Data -- 1.5 Einsatzmöglichkeiten des Data-driven Marketings -- 1.6 Status quo und Herausforderung von Data-driven Marketing in der Praxis -- 1.7 Fazit -- Literatur -- Teil II Datenmanagement als Grundlage für Marketingentscheidungen -- 2 Qualität von Kundendaten - Ansätze zur Analyse und Verbesserung als Basis für effiziente Marketingentscheidungen -- Zusammenfassung -- 2.1 Relevanz und Herausforderungen der Sicherstellung von Datenqualität -- 2.2 Was bedeutet Datenqualität? -- 2.3 Ansätze zur Verbesserung der Qualität von Kundendaten -- 2.3.1 Datenqualität beim Sammeln von Kundendaten -- 2.3.2 Identifikation von Datenqualitätsmängeln durch Data Profiling -- 2.3.3 Optionen beim Umgang mit Qualitätsmängeln -- 2.3.4 Datenqualität messen und beobachten -- 2.4 Fazit -- Literatur -- 3 Die Kraft effektiver Daten-Visualisierung - CLEAR(I): Ein Leitfaden zur wirkungsvollen Dashboard-Gestaltung -- Zusammenfassung -- 3.1 Relevanz der Fragestellung -- 3.2 Visuelle Wahrnehmung und Prozesse im Gehirn -- 3.3 Identifikation von Erfolgsfaktoren für effektives Dashboard-Design -- 3.3.1 Vorgehensweise und Datenbasis -- 3.3.2 Auswertung und Vorstellung der Befragungsergebnisse -- 3.4 © CLEAR(I): Ein Leitfaden zur effektiven Dashboard-Gestaltung -- 3.5 Fazit -- Literatur -- Teil III Smarte Insights fürs Marketing -- 4 Psychografisches Targeting - Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien -- Zusammenfassung</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">4.1 Targeting in den sozialen Medien -- 4.2 Behavioral (Micro-)Targeting -- 4.3 Psychografisches Targeting -- 4.4 Vorgehen Psychografisches Targeting -- 4.5 Potential und Stand der Forschung -- 4.5.1 Ad Avoidance in Online-Medien -- 4.5.2 Wirkung von Behavioral Targeting -- 4.5.3 Wirkung von Psychografischem Targeting (in den sozialen Medien) -- 4.5.4 Gefahr der Überpersonalisierung (Personalisierungsparadox) -- 4.6 Herausforderung in der Umsetzung, ethische Betrachtung und Ausblick -- 4.6.1 Herausforderungen in der Umsetzung von psychografischem Targeting -- 4.6.2 Ethische Betrachtung -- 4.6.3 Ausblick -- Literatur -- 5 Programmatic Advertising - Möglichkeiten und Grenzen bei Display-Advertising am Beispiel hedonistischer und utilitaristischer Produkte -- Zusammenfassung -- 5.1 Relevanz von Programmatic Advertising im Online Marketing -- 5.2 Definition und Funktionsweise des Programmatic Advertising -- 5.3 Wirkung von Display Advertising -- 5.3.1 Gemessene Effekte von Display-Werbung -- 5.3.2 Determinanten des Erfolgs von Display Advertising -- 5.4 Grenzen des Programmatic Advertising bei Display Advertising -- 5.5 Kontexteffekte als beeinflussende Größen der Werbewirkung -- 5.6 Merkmale hedonistischer und utilitaristischer Produkte -- 5.7 Auswirkungen der Website-Tonalität bei hedonistischen und utilitaristischen Produkten -- 5.8 Implikationen der Studie und Schlussfolgerungen für das Programmatic Advertising -- Literatur -- 6 Uplift von Werbemaßnahmen - Case-Study zur Marketing-Optimierung -- Zusammenfassung -- 6.1 Das Problem der Bestimmung der Werbewirkung -- 6.1.1 Lift versus Uplift -- 6.1.2 Herausforderung in der Praxis -- 6.2 Die methodischen Ansätze für Uplift-Modelling -- 6.2.1 Grundlegendes Konzept -- 6.2.2 Warum eine spezielle Art der Modellierung benötigt wird -- 6.2.3 Methoden für Uplift-Modelling -- 6.2.4 2-Modell-Ansatz</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">Flip the Target-Ansatz -- Integrierte Algorithmen (Spezialisierte Entscheidungsbäume) -- 6.3 Gründe für das Scheitern theoretischer Uplift-Modelle in der Praxis -- 6.3.1 Nullgruppen -- 6.3.2 Testdesign -- Entwicklung des Testdesigns -- Einhaltung des Testdesigns -- 6.3.3 Bewertung -- 6.4 Wie Uplift in der Praxis dennoch gelingt - der Case einer Drogeriekette -- 6.4.1 Ausgangssituation -- 6.4.2 Herausforderung -- 6.4.3 Lösungsansatz -- 6.4.4 Ergebnis und Next Steps -- Literatur -- 7 A/B-Testing - Verfahren zur Optimierung der digitalen Interaktion zwischen Konsumenten und Unternehmen -- Zusammenfassung -- 7.1 Der Begriff A/B-Testing -- 7.2 Das Vorgehen beim A/B-Testing -- 7.3 Zentrale Prinzipien beim experimentellen Vorgehen -- 7.3.1 Systematische Veränderung der potentiellen Einflussfaktoren (UV) -- 7.3.2 Randomisierung -- 7.3.3 Drittvariablen -- 7.4 Qualitätskriterien und Fallstricke für das A/B-Testing -- 7.4.1 Entwicklung begründeter Hypothesen -- 7.4.2 Vermeidung technischer Störfaktoren -- 7.4.3 Die große Gefahr der Sample Pollution -- 7.4.4 Die Unterscheidung von Micro vs. Macro Conversions -- 7.5 Fazit -- Literatur -- Teil IV Data-driven Marketing in der realen Welt -- 8 Data-driven Marketing im Outernet - Geointelligenz als Basis für ort-, zeitspezifische und psychografische Zielgruppenansprache -- Zusammenfassung -- 8.1 Das Outernet -- 8.2 Die Datenquellen -- 8.2.1 Statische Geodaten -- 8.2.2 Mobilitätsstudien -- 8.2.3 Markt-Media-Studien -- 8.2.4 Daten von Mobilfunkanbietern -- 8.2.5 App-Daten -- 8.2.6 Daten aus Social Media -- 8.2.7 3d-Party-Daten -- 8.3 Die Datenfusion -- 8.4 Das Heatmapping -- 8.5 Kampagnenumsetzung in der Praxis -- 8.5.1 Leistungssteigerung durch Geointelligenz bei Online-Kampagnen -- 8.5.2 Geografische Verortung von Zielgruppen und crossmediale Ansprache -- 8.6 Fazit und Ausblick -- Literatur</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">9 Live goes digital - wie digitale Komponenten Messen bereichern -- Zusammenfassung -- 9.1 Live-Kommunikation im Marketingmix -- 9.1.1 Bedeutung von Messen im Marketingmix -- 9.1.2 Relevanz von Messen für ausstellende Unternehmen -- 9.1.3 Zielsetzungen ausstellender Unternehmen -- 9.2 Quantitative Messung der Zielerreichung -- 9.2.1 Quantifizierung von Besuchern -- Indoor Navigation als Datenquelle -- Umkreisbasierte Besucherfrequenzanalyse -- Digitalisierte Leaderfassung -- 9.2.2 Quantifizierung vermittelter Inhalte -- 9.2.3 Einsatz von Humanoiden Robotern: Anwendungsfall Pepper -- 9.3 Fazit -- Literatur -- 10 Data-driven Marketing in the Carsharing Economy - Focus on Privacy Concerns -- Abstract -- 10.1 Introduction -- 10.2 Literature Overview of Privacy Concerns and the Sharing Economy -- 10.2.1 Privacy and Privacy Concerns -- 10.2.2 Research on Privacy Concerns -- 10.2.3 The Sharing Economy-Carsharing -- 10.3 Empirical Study on the Impact of Privacy Concerns on Loyalty Intentions -- 10.3.1 Research Framework -- 10.3.2 Data Collection and Measures -- 10.3.3 Findings -- 10.3.4 Implications for Management and Research -- 10.4 Conclusion -- References -- Teil V Datenschutz und Ethik im Data-driven Marketing -- 11 Datenschutz gemäß DSGVO im datengetriebenen Marketing - ein Überblick -- Zusammenfassung -- 11.1 Hintergrund -- 11.2 Bedeutung für datengetriebenes Marketing -- 11.3 Grundlagen des Datenschutzes -- 11.3.1 Personenbezogene Daten -- 11.3.2 Pseudonymisierte Daten -- 11.3.3 Anonymisierte Daten -- 11.3.4 Verarbeitungsbegriff -- 11.4 Verarbeitungsgrundsätze -- 11.4.1 Rechtmäßigkeit, Verarbeitung nach Treu und Glauben, Transparenz -- 11.4.2 Zweckbindung -- 11.4.3 Datenminimierung -- 11.4.4 Richtigkeit -- 11.4.5 Speicherbegrenzung -- 11.4.6 Integrität und Vertraulichkeit -- 11.4.7 Rechenschaftspflicht -- 11.5 Werbung aufgrund einer Einwilligung</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">11.6 Werbung aufgrund eines berechtigten Interesses -- 11.7 Profiling und die automatisierte Verarbeitung personenbezogener Daten -- 11.7.1 Definition und Zulässigkeit des Profiling -- Vertragserfüllung -- Rechtsvorschriften der Mitgliedsstaaten -- Einwilligung -- 11.7.2 Auswirkungen -- 11.8 Technische und organisatorische Maßnahmen -- 11.9 Privacy by Design and Default -- 11.10 Datenschutz-Folgenabschätzung -- 11.11 Fazit -- Literatur -- 12 Digital Trust für KI-basierte Mensch-Maschine-Schnittstellen -- Zusammenfassung -- 12.1 Einleitung -- 12.2 Künstliche Intelligenz an der Mensch-Maschine-Schnittstelle -- 12.2.1 Definition Künstliche Intelligenz -- 12.2.2 Einsatzgebiete und Trends im Marketing -- 12.3 Digital Trust -- 12.3.1 Ansatzpunkte für Digital Trust im humanen Vertrauen -- 12.3.2 Kognitive und affektive Vertrauensebene -- 12.3.3 Vertrauensqualitäten -- 12.3.4 Humane Vertrauensquellen -- 12.3.5 Humane Vertrauensmuster -- 12.4 Aufbau von Digital Trust an KI-basierten Mensch-Maschine-Schnittstellen durch das Marketing -- 12.4.1 Vertrauensaufbau als Trust-Journey -- 12.4.2 Analyse der Vertrauensqualität als Ausgangspunkt der KI-Trust-Journey -- 12.4.3 Stärkung der kognitiven und affektiven Vertrauensebene -- 12.4.4 Definition der KI-Vertrauensquelle -- 12.4.5 Berücksichtigung humaner Vertrauensmuster -- 12.5 Prinzipien und Ausblick -- Literatur -- 13 Ethische Grenzen der Datennutzung im Marketing -- Zusammenfassung -- 13.1 Hintergrund -- 13.2 Definition und Themenfelder der Ethik im digitalen Kontext -- 13.2.1 Definition Ethik und Moral -- 13.2.2 Ethische Themenfelder der Datennutzung -- 13.3 Formen, Anwendungsgebiete und Chancen der Datennutzung im Marketing -- 13.3.1 Formen und Anwendungsgebiete der Datenanalyse -- 13.3.2 Chancen der Datennutzung für Unternehmen und Konsumenten -- 13.4 Ethische Risiken der Datennutzung</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">13.4.1 Privatsphäre und Identität</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Marketing</subfield><subfield code="0">(DE-588)4037589-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Datenmanagement</subfield><subfield code="0">(DE-588)4213132-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4143413-4</subfield><subfield code="a">Aufsatzsammlung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Marketing</subfield><subfield code="0">(DE-588)4037589-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Datenmanagement</subfield><subfield code="0">(DE-588)4213132-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Hofmann-Stölting, Christina</subfield><subfield code="e">Sonstige</subfield><subfield code="4">oth</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Jochims, Heike</subfield><subfield code="e">Sonstige</subfield><subfield code="4">oth</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Druck-Ausgabe</subfield><subfield code="a">Boßow-Thies, Silvia</subfield><subfield code="t">Data-Driven Marketing</subfield><subfield code="d">Wiesbaden : Springer Fachmedien Wiesbaden GmbH,c2020</subfield><subfield code="z">9783658299941</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-PQE</subfield><subfield code="a">ZDB-2-SWI</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-033603925</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://link.springer.com/book/10.1007/978-3-658-29995-8</subfield><subfield code="l">FAW01</subfield><subfield code="p">ZDB-2-SWI</subfield><subfield code="q">Paketkauf</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://link.springer.com/book/10.1007/978-3-658-29995-8</subfield><subfield code="l">FAW02</subfield><subfield code="p">ZDB-2-SWI</subfield><subfield code="q">Paketkauf</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://ebookcentral.proquest.com/lib/hwr/detail.action?docID=6317284</subfield><subfield code="l">HWR01</subfield><subfield code="p">ZDB-30-PQE</subfield><subfield code="q">HWR_PDA_PQE</subfield><subfield code="x">Aggregator</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://doi.org/10.1007/978-3-658-29995-8</subfield><subfield code="l">UBM01</subfield><subfield code="p">ZDB-2-SWI</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://doi.org/10.1007/978-3-658-29995-8</subfield><subfield code="l">UBR01</subfield><subfield code="p">ZDB-2-SWI</subfield><subfield code="x">Verlag</subfield><subfield code="3">Volltext</subfield></datafield></record></collection> |
| genre | (DE-588)4143413-4 Aufsatzsammlung gnd-content |
| genre_facet | Aufsatzsammlung |
| id | DE-604.BV048223192 |
| illustrated | Not Illustrated |
| index_date | 2024-07-03T19:50:37Z |
| indexdate | 2024-07-10T09:32:27Z |
| institution | BVB |
| isbn | 9783658299958 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-033603925 |
| oclc_num | 1203539093 |
| open_access_boolean | |
| owner | DE-2070s DE-19 DE-BY-UBM DE-634 DE-355 DE-BY-UBR |
| owner_facet | DE-2070s DE-19 DE-BY-UBM DE-634 DE-355 DE-BY-UBR |
| physical | 1 Online-Ressource (313 pages) Illustrationen, Diagramme |
| psigel | ZDB-30-PQE ZDB-2-SWI ZDB-2-SWI Paketkauf ZDB-30-PQE HWR_PDA_PQE |
| publishDate | 2020 |
| publishDateSearch | 2020 |
| publishDateSort | 2020 |
| publisher | Springer Fachmedien Wiesbaden GmbH |
| record_format | marc |
| spelling | Boßow-Thies, Silvia Verfasser aut Data-Driven Marketing Insights Aus Wissenschaft und Praxis Wiesbaden Springer Fachmedien Wiesbaden GmbH 2020 ©2020 1 Online-Ressource (313 pages) Illustrationen, Diagramme txt rdacontent c rdamedia cr rdacarrier Description based on publisher supplied metadata and other sources Intro -- Geleitwort -- Inhaltsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Teil I Data-driven Marketing im Überblick -- 1 Das Öl des 21. Jahrhunderts - Strategischer Einsatz von Daten im Marketing -- Zusammenfassung -- 1.1 Einleitung -- 1.2 Abgrenzung Data-driven Marketing -- 1.3 Datengrundlage für Data-driven Marketing -- 1.4 Von Big Data über Data Analytics zu Smart Data -- 1.5 Einsatzmöglichkeiten des Data-driven Marketings -- 1.6 Status quo und Herausforderung von Data-driven Marketing in der Praxis -- 1.7 Fazit -- Literatur -- Teil II Datenmanagement als Grundlage für Marketingentscheidungen -- 2 Qualität von Kundendaten - Ansätze zur Analyse und Verbesserung als Basis für effiziente Marketingentscheidungen -- Zusammenfassung -- 2.1 Relevanz und Herausforderungen der Sicherstellung von Datenqualität -- 2.2 Was bedeutet Datenqualität? -- 2.3 Ansätze zur Verbesserung der Qualität von Kundendaten -- 2.3.1 Datenqualität beim Sammeln von Kundendaten -- 2.3.2 Identifikation von Datenqualitätsmängeln durch Data Profiling -- 2.3.3 Optionen beim Umgang mit Qualitätsmängeln -- 2.3.4 Datenqualität messen und beobachten -- 2.4 Fazit -- Literatur -- 3 Die Kraft effektiver Daten-Visualisierung - CLEAR(I): Ein Leitfaden zur wirkungsvollen Dashboard-Gestaltung -- Zusammenfassung -- 3.1 Relevanz der Fragestellung -- 3.2 Visuelle Wahrnehmung und Prozesse im Gehirn -- 3.3 Identifikation von Erfolgsfaktoren für effektives Dashboard-Design -- 3.3.1 Vorgehensweise und Datenbasis -- 3.3.2 Auswertung und Vorstellung der Befragungsergebnisse -- 3.4 © CLEAR(I): Ein Leitfaden zur effektiven Dashboard-Gestaltung -- 3.5 Fazit -- Literatur -- Teil III Smarte Insights fürs Marketing -- 4 Psychografisches Targeting - Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien -- Zusammenfassung 4.1 Targeting in den sozialen Medien -- 4.2 Behavioral (Micro-)Targeting -- 4.3 Psychografisches Targeting -- 4.4 Vorgehen Psychografisches Targeting -- 4.5 Potential und Stand der Forschung -- 4.5.1 Ad Avoidance in Online-Medien -- 4.5.2 Wirkung von Behavioral Targeting -- 4.5.3 Wirkung von Psychografischem Targeting (in den sozialen Medien) -- 4.5.4 Gefahr der Überpersonalisierung (Personalisierungsparadox) -- 4.6 Herausforderung in der Umsetzung, ethische Betrachtung und Ausblick -- 4.6.1 Herausforderungen in der Umsetzung von psychografischem Targeting -- 4.6.2 Ethische Betrachtung -- 4.6.3 Ausblick -- Literatur -- 5 Programmatic Advertising - Möglichkeiten und Grenzen bei Display-Advertising am Beispiel hedonistischer und utilitaristischer Produkte -- Zusammenfassung -- 5.1 Relevanz von Programmatic Advertising im Online Marketing -- 5.2 Definition und Funktionsweise des Programmatic Advertising -- 5.3 Wirkung von Display Advertising -- 5.3.1 Gemessene Effekte von Display-Werbung -- 5.3.2 Determinanten des Erfolgs von Display Advertising -- 5.4 Grenzen des Programmatic Advertising bei Display Advertising -- 5.5 Kontexteffekte als beeinflussende Größen der Werbewirkung -- 5.6 Merkmale hedonistischer und utilitaristischer Produkte -- 5.7 Auswirkungen der Website-Tonalität bei hedonistischen und utilitaristischen Produkten -- 5.8 Implikationen der Studie und Schlussfolgerungen für das Programmatic Advertising -- Literatur -- 6 Uplift von Werbemaßnahmen - Case-Study zur Marketing-Optimierung -- Zusammenfassung -- 6.1 Das Problem der Bestimmung der Werbewirkung -- 6.1.1 Lift versus Uplift -- 6.1.2 Herausforderung in der Praxis -- 6.2 Die methodischen Ansätze für Uplift-Modelling -- 6.2.1 Grundlegendes Konzept -- 6.2.2 Warum eine spezielle Art der Modellierung benötigt wird -- 6.2.3 Methoden für Uplift-Modelling -- 6.2.4 2-Modell-Ansatz Flip the Target-Ansatz -- Integrierte Algorithmen (Spezialisierte Entscheidungsbäume) -- 6.3 Gründe für das Scheitern theoretischer Uplift-Modelle in der Praxis -- 6.3.1 Nullgruppen -- 6.3.2 Testdesign -- Entwicklung des Testdesigns -- Einhaltung des Testdesigns -- 6.3.3 Bewertung -- 6.4 Wie Uplift in der Praxis dennoch gelingt - der Case einer Drogeriekette -- 6.4.1 Ausgangssituation -- 6.4.2 Herausforderung -- 6.4.3 Lösungsansatz -- 6.4.4 Ergebnis und Next Steps -- Literatur -- 7 A/B-Testing - Verfahren zur Optimierung der digitalen Interaktion zwischen Konsumenten und Unternehmen -- Zusammenfassung -- 7.1 Der Begriff A/B-Testing -- 7.2 Das Vorgehen beim A/B-Testing -- 7.3 Zentrale Prinzipien beim experimentellen Vorgehen -- 7.3.1 Systematische Veränderung der potentiellen Einflussfaktoren (UV) -- 7.3.2 Randomisierung -- 7.3.3 Drittvariablen -- 7.4 Qualitätskriterien und Fallstricke für das A/B-Testing -- 7.4.1 Entwicklung begründeter Hypothesen -- 7.4.2 Vermeidung technischer Störfaktoren -- 7.4.3 Die große Gefahr der Sample Pollution -- 7.4.4 Die Unterscheidung von Micro vs. Macro Conversions -- 7.5 Fazit -- Literatur -- Teil IV Data-driven Marketing in der realen Welt -- 8 Data-driven Marketing im Outernet - Geointelligenz als Basis für ort-, zeitspezifische und psychografische Zielgruppenansprache -- Zusammenfassung -- 8.1 Das Outernet -- 8.2 Die Datenquellen -- 8.2.1 Statische Geodaten -- 8.2.2 Mobilitätsstudien -- 8.2.3 Markt-Media-Studien -- 8.2.4 Daten von Mobilfunkanbietern -- 8.2.5 App-Daten -- 8.2.6 Daten aus Social Media -- 8.2.7 3d-Party-Daten -- 8.3 Die Datenfusion -- 8.4 Das Heatmapping -- 8.5 Kampagnenumsetzung in der Praxis -- 8.5.1 Leistungssteigerung durch Geointelligenz bei Online-Kampagnen -- 8.5.2 Geografische Verortung von Zielgruppen und crossmediale Ansprache -- 8.6 Fazit und Ausblick -- Literatur 9 Live goes digital - wie digitale Komponenten Messen bereichern -- Zusammenfassung -- 9.1 Live-Kommunikation im Marketingmix -- 9.1.1 Bedeutung von Messen im Marketingmix -- 9.1.2 Relevanz von Messen für ausstellende Unternehmen -- 9.1.3 Zielsetzungen ausstellender Unternehmen -- 9.2 Quantitative Messung der Zielerreichung -- 9.2.1 Quantifizierung von Besuchern -- Indoor Navigation als Datenquelle -- Umkreisbasierte Besucherfrequenzanalyse -- Digitalisierte Leaderfassung -- 9.2.2 Quantifizierung vermittelter Inhalte -- 9.2.3 Einsatz von Humanoiden Robotern: Anwendungsfall Pepper -- 9.3 Fazit -- Literatur -- 10 Data-driven Marketing in the Carsharing Economy - Focus on Privacy Concerns -- Abstract -- 10.1 Introduction -- 10.2 Literature Overview of Privacy Concerns and the Sharing Economy -- 10.2.1 Privacy and Privacy Concerns -- 10.2.2 Research on Privacy Concerns -- 10.2.3 The Sharing Economy-Carsharing -- 10.3 Empirical Study on the Impact of Privacy Concerns on Loyalty Intentions -- 10.3.1 Research Framework -- 10.3.2 Data Collection and Measures -- 10.3.3 Findings -- 10.3.4 Implications for Management and Research -- 10.4 Conclusion -- References -- Teil V Datenschutz und Ethik im Data-driven Marketing -- 11 Datenschutz gemäß DSGVO im datengetriebenen Marketing - ein Überblick -- Zusammenfassung -- 11.1 Hintergrund -- 11.2 Bedeutung für datengetriebenes Marketing -- 11.3 Grundlagen des Datenschutzes -- 11.3.1 Personenbezogene Daten -- 11.3.2 Pseudonymisierte Daten -- 11.3.3 Anonymisierte Daten -- 11.3.4 Verarbeitungsbegriff -- 11.4 Verarbeitungsgrundsätze -- 11.4.1 Rechtmäßigkeit, Verarbeitung nach Treu und Glauben, Transparenz -- 11.4.2 Zweckbindung -- 11.4.3 Datenminimierung -- 11.4.4 Richtigkeit -- 11.4.5 Speicherbegrenzung -- 11.4.6 Integrität und Vertraulichkeit -- 11.4.7 Rechenschaftspflicht -- 11.5 Werbung aufgrund einer Einwilligung 11.6 Werbung aufgrund eines berechtigten Interesses -- 11.7 Profiling und die automatisierte Verarbeitung personenbezogener Daten -- 11.7.1 Definition und Zulässigkeit des Profiling -- Vertragserfüllung -- Rechtsvorschriften der Mitgliedsstaaten -- Einwilligung -- 11.7.2 Auswirkungen -- 11.8 Technische und organisatorische Maßnahmen -- 11.9 Privacy by Design and Default -- 11.10 Datenschutz-Folgenabschätzung -- 11.11 Fazit -- Literatur -- 12 Digital Trust für KI-basierte Mensch-Maschine-Schnittstellen -- Zusammenfassung -- 12.1 Einleitung -- 12.2 Künstliche Intelligenz an der Mensch-Maschine-Schnittstelle -- 12.2.1 Definition Künstliche Intelligenz -- 12.2.2 Einsatzgebiete und Trends im Marketing -- 12.3 Digital Trust -- 12.3.1 Ansatzpunkte für Digital Trust im humanen Vertrauen -- 12.3.2 Kognitive und affektive Vertrauensebene -- 12.3.3 Vertrauensqualitäten -- 12.3.4 Humane Vertrauensquellen -- 12.3.5 Humane Vertrauensmuster -- 12.4 Aufbau von Digital Trust an KI-basierten Mensch-Maschine-Schnittstellen durch das Marketing -- 12.4.1 Vertrauensaufbau als Trust-Journey -- 12.4.2 Analyse der Vertrauensqualität als Ausgangspunkt der KI-Trust-Journey -- 12.4.3 Stärkung der kognitiven und affektiven Vertrauensebene -- 12.4.4 Definition der KI-Vertrauensquelle -- 12.4.5 Berücksichtigung humaner Vertrauensmuster -- 12.5 Prinzipien und Ausblick -- Literatur -- 13 Ethische Grenzen der Datennutzung im Marketing -- Zusammenfassung -- 13.1 Hintergrund -- 13.2 Definition und Themenfelder der Ethik im digitalen Kontext -- 13.2.1 Definition Ethik und Moral -- 13.2.2 Ethische Themenfelder der Datennutzung -- 13.3 Formen, Anwendungsgebiete und Chancen der Datennutzung im Marketing -- 13.3.1 Formen und Anwendungsgebiete der Datenanalyse -- 13.3.2 Chancen der Datennutzung für Unternehmen und Konsumenten -- 13.4 Ethische Risiken der Datennutzung 13.4.1 Privatsphäre und Identität Marketing (DE-588)4037589-4 gnd rswk-swf Datenmanagement (DE-588)4213132-7 gnd rswk-swf (DE-588)4143413-4 Aufsatzsammlung gnd-content Marketing (DE-588)4037589-4 s Datenmanagement (DE-588)4213132-7 s DE-604 Hofmann-Stölting, Christina Sonstige oth Jochims, Heike Sonstige oth Erscheint auch als Druck-Ausgabe Boßow-Thies, Silvia Data-Driven Marketing Wiesbaden : Springer Fachmedien Wiesbaden GmbH,c2020 9783658299941 |
| spellingShingle | Boßow-Thies, Silvia Data-Driven Marketing Insights Aus Wissenschaft und Praxis Intro -- Geleitwort -- Inhaltsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Teil I Data-driven Marketing im Überblick -- 1 Das Öl des 21. Jahrhunderts - Strategischer Einsatz von Daten im Marketing -- Zusammenfassung -- 1.1 Einleitung -- 1.2 Abgrenzung Data-driven Marketing -- 1.3 Datengrundlage für Data-driven Marketing -- 1.4 Von Big Data über Data Analytics zu Smart Data -- 1.5 Einsatzmöglichkeiten des Data-driven Marketings -- 1.6 Status quo und Herausforderung von Data-driven Marketing in der Praxis -- 1.7 Fazit -- Literatur -- Teil II Datenmanagement als Grundlage für Marketingentscheidungen -- 2 Qualität von Kundendaten - Ansätze zur Analyse und Verbesserung als Basis für effiziente Marketingentscheidungen -- Zusammenfassung -- 2.1 Relevanz und Herausforderungen der Sicherstellung von Datenqualität -- 2.2 Was bedeutet Datenqualität? -- 2.3 Ansätze zur Verbesserung der Qualität von Kundendaten -- 2.3.1 Datenqualität beim Sammeln von Kundendaten -- 2.3.2 Identifikation von Datenqualitätsmängeln durch Data Profiling -- 2.3.3 Optionen beim Umgang mit Qualitätsmängeln -- 2.3.4 Datenqualität messen und beobachten -- 2.4 Fazit -- Literatur -- 3 Die Kraft effektiver Daten-Visualisierung - CLEAR(I): Ein Leitfaden zur wirkungsvollen Dashboard-Gestaltung -- Zusammenfassung -- 3.1 Relevanz der Fragestellung -- 3.2 Visuelle Wahrnehmung und Prozesse im Gehirn -- 3.3 Identifikation von Erfolgsfaktoren für effektives Dashboard-Design -- 3.3.1 Vorgehensweise und Datenbasis -- 3.3.2 Auswertung und Vorstellung der Befragungsergebnisse -- 3.4 © CLEAR(I): Ein Leitfaden zur effektiven Dashboard-Gestaltung -- 3.5 Fazit -- Literatur -- Teil III Smarte Insights fürs Marketing -- 4 Psychografisches Targeting - Wirkung und Funktionsweise als eine besondere Form des Micro-Targetings in den sozialen Medien -- Zusammenfassung 4.1 Targeting in den sozialen Medien -- 4.2 Behavioral (Micro-)Targeting -- 4.3 Psychografisches Targeting -- 4.4 Vorgehen Psychografisches Targeting -- 4.5 Potential und Stand der Forschung -- 4.5.1 Ad Avoidance in Online-Medien -- 4.5.2 Wirkung von Behavioral Targeting -- 4.5.3 Wirkung von Psychografischem Targeting (in den sozialen Medien) -- 4.5.4 Gefahr der Überpersonalisierung (Personalisierungsparadox) -- 4.6 Herausforderung in der Umsetzung, ethische Betrachtung und Ausblick -- 4.6.1 Herausforderungen in der Umsetzung von psychografischem Targeting -- 4.6.2 Ethische Betrachtung -- 4.6.3 Ausblick -- Literatur -- 5 Programmatic Advertising - Möglichkeiten und Grenzen bei Display-Advertising am Beispiel hedonistischer und utilitaristischer Produkte -- Zusammenfassung -- 5.1 Relevanz von Programmatic Advertising im Online Marketing -- 5.2 Definition und Funktionsweise des Programmatic Advertising -- 5.3 Wirkung von Display Advertising -- 5.3.1 Gemessene Effekte von Display-Werbung -- 5.3.2 Determinanten des Erfolgs von Display Advertising -- 5.4 Grenzen des Programmatic Advertising bei Display Advertising -- 5.5 Kontexteffekte als beeinflussende Größen der Werbewirkung -- 5.6 Merkmale hedonistischer und utilitaristischer Produkte -- 5.7 Auswirkungen der Website-Tonalität bei hedonistischen und utilitaristischen Produkten -- 5.8 Implikationen der Studie und Schlussfolgerungen für das Programmatic Advertising -- Literatur -- 6 Uplift von Werbemaßnahmen - Case-Study zur Marketing-Optimierung -- Zusammenfassung -- 6.1 Das Problem der Bestimmung der Werbewirkung -- 6.1.1 Lift versus Uplift -- 6.1.2 Herausforderung in der Praxis -- 6.2 Die methodischen Ansätze für Uplift-Modelling -- 6.2.1 Grundlegendes Konzept -- 6.2.2 Warum eine spezielle Art der Modellierung benötigt wird -- 6.2.3 Methoden für Uplift-Modelling -- 6.2.4 2-Modell-Ansatz Flip the Target-Ansatz -- Integrierte Algorithmen (Spezialisierte Entscheidungsbäume) -- 6.3 Gründe für das Scheitern theoretischer Uplift-Modelle in der Praxis -- 6.3.1 Nullgruppen -- 6.3.2 Testdesign -- Entwicklung des Testdesigns -- Einhaltung des Testdesigns -- 6.3.3 Bewertung -- 6.4 Wie Uplift in der Praxis dennoch gelingt - der Case einer Drogeriekette -- 6.4.1 Ausgangssituation -- 6.4.2 Herausforderung -- 6.4.3 Lösungsansatz -- 6.4.4 Ergebnis und Next Steps -- Literatur -- 7 A/B-Testing - Verfahren zur Optimierung der digitalen Interaktion zwischen Konsumenten und Unternehmen -- Zusammenfassung -- 7.1 Der Begriff A/B-Testing -- 7.2 Das Vorgehen beim A/B-Testing -- 7.3 Zentrale Prinzipien beim experimentellen Vorgehen -- 7.3.1 Systematische Veränderung der potentiellen Einflussfaktoren (UV) -- 7.3.2 Randomisierung -- 7.3.3 Drittvariablen -- 7.4 Qualitätskriterien und Fallstricke für das A/B-Testing -- 7.4.1 Entwicklung begründeter Hypothesen -- 7.4.2 Vermeidung technischer Störfaktoren -- 7.4.3 Die große Gefahr der Sample Pollution -- 7.4.4 Die Unterscheidung von Micro vs. Macro Conversions -- 7.5 Fazit -- Literatur -- Teil IV Data-driven Marketing in der realen Welt -- 8 Data-driven Marketing im Outernet - Geointelligenz als Basis für ort-, zeitspezifische und psychografische Zielgruppenansprache -- Zusammenfassung -- 8.1 Das Outernet -- 8.2 Die Datenquellen -- 8.2.1 Statische Geodaten -- 8.2.2 Mobilitätsstudien -- 8.2.3 Markt-Media-Studien -- 8.2.4 Daten von Mobilfunkanbietern -- 8.2.5 App-Daten -- 8.2.6 Daten aus Social Media -- 8.2.7 3d-Party-Daten -- 8.3 Die Datenfusion -- 8.4 Das Heatmapping -- 8.5 Kampagnenumsetzung in der Praxis -- 8.5.1 Leistungssteigerung durch Geointelligenz bei Online-Kampagnen -- 8.5.2 Geografische Verortung von Zielgruppen und crossmediale Ansprache -- 8.6 Fazit und Ausblick -- Literatur 9 Live goes digital - wie digitale Komponenten Messen bereichern -- Zusammenfassung -- 9.1 Live-Kommunikation im Marketingmix -- 9.1.1 Bedeutung von Messen im Marketingmix -- 9.1.2 Relevanz von Messen für ausstellende Unternehmen -- 9.1.3 Zielsetzungen ausstellender Unternehmen -- 9.2 Quantitative Messung der Zielerreichung -- 9.2.1 Quantifizierung von Besuchern -- Indoor Navigation als Datenquelle -- Umkreisbasierte Besucherfrequenzanalyse -- Digitalisierte Leaderfassung -- 9.2.2 Quantifizierung vermittelter Inhalte -- 9.2.3 Einsatz von Humanoiden Robotern: Anwendungsfall Pepper -- 9.3 Fazit -- Literatur -- 10 Data-driven Marketing in the Carsharing Economy - Focus on Privacy Concerns -- Abstract -- 10.1 Introduction -- 10.2 Literature Overview of Privacy Concerns and the Sharing Economy -- 10.2.1 Privacy and Privacy Concerns -- 10.2.2 Research on Privacy Concerns -- 10.2.3 The Sharing Economy-Carsharing -- 10.3 Empirical Study on the Impact of Privacy Concerns on Loyalty Intentions -- 10.3.1 Research Framework -- 10.3.2 Data Collection and Measures -- 10.3.3 Findings -- 10.3.4 Implications for Management and Research -- 10.4 Conclusion -- References -- Teil V Datenschutz und Ethik im Data-driven Marketing -- 11 Datenschutz gemäß DSGVO im datengetriebenen Marketing - ein Überblick -- Zusammenfassung -- 11.1 Hintergrund -- 11.2 Bedeutung für datengetriebenes Marketing -- 11.3 Grundlagen des Datenschutzes -- 11.3.1 Personenbezogene Daten -- 11.3.2 Pseudonymisierte Daten -- 11.3.3 Anonymisierte Daten -- 11.3.4 Verarbeitungsbegriff -- 11.4 Verarbeitungsgrundsätze -- 11.4.1 Rechtmäßigkeit, Verarbeitung nach Treu und Glauben, Transparenz -- 11.4.2 Zweckbindung -- 11.4.3 Datenminimierung -- 11.4.4 Richtigkeit -- 11.4.5 Speicherbegrenzung -- 11.4.6 Integrität und Vertraulichkeit -- 11.4.7 Rechenschaftspflicht -- 11.5 Werbung aufgrund einer Einwilligung 11.6 Werbung aufgrund eines berechtigten Interesses -- 11.7 Profiling und die automatisierte Verarbeitung personenbezogener Daten -- 11.7.1 Definition und Zulässigkeit des Profiling -- Vertragserfüllung -- Rechtsvorschriften der Mitgliedsstaaten -- Einwilligung -- 11.7.2 Auswirkungen -- 11.8 Technische und organisatorische Maßnahmen -- 11.9 Privacy by Design and Default -- 11.10 Datenschutz-Folgenabschätzung -- 11.11 Fazit -- Literatur -- 12 Digital Trust für KI-basierte Mensch-Maschine-Schnittstellen -- Zusammenfassung -- 12.1 Einleitung -- 12.2 Künstliche Intelligenz an der Mensch-Maschine-Schnittstelle -- 12.2.1 Definition Künstliche Intelligenz -- 12.2.2 Einsatzgebiete und Trends im Marketing -- 12.3 Digital Trust -- 12.3.1 Ansatzpunkte für Digital Trust im humanen Vertrauen -- 12.3.2 Kognitive und affektive Vertrauensebene -- 12.3.3 Vertrauensqualitäten -- 12.3.4 Humane Vertrauensquellen -- 12.3.5 Humane Vertrauensmuster -- 12.4 Aufbau von Digital Trust an KI-basierten Mensch-Maschine-Schnittstellen durch das Marketing -- 12.4.1 Vertrauensaufbau als Trust-Journey -- 12.4.2 Analyse der Vertrauensqualität als Ausgangspunkt der KI-Trust-Journey -- 12.4.3 Stärkung der kognitiven und affektiven Vertrauensebene -- 12.4.4 Definition der KI-Vertrauensquelle -- 12.4.5 Berücksichtigung humaner Vertrauensmuster -- 12.5 Prinzipien und Ausblick -- Literatur -- 13 Ethische Grenzen der Datennutzung im Marketing -- Zusammenfassung -- 13.1 Hintergrund -- 13.2 Definition und Themenfelder der Ethik im digitalen Kontext -- 13.2.1 Definition Ethik und Moral -- 13.2.2 Ethische Themenfelder der Datennutzung -- 13.3 Formen, Anwendungsgebiete und Chancen der Datennutzung im Marketing -- 13.3.1 Formen und Anwendungsgebiete der Datenanalyse -- 13.3.2 Chancen der Datennutzung für Unternehmen und Konsumenten -- 13.4 Ethische Risiken der Datennutzung 13.4.1 Privatsphäre und Identität Marketing (DE-588)4037589-4 gnd Datenmanagement (DE-588)4213132-7 gnd |
| subject_GND | (DE-588)4037589-4 (DE-588)4213132-7 (DE-588)4143413-4 |
| title | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_auth | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_exact_search | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_exact_search_txtP | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_full | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_fullStr | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_full_unstemmed | Data-Driven Marketing Insights Aus Wissenschaft und Praxis |
| title_short | Data-Driven Marketing |
| title_sort | data driven marketing insights aus wissenschaft und praxis |
| title_sub | Insights Aus Wissenschaft und Praxis |
| topic | Marketing (DE-588)4037589-4 gnd Datenmanagement (DE-588)4213132-7 gnd |
| topic_facet | Marketing Datenmanagement Aufsatzsammlung |
| work_keys_str_mv | AT boßowthiessilvia datadrivenmarketinginsightsauswissenschaftundpraxis AT hofmannstoltingchristina datadrivenmarketinginsightsauswissenschaftundpraxis AT jochimsheike datadrivenmarketinginsightsauswissenschaftundpraxis |