Skip to main content
SpringerLink
Log in
Book cover

Mikrogeographische Marktsegmentierung pp 131–263Cite as

Informationsgrundlagen mikrogeographischer Segmente

  • Chapter

  • 81 Accesses

Zusammenfassung

Auf Grund einer Expertenbefragung wird das Marketingmanagement in Zukunft im wesentlichen durch vier Faktoren bestimmt.447

This is a preview of subscription content, log in via an institution.

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD   59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literature

  1. Entscheidungsrelevante Daten werden zu Informationen. Vgl. Hammann, P., Erichson, B.(1990), S. 59.

    Google Scholar 

  2. Vgl. Kneiphoff, H.D.(1988), S. 235. Die Selektionsmerkmale bzw. Strukturierungskriterien entsprechen den üblichen Marktsegmentierungskriterien.

    Google Scholar 

  3. Sekundärmarktforschung, vgl. Zentes, J.(1987), S. 37, Die in dieser Arbeit unter dem Gesichtspunkt des Marketinginformationssystems bei der Markterfassung erörtert werden. Die technologische Entwicklung der Hard-und Software

    Google Scholar 

  4. Jede kundenbezogene Aktion der Unternehmen erzeugt neben Umsätzen als dem primären Ziel auch neue Informationen zur Erweiterung der Datenbank. Vgl. Holland, H.(1988).

    Google Scholar 

  5. Kreutzer, R.T.(1991a), S. 627 ff. Im engeren Sinne werden unter Datenbank-gestützten Marketingkonzepte gesehen, die auf die gespeicherten Informationen in internen Marketingdatenbanken zurückgreifen und in erster Linie zur Kundenbindung dienen.

    Google Scholar 

  6. Zu den Auswahlverfahren vgl. Schäfer, E.; Knoblich, H.(1978), S. 255 ff.

    Google Scholar 

  7. Zu den Vor-und Nachteilen der Erhebungsweisen vgl. Böhler, H.(1985), S. 81 ff.

    Google Scholar 

  8. Kaiser, A.(1978), S. 168. Dort werden unterschiedliche Skalentypen an Hand von Beispielen erläutert. Im Grunde lassen sich folgende vier Skalentypen unterscheiden: Ratio-bzw. Verhältnisskala, Intervallskala, Ordinalskala sowie Nominalskala. Diese Typeneinteilung geht auf Stevens zurück

    Google Scholar 

  9. Stevens, S.S.(1946), S. 677 ff. Die Skalen können einen diskreten und bis auf die Nominalskala einen stetigen Verlauf haben.

    Google Scholar 

  10. Kriz, J (1973), S. 21 und S. 26 ff. Es wird darauf hingewiesen, daß mit Abbildung bestimmter Daten auf bestimmten Skalenniveaus Aussagen über deren empirische Beziehung vorgenommen werden. Deswegen sollten bei Analysen mit Daten auf unterschiedlichen Skalen, diese mit den empirischen Zusammenhängen vereinbar sein.

    Google Scholar 

  11. Wördensweber, M.(1985), S. 17. So hat sich in der Studie von Vogel gezeigt, daß die z-Transformation und

    Google Scholar 

  12. Vgl. Badehaus, K.; u.a.(1990), S. %. Hier werden die einzelnen Schritte schematisch gegenübergestellt (z.B. Standardisierung der Rohdatenmatrix, Erstellung der Korrelationsmatrix sowie der Faktorladungsmatrix und Bildung der Faktorwertematrix).

    Google Scholar 

  13. Dies bedeutet, daß die Distanz nicht von der Wahl des Koordinatenursprungs abhängt. Vgl. Kaufman, H.;Pape,H.(1984),

    Google Scholar 

  14. Qusteranalysealgorithmen sind in einer unüberschaubaren Fülle produziert worden. Einen Überblick über die gebräuchlichsten Clusterverfahren gibt Backhaus, K., u.a.(1990), S. 133.

    Google Scholar 

  15. Objektzahl sinkt die Anschaulichkeit, vgl. Hüttner, M.(1979), S. 390, So daß bei den großen Fallzahlen dieser Analyse auf Dendogramme verzichtet wurde.

    Google Scholar 

  16. Zur Charakterisierung der Eigenschaften agglomerativer Verfahren, vgl. Backhaus, K.; u.a.(1990), S. 149.

    Google Scholar 

  17. Ziel, die Varianzen innerhalb der Cluster zu minimieren, vgl. Steinhausen, D.; Langer, K.(1977), S. 102

    Google Scholar 

  18. Backhaus, K.; u.a.(1990), S. 154. Da die Suche nach dem globalen Optimum zu nicht vertretbarem Rechenaufwand führen würde

    Google Scholar 

  19. Verarbeitungskapazität 999 Objekte). Vgl. Wishart, D.(1984), S. 13. Die Rechenzeit verhält sich nach Angaben von SAS nahezu proportional zur Anzahl der Cluster, der Variablen, der Objekte und der Iterationsschritte.

    Google Scholar 

  20. Sarle, W.S.(1983), S. 2. Analog dem Varianzkriterium zeigt dieses Kriterium das Vorhandensein etwa gleich großer kugelförmiger Cluster an, deren Variablen unkorreliert sind.

    Google Scholar 

Download references

Authors
  1. Michael Martin
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 1992 Deutscher Universitäts-Verlag GmbH, Wiesbaden

About this chapter

Cite this chapter

Martin, M. (1992). Informationsgrundlagen mikrogeographischer Segmente. In: Mikrogeographische Marktsegmentierung. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-87884-7_4

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-87884-7_4

  • Publisher Name: Deutscher Universitätsverlag

  • Print ISBN: 978-3-8244-0124-6

  • Online ISBN: 978-3-322-87884-7

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation