Zusammenfassung
Gerade in Zeiten des verschärften Wettbewerbes, bedingt durch einen gesättigten Markt und immer flexiblere und informiertere Kunden, müssen Unternehmen Dienstleistungs- und Warenangebote bedarfsgerecht und punktgenau an ihre Kunden herantragen, um nicht durch Streuverluste im Wettstreit von Zeit, Preis und Leistung auf der Strecke zu bleiben.
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
Brethenoux E (2002) in Cognos: Cognos BI-Guide, der Business Intelligence Leitfaden. Cognos, Frankfurt, S 18
Hippner H, Wilde KD (2002) Data Mining im analytischen CRM. In: Helmke S Uebel M, Dangelmaier W (Hrsg) Effektives CRM, 2. überarbeitete Aufl. Gabler, Wiesbaden
Kohonen T (2001) Self-Organzing Maps, 3rd edn. Springer, Heidelberg
META Group (2001) Next Generation Customer Behavior Modeling 10
Michel MO (2002) Nutzenpotenziale von e-CRM. In: Helmke S, Uebel M, Dangelmaier W (Hrsg) Effektives CRM, 2. überarbeitete Aufl. Gabler, Wiesbaden
Tekam D (2002) Analytisches CRM: Möglichkeiten, Grenzen und Perspektiven. Diplomarbeit, FH Nordostniedersachsen
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2004 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Heiss, D., Kuchinka, B. (2004). Self-Organizing Map-basiertes Customer Behavior Modeling als Schlüssel zur digitalen Kundennähe. In: Salmen, S.M., Gröschel, M. (eds) Handbuch Electronic Customer Care. Physica, Heidelberg. https://doi.org/10.1007/978-3-7908-2680-7_6
Download citation
DOI: https://doi.org/10.1007/978-3-7908-2680-7_6
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-642-62216-8
Online ISBN: 978-3-7908-2680-7
eBook Packages: Springer Book Archive