Skip to main content
SpringerLink
Log in
Book cover

Grundlagen des CRM pp 811–849Cite as

Adaptivität und Echtzeit in CRM-Prozessen

  • Chapter

Zusammenfassung

Gegenstand des Customer Relationship Managements (CRM) ist der Aufbau und die Pflege langfristig profitabler Kundenbeziehungen durch abgestimmte, kundenorientierte Geschäftsprozesse in Marketing, Sales und Service (Hippner/Wilde 2002, S. 6 ff.). Diese Prozesse unterliegen aufgrund oft kurzfristiger Veränderungen des Kundenverhaltens (z. B. bedingt durch Saison, Mode, Tests etc.) und des Wettbewerbsumfelds (z. B. Neuprodukte, Sonderpreise, Werbekampagnen etc.) einer hohen Dynamik (Boulding et al. 2005, S. 163). Dabei hat das Kampagnenmanagement in besonders hohem Maße mit der dynamischen Umwelt zurechtzukommen. Hier steht einerseits die Integration aller kundenbezogenen Informationen zu einer ganzheitlichen und konsistenten Sicht auf den Kunden (sog. „One Face of the Customer“), und andererseits die einheitliche Kommunikation des Unternehmens gegenüber dem Kunden (mit dem sog. „One Face to the Customer“) im Vordergrund (Hippner et al. 2006, S. 65; Hippner/Wilde 2003, S. 6). Informationen über das Kundenverhalten determinieren die Kommunikationsstrategie und ermöglichen kundenindividuelle Ansprachen. Es muss erkannt werden, wenn ein Kunde eines Telekommunikationsanbieters z. B. Interesse an einem Datennutzungstarif hat, um nachfolgend ein entsprechendes Angebot unterbreiten und somit einen Beitrag zum Unternehmenserfolg leisten zu können. In der Regel werden dabei Zielgruppen für Aktionen, auf Basis von Reaktionsdaten ähnlicher Kampagnen, aus den Vorperioden geplant. Die Aktualisierung der kundenindividuellen Reaktionsprognosen, welche die analytische Basis der Kontaktselektion darstellen, erfolgt also bereits auf Basis veralteter Daten. In einer dynamischen Umwelt spiegeln Prognosemodelle, die auf dieser Datengrundlage konstruiert werden, nicht die Umweltgegebenheiten und das Kunden-verhalten im Moment der Kampagnendurchführung wieder, sondern das Verhalten in den oft Wochen oder gar Monate zurückliegenden Perioden der Datenerhebung (Berry et al. 2000, S. 206 ff.). Aufgrund dieser veralteten Entscheidungsgrundlage deckt die hierauf aufbauende Selektion von Kontakten für Aktionen die potenziell reaktionsstärksten Kunden nur unzureichend ab, woraus ineffektive Ansprachen resultieren können.

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   109.00
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD   149.99
Price excludes VAT (USA)
  • Durable hardcover 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.

Literaturverzeichnis

  • Ahrenkiel, C. (2007): SOA Organisation – Höhere Anforderungen für Fachbereiche, in: manage it, Nr. 9, S. 82–84.

    Google Scholar 

  • Aier, S.; Schelp, J. (2008): EAI und SOA – Was bleibt nach dem Hype?, in: Bichler, M. (Hrsg.): Multikonferenz Wirtschaftsinformatik 2008, Berlin, S. 1469–1480.

    Google Scholar 

  • Allen, P. (2006): Service orientation – Winning strategies and best practices, Cambridge.

    Google Scholar 

  • Alpaydin, E.; Linke, S. (2008): Maschinelles Lernen, München.

    Google Scholar 

  • Anderson, R. (2007): The credit scoring toolkit, Oxford.

    Google Scholar 

  • Azvine, B.; Cui, Z.; Nauck, D.; Majeed, B. (2006): Real Time Business Intelligence for the Adaptive Enterprise, in: IEEE (Hrsg.): The 8th IEEE International Conference on E-Commerce Technology, 2006 and the 3rd IEEE International Conference on Enterprise Computing, E-Commerce and E-Services, Los Alamitos,

    Google Scholar 

  • Bange, C. (2006): Werkzeuge für Business Intelligence, in: Heilmann, H. (Hrsg.): Business & Competitive Intelligence, Heidelberg, S. 63–73.

    Google Scholar 

  • Bassett, G. (2007): Decision Services: Pragmatic Real-Time Analytics, www.information-management.com/issues/2007_42/10000268-1.html (Zugriff: 26.01. 2010).

  • Bauer, A.; Günzel, H. (2009): Data-Warehouse-Systeme – Architektur, Entwicklung, Anwendung, 3. Aufl., Heidelberg.

    Google Scholar 

  • Becker, J.; Knackstedt, R. (2004): Das Data-Warehouse-Konzept im CRM, in: Hippner, H.; Wilde, K. D. (Hrsg.): IT-Systeme im CRM – Aufbau und Potenziale, Wiesbaden, S. 183–208.

    Google Scholar 

  • Beekmann, F.; Chamoni, P. (2006): Verfahren des Data Mining, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme – Business-Intelligence- Technologien und -Anwendungen, 3. Aufl., Berlin, S. 263–282.

    Google Scholar 

  • Berry, J. (2003): Making next best activity (NBA) programmes a success at delivering measurable improvements in ROI, in: Journal of Database Marketing & Customer Strategy Management, Vol. 11, No. 1, S. 53–59.

    Article  Google Scholar 

  • Berry, M.; Linoff, G.; Berry, M. J. A. (2000): Mastering data mining – The art and science of customer relationship management, New York.

    Google Scholar 

  • Berson, A.; Smith, S.; Thearling, K. (2000): Building data mining applications for CRM, New York.

    Google Scholar 

  • Blasum, R. (2007): Business Rules and Business Intelligence, in: DM Review, Nr. 4, S. 14–34.

    Google Scholar 

  • Blood, S. (2005): Am Anfang steht die Früherkennung vom Warnsignal, in: Kuhlin, B.; Thielmann, H. (Hrsg.): Real-Time Enterprise in der Praxis – Fakten und Ausblick, Berlin, S. 393–401.

    Google Scholar 

  • Boulding, W.; Staelin, R.; Ehret, M.; Johnston, W. J. (2005): A Customer Relationship Management Roadmap: What Is Known, Potential Pitfalls, and Where to Go, in: Journal of Marketing, Vol. 69, No. 4, S. 155–166.

    Article  Google Scholar 

  • Brenner, M. R.; Unmehopa, M. R. (2007): Service-oriented architecture and Web services penetration in next-generation networks, in: Bell Labs Technical Journal, Vol. 12, No. 2, S. 147–159.

    Article  Google Scholar 

  • Brobst, S. (2002): Delivering Extreme Data Freshness with Active Data Warehousing, www.tdwi.org/research/display.aspx?ID=6373 (Zugriff: 26.01.2010).

  • Brobst, S. (2005): Twelve Mistakes to Avoid When Constructing a Real-Time Data Warehouse, in: Schelp, J.; Winter, R. (Hrsg.): Auf dem Weg zur Integration Factory – Proceedings der DW2004 – Data Warehousing und EAI, Heidelberg, S. 153–166.

    Google Scholar 

  • Brücher, H.; Endl, R. (2002): Eine geschäftsregelbasierte Erweiterung von UML, in: Becker, J.; Knackstedt, R. (Hrsg.): Wissensmanagement mit Referenzmodellen – Konzepte für die Anwendungssystem- und Organisationsgestaltung, Heidelberg, S. 145–161.

    Google Scholar 

  • Bucklin, R.; Lehmann, D.; Little, J. (1998): From Decision Support to Decision Automation A 2020 Vision, in: Marketing Letters, Vol. 9, No. 3, S. 235–246.

    Article  Google Scholar 

  • Castelluccio, M. (2004): Real-time. Really?, in: Strategic Finance, Vol. 85, No. 7, S. 55–56.

    Google Scholar 

  • Chamoni, P. (2001): On-Line Analytical Processing (OLAP), in: Hippner, H.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Braunschweig, S. 543–562.

    Google Scholar 

  • Chan, J. O. (2006): A Conceptual Model for Operations-Analytics Convergence, in: Journal of American Academy of Business, Cambridge, Vol. 8, No. 1, S. 48–54.

    Google Scholar 

  • Chapman, P. (2009): The Race to Zero, in: Traders Magazine, Vol. 22, No. 301, S. 28–42.

    Google Scholar 

  • Corsten, H.; Corsten, H.; Sartor, C. (2005): Operations Research – Eine problemorientierte Einführung, München.

    Google Scholar 

  • Davenport, T. H.; Harris, J. G. (2007): Competing on analytics – The new science of winning, Boston.

    Google Scholar 

  • Davis, J. R. (2006): Right-time Business Intelligence – Optimizing the Business Definition Cycle, Whitepaper, www.computerworld.com/pdfs/sybase_free_realtime_wp.pdf (Zugriff: 10.03.2010).

  • Dinter, B. (2008): Einsatzmöglichkeiten serviceorientierter Architekturen in der Informationslogistik, in: Töpfer, J.; Winter, R. (Hrsg.): Active Enterprise Intelligence – Unternehmensweite Informationslogistik als Basis einer wertorientierten Unternehmenssteuerung, Berlin, Heidelberg, S. 221–241.

    Google Scholar 

  • Dold, T.; Hoffmann, B.; Neumann, J. (2004): Marketingkampagnen effizient managen – Methoden und Systeme – Effizienz durch IT-Unterstützung – Integration in das operative CRM, Wiesbaden.

    Google Scholar 

  • Domschke, W.; Drexl, A. (2007): Einführung in Operations Research, 7. Aufl., Berlin.

    Google Scholar 

  • Englbrecht, A. (2007): Kundenwertorientiertes Kampagnenmanagement im CRM, Hamburg.

    Google Scholar 

  • epoq GmbH (2009): Outbound Case Study PSD Banken Gruppe, Whitepaper, www.epoq.de/pdf/case-study-psd-bank.pdf (Zugriff: 26.01.2010).

  • Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P. (1996): The KDD Process for Extracting Useful Knowledge from Volumes of Data, in: Communications of the ACM, Vol. 39, No. 11, S. 27–34.

    Article  Google Scholar 

  • Finger, P.; Zeppenfeld, K. (2009): SOA und WebServices, Berlin.

    Google Scholar 

  • Gluchowski, P.; Gabriel, R.; Dittmar, C. (2008): Management-Support-Systeme und Business Intelligence – Computergestützte Informationssysteme für Fach- und Führungskräfte, 2. Aufl., Berlin, Heidelberg.

    Google Scholar 

  • Golfarelli, M.; Rizzi, S.; Cella, I. (2004): Beyond data warehousing – What's next in business intelligence?, in: Davis, K. C.; Ronthaler, M. (Hrsg.): Data Warehousing and OLAP – Proceedings of the 7th ACM international workshop on Data Warehousing and OLAP, New York, S. 1–6.

    Google Scholar 

  • Hackathorn, R. (2002): Current Practices in Active Data Warehousing, Whitepaper, www.bolder.com/pubs/NCR200211-ADW.pdf (Zugriff: 24.08.2010).

  • Hackathorn, R. (2004): Real-Time to Real-Value, in: DM Review, Vol. 14, No. 1, S. 24.

    Google Scholar 

  • Han, J.; Kamber, M. (2006): Data mining – Concepts and techniques, 2. Aufl., Amsterdam.

    Google Scholar 

  • Hansen, H. R.; Neumann, G. (2005): Informationstechnik, 9. Aufl., Stuttgart.

    Google Scholar 

  • Hauser, W. J. (2007): Marketing analytics – the evolution of marketing research in the twenty-first century, in: Direct Marketing: An International Journal, Vol. 1, No. 1, S. 38–54.

    Article  Google Scholar 

  • Hippner, H.; Wilde, K. D. (2001): Der Prozess des Data Mining im Marketing, in: Hippner, H.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Braunschweig, S. 22–94.

    Google Scholar 

  • Hippner, H.; Wilde, K. D. (2002): CRM – Ein Überblick, in: Helmke, S.; Uebel, M.; Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management – Instrumente – Einführungskonzepte – Organisation, 2. Aufl., Wiesbaden, S. 3–37.

    Google Scholar 

  • Hippner, H.; Wilde, K. D. (2003): Customer Relationship Management, in: Helmke, S.; Uebel, M.; Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management – Instrumente – Einführungskonzepte – Organisation, 3. Aufl., Wiesbaden, S. 3–38.

    Google Scholar 

  • Hippner, H.; Leber, M.; Wilde, K. D. (2004): Kundeninformation als Basis des CRM, in: Hippner, H.; Wilde, K. D. (Hrsg.): IT-Systeme im CRM – Aufbau und Potenziale, Wiesbaden, S. 151–182.

    Google Scholar 

  • Hippner, H.; Leußer, W.; Wilde, K. D. (2009b): Campaign Management of the Fourth Generation, in: IEEE (Hrsg.): Proceedings of the 42nd Hawaii International Conference on System Science, Los Alamitos, S. 1–9.

    Google Scholar 

  • Hippner, H.; Rentzmann, R.; Wilde, K. D. (2006): Aufbau und Funktionalitäten von CRM-Systemen, in: Hippner, H.; Wilde, K. D. (Hrsg.): Grundlagen des CRM – Konzepte und Gestaltung, 2. Aufl., Wiesbaden, S. 45–74.

    Google Scholar 

  • Hippner, H.; Leußer, W.; Rühl, D.; Wilde, K. D. (2009a): Optimierung der Kundenansprache und Kampagnenzielgruppen im Kampagnen-Management, in: Fischer, S. (Hrsg.): Proceedings 154 – Informatik 2009 – Im Focus das Leben (CD-Rom), Bonn, S. 1–15.

    Google Scholar 

  • Kantardzic, M. (2003): Data mining – Concepts, models, methods and algorithms, New York.

    Google Scholar 

  • Kopitsch, F. (2005): I & C Technologien für ein Real Time Enterprise (RTE), in: Kuhlin, B.; Thielmann, H. (Hrsg.): Real-Time Enterprise in der Praxis – Fakten und Ausblick, Berlin, S. 225–262.

    Google Scholar 

  • Kühlmeyer, T.; Kalchthaler, K.; Siemssen, J. (2008): Erfolgsmessung von Kampagnen – Unerwünschte Effekte schnell aufspüren, in: BI-Spektrum, o. Nr., S. 38–40.

    Google Scholar 

  • Kurz, A. (1999): Data Warehousing – Enabling technology, Bonn.

    Google Scholar 

  • Küsters, U.; Bell, M. (2001): Zeitreihenanalyse und Prognoseverfahren, in: Hippner, H.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Braunschweig, S. 255–297.

    Google Scholar 

  • Kyriakopoulos, K.; Moorman, C. (2004): Tradeoffs in marketing exploitation and exploration strategies – The overlooked role of market orientation, in: International Journal of Research in Marketing, Vol. 21, No. 3, S. 219–240.

    Article  Google Scholar 

  • Lahrmann, G.; Stroh, F. (2008): Informationslogistik-Systemarchitekturen, in: Töpfer, J.; Winter, R. (Hrsg.): Active Enterprise Intelligence – Unternehmensweite Informationslogistik als Basis einer wertorientierten Unternehmenssteuerung, Berlin, Heidelberg, S. 129–156.

    Google Scholar 

  • Lilien, G. L.; Rangaswamy, A. (2008): Marketing Engineering – Models the Connect with Practice, in: Wierenga, B. (Hrsg.): Handbook of marketing decision models, New York, S. 527–560.

    Google Scholar 

  • Lusti, M. (2002): Data warehousing und data mining – Eine Einführung in entscheidungsunterstützende Systeme, 2. Aufl., Berlin.

    Google Scholar 

  • March, J. G. (1991): Exploration and Exploitation in Organizational Learning, in: Organization Science, Vol. 2, No. 1, S. 71–87.

    Article  Google Scholar 

  • Martin, W. (2006): Dynamische Optimierung von Kundenkontakten in Echtzeit, www.competence-site.de/downloads/e9/97/i_file_28940/EPOQ_whitepaper_de_fin.pdf (Zugriff: 01.07.2009).

  • McKinley, P.; Sadjadi, S.; Kasten, E.; Cheng, B. (2004): A Taxonomy of Compositional Adaption, ftp://ftp.cse.msu.edu/pub/crg/PAPERS/survey-tr.pdf (Zugriff: 10.03. 2010).

    Google Scholar 

  • Michalewicz, Z.; Schmidt, M.; Michalewicz, M.; Chiriac, C. (2007): Adaptive business intelligence, Berlin.

    Google Scholar 

  • Mougayar, W. (2002): Spanning the Globe in Real-time, www.linuxriot.com/article/showArticle.jhtml?articleId=17700772 (Zugriff: 26.01.2010).

  • Neckel, P.; Knobloch, B. (2005): Customer Relationship Analytics – Praktische Anwendung des Data Mining im CRM, Heidelberg.

    Google Scholar 

  • Osterholt, B. (2005): Closed-Loop in Echtzeit, in: Database Marketing, Nr. 2, S. 8–11.

    Google Scholar 

  • Pfahrer, M.; Walser, K. (2002): Die Bedeutung von Business Rules im Customer Relationship Management, in: Meyer, M. (Hrsg.): CRM-Systeme mit EAI – Konzeption, Implementierung und Evaluation, Braunschweig, S. 137–155.

    Google Scholar 

  • Porter, M. E. (2008): The Five Competitive Forces That Shape Strategy, in: Harvard Business Review, Vol. 86, No. 1, S. 78–93.

    Google Scholar 

  • Rahman, N. (2007): Refreshing Data Warehouses with near real-time updates, in: Journal of Computer Information Systems, Vol. 47, No. 3, S. 71–80.

    Google Scholar 

  • Reinmeier, S.; Lang, F.; Purucker, J.; Brügmann, H. (2007): 10 Antworten zu SOA, in: Fröschle, H.-P.; Reinheimer, S. (Hrsg.): Serviceorientierte Architekturen, Heidelberg, S. 7–17.

    Google Scholar 

  • Ross, R. G. (2003): Principles of the business rule approach, Boston.

    Google Scholar 

  • Schelp, J. (2006): „Real“-Time Warehousing und EAI, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme - Business-Intelligence-Technologien und -Anwendungen, 3. Aufl., Berlin, S. 425–438.

    Google Scholar 

  • Schmaltz, M.; Töpfer, J. (2008): Nutzenpotenziale unternehmensweiter Informationslogistik, in: Töpfer, J.; Winter, R. (Hrsg.): Active Enterprise Intelligence – Unternehmensweite Informationslogistik als Basis einer wertorientierten Unternehmenssteuerung, Berlin, Heidelberg, S. 157–179.

    Google Scholar 

  • Schulze, K. D.; Dittmar, C. (2006): Business Intelligence Reifegradmodelle, in: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme – Business-Intelligence-Technologien und -Anwendungen, 3. Aufl., Berlin, S. 71–88.

    Google Scholar 

  • Semmler, M. (2005): Dynamisches Echtzeit-Scoring im telefonischen Kundenkontakt, Data Mining Cup 2005, www.prudsys.de/Service/Downloads/bin/DMC2005_Semmler.pdf (Zugriff: 30.09.2009).

  • Sun, B.; Li, S.; Zhou, C. (2006): Adaptive learning and proactive customer relationship management, in: Journal of Interactive Marketing, Vol. 20, 3/4, S. 82–96.

    Article  Google Scholar 

  • Temme, A. (2009): Effizienzsteigerung durch ein nachhaltiges Management der Datenqualität, in: Jelinek, B.; Hannich, M. (Hrsg.): Wege zur effizienten Finanzfunktion in Kreditinstituten – Compliance & Performance, Wiesbaden, S. 533–549.

    Google Scholar 

  • Throckmorton, J. (1992): Creative Methods: An Overview, in: Nash, E. L. (Hrsg.): The direct marketing handbook, 2. Aufl., New York, S. 343–355.

    Google Scholar 

  • Walser, K. (2006): Auswirkungen des CRM auf die IT-Integration, Lohmar. Watson, H. J.; Wixom, B. H.; Hoffer, J. A.; Anderson-Lehman, R.; Reynolds, A. M.

    Google Scholar 

  • (2006): Real-time Business Intelligence Best Practice at Continental Airlines, in: Information Systems Management, Vol. 23, No. 1, S. 7–18.

    Google Scholar 

  • White, C. (2004a): Building the Real-time Enterprise, www.tdwi.org/research/display.aspx?ID=7095(Zugriff: 16.05.2008).

  • White, C. (2004b): Now is the Right Time for Real-Time BI, in: DM Review, Vol. 14, No. 9, S. 47–54.

    Google Scholar 

  • Wilde, K. D. (2001): Data-Warehouse, OLAP und Data Mining im Marketing – Moderne Informationstechnologien im Zusammenspiel, in: Hippner, H.; Wilde, K. D. (Hrsg.): Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Braunschweig, S. 1–21.

    Google Scholar 

  • Winkeler, T.; Raupach, E.; Westphal, L. (2001): Enterprise Application Integration als Pflicht vor der Business-Kür, in: Information Management & Consulting, Vol. 16, No. 1, S. 7–16.

    Google Scholar 

  • Winston, W. L. (2004): Operations research – Applications and algorithms, 4. Aufl., Belmont.

    Google Scholar 

  • Zipser, A. (2001): Business Intelligence im CRM, in: Link, J. (Hrsg.): Customer Relationship Management – Erfolgreiche Kundenbeziehungen durch integrierte Informationssysteme, Berlin, S. 35–57.

    Google Scholar 

Download references

Authors
  1. Lukas Grieser
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Klaus D. Wilde
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Universität Bayreuth, Bayreuth

    Hajo Hippner (Inhaber der Juniorprofessur Direkt Marketing) (Inhaber der Juniorprofessur Direkt Marketing)

  2. Lehrstuhl für ABWL und Wirtschaftsinformatik, Katholischen Universität Eichstätt-Ingolstadt, Eichstätt-Ingolstadt

    Beate Hubrich (Wissenschaftliche Mitarbeiterin) (Wissenschaftliche Mitarbeiterin)

  3. Katholischen Universität Eichstätt-Ingolstadt, Eichstätt-Ingolstadt

    Klaus D. Wilde (Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik) (Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik)

Rights and permissions

Reprints and permissions

Copyright information

© 2011 Gabler Verlag | Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Grieser, L., Wilde, K.D. (2011). Adaptivität und Echtzeit in CRM-Prozessen. In: Hippner, H., Hubrich, B., Wilde, K.D. (eds) Grundlagen des CRM. Gabler. https://doi.org/10.1007/978-3-8349-6618-6_27

Download citation

Publish with us

Policies and ethics

Search

Navigation