Database Marketing Flashcards
1
Q
Skizzieren Sie den Regelkreis des DB Marketing.
A
2
Q
Wie lassen sich KD Daten unterteilen?
A
- Grunddaten/ Stammdaten
- Aktionsdaten (Kampagnen, Befragungen, Anrufe, Besuche, direkte Anschreiben)
- Reaktionsdaten (Verändertes Umsatzvolumen, verändertes Kaufverhalten, Kundenanfragen, Kundeneinstellungen, Kundenkenntnisse, Reklamationen)
- Potentialdaten (Kunden-DB, CLV, Soziodemographisches Umfeld, Regionale Marktdaten)
3
Q
Skizzieren Sie die Determinanten des KD Werts.
A
4
Q
Wie lassen sich KD Daten darstellen?
A
5
Q
Erläutern Sie die ABC Analyse sowie 2 Gefahrenidentifikationen davon.
A
- A Kunden Kommuliert 60%
- B Kunden + A Kunden 85%
- C Kunden + A+ B Kunden 100%
-
Alternativen:
- A = Top 10
- A Kunde bei Umsatzanteil >= 3%
- Pareto Regel
-
Gefahrenidentifikation:
- Großkundenabhängigkeit
- Verzettelung mit Kleinkunden
6
Q
Nennen Sie 5 Schwächen der ABC Analyse.
A
- Eindimensionale Kundenbewertung
- Ausschließliche Betrachtung von Vergangenheitswerten
- Vernachlässigung von Kostenseite (Umsatzbezogene ABC Analyse)
- Probleme bei der Bewertung von Neukunden
- Keine Aussage über tatsächlichen Kundenwert
7
Q
Erklären Sie den Begriff “CLV”.
A
- periodenübergreifender, dynamischer Ansatz unter Berücksichtigung der gesamten KD Beziehungsdauer
8
Q
Wie berechnet sich der CLV?
A
9
Q
Wie berechnet sich der RFMR?
A
- R = 100-Indexwert des letztes Kaufdatum/ Zeit seit dem letzten Kauf
- F = Alle Käufe : Kundenbeziehungsdauer
- MR = Durchschnittlicher Umsatz je Kauf
- Wert des Kunden = R*F*MR
10
Q
Was versteht man unter OLAP?
A
Online-Analytical Processing
- Effizientes Instrument zur analytischen Bearbeitung von multidimensional aufbereiteten, sehr großen Datenmengen
- Strukturiert Daten auf hierarchische Weise
- Einzel-/ Trendanalysen
- schneller und einfacher Zugriff auf entscheidungsrelevante Informationen
11
Q
Welche 3 Techniken unterscheidet man beim OLAP Würfel?
A
- Slicing –> Scheiben
- Dicing –> Einzelne Würfel
- Drill down/ Roll up
12
Q
Skizzieren Sie den technischen Regelkreis des DBM.
A
13
Q
Nennen Sie 5 Gebote der Datenqualität.
A
- Korrektheit –> Wie Realität
- Konsistenz –> Widerspruchsfrei
- Zuverlässigkeit –> Nachvollziehbare Datenentstehung
- Vollständigkeit –> Enthält alle notwendigen Attribute
- Genauigkeit –> Notwendige Exaktheit
14
Q
Beschreiben Sie den Knowledge Discovery Process.
A
- Selection: Auswahl bzw. Erstellung wichtiger Informationen
- Pre-processing: Homogenisierung der Daten
- Transformation: Umwandlung der Daten à Vereinfachung
- Data Mining: Anwendung von Data Mining Technik –> Komplexes Ergebnis
- Interpretation: Ist das erkannte Muster relevant?
- Evaluation; Kommunikation
15
Q
Erklären Sie die Schritte zum Aufbau eines DBMs.
A
- Ausarbeitung der strategischen Ziele
- Klärung des Informationsbedarfs zur Bewältigung des Tagesgeschäfts und zur Umsetzung der strategischen Ziele
- Analyse der bestehenden und zukünftigen Geschäftsprozesse des Unternehmens und der Datenbestände des operativen IT-Systems sowie Analyse möglicher externer Daten in Bezug auf die strategischen Ziele
- Definition der Datenqualität für das Data Warehouse oder den Data Mart
- Erarbeiten und Implementierung des Datenmodells und Definition der Metadaten. Dieses Datenmodell muss ausdauerbar, flexibel und den Geschäftsprozessen angemessen sein.
- Aufbereitung und Übernahme der Daten aus den operativen Systemen, Testen und Überprüfen der Datenbestände
- Basisanalysen des Datenbestandes als Ausgangslage für weitere Analysen
- Einführung eines aussagekräftigen Marketingberichts und der dazugehörigen Kennzeichen
- Ermittlung von Kundenprofile/ Scorekarten, Erarbeiten von Cross-Selling-Möglichkeiten u.a. durch den Einsatz von Data-Mining-Methoden
- Design der Kampagne auf Basis der Analyseergebnisse
- Selektion der Adressen gemäß den ermittelten Profilen/Scorekarten und Zuordnung des jeweils optimalen Kommunikationskanals in der Kampagne
- Überprüfung des Kampagnenerfolgs mittels der vorher festgelegten Kennziffern und Vergleichswerte
