Show Less
Restricted access

Zielgruppenselektion für Direktmarketingkampagnen

Scoringmodellierung bei unterrepräsentierter Zielgruppe unter Verwendung supplementierender Datenbestände

Series:

Wendy Gersten

Aus einer Liste potentiell kontaktierbarer Personen die Zielgruppe auszuwählen entscheidet über den Erfolg von Direktmarketingkampagnen. Für die Zielgruppenselektion werden so genannte Scoringmodelle genutzt, die man mithilfe von Lernfällen kalibriert. Ideale Lernfälle sind Personen, die bereits an einer gleichartigen Kampagne teilnahmen und darauf z. B. durch (Nicht-)Kauf reagierten. Durch Produktvielfalt und Zielgruppendifferenzierung liegen oft zu wenige oder keine idealen Lernfälle vor. Dieses Buch illustriert, wie Hilfsdatenbestände die fehlenden Lernfälle ergänzen bzw. ersetzen. Experimente mit Automobildaten zeigen, auf welche Weise man mittels halbüberwachtem Lernen, Variablentransformation und Analogieschluss geeignete Hilfsdatenbestände auswählt und somit das Scoringmodell und letztlich die Zielgruppenselektion für eine Kampagne optimiert.
Aus dem Inhalt: Direktmarketing als Instrument zur Neukundengewinnung – Zielgruppenselektion als Erfolgsfaktor im Direktmarketing – Scoringmodelle basierend auf Data Mining und Statistik-Verfahren – Gründe für fehlende Lernfälle zur Kalibrierung eines Scoringmodells – Handlungsalternativen bei fehlenden Lernfällen – Halbüberwachtes Lernen, Analogieschluss und Variablentransformation zur Auswahl von Hilfsdatenbeständen bei fehlenden Lernfällen – Experimente basierend auf Automobildaten und mikrogeografischen Informationen mit logistischer Regression, Naive Bayes-Klassifikator, Entscheidungsbaum und Neuronalem Netz zum Nutzen von Hilfsdatenbeständen.