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.

Autorentext

Die Autorin: Wendy Gersten, geboren 1974; Studium der Betriebswirtschaft, insbesondere Marketing und Wirtschaftsinformatik, an den Universitäten Dresden und Lille; 2000-2003 Projekte im Bereich Analytisches Customer Relationship Management in der Forschung eines Automobilherstellers sowie Promotion an der Universität Jena; seit 2004 Vertriebsprojekte bei der Nutzfahrzeugsparte eines Automobilherstellers in Zusammenarbeit mit den konzerneigenen Financial Services.

Inhalt
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.