Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Einführung in das Marketing-Controlling Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Marketing-Analytics-Process (MAP) – Data-Driven-Marketing-Projekte erfolgreich durchführen

Die Bedeutung von Big Data für das Marketing-Controlling

verfasst von : Klaus-Peter Schoeneberg, Ole Nass, Lennart Schmitt

Erschienen in: Handbuch Marketing-Controlling

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Aufgrund der zunehmenden Dynamisierung der Märkte und den vorhandenen technischen Möglichkeiten, Big Data zur Generierung von Wettbewerbsvorteilen nutzen zu können, hat der Umfang unternehmensexterner wie -interner Komplexität stark zugenommen. Dieser Beitrag beschreibt den von den Autoren entwickelten Marketing-Analytics-Process, der ein Framework zur prozessualen Vorgehensweise bei der Umsetzung von Data-Driven-Marketing-Projekten auf Basis von Big Data darstellt. In der Fachabteilung implementiert, werden Big-Data-Projekte dazu in sechs Phasen umgesetzt, bei denen Iterationen und Rücksprünge möglich sind. Zum besseren Verständnis wird jede Phase detailliert beschrieben und durch einen fortlaufenden Use-Case, basierend auf einem After-Sales-Projekt des Unternehmens Immonet, ergänzt. Der Marketing-Analytics-Process wird detailliert aus wissenschaftlicher, praktischer und technischer Sicht beschrieben.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Einführung in das Marketing-Controlling
Nächstes Kapitel Marktforschung als Grundlage für das Marketing-Controlling
Fußnoten
1
Objekt wird als Oberbegriff für unterschiedliche Immobilientypen verwendet. Darunter fallen u. a. Häuser, Wohnungen, Appartements, Garagen, Stellplätze, Gewerbe- und Anlage-Immobilien.
 
2
Google Analytics ist ein User-Tracking-Tool, welches in einer Freien- und einer Premium-Lizenz zur Verfügung steht. (www.​google.​com/​analytics).
 
3
Hadoop ist eine Open-Source-Softwarelösung von Apache. Als Framework ermöglicht Hadoop das Speichern und Analysieren (ggf. mit Zusatzsoftware) großer Datenmengen in einem speziell entwickelten Dateisystem (HDFS).
 
4
Google BigQuery (cloud.google.com/BigQuery). Als Speicherplatz für große Datenmengen wird zusätzlich Google Cloud Storage benötigt.
 
5
Als Alternative zu Google BigQuery (Cloud-Datenbank-System) sind hier Amazon DynamoDB, Azure DocumentDB zu erwähnen.
 
6
Die Überführung von Google Analytics-Daten in Google BigQuery ist nur mit einem Google Analytics Premium Account möglich. Mit der frei verfügbaren Version von Google Analytics ist das Überführen nicht möglich.
 
7
Hit- bzw. Eventbasierte Daten, die nicht aggregiert sind.
 
11
Vgl. Phase V – Praxis Use-Case.
 
12
Vgl. Technische Implementierung von Leads im Praxisteil in Abschn. 2.2.
 
Literatur
Bello-Orgaz, G., Jung, J. J., & Camacho, D. (2016). Social big data: Recent achievements and new challenges. Information Fusion, 28, 45–59.CrossRef
Borden, N. H. (1964). The concept of the marketing mix. Marketing management and administrative action, 4(2), 31–40.
Chatterjee, P., Hoffman, D. L., & Novak, T. P. (2003). Modeling the clickstream. Implications for web-based advertising efforts. Marketing Science, 22(4), 520–541.CrossRef
Chen, Y., Alspaugh, S., & Katz, R. (2012). Interactive analytical processing in big data systems. Proceedings of the VLDB Endowment, 5(12), 1802–1813.CrossRef
Dasu, T., & Johnson, T. (2003). Exploratory data mining and data cleaning. Hoboken: Wiley-Interscience.CrossRef
Fan, S., Lau, R. Y. K., & Zhao, J. L. (2015). Demystifying big data analytics for business intelligence through the lens of marketing mix. Big Data Research, 2(1), 28–32.CrossRef
Friedman, T., & Judah, S. (2015). Critical capabilities for data quality tools, Gartner Report 2015.
Goi, C. L. (2009). A review of marketing mix. 4Ps or more? International journal of marketing studies, 1(1), 2.CrossRef
Jacobs, A. (2009). The pathologies of big data. Communications of the ACM, 52(8), 36–44.CrossRef
Judd, V. C. (1987). Differentiate with the 5th P: People. Industrial Marketing Management, 16(4), 241–247.CrossRef
Liao, S.-H., Chu, P.-H., & Hsiao, P.-Y. (2012). Data mining techniques and applications – A decade review from 2000 to 2011. Expert Systems with Applications, 39(12), 11303–11311.CrossRef
McCarthy, E. J. (1964). Basic marketing. Homewood: Irwin.
Ngai, E. W. T., Xiu, L., & Chau, D. C. K. (2009). Application of data mining techniques in customer relationship management. A literature review and classification. Expert Systems with Applications, 36(2), 2592–2602.CrossRef
Schoeneberg, K.-P., & Pein, J. (2014). Entscheidungsfindung mit Big Data. Einsatz fortschrittlicher Visualisierungsmöglichkeiten zur Komplexitätsbeherrschung betriebswirtschaftlicher Sachverhalte im Unternehmen. In K.-P. Schoeneberg (Hrsg.), Komplexitätsmanagement in Unternehmen. Herausforderungen im Umgang mit Dynamik, Unsicherheit und Komplexität meistern (S. 309–354). Wiesbaden: Springer Gabler.
Schoeneberg, K.-P., Zerres, C., Frass, A., & Igelbrink, J. (2016). Textmining. Markenführung mittels Social Media Analytics. In M. Lang (Hrsg.), Business Intelligence erfolgreich umsetzen. Von der Technologie zum Geschäftserfolg (S. 75–99). Düsseldorf: Symposion Publishing.
Sharma, S. (2016). Expanded cloud plumes hiding big data ecosystem. Future Generation Computer Systems, 59, 63–92.CrossRef
Shearer, C. (2000). The CRISP-DM model: The new blueprint for data mining. Journal of data warehousing, 5(4), 13–22.
Tendick, P. H., Denby, L., & Ju, W.-H. (2016). Statistical methods for complex event processing and real time decision making. Wiley Interdisciplinary Reviews: Computational Statistics, 8(1), 5–26.CrossRef
Metadaten
Titel
Marketing-Analytics-Process (MAP) – Data-Driven-Marketing-Projekte erfolgreich durchführen
verfasst von
Klaus-Peter Schoeneberg
Ole Nass
Lennart Schmitt
Copyright-Jahr
2017
Verlag
Springer Berlin Heidelberg
Buch
Handbuch Marketing-Controlling

Print ISBN: 978-3-662-50405-5

Electronic ISBN: 978-3-662-50406-2

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-662-50406-2_2