Beispielbild Pricing

Forschung30. Januar 2019

Die neuen Elemente der digitalen Kundenbindung: Dynamik, Individualisierung und Transparenz

Eine neue empirische Untersuchung zeigt, dass Transparenz und Nachvollziehbarkeit bezüglich Preisgestaltung wichtige Parameter zur Erhöhung der Akzeptanz von dynamisch individualisierten Ansätzen sind. Sie zeigt auch auf, welche Kundensegmente deutlich empfänglicher für individualisierte Preise sind und warum traditionelle Kundenbindungsprogramme an die veränderten Kundenbedürfnisse angepasst werden müssen.

Ein Auszug dieses Artikels erschien in der Swiss Marketing Review 1/19

Von Prof. Dr. Evangelos Xevelonakis

Abstract

Preisdifferenzierung, ob räumlich, zeitlich, quantitativ oder qualitativ, gehört seit Jahrzehnten zum Alltag. Durch die zunehmende Digitalisierung und die damit einhergehende hohe Verfügbarkeit von Informationen, insbesondere von Kundendaten, eröffnen sich neue Möglichkeiten, Preisdifferenzierung dynamisch und individuell zu gestalten. Während im Online-Handel der Preis oft dynamisch differenziert wird, ist dies im stationären Detailhandel zurzeit selten der Fall. Ein Grund dafür ist, dass die Akzeptanz einer dynamisch individualisierten Preisdifferenzierung und deren Einflussfaktoren auf die Kundenloyalität weitgehend unerforscht sind. In der vorliegenden Arbeit wird diese Fragestellung mittels quantitativer Methoden untersucht. Im Rahmen der empirischen Untersuchung zeigt sich, dass Transparenz und Nachvollziehbarkeit bezüglich Preisgestaltung wichtige Parameter zur Erhöhung der Akzeptanz von dynamisch individualisierten Ansätzen sind. Allerdings wurde auch eine Intensions-Verhaltens-Lücke festgestellt: Ein beachtlicher Anteil der Kunden, die Kundenprogramme aus Gründen des Datenschutzes (Stichwort «gläserne Kunden») ablehnen, sind dennoch auf sozialen Medien aktiv. Die Ergebnisse zeigen weiter, dass Kunden zwischen 18 und 35 Jahren, die sogenannten Millennials, deutlich empfänglicher für individualisierte Preise sind als Kunden fortgeschrittenen Alters. Allerdings ist die Teilnahmerate an Kundenloyalitätsprogrammen bei Millennials deutlich tiefer als bei älteren Kunden, was die Notwendigkeit einer Anpassung traditioneller Kundenbindungsprogramme an die veränderten Kundenbedürfnisse deutlich macht. Die zunehmende Individualisierung und Dynamisierung erfordern zusätzlich eine flexible Systemarchitektur, die in der Lage ist, sowohl interne Positionssysteme als auch Batch- und Real-Time-Analysesysteme in ein Gesamtsystem zu integrieren.

Herausforderungen im Schweizer Detailhandel

Der Detailhandel in der Schweiz steht im Umbruch. Seit vor etwa zehn Jahren ausländische Ketten wie Lidl und Aldi in die Schweiz vorgedrungen sind und ein Markanteil von jeweils 2.7% und 4.94% im Jahr 2017 erreicht haben, ist das Duopol Migros und Coop ins Wanken geraten (Statista, 2018). Bis 2010 stiegen die Detailhandelsumsätze kontinuierlich an. Seither stagnieren oder fallen sie, wobei immer der Bereich Non-Food den Umsatzschwund verursacht hat – also Artikel wie zum Beispiel Kleider, Sportartikel, elektronische Geräte (St. Galler Tagblatt, 2018). Im Jahre 2017 übertraf das Umsatz-wachstum von heimischen und ausländischen Onlineanbietern dasjenige des stationären Handels. Zalando beispielsweise hat seit 2012 seinen Umsatz in der Schweiz mehr als verdreifacht (Jucker, 2018). Trotz Aufwertung des Euros bleibt der Einkaufstourismus eine Herausforderung. Einkaufstouristen sind eine Stunde länger unterwegs und sind vor allem in Grenzregionen anzutreffen (ebd.). Detaillisten setzen seit Jahren Kundenkarten als Kernbestandteil von sogenannten Kundenbindungsprogrammen ein, um die Loyalität der Kunden zum Unternehmen zu erhöhen. Kundenkarten sind zwar stark verbreitet, wirken sich aber gemäss einer Studie von Deloitte sehr schwach auf die Kundenbindung aus: 62% der Schweizer Konsumenten nutzen mindestens einmal pro Woche Loyalitätsprogramme, 31% tun dies weniger oft als einmal pro Woche und nur 7% nutzen gar keine Loyalitätsprogramme. 36% der Schweizer Konsumenten lösen ihre gesammelten Punkte nicht ein (Deloitte, 2018).  Der verschärfte Wettbewerb, der Online Handel, der andauernde Einkaufstourismus sowie die schwache Wirkung von bestehenden Kundenbindungsprogrammen sind also für die fallenden Preise und die stagnierten Umsätze der Detailhändler massgeblich verantwortlich (siehe Abb.1).

Dieser Sachverhalt zwingt die Unternehmungen im Bereich Kundenloyalität neue Wege zu gehen. Die technologischen Entwicklungen sowie die Verfügbarkeit von Demographie-, Verhaltens- und Transaktionsdaten ermöglichen die Umsetzung dynamisch individualisierter Ansätze zur besseren Stärkung der Kundenbindung.

Abb. 1: Herausforderung im Schweizer Detailhandel

Problemstellung

Preisdifferenzierung hat sich seit Jahren in der Gesellschaft etabliert. Dazu gehören qualitative, quantitative, räumliche oder zeitliche Preisdifferenzierungen zweiten Grades, bei welchen man durch die Selbstselektion den Preis des Gutes selbst bestimmt. Aber auch Preisdifferenzierungen dritten Grades werden bei den Detaillisten eingesetzt. Bei dieser Art der Preisdifferenzierung werden unterschiedliche Preise verschiedenen Kundensegmenten wie Jugendlichen, Erwerbstätigen oder Pensionierten angeboten. Durch die fortschreitende Digitalisierung stehen den Unternehmen im Zeitalter von Big Data enorme Datenmengen aus diversen Quellen wie Kundenprogrammen, Marktbeobachtungen und sozialen Medien zur Verfügung. Die hohe Verfügbarkeit solcher Daten und das daraus extrahierte Wissen ermöglicht eine immer individualisiertere Behandlung der Kunden und somit die Realisierung der sogenannten Preisdifferenzierung ersten Grades.

Eine Studie aus dem Jahr 2015 zeigt, dass die Berücksichtigung von Emotionen zu einer deutlichen Umsatzsteigerung führen kann (Magids, Zorfas & Leemon, 2015). Emotional gebundene Kunden stellen für ein Unternehmen deutlich höhere Kundenwerte dar als nur zufriedene oder gar emotional ungebundene Kunden. Die Anwendung von dynamisch individualisierten Preisen birgt das Potential, zufriedene Kunden in emotional gebundene zu transformieren. Dennoch sind im Schweizer Offline-Detailhandel dynamisch individualisierte Preise im Moment nicht anzutreffen. Sowohl die Akzeptanz für eine solche Preisgestaltung als auch deren Einflussfaktoren sowie die Möglichkeit einer Loyalitätssteigerung sind weitestgehend unerforscht. Zudem ist unklar, in welcher Form die dynamischen Preise an die Kunden angeboten werden können, damit sie von einem maximalen Einkaufserlebnis profitieren können. Die daraus resultierenden positiven Emotionen würden die Loyalität der Kunden gegenüber dem Anbieter erhöhen, was durch den Loyalitätseffekt zu einer Steigerung des Kundenwertes führen kann (Reichheld, 1997).

Methodik

Aufbauend auf die oben gemachten Überlegungen wird die Forschungsfrage untersucht, unter welchen Voraussetzungen Kunden dynamisch individualisierte Preisdifferenzierung im Rahmen der Digitalisierung akzeptieren können. Ziel ist es, diejenigen Faktoren zu identifizieren, welche Akzeptanz und Loyalität beeinflussen. Darüber hinaus sollte geprüft werden, in welcher Form solche Differenzierungen umgesetzt werden können, damit das Einkaufserlebnis des Kunden gesteigert werden kann.

Um das Forschungsziel zu erreichen, wird zunächst ein besseres Verständnis der Beziehung zwischen dynamischer Preisgestaltung und dynamischem Next-Best-Offering entwickelt. Anschliessend wird die Kundenakzeptanz des dynamisch individualisierten Pricings im Rahmen einer empirischen Umfrage untersucht. Abschliessend werden die empirischen Ergebnisse interpretiert und Handlungsempfehlungen abgegeben.

Von dynamischem Pricing zu dynamisch individualisiertem Pricing

Dynamic Pricing ist eine Preisstrategie, bei der die Produktpreise an den aktuellen Markt angepasst werden (Krämer, Kalka & Ziehe 2016). Preise können beispielsweise je nach Nachfrage, Preisschwankungen der Konkurrenten, Tageszeit oder Wetterbedingungen variieren.

Die allgemeine Dynamisierung von Preisen kann allerdings nicht mit individualisierter Preisbildung gleichgesetzt werden. Auch Individualisierung ist nicht mit Personalisierung gleichzusetzen.

Abb. 2: Dynamic Pricing-Portfolio, Quelle: in Anlehnung an Krämer, Kalka & Ziehe (2016, S. 3)

 

Während bei der Personalisierung eine Anpassung einer Dienstleistung oder eines Kommunikationskonzeptes auf Grundlage, der vom Kunden allgemein verfügbaren Daten vorgenommen wird, geht die Individualisierung einen Schritt weiter und ist demnach als Steigerung von Personalisierung zu sehen (Kuhn, 2017).

Das Dynamic Pricing-Portfolio zeigt die verschiedenen Ausprägungen der Preisdifferenzierung mit Hilfe der beiden Dimensionen Individualisierung und Dynamisierung (siehe Abb. 2).

Beim Einheitspreis werden Produkte und Services allen Nachfragern zu demselben Preis angeboten. Es findet jedoch keine Individualisierung statt. Beim dynamischen Pricing werden Preise nicht individuell bestimmt, jedoch situativ angepasst, d.h. Faktoren wie Angebot und Nachfrage, Lagerbestände, Wetter usw. werden dabei berücksichtigt.

Beim individualisierten Pricing werden die Preise je nach Nachfrager individuell auf der Basis von Kundendaten bestimmt. Kunden erhalten Rabatte auf häufig gekaufte oder neue Produkte, die für sie interessant sein könnten. Das entspricht an sich dem Next-Best-Offer-Konzept. Das Next-Best-Offer-Konzept ist ein Marketinginstrument, welches Unternehmen ermöglicht, ihren Umsatz durch gezieltes, auf Kundendaten basierendes Cross- und Upselling zu betreiben.  Allerdings ist das Ziel nicht nur einen individualisierten Preis anzubieten, sondern auch das passende Produkt zum richtigen Zeitpunkt. Basis für die Berechnung des passenden Produktes ist die sogenannte propensity to buy (Xevelonakis, 2008).

Beim dynamisch individualisierten Pricing werden Preise in Echtzeit je nach Nachfrager individuell und situativ bestimmt. Zur Preisberechnung werden die Intensität der Nachfrage sowie Kunden- und Lagerdaten miteinbezogen. Beispielsweise muss aus Sicht des Detailhändlers ein Lagerbestand eines bestimmten Produktes so schnell wie möglich reduziert werden, da ansonsten die Haltbarkeit überschritten wird und das Produkt nicht mehr verkauft werden kann. Erst wenn dieser Approach mit dem Konzept des Next-Best-Offers kombiniert werden kann, lassen sich daraus Loyalitätseffekte ableiten. Durch die Analyse von bestehenden und in Echtzeit generierten Daten kann die Affinität der Kunden identifiziert und das richtige Produkt offeriert werden. Dieser erweiterte Ansatz wird zum Zweck der Arbeit als dynamisch individualisierter Ansatz (DIP) bezeichnet. Es wird die Hypothese aufgestellt, dass Angebote, die auf dem DIP-Ansatz basieren und transparent für den Kunden sind, eine höhere Wahrscheinlichkeit haben, akzeptiert zu werden.

Empirische Ergebnisse

Die gegenwärtige Akzeptanz von dynamisch individualisierten Preisen sowie allfällige Loyalitätssteigerungen wurden mit Hilfe von quantitativen Methoden in unserem Center für Customer Analytics & Technology an der HWZ erfasst. Daten wurden mittels Umfragen erhoben und mit deskriptiver Statistik ausgewertet (Müller, 2018).

Von den 240 Befragten geben 77% an, eine Kundenkarte zu besitzen und auch zu nutzen. Dies deutet auf eine hohe Akzeptanz von personalisierten Angeboten auf Basis von Kundendaten. Von den Befragten, welche aus dem Grund «Ich möchte keine persönlichen Daten preisgeben» keine Kundenkarten nutzen, ist allerdings über die Hälfte auf sozialen Medien aktiv. Rund 58% der Teilnehmenden würden eine Rabattnachricht auf ihr Smartphone für ein bereits gekauftes Produkt schätzen. Davon würden 79% maximal drei Rabattnachrichten pro Einkauf als nicht störend empfinden. Würde man auf Basis von Webaktivitäten den Kunden dynamische Preise in Form von Rabattnachrichten anbieten, würde dies bei rund einem Viertel positive Emotionen, d.h. Freude oder sogar Begeisterung, auslösen. Über die Hälfte wären jedoch beunruhigt. Eine transparente und nachvollziehbare Preisberechnung wäre für 71% aller Teilnehmenden wichtig (siehe Abb. 3).

Abb. 3: Wichtigkeit der Transparenz über die gesammelten Daten

Eine transparente Preisgestaltung, d.h. eine mögliche Einsicht in die Preisberechnung, hätte für über 40% der Befragten auf ihre Bereitschaft, dem Anbieter mehr Daten zur Verfügung zu stellen, einen sehr hohen Einfluss (siehe Abb. 4)

Die segmentspezifischen Ergebnisse basierend auf demografischen Daten zeigen erstens, dass Digital Natives deutlich empfänglicher für dynamische und individualisierte Preisangebote als Personen fortgeschrittenen Alters sind, zweitens, dass die Akzeptanz für eine solche Preisgestaltung bei Männern deutlich höher als bei Frauen ist, und drittens, dass die Teilnahmerate bei Kundenprogrammen bei den 18- bis 35-Jährigen (Millennials) am tiefsten liegt.

Abb. 4: Transparente Angebote und das Verstehen der „Spielregeln“ wirken sich positiv auf die Bereitschaft der Kunden aus, persönliche Daten preiszugeben.

In einer weiteren empirischen Studie in unserem Center (n = 110 Kunden) wurde ein allfälliger Zusammenhang zwischen den Merkmalen «individualisierte Ansprache» und «Kundenzufriedenheit» bei Kunden in der Telekommunikationsbranche untersucht. Rund 68% der Befragten wünschen sich eine individualisierte Ansprache. Des Weiteren ist aus den Ergebnissen ersichtlich, dass bei den Befragten mit zunehmendem Alter der Wunsch nach individualisierten Ansprachen nachlässt. Während in der Altersgruppe der bis 34-Jährigen der Anteil noch 75% beträgt, liegt er bei den 50- bis 65-Jährigen noch bei 36%. Aus den Bemerkungen der Befragten ist ersichtlich, dass die individualisierte Ansprache im Zusammenhang mit einem Mehrwert für den Kunden gesehen wird. So wird gewünscht, dass wenn schon direkte Ansprachen stattfinden, dann sollen diese «personalisiert», «sinnvoll» und «in Bezug auf die Kundentreue» erfolgen. Zudem sollen diese «nicht jeden Tag», aber «für alle Kunden, bestehende und neue Kunden» stattfinden. Die beiden Merkmale Kundenzufriedenheit und individualisierte Ansprache korrelieren positiv. Das bedeutet, dass ein Zusammenhang zwischen der individualisierten Ansprache und der Kundenzufriedenheit besteht (Hernandez 2018).

Interpretation der Ergebnisse und Handlungsempfehlungen

Ein wichtiges Ergebnis der vorliegenden Untersuchung über die Akzeptanz von dynamisch individualisierten Preisen ist die Tatsache, dass über die Hälfte der Befragten, welche nie Kundenprogramme nutzen, weil sie keine persönlichen Daten preisgeben wollen, auf sozialen Medien aktiv sind. Ein möglicher Erklärungsversuch hierfür ist das Vorhandensein der Intensions-Verhaltens-Lücke (Carrington et al., 2010, s. 141). Menschen handeln nicht immer so, wie sie es gerne möchten. Es besteht eine Diskrepanz zwischen Absicht und Handlung.

Die Zustellung personalisierter Rabattnachrichten auf ein Handheldgerät während eines Einkaufs würde bei einer Mehrheit der Befragten positive Emotionen auslösen. Diese gelten als emotionale Motivatoren und können durch eine geschickte Anwendung von Preisdifferenzierungen das Kundenverhalten sowie deren Loyalität positiv beeinflussen. Das angesprochene Kundensegment muss aber sorgfältig definiert werden, um entsprechende Preisangebote nur empfänglichen Kunden zu unterbreiten. Unerwünschte personalisierte Rabattnachrichten können von den Kunden als Belästigung empfunden werden, was zur exakt umgekehrten Wirkung, nämlich zu einem Loyalitätsverlust führen könnte.

Ein weiteres wichtiges Ergebnis stellen demografische Unterschiede dar. Die Akzeptanz für dynamisch individualisierte Preise ist bei den Millennials deutlich höher als bei Personen fortgeschrittenen Alters. Der Anteil von handlungsfähigen Digital Natives in der Gesellschaft wächst in den kommenden Jahrzehnten immer weiter an, weshalb davon auszugehen ist, dass in Zukunft die allgemeine Akzeptanz für eine solche Preisgestaltung weiter steigen wird. Dies stellt ein wesentliches ökonomisches Potential für die Unternehmen dar. Die Loyalität dieses Kundesegments könnte durch das Hervorrufen oder Erzeugen von positiven Emotionen mittels unerwarteter, individualisierter Rabatte erhöht werden. Die dafür erforderlichen Data-Mining-Techniken wie Webmining oder Big Data Analytics existieren bereits (Müller & Lenz, 2013).

Obwohl die Millennials am empfänglichsten für dynamische, personalisierte Preisdifferenzierungen sind, ist die Nutzung von Kundeprogrammen bei diesem Kundesegment deutlich tiefer als bei den Befragten fortgeschrittenen Alters. Dieses Segment stellt somit das höchste Potential für dynamisch individualisierte Preise dar. Die oft verwendete Kundenkarte sollte mehr anbieten als das Sammeln von Punkten, wenn man diese Kunden stärker an das Unternehmen binden will. Zusätzlich sollte dem Kunden die Vorteile des Loyalitätsprogramms klar aufgezeigt werden. Durch gezielte Marketingmassnahmen oder gänzlich neue, anwenderfreundliche und intuitive Kundenprogramme könnte versucht werden, diesem Segment die Nutzung von Kundenprogrammen näherzubringen und sie von den Vorteilen wie Rabatte und die Zunahme des Einkaufserlebnisses durch spielerische Elemente zu überzeugen.

Eine transparente Preisgestaltung und die Kenntnis über die Entstehung der dynamisch individualisierten Preise ist einem Grossteil der Kunden sehr wichtig. Die Zurverfügungstellung einer entsprechenden Funktion in der jeweiligen App des Detailhändlers könnte nicht nur ein angemessenes Mittel zur Erhöhung der Akzeptanz darstellen, sondern vermutlich auch die Loyalität steigern. Ausserdem könnten damit weitere wichtige Kundendaten generiert werden, denn ein wesentlicher Anteil der Kunden wäre bereit als Gegenleistung für diese Transparenz weitere Informationen zur Verfügung zu stellen. Für eine erfolgreiche Umsetzung einer individualisierten Preisgestaltung sollte diesem Aspekt deshalb grosser Wert beigemessen werden.

Um die Funktionsweise einer möglichen Architektur besser zu verstehen, wird ein fiktives Szenario kurz beschrieben.

Bei Eintritt des Kunden in den Laden wird das Endgerät, ob Smartphone oder Selfscanner, bei aktivierter Bluetoothfunktion erkannt. Ist die mobile Applikation, welche mit einem Service Development Kit (SDK) zur Positionsbestimmung und der Möglichkeit, Push Notifications zu empfangen, auf dem Endgerät installiert, wird das Device mit den Kundeninformationen zusammengeführt. Über Bluetooth Beacons wird die aktuelle Position der Devices an den Indoor-Positionierungs-Server (IPS) übermittelt, welcher mit dem operativen Frontsystem interagiert. Nach Identifikation des Kunden werden sämtliche für die individualisierte und dynamische Preisgestaltung notwendigen Informationen initial aus dem Data Warehouse (DWH) angefordert (Xevelonakis, 2012, S. 42). Das Frontendsystem erhält zudem On-Demand-Informationen aus dem DWH. Um dynamisch individualisierte Angebote unterbreiten zu können, werden mit Hilfe von Streaming Analytics aktuelle Informationen wie beispielsweise der Warenkorbinhalt zusammen mit den Positionsdaten des IPS-Servers in Echtzeit analysiert und zur weiteren Verarbeitung bereitgestellt. Über Push Notifications werden den Endgeräten je nach Position der Kunden dynamisch individualisierte Preise in Form von Rabattnachrichten angeboten.

Schlussfolgerung

Aus ökonomischer Sicht stellen dynamisch individualisierte Preise ein grosses Potential dar. Durch gezieltes Cross-Up-Selling können sowohl der Umsatz als auch die Loyalität der Kunden zum Unternehmen bzw. zum Produkt gesteigert werden.

Obwohl die empirische Untersuchung mit Repräsentationsproblemen behaftet ist, lassen sich daraus ganz wichtige Erkenntnisse gewinnen, welche teilweise auch im Einklang mit Ergebnissen bereits durchgeführter Studien stehen. Aber selbst ohne Repräsentativität und statistische Signifikanz können unter Vorsicht interessante Aussagen abgeleitet werden, die im Rahmen weiterer Forschung mit mehr Daten und bessere Erhebungsverfahren erhärtet werden müssen (Rasch et al., 2014, S. 59).

Grundsätzlich akzeptieren Millennials individualisierte und dynamische Preise zu einem höheren Prozentsatz als Personen fortgeschrittenen Alters. Es kann also davon ausgegangen werden, dass in den kommenden Jahren die allgemeine Akzeptanz steigen wird.

Voraussetzung für diese Preisstrategie ist allerdings, dass die affinen Kunden identifiziert und individuell, d.h. ereignisbasiert, bedürfnisgerecht und über die richtigen Kanäle angesprochen werden (Xevelonakis, 2008). Zudem muss die Preisstrategie transparent sein und vom Kunden als gerechtfertigt und nachvollziehbar angesehen werden. Kundenbindungsprogramme sollen um emotionale Faktoren erweitert werden. Zusätzlich sollte durch gezielte Kommunikationsmassnahmen Transparenz über die Preisbildung und die Verwendung der Kundendaten geschaffen werden.

 

Quellenverzeichnis

Carrington, M. J., Neville B. A., Whitwell G. J. (2010). Why Ethical Consumers Don’t Walk Their Talk: Towards a Framework the Gap Between Understanding and Actual the Ethical Purchase Intentions Minded Buying Behaviour of Ethically Consumers. Journal of Business Ethics 97(1): 139–58.

Deloitte (2018). Nutzung und Erfolgsfaktoren von Kundenbindungsprogrammen im Detailhandel. Abgerufen 1. September 2018, von https://www2.deloitte.com/ch/de/pages/consumer-industrial-products/articles/kundenbindungsprogrammen-im-detailhandel.html

Hernandez, L. (2018). Entwicklungsstand und Perspektiven von Business Intelligence für das

Marketing Controlling im Umfeld der Telekommunikationsbranche in der Schweiz. Master Thesis, HWZ Hochschule für Wirtschaft, Zürich, Schweiz.

Krämer, A., Kalka, R. & Ziehe, N. (2016). Personalisiertes Und Dynamisches Pricing Aus Einzelhandels- Und Verbrauchersicht. Marketing Review St. Gallen (Dynamic Pricing): 13.

Kuhn, M. (2017). Der Unterschied von Personalisierung und Individualisierung. Abgerufen 5. September 2018 von https://www.towa-digital.com/news/der-unterschied-von-personalisierung-und-individualisierung/

Jucker, S. (2018). Retail Outlook 2018: Der Detailhandel hinkt der Konjunktur hinterher. Abgerufen 17. August 2018 von https://www.credit-suisse.com/corporate/de/articles/news-and-expertise/retail-outlook-2018-201801.html

Magids,S., Zorfas, A., & Leemon D. (2015). “The New Science Of Customer Service.” Harvard Business Review (November): 1–10. Abgerufen 1. September 2018 von https://hbr.org/2015/11/the-new-science-of-customer-emotions

Müller, M. (2018). Personalisierte Preisdifferenzierungen im Schweizer Detailhandel: technische Möglichkeiten Chancen und Risiken. Bachelor Thesis, HWZ Hochschule für Wirtschaft, Zürich, Schweiz.

Müller, R., & Lenz, H-J. 2013. Business Intelligence. Springer, Heidelberg, Deutschland.

Rasch, B., Friese, M., Hofmann, W., Naumann E. (2014). Quantitative Methoden 1, 4 Auflage, Springer, Berlin-Heidelberg.

Reicheld F. (1997). Der Loyalitäts-Effekt: Die verborgene Kraft hinter Wachstum, Gewinnen und Unternehmenswert, Campus.

St. Galler Tagblatt (2018, Juni 26). Schweizer Detailhandel setzte 2017 weniger mit Lebensmitteln um. Abgerufen 18. August 2018 von https://www.tagblatt.ch/newsticker/schweiz/schweizer-detailhandel-setzte-2017-weniger-mit-lebensmitteln-um-ld.1032308

Statista (2018). Marktanteile der führenden Lebensmittelhändler in der Schweiz im Jahr 2017. Abgerufen 1.September 2018 von https://de.statista.com/statistik/daten/studie/368538/umfrage/marktanteile-der-fuehrenden-unternehmen-im-lebensmittelhandel-in-der-schweiz/

Xevelonakis, E. (2008). Managing event-driven customer relationships in telecommunications in: Journal of Database Marketing & Customer Strategy Management Vol. 15, 3, 146-152, Palgrave Macmillan 1741-2439, London.

Xevelonakis, E. (2012). Die Zukunft von Business Intelligence: Entscheidungsunterstützung als Kundenservice, interview Magazin, Ausgabe Nr. 6 / 2012, Zürich.

 

Portrait Evangelos Xevelonakis

Prof. Dr. Evangelos Xevelonakis

Studiengangsleiter

Verpassen Sie nichts! Abonnieren Sie unseren Newsletter.

Der Newsletter informiert Sie über die aktuellen Trends, News und Events an der HWZ.

Jetzt anmelden