Methodik

Das Vorgehen wurde bereits in der Literatur (Gorbach et al.) erläutert. Die ausgewählten Punkte sehen wie folgt aus:

1. Datenaufbereitung für die Sequenzanalyse

• Import von Interaktionsdaten aus dem DWH
• Ziehung und Balancierung einer Stichprobe (N=0,5 Mio.)
• Reduktion der nicht-steuerbaren wiederholenden Kontaktpunkte
• Aggregation der Kontakt-Events oder Zuordnung von bestehenden Aggregationsverfahren
• Definition und Einrichtung der Zeitklassen für die Zeitabstände zwischen Events
• Sequenzierung und Transponierung der Datenmatrix
• Erstellung und Speicherung der individuellen Verhaltenssequenzen

2. String Matching ggf. Suche nach Kaufmustern

• Ausführen von String-Matching-Algorithmen
  • Einstellungen: Support, Länge der Substrings
  • Überprüfen der jeglichen Substring-Kombinationen in Interaktionsketten
  • Auswahl von am häufig aufgetauchten Mustern für weitere Analysen
• Speicherung der Datenmatrix mit den ermittelten Pattern-Variablen

3. Datenaufbereitung für die Modellierung

• Data Cleaning
  • Behebung von Problemen in Daten wie Ausreißer, NULL, Autokorrelation und Multikollinearität
  • Normierung und Logarithmierung der ausgewählten Variablen
• Erstellung der Basisfunktionen der Fourierreihe
• Definition und Anpassung der abhängigen Variablen

4. Modellierung und statistische Verfahren

• Faktorenanalyse für Reduktion von Pattern
• Clusteranalyse
  • Partitionierende und hierarchische Clusteranalyse
  • Feststellung der Clusteranzahl
  • Beschreibung der Verhaltensgruppen anhand der historischen Interaktionsdaten
• Mustererkennung
  • Ermittlung von signifikanten Unterschieden in Interaktionsdaten zwischen ausgewählten großen Segmenten wie TOP-Kunden vs. andere Kunden, Heavy vs. Light Buyers, Stamm- vs. Neukunden, Informierte vs. Informationshungrige Konsumenten, Stamm- vs. Churn- oder Fraud-Kunden u. Ä.
• Regressions- und Zeitreihenanalyse (GLM & Fourier Series) sowie weitere multivariate ML-Verfahren wie NN, DL, Decision tree, Random forest, Survival analysis etc.:
  • Muster in den Kontakthistorie, die signifikant positiv und negativ auf die Zielgrößen wirken
  • Feststellung der relevanten Zeitabstände zwischen den Touchpoints
  • Interpretation und Vorhersage bei den Änderungen in den initiierten Kontakten (Simulation)