Zielgruppenselektion fuer Direktmarketingkampagnen : Scoringmodellierung bei unterrepraesentierter Zielgruppe unter Verwendung supplementierender Datenbestaende

Aus einer Liste potentiell kontaktierbarer Personen die Zielgruppe auszuwahlen entscheidet uber den Erfolg von Direktmarketingkampagnen. Fur die Zielgruppenselektion werden so genannte Scoringmodelle genutzt, die man mithilfe von Lernfallen kalibriert. Ideale Lernfalle 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 Lernfalle vor. Dieses Buch illustriert, wie Hilfsdatenbestande die fehlenden Lernfalle erganzen bzw. ersetzen. Experimente mit Automobildaten zeigen, auf welche Weise man mittels halbuberwachtem Lernen, Variablentransformation und Analogieschluss geeignete Hilfsdatenbestande auswahlt und somit das Scoringmodell und letztlich die Zielgruppenselektion fur eine Kampagne optimiert.

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.