Jörg PilgerSegmentierungs- und Klassifikationsmethoden der Statistik und des Data Mining

Zum Inhalt

Der klassische Direktvertrieb an Konsumenten durch Kaltakquise erfordert im Zeitalter von Internet sowie aufgrund sich wandelnder Lebens- und Arbeitsbedingungen potenzieller Käufer eine völlig neue Herangehensweise: Kundenbezogene und handelsvertreterbezogene Daten müssen systematisch erfasst und für Auswertungen mit multivariaten statistischen Methoden sowie mit Data Mining-Verfahren verfügbar gemacht werden. Ziel im Direktvertrieb sollte es sein, Erfolg versprechende Segmente und Klassen von Handelsvertretern und Kunden zu betrachten, um eine ineffiziente Marktbearbeitung nach dem „Gießkannenprinzip“ zu vermeiden.

Diese Studie ist aus der Tätigkeit im Vertriebscontrolling eines großen deutschen Direktvertriebsunternehmens entstanden und zeigt, dass sich Klassifikations- und Segmentierungsverfahren aus der Statistik und dem Data Mining für praxisrelevante Fragestellungen des Direktvertriebs besonders eignen. Dem Leser werden relevante Algorithmen mit für den Direktvertrieb spezifischen Vor- und Nachteilen vorgestellt. Zudem werden diese auf aktuelle Fragestellungen des betrachteten Direktvertriebs angewendet. Die exemplarischen Anwendungen beziehen sich dabei überwiegend auf den Handelsvertreter, jedoch wird eine analoge Übertragbarkeit auf Endkunden an zahlreichen Stellen angesprochen.

Insbesondere die Entscheidungsbaumverfahren werden vertieft analysiert. Hierbei wird ein Vorschlag gemacht, wie CHAID-Entscheidungsbäume unter dem Aspekt multipler Tests zu beurteilen sind.