Author: Florian Dedov
Supervisor: Julia Neidhardt, Co-Supervisor: Thomas E. Kolb
Abstract
Die Analyse von kundenbezogenen E-Commerce-Daten wird zunehmend wichtiger. Die meisten Analysen in diesem Bereich fokussieren sich auf die Produkte, wobei die Analyse des tatsächlichen Benutzerverhaltens oftmals zu kurz kommt. Um jedoch Kundengruppen besser ansprechen und wirklich verstehen zu können, was deren Präferenzen und Beweggründe sind, ist eine solche Analyse notwendig. Des Weiteren verlassen sich die meisten vorhandenen Arbeiten, in diesem Bereich, auf visuelle Features, um Benutzerverhalten zu gruppieren oder vorherzusagen. In dieser explorativen Arbeit verwenden wir einen alternativen Ansatz und untersuchen in welchem Ausmaß es möglich ist, bedeutende und aussagekräftige Kundencluster im Fashionbereich zu finden. Diese Cluster basieren primär auf der natürlichen Sprache, welche die Kunden in Rezensionen, von bereits gekauften Produkten, verwenden. Wir können zeigen, dass solche Features, welche wir auf Basis dieser natürlichen Sprache konstruieren, uns ermöglichen klare und bedeutende Cluster zu identifizieren. Dies ist ein erster und einleitender Schritt, um die psychologischen Faktoren, welche Kundenentscheidungen beeinflussen, zu verstehen.