Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

Fakultät Wirtschaftswissenschaften Professur für Wirtschaftsinformatik – Business Intelligence Research

Influence Potential Framework: Eine
Methode zur Bestimmung des
Referenzpotenzials in Microblogs

Prof. Dr. Andreas Hilbert Kai Heinrich
hilbert@wiid.wiwi.tu-dresden.de kai.heinrich@mailbox.tu-dresden

http://wiid.wiwi.tu-dresden.de Telefon +49 351 463-33520
01062 Dresden Telefax +49 351 463-32736


Agenda

1. Einleitung
2. Forschungsfragen und Ziele
3. Kundenwert und Referenzpotenzial
4. Referenzpotenzial in Microblogs
5. Influence Potential Framework
6. Ausblick und Fazit

Einleitung
TU Dresden Professur für Wirtschaftsinformatik – Business Intelligence Research

„Ist der Kunde noch König?“

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs – Seite 3

Einleitung: Entwicklung der Kundenseite

•  Wandel vom Static Web zum Social Web (vgl. [JAVA 2007])
•  Kommunikation und Interaktionen der Nutzer innerhalb von Web 2.0-Platformen
haben deutlich zugenommen und somit auch der Austausch von Informationen
•  Benutzung von sozialen Netzwerken und Blogging-Diensten hält Einzug im
täglichen Leben (vgl. Compass Heading, März 2010):
–  490 Millionen Facebook-Nutzer (davon 13 Mio. in Deutschland)
–  80 Millionen Twitter-Nutzer (davon 3 Mio. in Deutschland)
–  Über 50% der US-Bürger nutzen Facebook

Technischer Fortschritt bedingt einen Wandel der sozialen Interaktion in der
Informations- und Referenzbeschaffung der Kunden


Einleitung: Entwicklung der
Unternehmensseite

•  Wandel vom Transaktionsmarketing zum Beziehungsmarketing (vgl. [GRÖNROSS
1994])
•  Interesse an langfristigen Beziehungen steht im Mittelpunkt bei der
Kundenbewertung (vgl. [RUST 2000])
•  Perspektivenwechsel von Kundenneugewinnung zu Kundenbindung (vgl. [RUST
2000])
•  Kunden werden verstärkt als Teil des Unternehmens gesehen und können in ihrer
Funktion als Informations- oder Referenzgeber sehr wertvoll sein (vgl. [TOMZCAK
2006])

Der Wandel im Marketingparadigma lässt dem Kunden eine größere Rolle
innerhalb des Unternehmens zukommen


Einleitung

„Der Kunde ist König“

Aber: Nicht jeder Kunde ist aus Sicht eines Unternehmens
profitabel (vgl. [HELM et al. 2006])

à Kunde muss aus Sicht des Unternehmens mit Hilfe des Kundenwertes
beurteilt werden


Ziele und Forschungsfragen

Erkenntnisziel:
Gestaltungssziel:
Beschreibung des Kundenwertes
Ausgestaltung einer Methode
und seiner Determinanten,
zur Erfassung des
insbesondere die Charakteristika
Referenzpotentials in Microblogs
des Referenzpotenzials

1. Welche Rolle spielt das
Referenzpotentials innerhalb 5. Wie können die
des Kundenwertes? beschreibenden Konstrukte
des Referenzpotenzials mit
2. Welche Konstrukte können Hilfe von Microblogs
das Referenzpotential eines operationalisiert werden?
Kunden beschreiben?

3. Welche Wege zur Messung
von Referenzpotentialen im gibt 6. Welches Vorgehen zur
Analyse von Microblogs ist
es ?
notwendig, um diese
Operationalisierung in die
4. Eignen sich Daten aus
Microblogs zur Bestimmung des Praxis umzusetzen?
Referenzpotentials?

Quelle: In Anlehnung an Becker at al.(2004).

tert jedoch meist an der Willkur der Scoringmodelle bzw. an der Wahl der einzelnen Dimensi-
¨

Kundenwertkonzepte Die einzelnen Ans¨tze sind in Abbildung 4 zusam-
onsgewichte (vgl. Bruhn (2002), S.145f.). a
mengefasst.

Um die angesprochenen Probleme zu minimieren und aus den unzahligen Modellen auszuw¨h-
¨ a
len stutzt sich diese Arbeit auf den ganzheitlichen Bewertungsansatz von Cornelsen (2000),
¨
•  Vielzahl von Kundenwertmodellen vorhanden
wie er in Abbildung 5 dargestellt ist. Dieser Ansatz basiert ebenfalls auf dem Modell des
•  Vielzahl monetärer und nicht-monetärer Determinanten
à  Beschränkung auf mehrdimensionale,allerdings neben dem reinen Kapitalwert auch
Customer-Lifetime-Value (CLV), berucksichtigt
¨ ganzheitliche Ansätze
•  nicht-monet¨re Determinanten und oft ähnliche Determinanten
Mehrdimensionale Ansätze kombiniert diese um eine Gesamtaussage uber den Wert des
a ¨

à Orientierung am ganzheitlichen Ansatz nach ([CORNELSEN 2001])
Kunden zu treﬀen.

Quelle: Schneider et al. (2007).


Referenzpotenzial und Determinanten

„Unter dem Referenzpotenzial versteht man die Fähigkeit eines aktuellen Kunden,
potentielle Kunden in seinem/ihrem sozialen Netzwerk mit positiven, negativen oder
neutralen Informationen zu erreichen und ggf. zu beeinflussen “ ([CORNELSEN], 2006)

•  Im Modell von ([CORNELSEN 2000]) werden folgende Einflussfaktoren des
Referenzpotenzials vorgeschlagen:

–  Soziales Netz
–  Kundenzufriedenheit
–  Meinungsführerschaft


Meinungsführerschaft

•  Meinungsführer verbreiten Informationen an die „Masse“ (vgl. [ESCH 2006]):

Quelle: Esch (2006).

•  Meinungsführerschaft zeichnet sich aus durch (vgl. [BRÜNE 89]):
–  Fachwissen
–  Dauerhaftes Marktinteresse (Involvement)
–  Soziale Zentralität
•  Meinungsführer sind meist produktspezifisch aktiv (vgl. [HASSELOFF 85])
•  Personen mit besonderer Stellung gelten als virtuelle Meinungsführer (hohe
soziale Zentralität) und verfügen über hohes Bezugspersonen-Einflusspotenzial
(vgl. [BRÜNE 89])


Soziales Netz

2 KUNDENWERT UND REFERENZPOTENZIAL 20
•  Beschreibt das soziale Umfeld einer Person und das zu Grunde liegende Muster
der Interaktion in diesem Umfeld (vgl. [IACCOBUZI 95])
Familie oder der Verwandtschaft von h¨here Intensit¨t und kommen hüfiger vor als Gespr¨che
o a a a
à umso größer das soziale Netz desto größer das Referenzpotenzial
in eher weniger bekannschaftlichen Kreisen. In dieser Hinsicht unterscheidet Granovetter
•  Unterschiedliche Beziehungen zwischen der pers¨nlichen Bindung, zwischen strong ties 85]): ties. In Famillien-
(1982), abh¨ngig von Personen (vgl. [GRANOVETTER und weak
a o
–  Strong ties: Dichte, kohäsive gruppen, oft Familien- oder Freundeskreise vor, da es
oder kleineren Bekanntenkreisen herrschen sehr oft starke Beziehungen sich hierbei

–  Weak ties: Kommunikation über koh¨sive Gruppen handelt (vgl. Granovetter (1982) S.105ff.)
um dichte, kohäsive Gruppen hinaus, z.B. Kollegen, entfernte
a

Verwandte
•  Beispiel für ein soziales Netz:

Quelle: Eigene Darstellung.
Abbildung 10: Darstellung eines egozentrischen sozialen Netzes (eigene Darstellung)

Kundenzufriedenheit

•  Bestimmt die Richtung der Referenz nach ([CORNELSEN 2001])
•  Möglichkeiten: dichotome Abgrenzung oder Kontinuum
•  Kein eindeutiger Zusammenhang mit Referenzverhalten bislang festgestellt:
–  Positives Erlebnis regt eher zur Referenz an nach ([HOLMES 77])
–  Negatives Erlebnis regt eher zur Referenz an nach ([DUFFY94])
–  Indifferentes Verhalten herrscht vor nach ([ANDERSON 94])

à die Auswirkung symmetrischer oder asymmetrischer Zufriedenheitsspektren
auf das Referenzverhalten können nicht eindeutig bestätigt werden
à Indikator wird zunächst ausgeklammert


Funktion und Aufbau von Microblogs

”Microblogs sind eine neue Form der Kommunikation, bei welcher ein Nutzer in
kurzen Mitteilungen seinen Status bekanntgeben kann.“ ([JAVA et al. 2007])

•  Beschränkte Zeichenmenge einer Statusnachricht
•  Unterstützung für möglichst viele Endgeräte
•  Beispiele für Microblog-Platformen: Twitter, Jaiku, Pownce

à Aufgrund der Bedeutung und Größe wird Twitter stellvertretend ausgewählt um
Funktion und Aufbau eines Microblogs zu erläutern


Funktion und Aufbau – Beispiel Twitter (1/2)

•  Aufbau und Funktion in Anlehnung an ([GLUCHOWSKI 2009]) und ([JAVA 2007])
•  Aufbau des sozialen Netzes basiert auf Beziehungen innerhalb von Twitter:
–  Einseitige Friend-Beziehung
–  Einseitige Follow-Beziehung
–  Bilaterale Beziehung
•  Interaktion erfolgt über die Kommunikationsfunktionen:
–  Reply-Funktion
–  Retweet-Funktion

•  Eine Statusmeldung (Tweet) kann durch folgendes Tupel beschrieben werden:
–  U: Der Nutzer, welcher Ersteller der Nachricht ist
–  t: Der Zeitpunkt zudem die jeweilige Meldung erstellt wurde
–  RT: Handelt es sich um einen Retweet, nimmt diese Funktion den Wert 1 an
–  Reply: Handelt es sich um eine Antwort auf einen bestehenden Status, nimmt
diese Funktion den Wert 1 an


Funktion und Aufbau – Beispiel Twitter (2/2)



Bestimmung des Referenzpotenzials in
Microblogs

•  Zahlreiche Methoden zur Untersuchung von sozialem Einfluss in Weblogs
vorhanden
•  Untersuchte Methoden und Bewertung:

–  Network Centrality (vgl. [CHIN et al. 2007])
–  Page Rank (vgl. [BRINN et al. 98])
–  Novelty Index (vgl. [ZHANG 2002])
–  Influence Rank (vgl. [SONG 2006])

à  Modelle basieren auf Strukturen und Kommunikationsannahmen welche
ausschließlich oder zum Großteil das Verlinkungsverhalten berücksichtigen
à  Besonderheiten von Microblogs werden in den Ansätzen nicht berücksichtigt


Influence Potential Framework

•  Berücksichtigt die Besonderheiten von Microblogs, insbesondere Twitter
•  Berücksichtigt direkt die Eigenschaften der beschreibenden Konstrukte des
Referenzpotenzials - Meinungsführerschaft und soziales Netz
•  Besteht aus drei Indikatoren

–  Social Network Indicator
–  Social Centrality Indicator
–  Involvement Knowledge Indicator


nk (1989), S.413f.) ist das Referenzpotential, ceteris paribus, um so gr¨ße
o
Social Network Indicator a
Netz ist,da die Anzahl der Referenzgespr¨che somit ansteigt. Berucksichtig
¨
Bezug auf die unterschiedlichen Beziehungstypen im Twitter-Umfeld komm
lgebeziehung, sowie die einseitigesozialen Netzes und damit als Indikator für
•  Dient als Indikator für die Größe des Follow-Beziehung in Frage. Die einsei
die Anzahl möglicher Referenzgespräche
arf hier nicht berucksichtigt werden, da diese Nutzer dem Einﬂuss der u
¨
•  Ein hoher SNI spricht für ein großes soziales Netz

unterliegen, dennvon Twitter kann zunächst nicht zwischen von dieser Person inn
•  ABER: Innerhalb sie erhalten keine Statusupdates strong ties und weak
ties unterschieden werden
zes.
•  à Indikator muss produktabhängig betrachtet werden
•  Die Größe des sozialen Netzes wird in Twitter durch die Aggregation der
Grund wird derbestimmt, somit ergibt sich der SNI für einen Nutzer U: U wie folgt
Beziehungen Social Network Indicator (SNI) eines Nutzers

SN IU = NFollow (U ) + NBilateral (U ) = NFollowers (U )

der Social Network Indicator auf triviale Weise durch die Anzahl de

ersonen mit wenig sozialen Kontakten (vgl. Bonfadelli (2009), S. 134f.).
Social Centrality Indicator
¨
usschlaggebend ist nach Brune (1989), dass diese Personen dabei ansprechend auf andere in

nem m¨glichst großen sozialen Kreis wirken. Es sei angemerkt, dass damit nicht notwendiger-
o
eise nur der Freundschafts- oder Bekanntenkreis, sondern vielin Bezug auf ihr soziales
•  Gibt an, wie hoch die Sozio-Zentralität einer Person mehr der komplette Einflusskreis
Netzwerk ist
emeint ist. Dabei ist es entscheidend das diese Einflussnahme ublicherweise nicht gegenseitig
¨
•  Indikator unterschiedet sich vom SNI durch die Betrachtung anderer Beziehungen
eschieht, sondern meist einseitig durch die Person mit hohem Bezugspersonen-Einflusspotenzial
im Twitter-Umfeld
¨
attfindet (vgl. Brsprechen fürS.14f.). Diese Tatsache kann unmittelbar aus dem Modell der
•  hohe Werte une (1989), ein hohes Bezugspersonen-Einflusspotenzial (BEP)
weistufigen jedes Produkt lässtaus Abbildung einem hohen BEP werben
à Nicht Kommunikation sich alleine mit 7 abgeleitet werden.
à Indikator produktspezifisch betrachten und einsetzen
it •  Als der getroffenen Aussagen kann nun der ist hier Centrality IndicatorFriend- und U
Hilfe Teilindikator für Meinungsführerschaft Social das Verhältnis von eines Nutzers
ie folgt formuliert werden: von Bedeutung:
Follow-Beziehungen

NFollow (U ) + NBilateral (U ) NFollowers (U )
SCIU = = (37)
NFriend (U ) NFriend (U )

s sei an dieser Stelle angemerkt, dass sich dabei der Social Centrality Indicator vom Social
etwork Potential Framework:durchaus Bestimmung des Referenzpotenzials ¨hrend – der SNI lediglich die Große des sozialen
Influence Indicator Eine Methode zur unterscheidet. Wa Microblogs Seite 23
in ¨

Hilfe der Retweet-Funktion, so spricht das fur eine Anerkennung des Inhalts innerhalb d
¨
ialen Netzes des Verfassers. Um so mehr Indicator ein bestimmter themenbezogen
Involvement Knowledge Retweets rU,t
eet, Dresden Professur zum Zeitpunkt tIntelligence Research
TU
welcher für Wirtschaftsinformatik – Business erstellt wurde, hat, umso mehr Verbreitung und Anerkennu
a
¨lt dieser und ist somit einﬂussreicher.
•  Spiegelt den themenbezogenen Grad des Fachwissens bzw. Involvements
dersherum ist es weiterhin von Bedeutung ob der untersuchte Tweet selbst ein Retweet ist u
einer Person zu einem Thema j wieder
à IKI darf nur themen- bzw. produktbezogen betrachtet werden
mit• die RT-Funktion aus dem Abschnitt 3.2 den Wert 1 annimmt. In diesem Fall stammt d
alt• zwar nichtVergleich derselber, deutet aber mit einer ein gewisses Interesse und einem
Prinzip: vom Nutzer Statusmeldungen dennoch Themenlandkarte Oj in Involveme
Zeitraum t1,...,TU
Bezug auf das Thema an.
•  Außerdem: Einbeziehung der Retweet-Anzahl r als Indikator für Zustimmung und t
Verbreitung des Inhalts
diesen Informationen ergibt sich der Involvement Knowledge Indicator fur einen Nutzer
¨
•  Handelt es sich bei einer Statusmeldung um ein Retweet, kann der Wert
entsprechend eines Parameters
d gegebenem Thema j wie folgt: multiplikativ abgeschwächt werden

TU

IKIU,j = Cos(AU,t , Oj )(1 − α 1{1} (RTU,t ))(1 + rt ) (3
t=1

erste Teil von Gleichung (38) stellt den Vergleich eines Blogeintrages des Nutzers U zu

Anwendung und Analysen mit dem IPF (1/2)

•  Einteilung der Kunden anschließend anhand eines IPF Portfolios möglich:


Anwendung und Analysen mit dem IPF (2/2)

•  Verschiedene Gruppierungen von Kunden:

–  Gruppe A: „Die Gurus“ – diese Personen besitzen allgemein ein hohes Fachwissen
sowie eine hohe soziale Zentralität
–  Gruppe B: „ Die Experten“ – Diese Personen zeichnen sich durch gute Kenntnisse
und Involvement in Bezug auf ein Thema j aus
–  Gruppe C: „virtuelle Meinungsführer“ - diese Personen sind sehr bekannt und
zeichnen sich durch ein hohes BEP aus
–  Gruppe D: „Die Masse“ – Diese Personen stellen die normale Masse dar

à Indikatoren werden nicht zu einer Maßzahl aggregiert, sondern werden einzeln
betrachtet und entsprechend der Situation interpretiert


KDD-Prozess zur Umsetzung des IPF

•  Prozessschritte nach ([FAYYAD 96]):
•  Selection:
–  Speicherung der Bestandsdaten des sozialen Netzes ( z.B.: Anzahl Followers) sowie
alle Statusmeldungen im Zeitraum TU
–  Keyword-Selection zum Thema j mit Twitter-Search Prozess und Speicherung der
themenbezogenen Resultate dieser Suche
•  Preprocessing:
–  Statusmeldungen werden von Stopwörtern und überflüssigen Zeichen befreit
–  spezielle Inhalte wie URLs werden für spätere Verarbeitung extra abgespeichert
–  URLs werden entfernt um eine verzerrungsfreie Repräsentation zu gewährleisten
•  Transformation:
–  Statusmeldungen werden lexikalisiert (Repräsentation einer Statusmeldung durch
Angabe der Position in einem Vokabelverzeichnis)
à Anschließend werden die Werte des IPF berechnet


AKTISCHE UMSETZUNG DES INFLUENCE POTENTIAL FRAMEWORKS

Praxisbeispiel

nlandkarte wurde uber einem Zeitraum von TT opic = 1M onat erstellt. Die Ergebnisse s
¨
ldung 36 dargestellt.IPF Werte für ausgewählteErgebnissezum den IKI-Wert wurden da
•  Berechnung der Bei der Berechnung der Personen fur Thema „SAS 9.2“
¨
tr¨ge mit Experte:¨SAS-Softwareexperte kleiner als 0.001%, zur Themenlandkarte ignori
a – 
einer Ubereinstimmung,
–  Virtueller Meinungsführer: prominente Persönlichkeit, welche allerdings keinen
¨
mit auf den Wert 0 gesetzt, um9.2“ hat
Bezug zum Thema „SAS Uberbewertung durch eine große Anzahl an Retweets
–  Basisnutzer: Person, welche selbst kein Experte ist und nur über ein kleines soziales
den. Netz verfügt

Nutzer ICI SNI SCI
Basisnutzer 0,21 9 0,375
Expertennutzer 24,31 57 1,031
virtueller Meinungsfuhrer
¨ 0 6.069.867 183622,64

à Personen werden entsprechend ihren Rollen bewertet
Abbildung 36: Auswertung Praxisbeispiel



Agenda

1. Einleitung
2. Forschungsfragen und Ziele
3. Kundenwert und Referenzpotenzial
4. Referenzpotenzial in Microblogs
5. Influence Potential Framework
6. Ausblick und weitere Forschung

Ausblick und Fazit

•  Rapide steigende Nutzerzahlen ermöglichen das Erfassen großer
Informationsmengen innerhalb von Microblogs
•  Eine Aussage über das Referenzpotential, als wichtiger Teil des Kundenwertes
kann von diesen Informationen abgeleitet werden
•  Übliche Verfahren versagen allerdings bereits im Ansatz aufgrund der speziellen
Struktur von Microblogs oder vernachlässigen wichtige Indikatoren wie
Fachwissen und Involvement
•  Das IPF bietet eine Möglichkeit, den Einfluss einer Person innerhalb von Twitter
kenntlich zu machen und somit eine Aussage über ihr Referenzpotenzial zu
treffen
•  Dennoch: In diesem Bereich muss noch viel Forschung erfolgen
•  Es muss gleichzeitig an den Methoden zur Bestimmung und an den Methoden
zur Umsetzung gearbeitet werden, um weitere Faktoren wie
Kundenzufriedenheit zu integrieren oder eine Aussage über die Stärke einer
Beziehung treffen zu können
à junges Forschungsgebiet mit großen Potenzialen

Weitere Forschung (1/2)

•  Forschungsgegenstand:

Verhaltens-
Einflussfaktoren des Referenzpotenzial
wissenschaft

Verhalten in
Operationalisierung der Einflussfaktoren sozialen
mit Hilfe von Microblogs Netzwerken

Social
Extraktion und Transformation wichtiger
Network
Daten aus Microblogs
Analysis


Weitere Forschung (2/2)

•  Forschung in allen Teildisziplinen nötig
•  Konkrete Forschungsziele:
–  Verständnis für die Verbreitung von Nachrichten innerhalb Microblogs
à Lifecycle und Prognosemodell für besondere Ereignisse wie „Rebirths“ oder
„Bursts“
–  Beschreibung dieser Sachverhalte und Integration in bestehende Modelle
–  Untersuchung des Einflusses und der Ereignisse nicht nur auf Personenbasis,
sondern auf Basis abgegrenzter Netzwerke
•  Beispiel:

Burst Rebirth

Quellen

•  Anderson, E.; C.Fornell; Lehmann, D. (1994): Customer Satisfaction, Market Share, and Profitability:
Findings from Sweden, Journal of Marketing.
•  Arasu, A. (2002): PageRank Computation and the Structure of the Web: Experiments and Algorithms,
Techn. Ber., Stanford University.
•  Austin, D. (): How Google Finds Your Needle in the Web’s Haystack, URL http://www.ams. org/
featurecolumn/archive/pagerank.html.
•  Back, A.; Gronau, N.; Tochtermann, K. (2008): Web 2.0 in der Unternehmenenspraxis: Grundla- gen,
Fallstudien und Trends zum Einsatz von Social Software, 1. Aufl., Oldenbourg, Mu nchen.
•  Bagozzi, R. (1975): Marketing as Exchange, Journal of Marketing, 32–39.
•  Bartl, A. (1992): Gewinner im Licht der Sonne, Absatzwirtschaft, Bd. Sonderheft 10, , 38–43.
•  Becker, J.; Niehaves, B.; Knackstedt, R. (2004): Bezugsrahmen zur epistomologischen Posi- tionierung
der Referenzmodellierung, in: Referenzmodellierung: Grundlagen, Techniken und doma nenbezogene
Anwendung, Becker, J. AND Delfmann, P.
•  Berghorn, C. (2009): Konzeptualisierung und Ermittlung des Kundenwertes: Am Beispiel einer
Volksbank, Diplomica Verlag.
•  BLATTBERG; THOMAS (1998): The Fundamentals of Customer Equity, Wiesbaden. Blei, D. M.; Ng, A.
Y.; Jordan, M. I. (2003): Latent Dirichlet Allocation, Journal of Machine
•  Learning Research, Bd. 3, , 993–1022.
•  Böhringer, M.; Gluchowski, P. (2009): Microblogging, Informatik-Spektrum.


Quellen

•  Bondarenko, V. (2008): Numerical Algorithms (ST 2008), URL http://www.inf. uni-konstanz.de/cgip/
lehre/na_08/Lab2/6_PageRank/html/myPageRank.html.
•  Bonfadelli, H. (2009): Medienwirkungsforschung I. Grundlagen und theoretische Perspektiven,
Konstanz.
•  Bourne, F. (1968): Group Influences in Marketing, in: Marketing Models, R.L. Day, 63–79. Brin, S.;
Page, L. (1998): The anatomy of a large-scale hypertextual web search engine, Computer
•  Networks, Bd. 30(1-7), , 107–117. Brown, J.; Reingen, P. (1987): Social Ties and Word-of-Mouth
Referral Behavior, Journal of
•  Consumer Research, 350–362. Bruhn, M. (1999): Kundenorientierung. Bausteine fu r ein exzellentes
Customer-Relationship-
•  Management (CRM), Mu nchen. Bruhn, M. (2002): Marketing. Grundlagen fu r Studium und Praxis,
Gabler Verlag. Bru ne, G. (1989): Meinungsfu hrerschaft im Konsumgu termarketing, Heidelberg.
•  Chin, A.; Chignell, M. (2007): Identifying communities in blogs: roles for social network analysis and
survey instruments, International Journal of Web Based Communities, Bd. 3 (3), , 215– 239.
•  Cornelsen, J. (1996): Kundenwert ? Begriff und Bestimmungsfaktoren, Arbeitspapiere des Lehr- stuhls
fu r Marketing, Bd. 43, , 1–20.
•  Cornelsen, J. (2000): Kundenwertanalysen im Beziehungsmarketing, Gesellsch. f. Innovatives
Marketing.
•  Cornelsen, J. (2006): Kundenbewertung mit Referenzwerten, in: Kundenwert: Grundlagen- innovative
Konzepte- praktische Umsetzungen, Gabler Verlag.


Quellen

•  da Costa Junior, M. G.; Gong, Z. (2005): Web Structure Mining: An Introduction, in: Proceedings of the
2005 IEEE International Conference on Information Acquisition, 590–595.
•  Diestel, R. (2006): Graphentheorie, Springer-Verlag. Duffy, M. (1994): A Compilation of Three Essays on
Modeling Customer Satisfaction, Ann
•  Arbor.
•  Engel, J.; Blackwell, R. (1969): Word-of-mouth Communication by the Innovator, Journal of Marketing,
15–19.
•  Esch, F.-R.; Herrmann, A.; Sattler, H. (2006): Marketing: Eine managementorientierte Einführung, 1.
Aufl., Verlag Vahlen, Mu nchen.
•  Etzioni, O. (1996): The world wide web: Quagmire or gold mine, Communications of the ACM , Bd.
39, , 65–68.
•  Feick, L.; Price, L. (1987): The Market Maven: A Diffuser of Marketplace Information, Journal of
Marketing, Bd. 1/1987, , 83–97.
•  Fischer, T. E. (2006): Unternehmenskommunikation und neue Medien: Das neue Medium We- blogs
und seine Bedeutung fu r die Public-Relations-Arbeit, 1. Aufl., Deutscher Universita tsverlag, Mu
nchen, Wiesbaden.
•  Freeman, L. C. (1978): Centrality in Social Networks: Conceptual Clarification, Social Networks, Bd. 1
(1), , 215–239.
•  Gelbrich, K.; Wu nschmann, S. (2006): Mehrdimensionaler Kundenwert als Entscheidungskri- terium fu
r die Akquisition von Kunden: Dargestellt am Beispiel der Automobilindustrie, in: Kundenwert:
Grundlagen- innovative Konzepte- praktische Umsetzungen, Gabler Verlag.

Quellen

•  Stahl, H. K. (2000): Modernes Kundenmanagement. Wenn der Kunde im Mittelpunkt steht, Expert-
Verlag GmbH.
•  Stauss, B. (1998): Beschwerdemanagement: Fehler vermeiden - Leistung verbessern - Kunden binden,
Mu nchen.
•  Tewes, M. (2003): Der Kundenwert im Marketing, Deutscher Universita tsverlag.
•  Tomzcak, T.; Rudolf-Sipo tz, E. (2006): Bestimmungsfaktoren des Kundenwertes: Ergebnisse einer
branchenu bergreifenden Studie, in: Kundenwert: Grundlagen- innovative Konzepte- praktische
Umsetzungen, Gabler Verlag.
•  Usama Fayyad, P. S., Gregory Piatetsky-Shapiro (1996): From Data Mining to Knowledge Dis- covery in
Databases, AI Magazin, Bd. AAAI 97, , 37–54.
•  Zhang, Y.; Callan, J.; Minka, T. (2002): Novelty and Redundancy Detection in Adaptive Filte- ring, in:
Proceedings of the 25st Annual International ACM SIGIR Conference on Research and Development in
Information Retrieval, Tampere, Finland.


Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

Recommandé

Recommandé

Contenu connexe

Similaire à Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs

Similaire à Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs (20)

Influence Potential Framework: Eine Methode zur Bestimmung des Referenzpotenzials in Microblogs