This dissertation studies the potential of analytical CRM for firms operating in non-contractual settings. Specifically, it addresses the questions of how to expand customers’ relationship breadth, i.e., customers’ cross-buying behavior, and how to predict customers’ purchase activity and intensity, i.e., customers’ relationship length and depth. With respect to relationship breadth, the results reveal that cross-buying across tangible product categories is driven fundamentally different than cross-buying services. With respect to predicting relationship length and depth, empirical results reveal that current state-of-the-art stochastic models fail to outperform simple management heuristics. However, latest developments in the field of machine learning, specifically support vector machines, solve these problems efficiently. On the basis of theses results, this dissertation gives implications for research and practice.    «

This dissertation studies the potential of analytical CRM for firms operating in non-contractual settings. Specifically, it addresses the questions of how to expand customers’ relationship breadth, i.e., customers’ cross-buying behavior, and how to predict customers’ purchase activity and intensity, i.e., customers’ relationship length and depth. With respect to relationship breadth, the results reveal that cross-buying across tangible product categories is driven fundamentally different than cr...    »

Die vorliegende Arbeit befasst sich mit analytischem CRM in nicht-vertraglichen Geschäftsbeziehungen. Im Speziellen adressiert sie die Fragen, welche Antezedenzien dem Cross-Buying-Verhalten von Kunden zu Grunde liegen und wie die Dauer und Intensität einer Kundenbeziehung prognostiziert werden kann. Die Befunde der empirischen Analysen dieser Arbeit zeigen, dass signifikante Unterschiede zwischen den Antezedenzien des Cross-Buying über Produktkategorien hinweg und denen des Cross-Buying von Dienstleistungen existieren. Bezüglich der Vorhersage von Kundenbeziehungsdauer und -intensität zeigen die empirischen Ergebnisse dieser Arbeit, dass moderne stochastische Methoden einfachen Managementheuristiken nicht überlegen sind. Jedoch stellen neuere Entwicklungen aus dem Feld des maschinellen Lernens, insbesondere Support Vektor Maschinen, eine effiziente und performante Alternative dar. Auf Basis dieser Ergebnisse werden Implikationen für Wissenschaft und Praxis abgeleitet.    «

Die vorliegende Arbeit befasst sich mit analytischem CRM in nicht-vertraglichen Geschäftsbeziehungen. Im Speziellen adressiert sie die Fragen, welche Antezedenzien dem Cross-Buying-Verhalten von Kunden zu Grunde liegen und wie die Dauer und Intensität einer Kundenbeziehung prognostiziert werden kann. Die Befunde der empirischen Analysen dieser Arbeit zeigen, dass signifikante Unterschiede zwischen den Antezedenzien des Cross-Buying über Produktkategorien hinweg und denen des Cross-Buying von Die...    »