Analyse sensorischer E-Commerce-Elemente mittels Big-Data-Methoden und Künstlicher Intelligenz: Automatisierung sensorischer Bewertungen von E-Commerce- und Social-Media-Plattformen auf Basis des Online Sensory Marketing Index, vol 2

Kevin Hamacher, Maike Blach, Jan Kozlik, Felix Muster, Pascal-Philipp Nöllenburg, Jan-Henrik Ohletz, Gereon Franken, Dominic Hernes, Martin Hinterding, Patrick Höveler, Michael Huppertz, Niklas Leppkes, Ariana Lopez Rodriguez, Kevin Maucy, Alexsandar Petrov, Dennis Schäfer, Robert Schneider, Bastian Spiegel, Rouven Stecker, Philipp Steinmann, Christoph Tembrink, Philipp Titze-Wolter, Liudmila Vishnyakova, Jürgen Zimmermann and Rüdiger Buchkremer

in ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung from FOM Hochschule für Oekonomie & Management, ifid Institut für IT-Management & Digitalisierung

Abstract: Kundinnen und Kunden kommunizieren, kaufen und teilen Produkte und Dienstleistungen über digitale Plattformen, in denen technische Möglichkeiten zur Präsentation sensorischer Elemente im Normalfall auf visuelle, akustische und schriftliche Elemente begrenzt sind. Um das sensorische Online-Erlebnis zu verbessern, ist es erforderlich, Medientypen und Inhalte quantitativ zu bewerten und sensorisch zu optimieren. Basierend auf dem Online Sensory Marketing Index (OSMI), einem Schema zur sensorischen Bewertung von E-Commerce-Webseiten, präsentiert das Paper Ansätze und Ergebnisse zur Entwicklung von alternativen Verfahren zur automatischen Erfassung und Bewertung sensorischer Elemente wie Texte und Bilder. In diesem Beitrag werden zu diesem Zweck moderne Big-Data- und Künstliche-Intelligenz-Ansätze aus dem Bereich der Verarbeitung natürlicher Sprache, "Natural Language Processing" und "Natural Language Understanding", angewendet. Dazu werden Worteinbettungstechniken mit GloVe und Word2Vec sowie Transformer-Technologien wie der BERT-Algorithmus zur Untersuchung von über 200 Webseiten eingesetzt. Die Ergebnisse demonstrieren einen funktionalen und skalierbaren KI-Ansatz zur Bestimmung von Elementen aus dem Themenfeld des sensorischen Marketings für E-Commerce-Plattformen und Social Media von verschiedenen Branchen und Unternehmen. Darüber hinaus sind die neuen KI-Auswahl- und Bewertungsverfahren deutlich effizienter und mit nur geringen Leistungseinbußen im Vergleich zu einer manuellen Bewertung verbunden.

Keywords: Big Data; Big-Data-Methoden; Sensory Marketing; E-Commerce; E-Commerce-Elemente; Sensorische E-Commerce-Elemente; OSMI; Online Sensory Marketing Index; Text Mining; TF-IDF; BERT; BERT-Algorithmus; GloVe; GloVe-Alorithmus; Word2Vec; Word2Vec-Algorithmus; Scoring; Künstliche Intelligenz; KI (search for similar items in EconPapers)
Date: 2023
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/278828/1/1845368126.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:fomiid:2

Access Statistics for this book

More books in ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung from FOM Hochschule für Oekonomie & Management, ifid Institut für IT-Management & Digitalisierung Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().