Affiliate marketing has become a rapidly growing part of the digital marketing sector. However, fraud in affiliate marketing raises a serious threat to the trust and financial stability of the involved parties. This thesis investigates the performance of three supervised machine learning algorithms - random forest, logistic regression, and support vector machine in detecting fraud in affiliate marketing. The objective is to answer the following main research question by answering two sub-questions: How much can Random Forest, Logistic Regression, and Support Vector Machine contribute to the detection of fraud in affiliate marketing? 1. How can the models be compared in an experiment? 2. How can they be optimized and applied within an affiliate marketing framework? To answer these questions, a dataset of transaction logs is analyzed in collaboration with an affiliate network company. The machine learning experiment employs k-fold crossvalidation and the Area Under the ROC Curve (AUC-ROC) performance metric to evaluate the effectiveness of the classifiers in distinguishing fraudulent from non-fraudulent transactions. The results indicate that the random forest classifier performs best out of the models, achieving the highest mean AUC of 0.7172. Furthermore, using feature importance analysis demonstrates that each feature category had different impact on the performance of the models. It was discovered that the models computes different feature importance meaning that some features displayed greater influence on specific models. By fine-tuning and optimizing the hyperparameters for each model, it is possible to enhance their performance. Despite certain limitations, such as time constraints, data availability, and security restrictions, this study highlights the potential of supervised machine learning algorithms. Particularly random forest showed to how it could be used to improve fraud detection capabilities in affiliate marketing.The insights contribute to closing the knowledge gap in comparing the effectiveness of various classification methods and practical applications for fraud detection.

Title: JZD Chelčice - an example of successful collective farm period of "normalization"? Author: Martin Kopeček Department: Department of History and History Didactics Supervisor: Prof. PhDr. Jiří Pokorný, CSc Abstract: The work deals with the Uniform agricultural cooperative in Chelčice in the normalization in Czechoslovakia. He tries to map its achievements and to answer the questions: what the nature of these accomplishments were (production, economy, presentation of achievements in contemporary media), on what is based (system and organization management, governing elites, economic concept, formal and informal relationships to the state and party authorities) and what were their historical context (esp. toward the village and the local agricultural production). Results are trying to contextualize contemporary, yet modest debate about the role of an agricultural cooperative in the normalization Key words: Chelčice - socialistist agriculture - United Agriculture Cooperative - collective farm - agriculture in socialist Czechoslovakia - affiliate production - khozraschyot - socialist entrepreneurship .

This diploma work deals with specific business concept and with possibilities of a company promotion on the Internet. The theoretical segment contains a survey of the Internet business models and a synopsis of current individual forms of promotion used on the Internet. There are described advantages and disadvantages of banner advertising, contextual advertising, email marketing, search engine marketing (SEM), social networks and affiliate marketing. The final part of theoretical section of the thesis is dedicated to the possibilities of propagation efficiency measurements. Practical part of the diploma work introduces author's own business concept and its business model. The description of specific methods of propagation realized in congruence with the noted business concept follows.

L'objectif de cette thèse est d'explorer la stigmatisation perçue liée à la maladie d'Alzheimer (MA) parmi une population d'aidants familiaux (enfants adultes ou conjoints) accompagnant leurs proches (conjoints ou parents) vivant avec une probable MA. Parmi les patients, non seulement, il est examiné les sources de stigmatisation envers les personnes vivant avec une probable MA associées aux réactions émotionnelles et comportementales d'affiliation ou de distance sociale de l'entourage. Mais encore il est observé les facteurs de stigmatisation qui prédisent une variation de leur qualité de vie. Parmi, leurs aidants familiaux, il est étudié les facteurs de stigmatisation qui prédisent une variation de la symptomatologie dépressive et du fardeau de soins. Dans cette relation, il est étudié le rôle modérateur du soutien social. Nos résultats indiquent parmi les patients, que la fréquence des symptômes comportementaux liés à la dépression prédisent les émotions négatives et les comportements de distance sociale de l'entourage. Aussi, nous observons que la qualité de vie du patient varie selon son lieu de résidence. Au domicile, il est observé davantage de comportements de distance sociale venant de l'entourage. Parmi les proches aidants, il est constaté que soutien social modère les effets entre les émotions négatives, les comportements de distance sociale de l'entourage envers le patient, et la symptomatologie, le fardeau de soins des aidants. Mais que le soutien social exacerbe les effets entre les émotions positives de l'entourage et le fardeau de soins. Cette thèse permet d'objectiver la stigmatisation liée à la maladie d'Alzheimer parmi les patients et leurs proches aidants. Les résultats obtenus justifieraient l'élaboration d'actions de communication centrées sur la nécessité du soutien social auprès de l'ensemble des personnes affectées par la maladie d'Alzheimer. / This thesis aims at exploring the perceived stigmatization towards persons possibly leaving with Alzheimer’s disease among the population of the family caregivers – grown-up children and spouses. Not only do we have observed sources of stigmatizations aimed at patients possibly leaving with Alzheimer’s disease, in relation with emotional reactions and either affiliation behavior, or social distancing from the family and social circle, but we have also observed factors of stigmatization leading to variations in patients’ quality of life. Amongst family caregivers, we have studied factors of stigmatization leading to changes in the associated depressive symptoms and the increased caregiver burden. With respect to the relationship induced, we have given attention to the moderating role of social support. Our results show that, among patients, the negative emotions and the social distancing behavior from social circle can be linked to the frequency of behavioral symptoms related to the depression. With respect to this observation, we show an variation in the patients’ quality of life according to the places they live in. At home, we have noted increased social distancing behavior from the social circle. Amongst the relatives caregivers, we have also noticed that social support has a moderating influence on the effects of negative emotions, the social distancing behavior from the social circle towards the patient, the symptoms and the burden of care felt by the caregivers. However, the social support exacerbates the relation between positive emotions among the relatives and the burden of care. This thesis gives us the opportunity to objectify the stigmatization process with respect to Alzheimer’s disease amongst patients and their relatives caregivers. Our results could open the way to specific communications promoting the necessity for social support in favor of the entire population concerned by Alzheimer’s disease.

This Diploma thesis is focused on the Internet marketing tools, which are suitable for the Company aimed at selling consumable goods. These Internet marketing tools are applied within Zoot Company. Diploma thesis is divided in two logical parts, theoretical and practical. Individual tools are introduced and intimately analysed in theoretical part. For all mentioned tools, there is a definition of their advantages, description of the process, how to manage those tools, the process models and the description of the tools for their evaluation. The practical part is based on the theoretical part. This part contains the analysis of the Zoot Company and its competitors and the analysis of Zoot's usage of the Internet marketing tools defined in theoretical part. The end of the practical part contains recommendations, how to improve the Internet marketing tools management. Main benefit of the theoretical part is the framework of Internet marketing tools, which are suitable for the Company aimed at selling consumable goods and their process adaptation. The benefit of the practical part is the intimate analysis of Zoot Company and its usage of the Internet marketing tools from theoretical part together with recommendations how to improve the Internet marketing tools management.

The diploma thesis is concerned with the marketing strategy proposal for start-up project. The thesis summarizes the theoretical knowledge about marketing strategy on the Internet. The practical part analyze the Project including the internal and external Environment. Marketing strategy is proposed according to analysis and marketing researches. At the end are suggested method of evaluating the effectiveness of the proposed strategy, financial demands and critical factors of success.

The aim of the diploma thesis is to prepare a design of multi-level sales network information system for the company 1WAY COMPANY s.r.o. system will be designed with a maximum regard to the success of final solution and automation particular corporate processes. The work also describes company’s system requirements, implementation methods, budgeting and creating of service agreements. For the proper system functionality is needed to design a permission management included organization structure, Event-driven Process Chain and RACI responsibility matrix.

Personalisierung ist ein wichtiger Bereich des Internet Marketings, zu dem es wenige experimentelle Untersuchungen mit großen Teilnehmerzahlen gibt. Für den erfolgreichen Einsatz von Empfehlungsverfahren sind umfangreiche Daten über das Käuferverhalten erforderlich. Diesen Problemstellungen nimmt sich die vorliegende Arbeit an. In ihr wird das Shop-übergreifende individuelle Käuferverhalten von bis zu 126.000 Newsletter-Empfängern eines deutschen Online-Bonussystems sowohl mittels ausgewählter Data-Mining-Methoden als auch experimentell untersucht. Dafür werden Prototypen eines Data-Mining-Systems, einer A/B-Test-Software-Komponente und einer Empfehlungssystem-Komponente entwickelt und im Rahmen des Data Minings und durch Online-Feldexperimente evaluiert. Dabei kann für die genannte Nutzergruppe in einem Experiment bereits mit einem einfachen Empfehlungsverfahren gezeigt werden, dass zum einen die Shop-übergreifenden individuellen Verhaltensdaten des Online-Bonus-Systems für die Erzeugung von Empfehlungen geeignet sind, und zum anderen, dass die dadurch erzeugten Empfehlungen zu signifikant mehr Bestellungen als bei der besten Empfehlung auf Basis durchschnittlichen Käuferverhaltens führten. In weiteren Experimenten im Rahmen der Evaluierung der A/B-Test-Komponente konnte gezeigt werden, dass absolute Rabattangebote nur dann zu signifikant mehr Bestellungen führten als relative Rabatt-Angebote, wenn sie mit einer Handlungsaufforderung verbunden waren. Die Arbeit ordnet sich damit in die Forschung zur Beeinflussung des Käuferverhaltens durch Personalisierung und durch unterschiedliche Rabatt-Darstellungen ein und trägt die genannten Ergebnisse und Artefakte bei.

This project describes internet marketing and its components (search engine marketing, internet advertising, internet PR, e-mail marketing etc.). It also describes the possibilities of employing internet in marketing and depicts new ways of online communication. The expenses for internet advertising are constantly growing as well as the number of internet users. The number of universities is increasing and so is the competition. That's why it's vital that they should act as a part of the market and use marketing strategies. The objective of this project is to analyse and suggest communication strategies of the Faculty of Management at the University of Economics in Prague using the knowledge acquired from the theoretical part. The practical part specifies the target group, draws up a report and chooses the way of communication. Further on, we will consider the timing of every single activity and the overall budget.

Personalisierung ist ein wichtiger Bereich des Internet Marketings, zu dem es wenige experimentelle Untersuchungen mit großen Teilnehmerzahlen gibt. Für den erfolgreichen Einsatz von Empfehlungsverfahren sind umfangreiche Daten über das Käuferverhalten erforderlich. Diesen Problemstellungen nimmt sich die vorliegende Arbeit an. In ihr wird das Shop-übergreifende individuelle Käuferverhalten von bis zu 126.000 Newsletter-Empfängern eines deutschen Online-Bonussystems sowohl mittels ausgewählter Data-Mining-Methoden als auch experimentell untersucht. Dafür werden Prototypen eines Data-Mining-Systems, einer A/B-Test-Software-Komponente und einer Empfehlungssystem-Komponente entwickelt und im Rahmen des Data Minings und durch Online-Feldexperimente evaluiert. Dabei kann für die genannte Nutzergruppe in einem Experiment bereits mit einem einfachen Empfehlungsverfahren gezeigt werden, dass zum einen die Shop-übergreifenden individuellen Verhaltensdaten des Online-Bonus-Systems für die Erzeugung von Empfehlungen geeignet sind, und zum anderen, dass die dadurch erzeugten Empfehlungen zu signifikant mehr Bestellungen als bei der besten Empfehlung auf Basis durchschnittlichen Käuferverhaltens führten. In weiteren Experimenten im Rahmen der Evaluierung der A/B-Test-Komponente konnte gezeigt werden, dass absolute Rabattangebote nur dann zu signifikant mehr Bestellungen führten als relative Rabatt-Angebote, wenn sie mit einer Handlungsaufforderung verbunden waren. Die Arbeit ordnet sich damit in die Forschung zur Beeinflussung des Käuferverhaltens durch Personalisierung und durch unterschiedliche Rabatt-Darstellungen ein und trägt die genannten Ergebnisse und Artefakte bei.:1 Inhalt 1 Einleitung 1 1.1 Stand der Forschung 3 1.2 Forschungsbedarf 6 1.3 Forschungskonzept 8 1.4 Verwendete Methoden 11 1.5 Aufbau der Arbeit 11 2 Theoretische und konzeptionelle Grundlagen 13 2.1 Internethandel, E-Commerce und E-Business 13 2.2 Marketing, Konsumenten- und Käuferverhalten 16 2.2.1 Käuferverhalten bei Rabatt-Angeboten 20 2.3 Internet Marketing 21 2.3.1 Erfolgskontrolle im Internet Marketing 24 2.3.2 Ausgewählte Disziplinen des Internet Marketings 27 2.3.2.1 Affiliate Marketing 28 2.3.2.2 Online-Cashback-Systeme 35 2.3.2.3 E-Mail-Marketing 38 2.4 Personalisierung im Internet Marketing 56 2.4.1 Empfehlungssysteme 59 2.4.2 Bewertung von Empfehlungssystemen 59 2.4.3 Architektur von Empfehlungssystemen 60 2.4.4 Empfehlungssystem-Kategorien 62 2.4.4.1 Hybride Empfehlungssysteme 67 2.4.5 Techniken für Empfehlungsverfahren 69 2.5 Wissensaufbereitung und -entdeckung 89 2.5.1 Datenerhebungsverfahren 89 2.5.1.1 Datenqualität 91 2.5.1.2 Datensicherheit und Datenschutz 92 2.5.2 Knowledge Discovery und Data Mining 94 2.5.2.1 Der Data-Mining-Prozess 96 2.5.2.2 Data-Mining-Problemtypen 98 2.5.2.3 Das Data-Mining-System 100 2.5.3 Das Experiment als Erhebungsdesign 106 2.5.3.1 Anforderungen und Gütekriterien 111 2.5.3.2 Online-Feldexperimente im Marketing 117 2.5.3.3 Auswertungsverfahren 120 2.5.3.4 Theoretische Grundlagen des A/B-Testverfahrens 121 3 Vorgehen 126 3.1 Forschungsdesign 126 3.1.1.1 Ziele und Anforderungen der Andasa GmbH 128 3.1.1.2 Ziele und Anforderungen des Instituts für Angewandte Informatik 129 3.1.2 Design des Informationssystems 130 3.1.2.1 Der Designprozess 131 3.1.3 Konzeption des Software-Systems 133 3.1.4 Evaluation 134 3.2 Datenanalyse 135 3.2.1 Datenbeschaffung 135 3.2.2 Datenaufbereitung 136 3.2.3 Auswahl geeigneter Data-Mining-Methoden 137 3.2.3.1 Auswahl-Kriterien 137 3.2.3.2 Methodenauswahl 140 3.2.4 Erläuterung ausgewählter Data-Mining-Methoden 156 3.2.4.1 Bayes’sche Netze 156 3.2.4.2 Clustering 158 3.2.4.3 Diskriminanzanalyse 158 3.2.4.4 Korrelationsanalyse 159 3.2.4.5 Online Analytical Processing (OLAP) 159 3.2.5 Auswahl geeigneter Data-Mining-Werkzeuge 165 3.2.5.1 Auswahlprozess 165 3.2.5.2 Kriterien 166 3.2.5.3 Werkzeuge zur statistischen Analyse und Visualisierung 168 3.2.5.4 Werkzeuge für Clustering und Diskriminanzanalyse 168 3.2.5.5 Werkzeuge für Online Analytical Processing 169 3.2.5.6 Werkzeuge für Bayes’sche Netze 169 3.3 Untersuchungsdesign 171 3.3.1 Online-Marketing-Instrumente bei Andasa 172 3.3.2 Stimulus-Auswahl 174 3.3.3 Entwurf des Experimentaldesigns 175 4 Umsetzung 180 4.1 Architektur und prototypische Implementation 180 4.1.1 Das Data-Mining-System 180 4.1.2 Der ETL-Prozess 181 4.1.2.1 Datenerhebung 183 4.1.2.2 Datenbereinigung 184 4.1.3 Die A/B-Testumgebung 185 4.1.4 Das Empfehlungssystem 189 4.1.5 Usability-Evaluation 196 4.2 Data Mining 199 4.2.1 Statistische Analyse 200 4.2.2 Anwendung ausgewählter Data-Mining-Methoden 206 4.2.2.1 Clustering 208 4.2.2.2 Klassifikation 213 4.2.2.3 Modellierung als Bayes’sche Netze 214 4.2.3 Ergebnisse und Evaluation 221 4.3 Feldexperimente mit Newslettern 222 4.3.1 Eckdaten der Tests 223 4.3.2 Beispiel-Experimente 224 4.3.3 A/B-Tests Rabattdarstellungen 226 4.3.3.1 Öffnungsrate Prozente vs. Euro 226 4.3.3.2 Klickrate Prozente vs. Euro 227 4.3.3.3 Conversion-Rate Prozente vs. Euro 229 4.3.4 A/B-Test zur Personalisierung 230 4.3.4.1 Auswahl des Empfehlungsverfahrens 230 4.3.4.2 Definition der Kontrollgruppe 231 4.3.4.3 Operative Durchführung 231 4.3.4.4 Auswertung 232 4.3.5 Ergebnisse und Evaluation 236 5 Zusammenfassung und Ausblick 239 6 Anhang 243 6.1 Anhang A Usability-Evaluation 243 6.1.1 Methoden der Usability-Evaluierung 246 6.1.1.1 Usability-Tests und lautes Denken 246 6.1.1.2 Benutzerbefragung 248 6.1.1.3 Feldstudien und Partizipation 250 6.1.1.4 Expertenorientierte (Inspektions-)Methoden 251 6.1.1.5 Formal-analytische Verfahren 252 6.1.1.6 Quantitative Fragebogen 252 6.1.1.7 Verfahrensmodell 259 6.1.1.8 Auswertung 262 6.1.2 Fragebögen 263 6.2 Anhang B Zeitreihenanalyse 281 6.2.1 Klassische Komponentenmodelle 281 6.2.2 Stochastische Prozesse 282 6.2.3 Fourier-Analyse-Methoden (Spektralanalyse) 283 6.3 Anhang C Daten und Programme 286 6.3.1 Technische Daten 286 6.3.1.1 Data Warehouse / Data Mining Server 286 6.3.2 Programm- und Skriptcodes 287 6.3.2.1 R- Skripte 287 6.3.2.2 SQL – Skripte 296 6.3.2.3 C# Code MostRecentLinkInvocationsShopRecommender.cs 314 6.3.3 Daten A/B-Tests 317 6.3.3.1 Übersicht Newsletter 317 6.3.3.2 Mengengerüst Aussendungen 319 6.3.3.3 Shopaufrufe und Besteller 319 6.3.3.4 Darstellungen der Newsletter-Varianten 320 6.3.4 Daten Personalisierung 335 6.4 Abbildungsverzeichnis 338 6.5 Tabellenverzeichnis 343 6.6 Literaturverzeichnis 346