The Corona pandemic and its need for social distancing and feelings of fear have affected consumers worldwide and their shopping practices when it comes to food and groceries. Previous research has shown that in normal conditions it is difficult to change shopping practices and consumers routines, but that major changes in the outside world led to new or changing practices. Changed food shopping practices are a consequence of the Corona pandemic and there is a gap in previous studies when it comes to crises in the form of pandemics as they are highly unusual. The purpose of this study is to understand how consumers have changed their food shopping as a result of the pandemic from a practice theoretical perspective. We want to give an insight into where, when and how the consumer buys groceries, but also try to understand what it is that drives the consumer to a certain form of food shopping in crises in the form of a pandemic. To study this, we have used a practice theoretical perspective and conceptualized food shopping as a social practice. The analysis was based on a qualitative method in the form of a combination of focus groups and individual interviews. The study involved 23 participants divided into four focus interviews, five individual interviews and one interview with two ICA suppliers/consultants. By applying a practice-theoretical perspective to food shopping practices, the study was able to provide an insight into how consumers have changed their food shopping as a result of the pandemic and what drives the consumers to do so. The study shows that food shopping practices have changed during the pandemic and that societal crises to this extent can change strongly implemented and routinized patterns. We found that hoarding was a consequence and can be motivated by fear and “the herd effect”. At the same time, it is a concept with negative and shameful associations. We also found an increase in e-commerce. This was justified by the fact that the consumer’s main motive for shopping online was due to the risk of infecting or becoming infected themselves. Another change in food shopping practices that we observed was shopping with protection. Lastly, we found a new form of shopping called collective shopping, which is a practice that occurs temporarily and may involve a transition back to the normal state. The results of the study aim to contribute to knowledge for marketers and other practitioners to prepare society for disruptions due to other pandemics in the future. / Coronapandemin och dess följder har lett till ett behov av social distansering och känslor av rädsla har påverkat konsumenter världen över och deras shoppingpraktiker när det kommer till dagligvaror. Tidigare forskning har visat att det i normala tillstånd är svårt att förändra shoppingpraktiker och konsumenters rutiner men att större förändringar i omvärlden kan bidra till nya eller förändrade praktiker. Förändrade matshoppingpraktiker är en följd av Coronapandemin och det finns ett gap i tidigare studier när det kommer till kriser i form av pandemier då de är högst ovanliga. Syftet med denna studie är att förstå hur konsumenter har förändrat sin matshopping till följd av pandemin utifrån ett praktiksteoretiskt perspektiv. Vi vill ge en inblick i var, när och hur konsumenten handlar dagligvaror, men också försöka förstå vad det är som är driver konsumenten till en viss form av matshopping i kriser i form av en pandemi. För att studera detta har vi använt oss av ett praktikteoretiskt perspektiv och konceptualiserat matshopping som en social praktik. Analysen baserades på en kvalitativ metod i form av en kombination av fokusgrupper och enskilda intervjuer. I studien deltog 23 deltagare uppdelade i fyra fokusintervjuer, fem enskilda intervjuer och en intervju med två ICA-leverantörer/konsulter. Genom att applicera ett praktikteoretiskt perspektiv på matshoppingpraktiker kunde studien ge en insikt i hur konsumenter har förändrat sin matshopping till följd av pandemin och vad som driver konsumenten till det. Studien visar att matshoppingpraktiker har förändrats under pandemins gång och att samhällskriser i denna omfattning kan förändra starkt implementerade och rutiniserade mönster. Vi fann att hamstring var en följd av pandemin och kan motiveras med bland annat rädsla och “the herd effect”. Samtidigt är det ett begrepp med negativa kopplingar och som tycks vara skambelagt. Vi fann även en ökning av e-handel. Detta motiverades med att konsumentens viktigaste motiv till att handla just online var att minska kontakt med andra människor på grund av risken för att smitta, eller själva bli smittade. Ytterligare en förändring i matshoppingpraktiker som vi uppmärksammade var att handla med skydd. Slutligen fann vi en ny form av shopping kallad för kollektiv shopping, vilket är en praktik som sker tillfälligt och kan därmed innebära en övergång tillbaka till det normala tillståndet. Studiens resultat ämnar bidra med kunskap för marknadsförare och andra utövare för att förbereda samhället inför störningar till följd av andra pandemier i framtiden.

Farmers / En el último año, considerando el aislamiento social provocado por el COVID-19, se evidenció que Perú ha sido el segundo país que más ha visto afectada su economía en la región. Sin embargo, según Estudios Económicos del BCP, se presenció cómo algunos sectores de la economía se han visto favorecidos por el contexto de la pandemia. Entre ellos destacan las ventas online y los pagos digitales. En dicho sentido, el análisis considera que las ventas online, también conocidas como comercio electrónico, y los pagos digitales, a diferencia de los demás sectores beneficiados de la economía, demuestran cómo su crecimiento no solo se mantendrá, sino que seguirá aumentando. (Capece,2020). Como punto de partida de la descripción mencionada, se desarrolló Llankay, una plataforma marketplace, en donde unimos agricultores que se encuentran dispuestos a adaptarse al nuevo comercio digital, presentando su surtido de productos, en donde ellos mismos tienen la libertad y autoridad de poder gestionar sus precios finales, lo que les permite asegurar márgenes de ganancia más justos. Sus productos son comprados por distintos perfiles de empresa como restaurantes, hoteles, comerciantes, juguerías y más, en general, cualquier empresa que requiera el abastecimiento de insumos para su negocio, además de buscar otros atributos de valor para consolidar un aliado estratégico, como productos de calidad, compromiso y ahorro de tiempo. / In the last year, considering the social isolation caused by COVID-19, it was evident that Peru has been the second country that has seen its economy most affected in the region. However, according to BCP Economic Studies, it was witnessed how some sectors of the economy have been favored by the context of the pandemic. These include online sales and digital payments. In this sense, the analysis considers that online sales, also known as electronic commerce, and digital payments, unlike the other benefited sectors of the economy, demonstrate how their growth will not only be maintained but will continue to increase. (Capece, 2020). As a starting point for the aforementioned description, Llankay was developed, a marketplace platform, where we unite farmers who are willing to adapt to the new digital commerce, presenting their assortment of products, where they have the freedom and authority to manage their final prices, which allows them to ensure fairer profit margins. Its products are purchased by different company profiles such as restaurants, hotels, merchants, juice stores, and more, in general, any company that requires the supply of supplies for its business, in addition to seeking other valuable attributes to consolidate a strategically, such as products of quality, commitment and saving time. / Trabajo de investigación

E-commerce has seen a rapid growth the last two decades, making it easy for customers to shop wherever they are. The growth has also led to new kinds of fraudulent activities affecting the customers. To make customers feel safe while shopping online, companies like Resurs Bank are implementing different kinds of fraud filters to freeze transactions that are thought to be fraudulent. The latest type of fraud filter is based on machine learning. While this seems to be a promising technology, data and algorithms need to be tuned properly to the task at hand. This thesis project gives a proof of concept of realizing a machine learning based fraud filter for Resurs Bank. Based on a literature study, available data and explainability requirements, this work opts for a supervised learning approach based on Random Forests with a sliding window to overcome concept drift. The inherent class imbalance of the setting makes the area-under-the-receiver operating-curve a suitable metric. This approach provided promising results that a machine learning based fraud filter can add value to companies like Resurs Bank. An alternative approach on how to incorporate non-numerical features by using recurrent neural networks (RNN) was implemented and compared. The non-numerical feature was transformed by a pre-trained RNN-model to a numerical representation that reflects the features suspiciousness. This new numerical feature was then included in the Random Forest model and the result demonstrated that this approach can add valuable insight to the fraud detection field.

Denna undersökning handlar om att identifiera vad för faktorer som påverkar högskolestudenters beslut vid godkännande av cookies vid besök av e-handel. Undersökningen utfördes genom mixed metod forskningsmetod. Metoderna skedde i form av kvantitativ och kvalitativ i form av enkätundersökning samt intervjuer. Syftet med undersökningen var att förstå vilka faktorer som påverkar studenters godkännande av cookies när de besöker e-handel. Motiven till denna undersökning är att allt fler människor spenderar en stor del av sin tid på en växande bransch där de ständigt bemöts av popuppnotifikationer av cookies som kräver deras godkännande och medför att per automatik att många godkänner utan grund på informerat samtycke. Detta är något som behöver undersökas för att identifiera vad för faktorer som påverkar högskolestudenter informerade samtyckes godkännande av cookies.

This PhD thesis deals with the issue of electronic commerce with a primary focus on customers. The reason and purpose of the doctoral thesis is a growing need and increasing requirements for the creation of electronic transactions. Research has been conducted, showing that the scope of electronic commerce is of great importance and will increasingly need to build a broader and more developed network of virtual stores. In the work attention is paid to the very issue of e-commerce and CRM issues. The objectives of thesis are: to define a new model system of electronic commerce, the methodology of the new direction of the electronic business, to propose an appropriate methodology for the new direction of e-commerce and application of new methodologies and strategies of e-commerce trends. Theoretical knowledge in the work is based on various sources by both Czech and foreign authors. In this work are described in detail the steps and results of practical research and exploration. There are discussed the development and operation of e-commerce, and recommendations for the future are suggested. The basis for the development of the doctoral thesis was a study of existing literature, and primary research in a company with an important position in the market. The work is aimed to serve science, educational purposes in education and as a handbook for the emerging e-commerce, and is the basis for further research and scientific work in the field of electronic commerce.

Storytelling is one of the most creative, powerful and effective tools of modern marketing strategies and communication. Due to the expansion of social media, storytelling has become a popular marketing and sales tool that may affect consumer behavior. This research has been conducted from a storytelling perspective with the purpose of finding the correlation between consumer reviews and consumer purchasing behavior. This study focuses on consumer stories which are reflected in terms of product reviews and ratings. Where the correlation between these reviews and ratings and their effects on overall product sales are investigated. The study answers the question, “If reviews & rating have a correlation with consumer purchasing behavior in digital marketing, and if so then how this correlation could be defined?” The data collection and tests have been conducted in a practical environment. The German online stores have been used as the main mode of data collection. Depending on the nature of the data, the quantitative analysis approach has been adopted. By conducting real-time sales data tests, this study fills the gap in previous consumer research studies. The in-depth analysis of results show the correlation between consumer reviews and product sales. The results have revealed that consumer reviews may influence overall product sales and help a consumer in purchasing decision. / Storytelling är ett av de mest kreativa, kraftfulla och effektiva redskapen i modern marknadsföring. På grund av den ökande användningen av sociala medier har storytelling blivit ett populärt redskap för att påverka konsumenternas beteende. Denna studie har utförts från perspektivet av storytelling med syftet att finna en korrelation mellan kundrecensioner och kundernas köpbeteende. Studien fokuserar på kundernas historier som reflekteras i recensioner och betyg, där korrelationen mellan recensioner och betyg och övergripande försäljning undersöks. Studien syftar till att besvara frågan ”Om recensioner & betyg har en korrelation med kundernas köpbeteende i digital marknadsföring, och om så hur kan korrelationen definieras?” Datainsamlingen och testandet har utförts i en praktisk miljö. Tyska online butiker har använts som huvudsaklig metod för datainsamling. På grund av strukturen på data har en kvantitativ analys metod använts. Genom att genomföra tester i realtid, har denna studie kompletterat tidigare forskning kring kundbeteende. Den fördjupade analysen av resultaten visar att det finns en korrelation mellan kundrecensioner och försäljning. Resultaten har visat att kundrecensioner kan påverka försäljningen av produkter och hjälpa en konsument i ett köpbeslut.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-27T16:51:30Z No. of bitstreams: 1 FÁBIO ROBERTO PILLATT - DISSERTAÇÃO PPGCC 2002..pdf: 1041756 bytes, checksum: fc86922162194a17563dd44222e08596 (MD5) / Made available in DSpace on 2018-08-27T16:51:30Z (GMT). No. of bitstreams: 1 FÁBIO ROBERTO PILLATT - DISSERTAÇÃO PPGCC 2002..pdf: 1041756 bytes, checksum: fc86922162194a17563dd44222e08596 (MD5) Previous issue date: 2002-08-29 / Ao se avaliar o atual cenário de negócios, percebe-se que o e-business tem se convertido numa peça fundamental para o fortalecimento da cadeia de valor das atividades tradicionais de negócios. Porém, a velocidade do crescimento do e-business no cenário mundial ainda depende de vários fatores, dentre os quais cita-se a confiabilidade sobre as transações. Este trabalho apresenta uma alternativa para se obter e mensurar relacionamentos de confiança sobre as atividades de negociação virtual, propondo um modelo de confiança para avaliação do nível de confiabilidade atribuído a cada transação. A forma como o modelo deverá ser implementado também é indicada e comentada. / When evaluating today business environment, it is noticed that e-business technologies are being outlined as fundamental pieces to strengthen the value chain of traditional business activities. Furthermore, the growth of e-business technologies in the global market depends on several factors and transactions' reliability is one of them. This dissertation presents an alternative to obtain and measure trust relationships on virtual activity of negotiation, proposing a trust model for evaluation of the reliability level assigned to a given transaction. Also it is described how the model is being implemented and how to apply it.

Many companies strive to make data-driven decisions. To achieve this, they need to explore new tools for Business Intelligence. The aim of this study was to examine the performance and usability of aspect-based sentiment analysis as a tool for Business Intelligence in E-commerce. The study was conducted in collaboration with Ellos Group AB which supplied anonymous customer feedback data. The implementation consists of two parts, aspect extraction and sentiment classification. The f irst part, aspect extraction, was implemented using dependency parsing and various aspect grouping techniques. The second part, sentiment classification, was implemented using the language model KB-BERT, a Swedish version of the BERT model. The method for aspect extraction achieved a satisfactory precision of 79,5% but only a recall of 27,2%. Moreover, the result for sentiment classification was unsatisfactory with an accuracy of 68,2%. Although the results underperform expectations, we conclude that aspect-based sentiment analysis in general is a great tool for Business Intelligence. Both as a means of generating customer insights from previously unused data and to increase productivity. However, it should only be used as a supportive tool and not to replace existing processes for decision-making. / Många företag strävar efter att fatta datadrivna beslut. För att åstadkomma detta behöver de utforska nya metoder för Business Intelligence. Syftet med denna studie var att undersöka prestandan och användbarheten av aspektbaserad sentimentanalys som ett verktyg för Business Intelligence inom e-handeln. Studien genomfördes i samarbete med Ellos Group AB som tillhandahöll data bestående av anonym kundfeedback. Implementationen består av två delar, aspektextraktion och sentimentklassificering. Aspektextraktion implementerades med hjälp av dependensparsning och olika aspektgrupperingstekniker. Sentimentklassificering implementerades med hjälp av språkmodellen KB-BERT, en svensk version av BERT. Metoden för aspektextraktion uppnådde en tillfredsställande precision på 79,5% men endast en recall på 27,2%. Resultatet för sentimentklassificering var otillfredsställande med en accuracy på 68,2%. Även om resultaten underpresterar förväntningarna drar vi slutsatsen att aspektbaserad sentimentanalys i allmänhet är ett bra verktyg för Business Intelligence. Både som ett sätt att generera kundinsikter från tidigare oanvända data och som ett sätt att öka produktiviteten. Det bör dock endast användas som ett stödjande verktyg och inte ersätta befintliga processer för beslutsfattande.

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.

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