While a well-built index can measure a complex phenomenon and produce an easy-to-digest output, the construction of an index is vulnerable to errors. Already prominent in a wide range of fields, indices are increasingly leveraged in Customer Success (CS), with all major CS software now offering index construction features. This paper analyzes one such software, Gainsight Customer Success, to explore how it can be used to build an index in line with the constructor’s intentions. Concepts from multicriteria decision analysis (MCDA) illuminate possibilities and pitfalls in executing key steps of index construction in the software: value functions in exploring normalization; the distinction between “importance measures” and “trade-off ratios” in examining the meaning of the weights; the concept of compensability in guiding our aggregation analysis. Finally, the MCDA concept of value trees highlights both weighting and aggregation approaches. We find that the Gainsight user must possess some index construction expertise in order to control normalization, weighting, and aggregation, or even to understand how settings related to these steps affect the total score of an index built in the software. Importantly, neither the meaning of the weights as applied in the tool, nor the level of compensability allowed for in aggregation, are transparent to the user. In examining these questions of how construction choices affect the meaning of an index’s output, this analysis may be consulted for guidance by CS practitioners looking to build useful indices in any software.

Die Blockchain-Technologie revolutioniert die Interaktion zwischen Menschen durch Peer-to-Peer-Netzwerke, Kryptografie und Konsensalgorithmen. Trustless Trust ermöglicht sichere und transparente Transaktionen ohne Zwischenhändler. Trotz der zunehmenden Beliebtheit von Krypto-Assets und den damit verbundenen „Tokenomics“ hat die Öffentlichkeit immer noch kein umfangreiches Wissen über die Funktionsweisen dieser Technologie, und ein Großteil des Diskurses bleibt spekulativ. Das Hauptziel dieser Arbeit ist, die grundlegenden Prinzipien von Krytowährungen (Cryptos) und Non-Fungible Tokens (NFTs) zu untersuchen sowie eine Korrelation zwischen der Technologie und ihren Auswirkungen auf die Wirtschaft aus statistischer und wirtschaftlicher Sicht herzustellen. Um dieses Ziel zu erreichen, wird in den Kapiteln 2 und 3 der Einfluss der Blockchain-Technologie auf Ökonomie und Funktionsweise von Kryptowährungen anhand ökonometrischer Modelle und Clustering-Techniken untersucht. Kapitel 3 untersucht Kryptowirschaft und Blockchain-Funktionalität anhand empirischer Methoden, insbesondere für Coincreatoren und Investoren. Wir zeigen am Beispiel von Ethereum, dass die wirtschaftliche Leistung von Kryptowährungen durch die Gestaltung der ihnen zugrunde liegenden Blockchain-Technologie beeinflusst werden kann. Kapitel 4 untersucht die partiellen Korrelationen von Bitcoin-Renditen über neun verschiedene Zentralbörsen aus der Perspektive eines hochfrequenten, dynamischen Netzwerks. Die vorgeschlagene MHAR-CM liefert Kovarianzschätzungen, die die Besonderheiten der Kryptomärkte berücksichtigen. Das Kapitel zeigt Spillover- und Third-Party-Risiken zwischen diesen Börsen. Kapitel 5 verwendet eine Hedonische Bewertungsmethode, um den DAI Digital Art Index basierend auf dem NFT-Kunstmarkt zu konstruieren. Ein besonderer Fokus liegt auf der Nivellierung der Auswirkungen von Ausreißern mit einer einstufigen robusten Regressions-Huberisierung und einem dynamic conditional score model. Diese Arbeit verknüpft neue Technologien und Wirtschaft durch statistische Modellierung und Analyse. Durch die Bereitstellung empirischer Belege beobachten wir, wie die Blockchain-Technologie unsere Wahrnehmung von Geld, Kunst und anderen Branchen verändert. / The emergence of distributed ledger technologies, such as blockchain, has revolutionized how individuals interact by enabling "trust-less trust" through peer-to-peer networks, cryptography, and consensus algorithms. This technology eliminates intermediaries and provides secure, transparent transaction methods. However, public understanding of this technology, along with "Tokenomics", remains limited, resulting in speculative discourse. The main objective of this thesis is to investigate the fundamental principles of cryptocurrencies (cryptos) and non-fungible tokens (NFTs) and establish a correlation between the technology and its economic impact from statistical and economic perspectives. To achieve this, Chapters 2 and 3 explore the influence of blockchain technology on the economic and functional performance of cryptos using econometric models and clustering techniques. Chapter 3 presents an empirical framework that offers insights to coin creators and investors regarding the interplay between cryptonomics, blockchain functionality, and market dynamics. The economic performance of cryptocurrencies, illustrated with Ethereum as an example, is shown to be affected by the design of their underlying blockchain technology. Chapter 4 examines partial correlations of Bitcoin returns across nine centralized exchanges from a high-frequency dynamic network perspective. The proposed MHAR-CM provides reasonable covariance estimates that account for the unique characteristics of crypto markets. This chapter uncovers spillover risk and counterparty risk among these exchanges. In Chapter 5, a hedonic regression approach is employed to construct the DAI digital art index for the NFT art market. Special emphasis is given to mitigating the impact of outliers using one-step robust regression Huberization and a dynamic conditional score model. The DAI index enhances our understanding of this emerging art market and facilitates observation of its macroeconomic trends. This thesis establishes a connection between emerging technologies and the economy through statistical modeling and analysis. By providing empirical evidence, we gain insights into how blockchain technology is transforming our perceptions of money, art, and various industries.