Identyfikacja preferencji użytkowników serwisów handlu elektronicznego

• Autorzy: Tomasz Zdziebko

Warianty tytułu

E-Customers Prferences' Identification

• Języki publikacji: PL

Abstrakty

Rosnące wymagania klientów, spadek lojalności i nasilenie konkurencji zmuszają firmy do podejmowania coraz dalej idących działań mających na celu zdobycie i utrzymanie klientów. Potrzeba ta jest szczególnie istotna w obszarze handlu elektronicznego, gdzie konkurencja znajduje się o jedno kliknięcie myszki dalej. Wyższe z reguły koszty pozyskania klientów niż ich utrzymania przyczyniają się do podejmowania działań mających na celu przywiązanie klientów do firmy. Koncepcja zarządzania relacjami z klientami (ang. Customer Relationship Management - w skrócie CRM) stanowi odpowiedź na negatywne zmiany w środowisku funkcjonowania firm1. Filozofia CRM polega na stosowaniu indywidualnych strategii w stosunku do każdego klienta w celu nie tylko zdobycia, ale przede wszystkim utrzymania długoterminowego z nim kontaktu. Stąd istotą CRM jest budowa spójnego, bogatego w szczegóły wizerunku klienta oraz organizacja pracy pozwalająca na możliwie indywidualne traktowanie każdego klienta. Dlatego, jak zauważa Phi-lip Kotler, zrozumienie wartości postrzeganych przez klienta i jemu dostarczanych może stanowić trwałe źródło przewagi konkurencyjnej.(fragment tekstu)

EN

Increasing competition and decreasing customers' loyalty requires companies to take upon activities aiming toward building long term relationships with customers. These is especially crucial objective for e-commerce sector. Personalization is one of the techniques used nowadays for building individual customers' experience. This pro-cess requires to possess good knowledge of their preferences. One of techniques used to obtain such knowledge is implicit feedback. This article proposes new procedure for obtaining e-commerce customer's behavior data and learning about their preferences from them. Main contribution of this procedure is extension for FireFox browser which allow to run study in user's natural environment. Extension created for this study allows to monitor variety of events, which are used for calculating implicit interest indicators. This article describes results of preliminary study for modeling e-customers preferences with implicit feedback techniques.(original abstract)

Słowa kluczowe

PL

Handel elektroniczny; Serwis internetowy

EN

e-commerce; Website

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług
• Rocznik: 2012
• Numer: nr 88 Gospodarka elektroniczna: wyzwania rozwojowe. T. 2
• Strony: 136--143

Twórcy

autor

Tomasz Zdziebko

• Uniwersytet Szczeciński

Bibliografia

• Avery C., Zeckhauser R., Recommender systems for evaluating Computer Messag-es. Communications of the ACM. March 1997, Vol. 40, Issue 3, s. 40-88.
• Drygas P., Zarządzanie marketingowe przedsiębiorstwem handlu internetowego. Electronic Commerce: Teoria i Zastosowania, Gdańsk 2002.
• Eirinaki M., Vazirgiannis M., Web mining for web personalization. ACM Transac-tions on Internet Technology (TOIT). ACM. February 2003, Vol. 3, Issue 1.
• Grundin J., Groupware and Social Dynamics: Eight Challenges for Developers. Communications of the ACM, January 1994. Vol. 37, Issue 1, s. 35-92.
• Harasymów J., Kształtowanie lojalności klientów sklepów internetowych (dostęp: 2011-02-24). Dostępny w Internecie: http://www.biznesfirma.pl/Ksztaltowanie_lo jalnosci_klientow_sklepow_internetowych,14770.html.
• Kellar M. et al., Effect of task on time spent reading as an implicit measure of interest. American Society for Information Science and Technology 2004, Vol. 41, Issue 1, s. 168-175.
• Kelly D., Implicit Feedback: Using Behavior to Infer Relevance. New Directions in Cognitive Information Retrieval. The Information Retrieval Series, 2005, Vol. 19, Section IV, s. 169-186.
• Kotler P., Marketing, Rebis, Poznań 2005, s. 70.
• Nielsen J., Personalization is over-rated. Alertbox (dostęp: 2010-06-15). Dostępny w Internecie: http://www.useit.com/alertbox/981004.html.
• Orad D.W., Kim J., Modeling Information Content Using Observable Behavior. Proceedings of the 64th Annual Meeting of the American Society for Information Science and Technology, USA 2001, s. 38-45.
• Sawar B. et al., Using filtering agents to improve prediction quality in the Group-Lens Research Collaborative Filtering System. Conference on Computer Support-ed Cooperative Work. ACM, Nowy Jork 1998.
• Szymura-Tyc M., Zarządzanie przez wartość dla klienta - budowa wartości firmy. Materiały konferencyjne Drugiej Międzynarodowej Konferencji Zarządzania i Technologii Informatycznych "Przedsiębiorstwo Przyszłości". Warszawa 2001 (dostęp: 2011-11-22). Dostępny w Internecie: http://www.zti.com.pl/instytut/ pp/referaty/ref4_full.html.