Diese Arbeit beschäftigt sich mit der Customer Centricity und den Auswirkungen der Digitalisierung auf die zugehörigen Anwendungsweisen. Im Vordergrund steht die Gewinnung von essenziellen (Kunden-)Daten, die durch die Digitalisierung ermöglicht wird. Dabei liegt der Fokus auf Big Data, sowie der Datenverarbeitung durch Technologien wie dem Data Mining oder dem Tracking von Internetaktivitäten durch das Verwenden von Cookies. Die Schnittstellen, an denen Unternehmen Kundendaten zur Weiterverarbeitung gewinnen, werden präzise erläutert und grafisch dargestellt. Nach einer theoretischen Fundierung werden die Chancen und Risiken herausgearbeitet, die uns bei der Umsetzung eines Customer-Centricity-Konzepts begegnen können. Dazu zählen einflussreiche Faktoren, besonders in Bezug auf personenbezogene Daten, wie zum Beispiel der Datenschutz und die Ethik bei der Datenverarbeitung. Zusätzlich wird ein zukunftsrelevantes Modell, das „Metaverse“, als Mittel für die Umsetzung der Customer Centricity analysiert. Den Fokus eines Geschäftsmodells auf den Kunden zu legen hat sich in den vergangenen Jahren als äußerst positiv erwiesen. Die Digitalisierung bringt zahlreiche Vorteile mit sich, die zur Verbesserung der Customer Centricity dienen. Ob in sozialen Medien, in Online-Shops oder in Spielwelten; die Plattformen, die durch die Digitalisierung entstanden sind, scheinen grenzenlos zu sein.
Wissenschaftliche Pressekonferenzen sind eine wertvolle Informationsquelle. Sie bestehen aus abwechselnden Reden von Expert:innen und Antworten auf Fragen aus dem Publikum und können daher zu einer faktenbasierten Berichterstattung beitragen. Obgleich Pressekonferenzen eine hohe Informationsdichte besitzen, ist das Extrahieren von relevanten Statements schwierig und zeitintensiv. Um diese Arbeit zu unterstützen, wird ein System vorgeschlagen, das automatisiert Statements aus Pressekonferenzen extrahiert. Claims, also Behauptungen über Sachverhalte, werden als zentrales Element eines Statements identifiziert und dienen als wichtigstes Feature, um Statements in Transkripten von Pressekonferenzen zu identifizieren. Hierzu wird ein zweistufiger Prozess vorgeschlagen.
Zunächst werden mithilfe einer Single Label Multi-Class Sequenzklassifikation Sätze identifiziert, welche ein Claim enthalten. Anschließend werden die Sätze weiterverarbeitet, um irrelevante Sätze und solche mit anaphorischen Verbindungen herauszufiltern oder die Länge der Statements zu beeinflussen. Die Ergebnisse lassen vermuten, dass das Identifizieren von Claims erfolgreich eingesetzt werden kann, um Statements in Pressekonferenzen zu finden. Obwohl viele Statements mit diesem automatisierten System extrahiert werden können, sind die extrahierten Sätze nicht immer schlüssig genug, um ohne weiteren Kontext verstanden zu werden und benötigen weitere Begutachtung durch fachkundige Personen.
Die Nutzung von Suchmaschinen ist im Alltag moderner Gesellschaften fest implementiert und gilt heute als eines der Fundamente digitaler Informationsbeschaffung.
Diverse Studien schreiben digitalen Informationsanbietern einen soziotechnologischen Charakter zu, welcher potenziell dazu in der Lage ist durch ein Konglomerat feinjustierter Algorithmen Gesellschaften zu beeinflussen und eine Steuergröße in demokratischen Prozessen abzubilden. Die vorliegende Bachelor-Thesis belegt durch die Analyse diverser Nationen mithilfe der Datamining-Umgebung RapidMiner die ungleiche Darstellung von Ethnien in Suchvervollständigungen durch Textminingverfahren wie TF-IDF-Gewichtung, Erhebung von Termhäufigkeiten und der Durchführung einer Sentimentanalyse.
Analysing the systematics of search engine autocompletion functions by means of data mining methods
(2017)
In the internet era, the information that can be found about politicians online can influence
events such as the results of elections. Research has shown that biased search rankings can
shift the voting preferences of undecided voters. This shows the importance of studying
online search behaviour, especially in the pre-elections phase, when search results can
have a particular influence on the future political scene of a country.
This master thesis aimed to study the behaviour of online search engines in a period before
the German federal election in 2017. The aim was to ascertain if there is any pattern to be
found in the auto-suggestions for searches related to politicians.
In order to gather data for this experiment, a crawler browsed search engine web pages,
input a name and a surname of a politician, and saved that together with all autosuggestions
from the search engine. The autosuggestions were prepared for the analysis and
divided into semantic groups with the help of clustering algorithms.
Different statistical methods, such as correlation analysis, regression analysis, and clustering
were used to identify patterns in the data. The research showed that there are
no particularly strong patterns in the autosuggestions for searches related to politician’s
names. Only moderate dependence was found between gender and personal topics, and
showed that a higher amount of personal information autosuggestions correspond more
to female politicians.