(Intelligentes) Text Mining in der Marktforschung

[collection]

dc.contributor.editor	Stützer, Cathleen	de
dc.contributor.editor	Wachenfeld-Schell, Alexandra	de
dc.contributor.editor	Oglesby, Stefan	de
dc.date.accessioned	2019-07-17T15:12:58Z
dc.date.available	2019-07-17T15:12:58Z
dc.date.issued	2019	de
dc.identifier.isbn	978-3-9815106-8-3	de
dc.identifier.uri	https://www.ssoar.info/ssoar/handle/document/63180
dc.description.abstract	Die Extraktion von Informationen aus Texten - insbesondere aus unstrukturierten Textdaten wie Foren, Bewertungsportalen bzw. aus offenen Angaben - stellen heute eine besondere Herausforderung für Marktforscher und Marktforscherinnen dar. Hierzu wird zum einen neues methodisches Know-how gebraucht, um mit den komplexen Datenbeständen sowohl bei der Erhebung wie auch bei der Bewertung dieser umzugehen. Zum anderen müssen im Kontext der digitalen Beforschung von neuen Customer Insights sowohl technische als auch organisationale Infrastrukturen geschaffen werden, um u.a. Geschäftsmodelle in Abläufen und Arbeitsprozessen von Unternehmen, Institutionen und Organisationen etablieren zu können. Die Beiträge des Bandes besprechen nicht nur vielfältigste Methoden und Verfahren zur automatischen Textextraktion, sondern zeigen hierbei sowohl die Relevanz als auch die Herausforderungen für die Online-Marktforschung auf, die mit dem Einsatz solch innovativer Ansätze und Verfahren verbunden sind. Band 1 beinhaltet folgende Beiträge: C. M. Stützer, A. Wachenfeld-Schell & S. Oglesby: Digitale Transformation der Marktforschung; A. Lang & M. Egger, Insius UG: Wie Marktforscher durch kooperatives Natural Language Processing bei der qualitativen Inhaltsanalyse profitieren können; M. Heurich & S. Štajner, Symanto Research: Durch Technologie zu mehr Empathie in der Kundenansprache - Wie Text Analytics helfen kann, die Stimme des digitalen Verbrauchers zu verstehen; G. Heisenberg, TH Köln & T. Hees, Questback GmbH: Text Mining-Verfahren zur Analyse offener Antworten in Online-Befragungen im Bereich der Markt- und Medienforschung; T. Reuter, Cogia Intelligence GmbH: Automatische semantische Analysen für die Online-Marktforschung; P. de Buren, Caplena GmbH: Offenen Nennungen gekonnt analysieren	de
dc.language	de	de
dc.subject.ddc	Naturwissenschaften	de
dc.subject.ddc	Science	en
dc.subject.other	Text Mining; Customer Insights; Textdaten; Textextraktion; Online-Marktforschung	de
dc.title	(Intelligentes) Text Mining in der Marktforschung	de
dc.description.review	begutachtet (peer reviewed)	de
dc.description.review	peer reviewed	en
dc.source.volume	1	de
dc.publisher.country	DEU
dc.publisher.city	Köln	de
dc.source.series	Kompendium der Online-Forschung
dc.subject.classoz	Naturwissenschaften, Technik(wissenschaften), angewandte Wissenschaften	de
dc.subject.classoz	Natural Science and Engineering, Applied Sciences	en
dc.subject.thesoz	Inhaltsanalyse	de
dc.subject.thesoz	automation	en
dc.subject.thesoz	künstliche Intelligenz	de
dc.subject.thesoz	artificial intelligence	en
dc.subject.thesoz	Internet	en
dc.subject.thesoz	social media	en
dc.subject.thesoz	Digitalisierung	de
dc.subject.thesoz	Algorithmus	de
dc.subject.thesoz	Mensch-Maschine-System	de
dc.subject.thesoz	algorithm	en
dc.subject.thesoz	Soziale Medien	de
dc.subject.thesoz	Textanalyse	de
dc.subject.thesoz	digitalization	en
dc.subject.thesoz	man-machine system	en
dc.subject.thesoz	Automatisierung	de
dc.subject.thesoz	Internet	de
dc.subject.thesoz	content analysis	en
dc.subject.thesoz	market research	en
dc.subject.thesoz	Marktforschung	de
dc.subject.thesoz	text analysis	en
dc.identifier.urn	urn:nbn:de:0168-ssoar-63180-3
dc.rights.licence	Creative Commons - Namensnennung, Nicht-kommerz., Weitergabe unter gleichen Bedingungen 4.0	de
dc.rights.licence	Creative Commons - Attribution-NonCommercial-ShareAlike 4.0	en
ssoar.contributor.institution	Deutsche Gesellschaft für Online-Forschung - DGOF e.V.	de
internal.status	noch nicht fertig erschlossen	de
internal.identifier.thesoz	10040528
internal.identifier.thesoz	10035039
internal.identifier.thesoz	10042496
internal.identifier.thesoz	10037519
internal.identifier.thesoz	10051683
internal.identifier.thesoz	10035477
internal.identifier.thesoz	10035488
internal.identifier.thesoz	10094228
internal.identifier.thesoz	10043031
internal.identifier.thesoz	10063943
dc.type.stock	collection	de
dc.type.document	Sammelwerk	de
dc.type.document	collection	en
dc.source.pageinfo	25	de
internal.identifier.classoz	50200
internal.identifier.document	24
dc.contributor.corporateeditor	Deutsche Gesellschaft für Online-Forschung e.V. (DGOF)
internal.identifier.corporateeditor	1087
internal.identifier.ddc	500
dc.description.pubstatus	Erstveröffentlichung	de
dc.description.pubstatus	Primary Publication	en
internal.identifier.licence	36
internal.identifier.pubstatus	5
internal.identifier.review	1
internal.identifier.series	1479
dc.subject.classhort	10100	de
internal.pdf.wellformed	true
internal.pdf.ocr	null Page_4
internal.pdf.encrypted	false

Files in this item

Name:: ssoar-2019-stutzer_et_al-Intel ...
Size:: 2.048Mb
Format:: PDF

View/Open

This item appears in the following Collection(s)

Naturwissenschaften, Technik(wissenschaften), angewandte Wissenschaften
Natural Science and Engineering, Applied Sciences

Show simple item record