ISBN 9783843941013

978-3-8439-4101-3, Reihe Wirtschaftswissenschaften

Daniel Alexander Gentner
Analytische Methoden im B2B Produktmanagement der verarbeitenden Industrie: Analyse des Kundenpotenzials anhand kunden- und produktbezogener Indikatoren

685 Seiten, Dissertation Universität Ulm (2019), Softcover, A5

Zusammenfassung / Abstract

Das Produktmanagement der verarbeitenden Industrie zeigt in vielen Unternehmen bis heute einen starken Fokus auf Produkte und Technologien. Besonders in Business-to-Business (B2B) Kundenrelationen greift es oftmals lediglich bei der Erarbeitung einer Produktspezifikation auf Kunden- und Marktinformationen zurück.

Demgegenüber fordern Wissenschaft und Praxis einen stärkeren Kundenfokus im B2B Produktmanagement sowie eine strukturierte Aufbereitung der Markt- und Kundeninformationen, die meist aus persönlicher Interaktion zwischen Vertriebsmitarbeiter und Kunde resultieren. Werden Kunden- und Produktdaten gleichermaßen bei produktrelevanten Entscheidungen berücksichtigt, so können Produkte, Dienstleistungen sowie Projektgeschäfte in jeder Lebenszyklusphase individuell, aber vor allem auch effektiv auf einzelne, potenzialreiche Kunden und deren spezifischen, technischen Anwendungsbereich ausgerichtet werden. Die standardisierte Aufbereitung und die methodisch gestützte Analyse dieser Daten stehen jedoch gerade in B2B Branchen erst am Anfang.

Die vorliegende Dissertation zeigt die Relevanz, notwendige Voraussetzungen und die Anwendbarkeit von Methoden der Analyse des Kundenpotenzials im B2B Produktmanagement der verarbeitenden Industrie auf.

Als ein wesentliches Ergebnis geht ein ganzheitliches Rahmenkonzept für die Ermittlung des Kundenpotenzials hervor, das zusammen mit Produktmanagern namhafter Industrieunternehmen entwickelt wurde. Es beinhaltet relevante Techniken sowohl für retrospektive als auch für prädiktive Potenzialanalysen. Unter letzteren werden sowohl theoretische Wahrscheinlichkeitsmodelle als auch praxisnahe, in der Entwicklung weit fortgeschrittene Methoden aus dem Bereich Machine Learning adaptiert und auf praktische Fallbeispiele aus dem B2B Produktmanagement der verarbeitenden Industrie angewandt. Die Ergebnisse verdeutlichen die praktische Relevanz für Unternehmensbereiche wie Produktmanagement, Marketing oder Vertrieb und den wissenschaftlichen Mehrwert in den Forschungsfeldern Customer Relationship Management, Customer Value, Knowledge Discovery mittels Klassifikationsalgorithmen sowie Wahrscheinlichkeitsmodelle für die Analyse von Transaktionszeitreihen.