Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/278828 
Year of Publication: 
2023
Series/Report no.: 
ifid Schriftenreihe: Beiträge zu IT-Management & Digitalisierung No. 2
Publisher: 
MA Akademie Verlags- und Druck-Gesellschaft mbH, Essen
Abstract: 
Kundinnen und Kunden kommunizieren, kaufen und teilen Produkte und Dienstleistungen über digitale Plattformen, in denen technische Möglichkeiten zur Präsentation sensorischer Elemente im Normalfall auf visuelle, akustische und schriftliche Elemente begrenzt sind. Um das sensorische Online-Erlebnis zu verbessern, ist es erforderlich, Medientypen und Inhalte quantitativ zu bewerten und sensorisch zu optimieren. Basierend auf dem Online Sensory Marketing Index (OSMI), einem Schema zur sensorischen Bewertung von E-Commerce-Webseiten, präsentiert das Paper Ansätze und Ergebnisse zur Entwicklung von alternativen Verfahren zur automatischen Erfassung und Bewertung sensorischer Elemente wie Texte und Bilder. In diesem Beitrag werden zu diesem Zweck moderne Big-Data- und Künstliche-Intelligenz-Ansätze aus dem Bereich der Verarbeitung natürlicher Sprache, "Natural Language Processing" und "Natural Language Understanding", angewendet. Dazu werden Worteinbettungstechniken mit GloVe und Word2Vec sowie Transformer-Technologien wie der BERT-Algorithmus zur Untersuchung von über 200 Webseiten eingesetzt. Die Ergebnisse demonstrieren einen funktionalen und skalierbaren KI-Ansatz zur Bestimmung von Elementen aus dem Themenfeld des sensorischen Marketings für E-Commerce-Plattformen und Social Media von verschiedenen Branchen und Unternehmen. Darüber hinaus sind die neuen KI-Auswahl- und Bewertungsverfahren deutlich effizienter und mit nur geringen Leistungseinbußen im Vergleich zu einer manuellen Bewertung verbunden.
Subjects: 
Big Data
Big-Data-Methoden
Sensory Marketing
E-Commerce
E-Commerce-Elemente
Sensorische E-Commerce-Elemente
OSMI
Online Sensory Marketing Index
Text Mining
TF-IDF
BERT
BERT-Algorithmus
GloVe
GloVe-Alorithmus
Word2Vec
Word2Vec-Algorithmus
Scoring
Künstliche Intelligenz
KI
ISBN: 
978-3-89275-320-9
Document Type: 
Research Report

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.