Seitenanfang

Nachwuchsforscher/in 2021 - BVM/VMÖ/SWISS INSIGHTS Verleihung Preis der Deutschen Marktforschung

Der Preisträger in der Kategorie Dissertation

Dr.

Dr. Jochen Hartmann
Dr. Jochen Hartmann ist Postdoktorand an der Universität Hamburg. Zuvor war er als Jr. Projektleiter bei McKinsey tätig. Er ist regelmäßiger Gastwissenschaftler an der Columbia Business School und als Gastdozent an der Mannheim Business School tätig. Seine Forschung und Lehre sind auf die Analyse unstrukturierter Daten mittels Methoden des maschinellen Lernens spezialisiert. Seine wissenschaftliche Arbeit wurde mehrfach ausgezeichnet, zuletzt mit dem EMAC-Sheth Foundation Sustainability Award.

Machine Learning Methods for Data-Driven Marketing

In der Laudatio wird die außergewöhnlich breite und qualitativ hochwertige Datenbasis, von Realdaten bis zum Laborexperiment, gepaart mit einem hervorragenden Problem- sowie insbesondere auch einem hervorragenden Datenverständnis gewürdigt. Das lässt diese Arbeit weit über das übliche Maß herausragen. "Ich bin davon überzeugt, dass wir sehr schnell die Erkenntnisse in der Umsetzung sehen werden, was die Praxisrelevanz nochmals unterstreicht, so der Vorsitzende der Jury, Prof. Dr. Henning Schröder."

Abstract

The dissertation “Machine Learning Methods for Data-Driven Marketing” adds to the recent stream of research at the intersection of machine learning and data-driven marketing.The three essays employ a wide variety of machine learning methods to solve real-world marketing problems using unstructured data. A unifying theme of all essays is a multi-method approach that is characterized by blending novel machine learning methods with established marketing models. Substantively, the dissertation deals with social media marketing, consumer preferences, and emotional contagion in complex social systems. Intending to bridge academic rigor and practical relevance, the dissertation includes four large-scale data sets from collaborations with industry partners. Collectively, the essays serve as a harbinger of the novel possibilities that arise when pursuing data-driven marketing using modern machine learning methods.

Die Preisträgerin in der Kategorie Masterarbeit

Anne Zeh
Anne Zeh hat im September 2020 ihr Masterstudium mit Schwerpunkt Marketing und Information Systems an der Westfälischen Wilhelms-Universität in Münster abgeschlossen. Die Leidenschaft, Daten zu sammeln und für Marketing-Zwecke nutzbar zu machen, spiegelt sich auch in ihrer Masterarbeit zu „Ethischen Konsequenzen von algorithmischer Verzerrung im Marketing“ wider. Seit Abschluss ihres Studiums ist Anne Zeh in Düsseldorf als Management Trainee bei Vodafone tätig.

Ethical Consequences of Algorithmic Biases in Marketing

Die Masterarbeit greift mit der möglichen Verstärkung von ethischen Problemen durch den Einsatz von Machine Learning im Marketing ein Thema auf, das von außerordentlicher Bedeutung für die sinnvolle Nutzung dieser Verfahren ist. Das von Anne Zeh durchgeführte Feldexperiment, so Prof. Dr. Henning Schröder in seiner Laudatio, greift den Faktor Raum als Proxy für Bildungsunterschiede auf und geht hinsichtlich Konzeption, Umsetzung und Analyse weit über das hinaus, was in einer durchschnittlichen Masterarbeit geleistet wird. Von der Programmierung einer Website und eines Fragebogens, der Einbindung von Web-Analytics bis zur Auswertung mit Random Forests und Gradient Boosting Machines wird ein weiter Bogen von Methoden sinnvoll verknüpft.

Abstract

As algorithms are supposed to add objectivity to predictions which affect many parts of people’s lives, relying on them has become increasingly popular. However, algorithms are prone to biases, as the they develop further and process information via feedback loops, leading to the amplification of their diverging outcome. Thereby, densely correlated information networks arise which have found to discriminate against certain groups in the population. In the marketing area, predictive algorithms which include individual information about the users are frequently applied. However, relevant literature on personalization approaches mostly lacks considerations on algorithmic biases. If at all, discriminatory outcomes due to algorithmic biases are detected after the algorithms are already well established. The goal of this thesis is to elaborate on this problem and aims to analyze how ethical problems may be facilitated due to the reliance on algorithms in marketing.