Detailansicht
Mining and visualization of customer journey processes in information systems
Marian Lux
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Dr.-Studium der technischen Wissenschaften (DissG: Informatik)
Betreuer*in
Stefanie Rinderle-Ma
DOI
10.25365/thesis.74970
URN
urn:nbn:at:at-ubw:1-24478.05474.288497-4
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das Verständnis von Customer-Journey-Prozessen hilft über viele Branchen hinweg, sich auf dem Markt durchzusetzen. Customer Journeys beinhalten alle Schritte der Nutzerinteraktion mit einem Unternehmen für deren Produkte und Dienstleistungen. Geschäftsprozesse, die auch Prozesse der Customer Journey sind, spiegeln dabei das Nutzerverhalten wider. Die meisten Customer Journey-Prozesse sind hoch individuell und daher nur schwer zu erfassen und zu vi- sualisieren. Beispielsweise sind bei Informationssystemen mit einer schlagwortbasierten Such- funktion für Produkte und Dienstleistungen nahezu unendliche Möglichkeiten bei der Eingabe von Schlagwörtern durch die Nutzer möglich, wodurch das Nutzerverhalten in weiterer Folge nur schwer zu erfassen ist. Das Verständnis des Nutzerverhaltens kann beispielsweise im Bereich Marketing helfen, Vorschläge für Suchbegriffe während der Suche anzuzeigen oder Suchergebnisse zu verbessern, mit dem Ziel, den Umsatz eines Unternehmens zu steigern. Mit Process Mining können Customer-Journey-Prozesse entdeckt, analysiert und verbessert werden. In dieser Arbeit werden verschiedene neuartige Techniken im Kontext von Process Mining vorgestellt, die dabei helfen, Customer-Journey-Prozesse in Informationssystemen zu entdecken, die Qualität von Cus- tomer Journey-Prozessen in Informationssystemen zu bewerten und hochindividuelle Customer Journey-Prozesse in Informationssystemen zu visualisieren. Darüber hinaus deckt diese kumu- lative Dissertation den gesamten Zyklus von der Datenaufbereitung bis hin zur Visualisierung von aussagekräftigen Prozessmodellen wie folgt ab: Zu Beginn wird gezeigt, wie Unternehmen mit bestehenden Informationssystemen, durch den Einsatz von Datenaufbereitung, für Process Mining vorbereitet werden können und welche Fragestellungen durch die Analyse von Customer- Journey-Prozessen beantwortet werden können. Anschließend wird eine Metrik vorgestellt, mit der die durch Process Mining entdeckten Suchprozesse hinsichtlich Komplexität und Clustering auf verschiedenen Granularitäten, wie z.B. auf Knoten, Pfaden oder auch zum Vergleich ganzer Prozessmodelle, gemessen werden können. Zusammen mit der neuartigen Metrik wird auch eine Ontologieunterstützung für Suchprozessmodelle eingeführt, die in der Lage ist, diese Prozess- modelle in Bezug auf Komplexität und Clustering für Customer Journeys zu vereinfachen. Dabei können Vorschläge für Suchbegriffe während der Suche anzeigt werden, beziehungsweise kön- nen bereits aufgezeichnete Suchbegriffe in Logdaten thematisch zusammenfasst werden, bevor der eigentliche Process-Mining-Algorithmus durchgeführt wird. Darüber hinaus wird für Such- prozessmodelle eine neue Metrik entwickelt, die verschiedene Suchmuster aufzeigt, um die Ab- sichten der Nutzer während der Nutzung der Suchfunktionalität zu reflektieren, wobei nicht nur die vom Nutzer eingegebenen Daten, sondern auch die Ergebnisse des Systems, d.h. die Anzahl der Suchergebnisse, berücksichtigt werden. Abschließend wird ein neuartiger Cluster-Algorithmus vorgestellt, der die kognitive Belastung von visualisierten Prozessmodellen verringert, indem er die Elemente gleichmäßig auf ihre Cluster verteilt, aber eine geringe Varianz in jedem Cluster berücksichtigt. Der Cluster-Algorithmus kann auch abseits der dargestellten Anwendungsfälle dieser Arbeit verwendet werden, z.B. für die Visualisierung von Choropleth-Karten. Alle en- twickelten Konzepte, beginnend bei der Aufbereitung von Daten bis hin zur Entdeckung und Visualisierung von hochindividuellen Prozessen wurden in realen Anwendungen, wie z.B. im Tourismusbereich, evaluiert.
Abstract
(Englisch)
The understanding of customer journey processes helps across many industries to win in the market. Customer journeys contain all steps of user interaction with companies for their products and services. Business processes, which are also processes of the customer journey, reflect user behavior. Most of the customer journey processes are highly individual and therefore hard to discover and visualize. For example, for information systems with a keyword based search functionality for products and services, nearly endless options of user entered keywords are possible, through which the user behavior is just hard to reveal. However, the understanding of the user behavior can help, for example, in marketing to improve suggestions for keywords or even search results to increase sales. With process mining techniques, customer journey processes can be discovered, analyzed and enhanced. In this work, various novel techniques are introduced, which show how to discover customer journey processes in information systems, how to assess the quality of customer journey processes in information systems and how to visualize highly individual customer journey processes in information systems. Moreover, this cumulative dissertation covers the whole cycle from the data preparation till the visualization of meaningful process models as follows: First, it shows how to prepare companies with existing information systems by pre-processing their available data for process mining techniques and furthermore, questions which can be answered by analyzing customer journey processes. After that, a metric is introduced to measure search processes in terms of complexity and clustering – which were discovered through process mining – on different granularities, like on nodes, paths or even to compare whole process models. Together with the novel metric, ontology support on search process models is introduced as well, which is capable to simplify search process models in terms of complexity and clustering on customer journeys by showing recommendations for search terms during the search and by pooling search terms on the event log data before an actual process mining algorithm is performed. Additionally, for search process models, a metric is developed which reveals different search patterns to reflect the users intention during the usage of the search functionality which takes not only the user entered data, but also the results from the system - which is the number of search results - into account. Finally, a novel clustering algorithm is introduced which helps to reduce the cognitive load of visualized processes, by evenly distributing elements among their clusters but considering a low variance in each cluster. The cluster algorithm can be used on use cases beyond this work as well, like for visualizing choropleth maps. The developed concept for pre-processing data, discovering and visualizing highly individual processes was evaluated on real world applications, like in the tourism domain.
Schlagwörter
Schlagwörter
(Deutsch)
Process Mining Datenvisualisierung Informationssysteme Customer Journey Process Mining Metriken Clustering
Schlagwörter
(Englisch)
Process mining Data visualization Information systems Customer Journey Process mining metrics Clustering
Autor*innen
Marian Lux
Haupttitel (Englisch)
Mining and visualization of customer journey processes in information systems
Paralleltitel (Deutsch)
Mining und Visualisierung von Customer Journey-Prozessen in Informationssystemen
Publikationsjahr
2023
Umfangsangabe
xi, 111 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*innen
Rudolf Freund ,
Erich Schikuta
Klassifikationen
54 Informatik > 54.22 Datenspeicher ,
54 Informatik > 54.29 Datenverarbeitungsanlagen. Sonstiges ,
54 Informatik > 54.39 Systemarchitektur. Sonstiges ,
54 Informatik > 54.61 Datenverarbeitungsmanagement ,
54 Informatik > 54.73 Computergraphik ,
54 Informatik > 54.89 Angewandte Informatik. Sonstiges ,
54 Informatik > 54.99 Informatik. Sonstiges
AC Nummer
AC17029380
Utheses ID
68798
Studienkennzahl
UA | 786 | 880 | |