Allen Preisträgern ist gemeinsam, dass sie mit ihren Ansätzen Handelsunternehmen Lösungen für unterschiedliche Herausforderungen bieten. In diesem Jahr haben der prominent besetzte Beirat und die Jury Arbeiten und Projekte ausgezeichnet, die sich unter anderem mit den Themen Metaverse und Machine Learning beschäftigen. Die Auszeichnungen sind mit insgesamt 65.000 Euro dotiert.

Beste Start-ups: Messung von Verbraucherdaten in Retail-Apps

Für Händler und Konsumgüterhersteller wird es immer schwieriger, den Überblick über das Marktverhalten ihrer Partner und Wettbewerber zu behalten. Hier kommen Retail-Apps ins Spiel. Sie gewinnen rapide an Bedeutung, weil sie als digitale Prospekte, Bonuskarten, Coupons oder Kassenbons fungieren – und gleichzeitig das Nutzerverhalten anzeigen. Murmuras hat wiederum eine App entwickelt, die mittels einer neuen On-Screen-Technologie das Konsumverhalten der Kundschaft innerhalb verschiedener Retail-Apps analysiert. Dazu haben Proband:innen eine Mess-Software installiert, die permanent Klickraten von digitalen Kassenbons, Prospekten sowie Coupon-Aktivierungen aus den Apps ausliest – DSGVO-konform und auf deutschen Servern verarbeitet. Händler und FMCG-Anbieter können mit diesen Erkenntnissen das Konsumverhalten ihrer Zielgruppen besser verstehen und strategisch für ihre individuelle Preisgestaltung, Rabattierung oder User Experience nutzen.

Beste Dissertation: Gezieltere Kundenansprache durch Kampagnen mit Machine Learning

In der Handels- und Konsumgüterindustrie bieten Business Analytics und Machine Learning großes Potenzial, um Aufgaben zu automatisieren und Geschäftsprozesse zu optimieren. Die Dissertation von Jannik Rößler zeigt, wie Unternehmen mit Hilfe von Machine Learning ihre Kundschaft in (Marketing)-Kampagnen noch gezielter ansprechen können. In seiner Arbeit spielen Treatment Assignment Policies (TAPs), also Maßnahmen wie Rabatte bei der Neukundengewinnung oder Vertragsverlängerungen bei Bestandskunden, eine zentrale Rolle. Durch eine umfassende Datenanalyse kann ermittelt werden, bei welchen Kund:innen sich eine Kontaktaufnahme für eine potenzielle Vertragsverlängerung oder einen Produktwechsel lohnt – und bei welchen mit hoher Wahrscheinlichkeit kein Interesse besteht. Für Handels- und Konsumgüterunternehmen können diese Erkenntnisse, die im Rahmen der Dissertation in verschiedenen Anwendungsfällen getestet wurden, zu signifikanten Einsparungen im Direktmarketing und Kundenbeziehungsmanagement führen.

Beste Masterarbeit: Verbraucherpräferenzen und Zahlungsbereitschaft für virtuelle Mode

Modeunternehmen haben damit begonnen, das Metaverse als neue Einnahmequelle zu nutzen, indem sie virtuelle Mode in Form von Non-Fungible Tokens (NFTs) verkaufen. In ihrer Arbeit ermittelt Elina Porz die Präferenzen der Verbraucher:innen für virtuelle Mode in einer Virtual-Reality-Umgebung und vergleicht diese mit den Präferenzen für physische Gegenstücke. Der Fokus liegt dabei auf der Zahlungsbereitschaft der Konsument:innen und dem optimalen Preis für virtuelle Mode. Die Analysen zeigen, dass Verbraucher:innen bereit sind, für virtuelle Mode etwa ein Viertel bis ein Drittel des Preises eines vergleichbaren physischen Sneakers zu zahlen. Diese Ergebnisse sind vor allem für Modehändler relevant, die bereits Virtual Reality einsetzen oder dies in Zukunft planen.

Der Wissenschaftspreis wird unterstützt von Eye square, Ferrero, KPMG und Relex.