Quo vadis, e-commerce? Insights on and innovative approaches towards selected current challenges in the e-commerce context

Titelangaben

Rausch, Theresa Maria:
Quo vadis, e-commerce? Insights on and innovative approaches towards selected current challenges in the e-commerce context.
2021 . - VIII, 228 S.
( Dissertation, 2021 , Universität Bayreuth, Rechts- und Wirtschaftswissenschaftliche Fakultät)

Volltext

	Format: PDF Name: Dissertation_TheresaMariaRausch_2021_TdmP.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY-NC-ND 4.0: Namensnennung, nicht kommerziell, keine Bearbeitung
	Download (4MB)

Abstract

E-commerce has seen a steady increase in usage since its establishment in the 1970s and 80s: By 2025, two-thirds of the world’s population (4,913.9M people) are expected to be e-commerce users. Throughout these decades, e-commerce businesses had to face a variety of different challenges, which, to some extent, determined their survival within their competitive environment. Within this thesis, two selected current phenomena are shed light on with which e-commerce businesses are struggling: A shift within society’s mindset towards environmental awareness and analytical approaches to manage the infinite pool of data about online consumer behavior. Since both research fields have an extremely granular spectrum of different facets, many sub-facets still lack a comprehensive investigation. The overall purpose of this research is thus twofold: (1) Gathering insights on consumers’ sustainable clothing consumption behavior and (2) proposing Artificial Intelligence-driven approaches for analytical problems in the e-commerce context. More specifically, Part A focuses on consumers’ sustainable clothing consumption behavior as the textile industry causes an excessive environmental footprint considering valuable resources as ever inexhaustible and, simultaneously, yields the highest sales among all e-commerce segments. Research Paper No. 1 hence takes a macro-perspective on sustainable clothing consumption behavior by examining the determinants of consumers’ purchase intention for sustainable clothing and factors influencing the intention-behavior gap. Research Paper No. 2 and No. 3 take a deeper dive and provide micro-perspectives on the topic: the impact of specific sustainable clothing attributes on customer satisfaction is investigated (Research Paper No. 2). To complement these findings, the importance of specific sustainable clothing (and online shop) attributes is then compared to the importance of specific conventional clothing (and online shop respectively) attributes (Research Paper No. 3). Within Part B of this thesis, Research Paper No. 4 and No. 5 focus on call center arrivals’ forecasting as call centers still constitute an essential customer touchpoint for e-commerce businesses: Reliable forecasts can enhance customer satisfaction with shortened waiting times and avoid overstaffing (and thus, unnecessary costs). Research Paper No. 4 therefore investigates the trade-off between accuracy and practicability of different machine learning models as these have been neglected by traditional forecasting literature. Research Paper No. 5 draws on these preceding findings and proposes a new dynamic harmonic regression model by incorporating the benefits of both approaches without (i.e., time series models) and with explanatory variables (i.e., machine learning and regression models). Research Paper No. 6 considers another prediction problem, which is particularly inherent to the online context of e-commerce, i.e., online shopping cart abandonment. It investigates the trade-off between accuracy and practicability of machine learning models for shopping cart abandonment prediction. Overall, this thesis allows the reader to gather a better understanding of the underlying challenges by providing fruitful insights and proposes different approaches as a solution. Thereby, it makes several key contributions to extant literature and provides essential insights and implications for practitioners.

Abstract in weiterer Sprache

Die E-Commerce Nutzung steigt seit dessen Etablierung in den 1970er und 80er Jahren stetig an: Bis 2025 wird damit gerechnet, dass zwei Drittel der Weltbevölkerung (4.913,9 Millionen Menschen) E-Commerce Nutzer sind. Nichtsdestrotz hatten die E-Commerce Unternehmen seither mit einigen Herausforderungen zu kämpfen, die deren Erfolg und Überleben innerhalb ihres kompetitiven Umfelds determinierten. Innerhalb der Dissertation werden zwei ausgewählte Phänomene untersucht, die E-Commerce Unternehmen aktuell herausfordern: Die Verlagerung des Mindsets der Konsumenten hin zu einer nachhaltigeren Lebensweise einerseits und analytische Ansätze um die endlose Datenmenge über das Online-Konsumentenverhalten zu bewältigen andererseits. Da beide Forschungsgebiete äußerst facettenreich und granular sind, gibt es innerhalb vieler Sub-Facetten noch wenig wissenschaftliche Erkenntnisse. Das übergeordnete Ziel der Dissertation ist daher zweigliedrig: (1) Neue Erkenntnisse bezüglich des Konsumentenverhaltens nachhaltiger Kleidung zu gewinnen und (2) Ansätze für analytische Probleme, die auf Künstlicher Intelligenz basieren, zu entwickeln und zu untersuchen. Genauer untersucht Teil A das Konsumentenverhalten von nachhaltiger Kleidung, da die Textilindustrie einen enormen ökologischen Fußabdruck verursacht und wertvolle Ressourcen als unerschöpfbar betrachtet. Gleichzeitig verursacht die Textilindustrie die höchsten Umsätze innerhalb aller E-Commerce Segmente. Paper Nr. 1 nimmt eine Makro-Perspektive auf nachhaltigen Kleidungskonsum ein und untersucht die Determinanten auf die Kaufabsicht von Konsumenten. Ebenfalls wird die Absichts-Verhaltens-Lücke untersucht. Paper Nr. 2 und 3 nehmen eine detailliertere Mikro-Perspektive ein: Einerseits wird der Einfluss von nachhaltigen Kleidungsattributen auf die Kundenzufriedenheit untersucht (Paper Nr. 2). Diese Erkenntnisse werden komplementiert durch Paper Nr. 3, welches die Wichtigkeit von nachhaltigen Kleidungsattributen (und Online Shop-Attributen) mit konventionellen Kleidungsattributen (und analog Online Shop-Attributen) vergleicht. In Teil B fokussieren sich Paper Nr. 4 und 5 auf Mengenprognose im Call Center, da Call Center trotz fortschreitender Digitalisierung immer noch einen essentiellen Customer Touchpoint für E-Commerce Unternehmen darstellen: Verlässliche Prognosen können die Kundenzufriedenheit durch verkürzte Wartezeiten steigern und eine Überbesetzung an Personal vermeiden. Paper Nr. 4 untersucht den Trade-Off zwischen Prognosegenauigkeit und Praktikabilität von verschiedenen Machine Learning Modellen, da diese von der traditionellen Literatur vernachlässigt wurden. Paper Nr. 5 baut auf diesen Erkenntnissen auf und entwickelt ein neuartiges Dynamic Harmonic Regressionsmodell indem es die Stärken von Zeitreihenmodellen (i.e., Modelle ohne erklärende Variablen) und Machine Learning Modelen (i.e., Modelle mit erklärenden Variablen)verbindet. Paper Nr. 6 betrachtet ein weiteres Prognoseproblem, das vor allem dem Online Kontext von E-Commerce inhärent ist, i.e. Online Warenkorbabbruch. Es untersucht den Trade-Off zwischen Prognosegenauigkeit und Praktikabilität verschiedener Machine Learning Modelle für die Vorhersage von Online Warenkorbabbrechern.