Plaza market day · Free shipping over $75 · Mosaic picks
4.9

eCRM - Kundenbindung im Internet durch den Einsatz von Empfehlungssystemen: Analyse der kundenseitigen Wirkungen von Personalisierungsmethoden anhand des von Amazon eingesetzten Empfehlungssystems Daniel W The publication of this volume

SKU 8210325822
EUR44.99 EUR77.99

Pay in 4 interest-free payments of $11.25 Learn more

Shipping Estimate
USA
  • USA
  • CAN

Ships within 48 hours · Estimated delivery Sep 4 - Sep 9

Description

The publication of this volume coincides with the 55th anni versary of the discovery of the neutron and Landau's suggestion at the time that one could make stars out of the new particles

2Soziale Anforderungen12

wie Erlebniswelten die neuen Bedürfnisse trotzdem bedienen können

Hiermit sind insbesondere Softwareentwicklung und damit verbundene Prozesse angesprochen

Kapitel 1 stellt die aktuelle Diskussion um die Mobbing-Problematik dar und zeigt ihre zunehmende Bedeutung vor dem Hintergrund der Forderung nach gruppenorientierten Arbeitsformen

eCRM - Kundenbindung im Internet durch den Einsatz von Empfehlungssystemen: Analyse der kundenseitigen Wirkungen von Personalisierungsmethoden anhand des von Amazon eingesetzten Empfehlungssystems Daniel W The publication of this volumeNur wer seine Kunden kennt, kann sie richtig bedienen und damit binden so lsst sich das Konzept des Customer Relationship Marketing auf den Punkt bringen. Im Rahmen dieser Untersuchung werden die Mglichkeiten der Personalisierung im Internet aufgezeigt, um ein erfolgreiches Electronic Customer Relationship Management (eCRM) zu betreiben. Darber hinaus wird die Wirkung innovativer Personalisierungstechniken auf die Kundenzufriedenheit und Kundenbindung

Exchange/Return Notes
  • We offer a 30-day return/exchange service after receiving.
  • Final sale items are not eligible for returns or exchanges.
  • To process your return/exchange, please contact us at [email protected]
  • Please click here for more details>>> Return & Exchange Policy

You may also like

recommand products