TU Darmstadt / ULB / TUprints

Kundenbindung in der Finanzindustrie - Ein empirischer Ansatz

Zettler, Julia (2021):
Kundenbindung in der Finanzindustrie - Ein empirischer Ansatz. (Publisher's Version)
Darmstadt, Technische Universität,
DOI: 10.26083/tuprints-00017876,
[Ph.D. Thesis]

[img]
Preview
Text
210329_Kundenbindung in der Finanzindustrie.pdf
Available under CC-BY-SA 4.0 International - Creative Commons, Attribution Share-alike.

Download (8MB) | Preview
Item Type: Ph.D. Thesis
Status: Publisher's Version
Title: Kundenbindung in der Finanzindustrie - Ein empirischer Ansatz
Language: German
Abstract:

Die Niedrigszinsphase, die voranschreitende Regulierung und die Digitalisierung erhöhen den Margendruck bei einer stärkeren wettbewerblichen Ausrichtung des Retailbanking-Marktes. Gerade bei etablierten Finanzinstituten mit hohen Marktanteilen wie zum Beispiel den Sparkassen, sind Informationen über mögliche Einflussparameter auf die Kundenbindung erfolgskritisch. Diese Studie betrachtet ausgewählte endogene Kundenbindungsmechanismen. Es wird zum Beispiel der Einfluss des Produktportfolios eines privaten Kunden auf seine Kundenbindung analysiert. Die Analyse erfolgt über einen fundierten datenbasierten Ansatz: Resultate von State of the Art Machine Learning-Ansätzen werden mit Ergebnissen umfangreicher deskriptiver Analysen plausibilisiert. Unter anderem wird gezeigt, dass die Anzahl der Produkte die Art der Produkte bezogen auf die Aufrechterhaltung der Kundenbindung als Indikator dominiert.

Alternative Abstract:
Alternative AbstractLanguage

Low-interest rates, advancing regulation, and digitalization increase pressure on the margins of the retail banking market – particularly of established financial institutions with high market shares, such as the savings banks. Information on parameters influencing customer loyalty is critical for success. This study looks at selected endogenous customer loyalty mechanisms. For example, the influence of a customer's product portfolio on his customer loyalty is analyzed. The analysis is carried out using a well-founded data-based approach: results from a state-of-the-art machine learning ansatz are compared with the results of a comprehensive descriptive analysis. Among other things, it is shown that the number of products dominates the type of products as a predictor for maintaining customer loyalty.

English
Place of Publication: Darmstadt
Collation: 114 Seiten
Classification DDC: 300 Sozialwissenschaften > 330 Wirtschaft
Divisions: 01 Department of Law and Economics > Betriebswirtschaftliche Fachgebiete > Corporate finance
Date Deposited: 30 Jun 2021 07:53
Last Modified: 30 Jun 2021 07:54
DOI: 10.26083/tuprints-00017876
URN: urn:nbn:de:tuda-tuprints-178761
Referees: Schiereck, Prof. Dr. Dirk ; Stock-Homburg, Prof. Dr. Ruth
Refereed: 2 March 2021
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/17876
Export:
Actions (login required)
View Item View Item