In today’s fast-paced digital environment, it is essential for marketing professionals to allocate advertising budgets efficiently and maximize return on investment. By leveraging machine learning, particularly regression trees, key success metrics such as cost per click in online advertising campaigns can be predicted and optimized, enabling more effective budgeting decisions in marketing performance optimization. Showcasing a practical use case with a synthetic data set, this study outlines the relevant phases in applying ML to campaign optimization and demonstrates that the advantages of regression trees lie in their transparency and interpretability. Compared to more complex AI models, the results of regression trees are easier for managers to understand and translate into concrete actions. For instance, the models help managers to understand ad effectiveness of specific ad design and campaign decisions before they run costly live tests on ad platforms. Furthermore, the models allow for lean analysis of ad effectiveness across platforms. Finally, they allow capturing nonlinear effects of ad design and campaign decisions on ad effectiveness, thus avoiding overly simplistic analysis results. Therefore, this study shows the application of regression trees, as step-by-step guide for managers and actionable implications, especially for small- and medium sized enterprises adopting AI in marketing.

Künstliche Intelligenz (KI) ist unverzichtbar im modernen Marketing und dient zunehmend als strategischer Wettbewerbsvorteil in innovationsgetriebenen Branchen. Das Interesse an generativer KI wächst auch in der Marketinginnovation. Marketer nutzen zunehmend Sprachmodelle (Large Language Models, LLMs) wie ChatGPT, um Kreativität, Geschwindigkeit und Effizienz zu steigern. Die Forschung zur Schnittstelle von generativer KI und Marketing ist bislang fragmentiert und meist auf spezifische Anwendungsfälle fokussiert. Es fehlt ein ganzheitlicher Ansatz, der den Einsatz generativer KI über den gesamten Marketinginnovationsprozess systematisch analysiert. In einem systematischem Literaturüberblick zeigt dieser Beitrag Potenziale und Herausforderungen auf und demonstriert, dass KI in allen Innovationsphasen einsetzbar ist und dabei drei Rolle einnehmen kann: als Unterstützer, als Erweiterung oder als eigenständiger Akteur, mit entscheidendem Einfluss auf Innovationsprozesse.

Alkoholkonsum zählt zu den bedeutendsten gesundheitsbezogenen Risikoverhaltensweisen, insbesondere unter jungen Erwachsenen. Die Wirksamkeit von Präventions- und Interventionsmaßnahmen hängt jedoch maßgeblich davon ab, die Zielgruppe und deren Motivation zu verstehen. Der vorliegende Beitrag identifiziert Mechanismen, die junge Erwachsene bei der Umsetzung einer bewussten Verhaltensänderung ihres Alkoholkonsums beeinflussen. Eine quantitative Studie unter 102 18-34-Jährigen zeigt, das die Problemrealisation und intrinsische Gründe zur Konsumänderung die kritische Selbstreflexion fördern, während extrinsische Gründe hemmend wirken. Negative Erlebnisse aufgrund von Alkoholkonsum wie Erinnerungslücken oder Kontrollverlust verstärken die Reflexion, während Schuldgefühle sie abschwächen. Die Befunde bestätigen, dass das Erkennen problematischer Trinkgewohnheiten eine kritische Selbstreflexion fördert, die wiederum mit einer aktiven Verhaltensänderung verbunden ist. Gleichsam zeigt sich, dass emotionale Reaktionen wie Schuldgefühle den Reflexionsprozess eher behindern als fördern können. Damit ist eine Differenzierung kognitiver und emotionaler Mechanismen nötig, um zu verstehen, wie Problembewusstsein für ungesunde Verhaltensweisen in aktive Verhaltensänderung überführt wird. Die Befunde liefern Implikationen für zielgruppenorientierte Präventionskampagnen und weisen auf die Bedeutung intrapersonaler Prozesse bei der Alkoholreduktion junger Erwachsener hin.

Immer mehr Menschen nutzen Sport-Tracking-Apps zur Überwachung ihres Trainings und zum sozialen Vergleich mit anderen. Sowohl leistungsbezogene Vergleichsprozesse als auch die User Experience der App können die Sportmotivation jedoch ambivalent beeinflussen: Während einige Nutzende durch Vernetzung und Feedback zusätzliche Motivation erfahren, erleben andere sozialen Druck und Demotivation. Diese widersprüchlichen Effekte sind für die nachhaltige Aufrechterhaltung sportlicher Aktivität von zentraler Bedeutung. Der vorliegende Beitrag untersucht den Einfluss von Selbstwirksamkeit und sozialem Vergleich sowie von UX-induziertem Kompetenz- und Beziehungserleben auf intrinsische und extrinsische Sportmotivation und deren Zusammenhang mit subjektivem Wohlbefinden. Eine quantitative Studie mit 101 Nutzenden von Sport-Tracking-Apps zeigt, dass soziale Vergleiche vor allem extrinsische Motivation fördern, während intrinsische Motivation unbeeinflusst bleibt. Selbstwirksamkeit hingegen stärkt intrinsische Motivation und reduziert extrinsische Regulation. Auch ein positives Kompetenzerleben im Nutzungskontext wirkt motivationsfördernd. Die Ergebnisse verdeutlichen die differenzierten Effekte psychologischer und UX-bezogener Faktoren und zeigen, dass intrapersonelle Ressourcen einen größeren Beitrag zur Sportmotivation leisten als gestalterische App-Merkmale. Damit wird deutlich, dass für digitale Gesundheitsanwendungen nicht allein das Interface-Design, sondern insbesondere individuelle Dispositionen entscheidend für sportbezogene Verhaltensintentionen sind.

Influencer-Marketing ist eine etablierte Strategie der digitalen Unternehmenskommunikation, die auf die Authentizität und Überzeugungskraft von Influencern setzt. Mit der zunehmenden Verbreitung von Künstlicher Intelligenz (KI) verändert sich dieser Bereich. Immer häufiger vermitteln KI-Influencer als virtuelle Persönlichkeiten Unternehmensbotschaften. Ein zentrales Merkmal von KI-Influencern ist ihre digitale Perfektion, die sich in einem idealisiert ästhetischen Erscheinungsbild äußert. Dieser Beitrag untersucht die Wirkung dieser digitalen Perfektion auf die Wahrnehmung von KI-Influencern. In einer experimentellen Studie (n = 100) wurden KI-Influencer in drei unterschiedlichen Perfektionsstufen (perfekt, moderat perfekt, unperfekt) präsentiert. Die Ergebnisse zeigen, dass Konsumenten einen höheren digitalen Perfektionsgrad des KI-Influencers mit geringerer Kompetenz, Menschlichkeit und Glaubwürdigkeit verbinden. Diese Befunde unterstreichen die Bedeutung gezielter Imperfektion bei der Gestaltung von KI-Influencern, um das Vertrauen der Konsumenten in die virtuellen Influencer zu stärken und eine positive Wahrnehmung zu fördern. Abschließend werden Empfehlungen und Implikationen für Forschung und Praxis aufgezeigt.

Soziale Netzwerke fördern Vergleichsprozesse, die Auswirkungen auf das psychische Wohlbefinden haben. Die Studie untersucht den Einfluss aufwärts- und abwärtsgerichteter Vergleiche auf das subjektive Einsamkeitsempfinden und inwiefern persönliche und soziodemografische Merkmale dabei eine Rolle spielen. Eine Onlinebefragung (n = 228) zeigt, dass aufwärtsgerichtete soziale Vergleiche mit höheren Einsamkeitswerten assoziiert sind, während Abwärtsvergleiche tendenziell mit geringer Einsamkeit einhergehen. Extraversion und Selbstwertgefühl korrelieren jeweils negativ mit Einsamkeit, jedoch zeigt nur Extraversion eine moderierende Wirkung auf den Zusammenhang zwischen sozialem Vergleich und subjektiver Einsamkeit. Signifikant geringere Einsamkeitswerte lassen sich bei festen Partnerschaften feststellen, jedoch ohne Einlfuss auf das Vergleichsniveau. Personen unter 25 Jahre weisen einen stärkeren Zusammenhang zwischen sozialem Vergleich und Einsamkeit auf als ältere Personen. Die Ergebnisse betonen die psychologische Relevanz sozialer Vergleichsprozesse während der Social Media Nutzung und die Bedeutung individueller Dispositionen. Sie stützen bestehende theoretische Modelle und liefern praktische Impulse zur Prävention oder Reduktion von Einsamkeit.

Künstliche Intelligenz (KI) ist längst zu einem festen Bestandteil in Marketing und Vertrieb geworden.  KI-basierte Lösungen wie personalisierte Empfehlungssysteme, automatisierte Kundeninteraktionen und prädiktive Analysen definieren die Landschaft von Marketing und Vertrieb neu. Dieses Buch geht zentralen Fragen auf den Grund: Wie beeinflusst KI das Konsumentenverhalten? Welche Auswirkungen hat sie auf die Effektivität von Marketingstrategien und Vertriebsprozessen? Und vor allem, wie können Unternehmen KI nutzen, um eine harmonische Symbiose von Mensch und Technologie zu schaffen und den Kunden ein einzigartiges Einkaufserlebnis über sämtliche Interaktionspunkte zu bieten? Das Thema wird sowohl aus der Kunden- als auch aus der Vertriebs- bzw. Marketingperspektive beleuchtet.

KI-Sprachmodelle wie ChatGPT gewinnen an Bedeutung. Zwar liefern sie noch weniger Traffic als Suchmaschinen, doch ihr Einfluss auf die frühen Phasen der Customer Journey steigt. Auch die Abdeckung transaktionaler Journey-Elemente ist nur eine Frage der Zeit.

Sport-tracking applications can enhance physical activity but may also induce stress through social comparison. This study examines how social comparison features influence user experience (UX), focusing on motivation, stress, and mental well-being. A survey of 101 German sport-tracking app users assessed intrinsic and extrinsic motivation, perceived stress, self-efficacy, enjoyment, social comparison orientation, and UX. Results reveal that higher social comparison consistently lowers intrinsic motivation, raises extrinsic motivation, and increases stress levels, while positive UX boosts intrinsic motivation and enjoyment and indirectly buffers stress. Notably, app designs prioritizing mastery and personal progress over competitive rankings foster autonomy, competence, and relatedness, supporting mental health and long-term adherence. These findings highlight the ambivalent effects of social features and underscore the need for sport-tracking apps to minimize harmful comparisons and promote self-determined motivation through supportive, user-friendly features. Practical implications include designing for sustainable engagement and well-being rather than exclusive competition.

Emotion AI is transforming how emotional dynamics are integrated into consumer research and product design. By detecting and interpreting emotional cues from facial expressions, voice, and behaviour, it enables emotionally intelligent systems that move beyond conventional user interaction models. This chapter examines Emotion AI as both a methodological tool and a design principle, offering deeper insights into user sentiment and supporting the creation of hedonic experiences – what we term digital empathy. Grounded in established emotion theories and recent technological advances, the chapter explores cross-sector applications and reflects on the ethical implications surrounding the use of emotional data.

·       Hyperpersonalisierung und Extended Reality (XR) verändern die Customer Journey

·       KI-gestützte Personalisierung gestaltet Markenkommunikation und Kundenerlebnisse emotionaler und interaktiver

·       Extended Reality (XR) eröffnen neue Dimensionen immersiver Markenerlebnisse

·       Immersive Consumer Experience bindet Konsumenten stärker an Marken und erleichtern die Kaufentscheidung

Influencer-Marketing ist eine etablierte Strategie der digitalen Markenkommunikation, die auf die Authentizität und Überzeugungskraft von Influencern setzt. Mit der zunehmenden Verbreitung von Künstlicher Intelligenz (KI) verändert sich dieser Bereich durch den Einsatz von KI-Influencern. Immer häufiger vermitteln virtuelle, computergenerierte Persönlichkeiten Markenbotschaften und beeinflussen Kaufentscheidungen. Ein zentrales Merkmal von KI-Influencern ist ihre digitale Perfektion, die durch idealisierte ästhetische Merkmale und makellose Darstellung charakterisiert ist. Dieser Beitrag untersucht die Wirkung dieser digitalen Perfektion auf die Wahrnehmung von KI-Influencern. Basierend auf dem Uncanny-Valley-Effekt und der Theorie der para-sozialen Interaktion wird ein konzeptionelles Wirkungsmodell abgeleitet und empirisch überprüft. In einer quantitativen Studie (n=100) wurden Konsumenten KI-Influencer mit unterschiedlichem Perfektionsgrad (unperfekt, moderat perfekt, perfekt) präsentiert. Die Ergebnisse zeigen, dass eine höhere digitale Perfektion zu einer geringeren wahrgenommenen Kompetenz, Menschlichkeit und Glaubwürdigkeit führt. Diese Befunde unterstreichen die Bedeutung gezielter Imperfektion bei der Gestaltung von KI-Influencern, um Konsumentenvertrauen zu stärken und eine positive Markenwahrnehmung zu fördern. Abschließend werden Empfehlungen und Implikationen für Forschung und Praxis aufgezeigt.

Die Generation Alpha wird in einer digital vernetzten Welt sozialisiert. Konnektivität ist ein Schlüsselaspekt im Leben dieser jungen Menschen. Das hat Auswirkungen auf ihr Konsumverhalten. Inwiefern, das erläutert Prof. Dr. Katharina Klug, Professorin für Wirtschaftspsychologie an der Hochschule Ansbach, in ihrem Beitrag.

Artificial intelligence (AI) has become an integral part of business and is being used more and more frequently due to its versatile capabilities. The use of AI can be a decisive competitive advantage, especially for customer-centric and innovation-orientated business models. Traditionally, the innovation process has primarily been driven by marketing experts, engineers, and designers. At the same time, however, there is growing interest in the integration of generative AI in the innovation process. More and more companies are integrating conversational language models (LLMs) such as ChatGPT as problem-solving agents in their innovation process to effectively meet the growing demands of customers. With the growing interest of companies, research interest in the interface between AI and innovation is also growing. However, the field of research to date is still fragmented and study results are ori-entated as individual case studies in individual fields. To date, there has been a lack of a bundled approach that integrates and systematizes current studies. This article analyses how AI can be integrated into the phases of the innovation process. A systematic literature review sheds light on its potential and challenges within the innovation process. The results indicate that AI can be used in all phases of the innovation process, taking on the role of a supporter, an extension or an independent actor. Accordingly, AI can contribute to the reorganization of innovation processes in companies in different ways. Both opportunities and challenges for companies become apparent.