Voraussetzungen und Techniken für Kundenbindungsmaßnahmen

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Kundenbindung

2 Übersicht der Techniken im EC/MC-Bereich
2.1 Techniken im Electronic Commerce
2.1.1 Techniken für die Kundenbindung im Onlineshop
2.1.1.1 Personalisierung und Individualisierung
2.1.1.2 Der Web-Auftritt
2.1.2 Bezahlen und Sicherheit
2.1.3 E-Mail-Response-Management-Systeme
2.1.4 Telematik
2.2 Techniken im Mobile Commerce
2.2.1 Personalisierung: Mobile Engines
2.2.2 Location Based Services

3 Potentiale & Ausblick

4 Zusammenfassung & Fazit

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 2.1: Aufzeichnung einer Bewegung des Surfers [Eggi2000]

Abbildung 2.2: Beispiel: Personalisierung bei Amazon.de

Abbildung 2.3: Wartezeit und Akzeptanz[Manh2003]

Abbildung 2.4: Angebotene Zahlungsmodalitäten

Abbildung 2.5: Markenzeichen von Yahoo, AOL und amazon.de

Abbildung 2.6: Markenzeichen von VISA und MasterCard

Abbildung 2.7: Ablauf einer Bestellung bei VISA 3-D Secure I [Visa2001]

Abbildung 2.8: Ablauf einer Bestellung bei VISA 3-D Secure II http://www.verifiedbyvisa.com/microsites/verified/how_it_works.html

Abbildung 2.9: Logo von T-Pay

Abbildung 2.10: Markenzeichen der Firstgate AG

Abbildung 2.11: Abfragen des Kontostandes bei Firstgate Click&buy

Abbildung 2.12: Kommunikationsmittelnutzung zwischen Kunden und Unternehmen und Gründe [Payo2002]

Abbildung 2.13: Symbolik der Telematik http://www.ktt.de (Timetec Teldatrans)

Abbildung 2.14: Funktionsweise einer Sendungsverfolgung http://www.AIS.de

Abbildung 2.15: Umsätze im EU-Markt für M-Payment [Robb2002]

Abbildung 2.16: Der Lebenszyklus der Technologieadoption [Lads2002]

Abbildung 3.1: Bis 2004: Das große Plattformsterben - nur noch 50 Plattformen weltweit? [Gerl2002]

Abbildung 3.2: Strategischer Technologieeinsatzplan [Buhl2002]

Abbildung 3.3: Intel Prozessoren im Jahre 2007 mit vier CPU-Kernen [Vils2002]

Tabellenverzeichnis

Tabelle 2.1: Übersicht der Techniken

1 Kundenbindung

Die vorliegende Arbeit befasst sich mit aktuellen und potentiellen Techniken, die im Electronic- und Mobile Commerce (EC/ MC) zur Kundenbindung beitragen. Heutzutage befinden sich EC-Shops in einem gesättigten Verdrängungsmarkt. Die Konkurrenz im Business-to-Consumer (B2C) ist groß und nur einen Mausklick entfernt [vgl. Dach2002]. Die Kosten beim Wechsel des Anbieters sind bei Business-to-Business (B2B) sehr gering, bei B2C nicht erwähnenswert. Das Akquirieren von Kunden ist fünfmal so teuer wie das Binden eines Stammkunden an das Unternehmen [vgl. Abou2001]. Aufgrund der hohen Kosten für die Neukundengewinnung wird der Kunde erst dann für ein Unternehmen „rentabel“, wenn dieser zum Stammkunden wird. Daher wird die Kundenbindung der Kundenakquisition den Rang ablaufen [vgl. Klei2001]. Der Unternehmenserfolg basiert auf langfristigen Geschäftsbeziehungen. Hierfür sind Maßnahmen und Techniken für eine Kundenbindung unumgänglich. Kundenbindung ist für Internetshops nicht nur eine simple Strategie – sie ist überlebenswichtig. Kundenbindung wiederum setzt Kundenzufriedenheit und Vertrauen voraus. Kundenzufriedenheit kann im Massenmedium Internet nur dann erreicht werden, wenn Kunden persönlich angesprochen oder individuell betreut werden (One-to-One-Marketing). Vor allem Service und Support spielen hier eine große Rolle. Persönliche Empfehlungen oder schnelle Reaktionen bei Fragen oder Problemen sind essentiell. Dafür ist es notwendig, Wissen über den Kunden zu generieren. Anhand von Beobachtungs- und Auswertungstechniken können Daten gesammelt und Profile erstellen werden, mittels derer Kunden individuell behandelt werden können (Customer Relationship Management). Ist dies gegeben, so reduziert sich der Anreiz eines Kunden, den Anbieter zu wechseln. Stammkunden ermöglichen es den Unternehmen, Potentiale beim Cross-Selling auszuschöpfen; zufriedene Kunden bringen neue Kunden (Mund-zu-Mund-Propaganda). Im Bereich B2B können aufgrund der tendenziell längerfristigen Geschäftsbeziehungen Kosten reduziert werden, indem die Auftragsannahme elektronisch und ohne Medienbruch vonstatten geht. Dadurch können Prozesse beschleunigt und optimiert werden, was ebenfalls zur Kundenbindung beiträgt. Kürzere Lieferzeiten, Just-in-time-Produktion oder die Einsicht in Stati der Auftragsabwicklung ergänzen dies.

Wie gewinnt man nun Stammkunden? In anderen Worten: Wie bindet man Endkunden oder andere Unternehmen an das eigene Unternehmen? Neben Anwendungen wie Multimedia-Seiten, dynamischen Webangeboten, „after-sale-services“ oder elektronischem Datenaustausch von Unternehmen via EDI sind auch Techniken notwendig, die Kunden aktiv binden.

Im Bereich Mobile Commerce, einem Markt, den es noch zu erschließen gilt, existieren ebenfalls Techniken, die nicht nur zur Kundenbindung, sondern auch zu deren Akquisition beitragen.

Imnachfolgenden Kapitel wird ein Ausschnitt der aktuellen Techniken im EC und MC bei B2C und B2B dargestellt. Beginnend mit der Personalisierung und Individualisierung folgt der Web-Auftritt im EC. Ersteres beinhaltet die Datengewinnung und -auswertung, mit deren Hilfe Profile abgebildet werden können, so dass ein Unternehmen den Kunden persönliche Angebote oder Empfehlungen unterbreiten kann. Der Web-Auftritt befasst sich mit Techniken, die die Darstellung von dynamischen Seiten jederzeit und für Jedermann ermöglichen. Anschließend werden innovative Bezahlsysteme dargestellt, die das Vertrauen der Kunden erhöhen und zudem einfach zu bedienen sind. Darauf folgend werden E-Mail-Response-Management-Systeme präsentiert, die eine Beantwortung von Fragen in Echtzeit ermöglichen. Abschließend wird im B2B-Bereich auf die Telematik, insbesondere auf die Sendungsverfolgung eingegangen.

Im darauf folgendenAbschnitt 2.2 werden Techniken demonstriert, die zur Kundenbindung im MC beitragen. Insbesondere Mobile Engines und Location Based Services (LBS) spielen hierbei eine Rolle.

Imdritten Kapitel „Potentiale und Ausblick“ wird die Marktentwicklung in den nächsten Jahren dargestellt. Außerdem werden die notwendigen Weiterentwicklungen der Hardware, speziell die Prozessortrends, und der Software, vor allem die Integration der Künstlichen Intelligenz, präsentiert.

Imvierten und letzten Abschnitt werden die wichtigsten Ergebnisse zusammengetragen.

2 Übersicht der Techniken im EC/MC-Bereich

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2.1: Übersicht der Techniken

2.1 Techniken im Electronic Commerce

Im Folgenden werden vier Techniken dargestellt, die es Onlineshops ermöglichen, ihre Kunden an das Unternehmen zu binden.

2.1.1 Techniken für die Kundenbindung im Onlineshop

Im Gegensatz zu realen Ladengeschäften bieten Internetshops nur selten eine Beratung an. Somit ist es für die Old Economy einfacher, Kunden durch persönliche Betreuung an das Unternehmen zu binden. EC-Shops hingegen müssen Kunden binden, um die eigene Existenz aufgrund der starken Konkurrenz, die nur „einen Mausklick“ entfernt ist, zu garantieren. Daher ist es notwendig, auch Online-Kunden „persönlich“ anzusprechen (1:1-Marketing) bzw. ihnen das Gefühl zu geben, dass sie „wichtig“ sind (CRM). Eine Möglichkeit für diese Kundendifferenzierung im Massenmedium Internet sind Personalisierung oder Recommender Systeme [vgl. Fabr2002] – Techniken, die (persönliche) Empfehlungen auf Basis von Filtertechniken für beispielsweise komplementäre Güter aussprechen. Somit wird der Kunde bei der Kauffindung bzw. Produktauswahl unterstützt.

2.1.1.1 Personalisierung und Individualisierung

Um Kunden langfristig an das eigene Unternehmen zu binden, müssen Anbieter versuchen, Kunden individuell anzusprechen. Daher muss damit begonnen werden, Informationen vom Kunden zu bekommen. Techniken wie Clickstream-Analysen oder Cookies helfen, jene Daten zu gewinnen. Die Abspeicherung solcher Daten sollte in einem zentralen Kundenrepository erfolgen. Setzt man innerhalb dieses Repositories die einzelnen Informationen – mit Hilfe von Data Mining -Tools - zusammen, so erhält man aus den Informationen vom Kunden Wissen über den Kunden. Ziel hierbei ist es, Profile zu bilden. Diese beinhalten unter anderem die persönlichen Daten des Nutzers oder Käufers, die Präferenzen oder die Zugangstechniken (ISDN, V.90, etc.). Anhand von Profilen ist der Anbieter in der Lage, gezielte Werbung zu schalten, wenn der Käufer sich gerade auf der entsprechenden Seite des Anbieters befindet. Des Weiteren ermöglichen Profile Cross-Selling oder aber auch eine Vereinfachung beim Kauf (z.B. One-Click). Profile dienen der Personalisierung. Kennt ein Onlinestore die Präferenzen seines Kunden, so kann der Anbieter sein Angebot dementsprechend anpassen. Recommendation Engines („Empfehler-Systeme“) generieren hieraus für den Kunden Produktempfehlungen. Durch dieses Wissen über den Kunden ist ein One-to-One-Marketing möglich. Hierbei geht es darum, den Kunden und seine Bedürfnisse zu kennen [vgl. Eggi2000]. Diese Kundendifferenzierung zielt in erster Linie darauf ab, den Kunden durch Qualität an das Unternehmen zu binden, und nicht Kunden zu akquirieren, da letzteres fünfmal teurer ist [vgl. Eggi2000]. Aufgrund dieser Individualisierung hat der Käufer seinerseits wenig Anreiz den Anbieter zu wechseln, da er bei einem neuen Anbieter, der seine Wünsche nicht kennt, „fremd“ ist.

Die Personalisierung (bzw. Personalisierungssoftware), die „massenhafte Individualisierung der Marketinginstrumente der Anbieter“ [Fabr2002], ist das Kernelement einer hochwertigen Kundenbeziehung. Um dies zu erreichen, ist eine Vielzahl von Daten notwendig, um die individuellen Bedürfnisse des Kunden erkennen zu können. Neben den vom Kunden bewusst zur Verfügung gestellten Informationen aus Formularen oder Feedbacks via E-Mail (die es auch auszuwerten gilt –siehe Abschnitt 2.1.3) können auch unbewusste Informationen über den User gesammelt werden. Hierfür stehen Techniken wie Clickstream-Analysen oder Cookies zur Verfügung, die danach dazu beitragen, Benutzerprofile zu erstellen oder anzuwenden. So kann der Kunde beim Besuch der Seite erkannt und angesprochen werden.

Clickstream-Analysen

Bei der Clickstream-Analyse geht es in erster Linie darum, Datenspuren von Kunden aufzuzeichnen. Gelangt ein Anwender auf die Internetseite eines EC-Shops kann dieses mittels Clickstream-Analysen bis zu einem gewissen Grad zurückverfolgen, welche Websites unmittelbar zuvor besucht wurden. Angeklickte Werbebanner, Links zu anderen Seiten oder zuvor angewählte Unternehmensseiten geben ein detailliertes Benutzerprofil über die Interessen des Surfers [vgl. Klei2001]. Der Surfer selbst bleibt dabei in aller Regel anonym [vgl. Enge2001]. Ziel der Analysen ist es, zu ermitteln, in welcher Weise ein User das Internetangebot nutzt. Für Clickstream bzw. Web-Analysen verwendet man Daten direkt aus den Logfiles der jeweiligen Server. Als Datenquellen dienen Webserver (Log Dateien), Applikationsserver (Log Dateien), Contentserver (Observationsdateien) oder Protokolle von Netzwerkmanagementsystemen. Ist die Protokollierung eines Webservers aktiviert, so werden hier die einzelnen von jedem Benutzer nachgefragten Seiten („http Requests“) aufgezeichnet, d.h. die Bewegungen eines Users werden protokolliert [vgl. Enge2001]:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.1: Aufzeichnung einer Bewegung des Surfers

Die Auswertung solcher Logfiles erfolgt mit Methoden des Data- bzw. Web-Minings. Damit Wissen aus den gewonnenen Informationen abgeleitet werden kann, müssen Analysetools (so genannte E-Ming-Tools) zum Einsatz kommen. Bei dieser Mining-Analyse werden die Daten bereinigt und decodiert. Diese Daten werden in einem Data Warehouse hinterlegt.

Um nicht nur die Präferenzen von potentiellen Kunden, sondern auch von (Stamm-) Kunden kennen zu lernen, ist es erforderlich, die gewonnenen und durch Web-Mining aufbereiteten Daten mit jenen aus anderen Systemen (beispielsweise Cookies oder Registrierungsdaten) oder Interaktionskanälen zusammenzuführen [vgl. Micr2002]. Somit ist ein Unternehmen in der Lage, ein genaueres Profil über die Wünsche und Anforderung der Kunden zu erhalten. „Der Prozess des Sammelns und Auswertens von Daten ist ein permanenter Kreislauf, da die Informationen ständig abgeglichen, ergänzt und Profile erweitert werden. (…) Je mehr Details ein Unternehmen über seine Zielgruppen hat, desto optimierter und erfolgsversprechender kann das Marketing erfolgen“ [Klei2001]. Somit kann durch individuelle Angebote der Kunde an das Unternehmen gebunden werden. Auch die Umsatzmöglichkeiten steigen durch Cross-Selling.

Wie bereits erwähnt, erhöht sich der Wert von Clickstream-Analysen, wenn diese anonymen Daten mit den Bestandsdaten der Kunden ergänzt bzw. abgeglichen werden. Diese Bestandsdaten können anhand der Cookie-Technologie erhoben werden.

Cookies

Cookies (engl. für Kekse) erlauben es einem Web-Server, auf dem PC des Users Informationen über diesen zu hinterlegen. Man unterscheidet zwei Arten von Cookies [vgl. Heis2001]: persistente Cookies und Sitzungscookies. Erstere sind permanent auf der Festplatte des Benutzers gespeichert bis zu einem bestimmten Verfallsdatum. Sie dienen dazu, dass der User beim erneuten Besuch („Session“) wieder erkannt wird oder dass Voreinstellungen im Warenkorb (wie Zahlungs- und Lieferart, Lieferland) dauerhaft hinterlegt werden [vgl. Comp2003]. Sitzungscookies sind temporär begrenzt. Sie werden beim Beenden einer Internetsitzung automatisch vom Browser gelöscht. Sie werden vor allem bei Warenkörben eingesetzt. In den Cookies (kleine Textdateien) werden kurze Informationen zwischengespeichert. Die Verwendungsmöglichkeiten sind sehr variabel [vgl. Gloss2003]:

Einkaufskörbe:
Cookies ermöglichen zusammen mit dem zustandslosen HTTP eine dauerhafte Verbindung zwischen dem Server und dem die Web-Seiten abrufenden Browser herzustellen (Zustandsbehaftete Sitzung). Beim Besuch eines Onlinestores können Artikel in einem Warenkorb hinterlegt werden. Der Browser „merkt“ sich die Produkte bis zum Abschluss des Kaufes. Hinterlegt man Produkte auf einer Art Wunschzettel (vgl. Amazon.de) um diese zu einem späteren Termin zu bestellen, so ist der Anbieter anhand der Cookie-Technologie in der Lage, sich diese zu merken, indem er den User wieder erkennt.

Persönlich zugeschnittene Web-Seiten:

Da der Web-Server mit Hilfe der Cookies in der Lage ist, Informationen über den User aufzuzeichnen, besteht natürlich auch die Möglichkeit, Buch darüber zu führen, wie oft und wann der Surfer das letzte Mal den entsprechenden Server besucht hat („Tracking“). So können beispielsweise Präferenzen erfasst werden. Beim nächsten Besuch der Seite können dem Kunden dann entsprechende Produktempfehlungen (siehe hierfür auch Recommender Systeme) ausgesprochen werden. Des Weiteren können die Startseite des Anbieters nach den Wünschen des Nutzers gestaltet oder selbst erstellte Profile hinterlegt werden. Beim nächsten Besuchen dieses Servers liest der Server mit Hilfe des Browsers des Anwenders die abgespeicherten Daten des Cookies aus. Dies ermöglichen u.a. persönliche Voreinstellungen (z.B. eine Watchlist bei Consors.de oder die One-Click-Funktion bei Amazon.de). So muss der Anwender seine Daten und Einstellungen nicht ständig erneut eingeben.

Benutzerkennung:
Viele Internet-Provider, vor allem Call-by-Call-Provider, arbeiten mit dynamischen IP-Adressen. Dies bedeutet, dass der Surfer bei jeder Internet-Verbindung eine neue IP – also eine anonyme Identität - erhält. Der Server des Providers weiß, an welche IP-Adresse er die angeforderten Daten schicken soll; er weiß aber nicht wirklich, welcher Nutzer sich hinter dieser IP-Adresse verbirgt. Anhand persistenter Cookies, die eine eindeutige "Benutzer-Kennung" enthalten [vgl. Glos2003], wird der Browser auch beim nächsten Besuch eindeutig identifiziert - obwohl er eine andere IP-Adresse erhalten hat.

Trotz dieser Vorteile stehen viele Internetnutzer Cookies sehr kritisch gegenüber [vgl. Hedd2002]. Mit dieser Technik kann, wie oben beschrieben, das Surfverhalten („Tracking“) festgehalten werden. Somit ist es Anbietern möglich, Präferenzen zu ermitteln. Dies ist aber nur solange vorteilhaft für den Kunden, solange er nicht mit Werbebannern von Werbenetzwerken (wie DoubleClick) überhäuft wird. Viele Internet-User sehen sich nunmehr als „gläsernen User“ an. Der schlechte Ruf von Cookies beruht auf den permanenten Cookies. Neuere Browser ermöglichen das Selektieren bzw. die manuelle Vergabe von Rechten für Cookies. Technische Probleme können auftreten, wenn der User alle Cookies prinzipiell ablehnt. Cookies dienen auch zur Identifikation einer Session: Besucht ein Surfer eine Website und ruft dort mehrere Seiten auf, so spricht man von einer Session. Einem Besucher wird beim Aufruf dieser Website eine eindeutige ID, die so genannte Session-ID, zugeordnet. Diese wird entweder benutzerseitig in einem temporären (Session-) Cookie abgelegt oder in der URL – per GET-Befehl – übermittelt [vgl. Tipp2002; Dyna2003].

Session-IDs werden auch bei der Bereitstellung eines Warenkorbes benötigt, um den Bestellvorgang zu erleichtern [vgl. Comp2003]. Das Session-Cookie ist hierbei ein sehr einfach zu bedienendes Speichermedium, wenn es aufgrund der Browser-Einstellung nicht abgelehnt wird. Allerdings sind diese leider auch mit Fehlern behaftet [vgl. Kell2003]: Session-Cookies können unzuverlässig sein. Es kann durchaus geschehen, dass plötzlich die Daten in den Session-Variablen fehlen. Mit Frames und mehreren Fenstern hat ein Session-Cookie ebenfalls zum Teil erhebliche Probleme [vgl. Kell2003]. Des Weiteren bauen Sessions auf die Session-IDs, was bedeutet, dass eine Session auch 'gestohlen' werden kann, indem die Session-ID gestohlen wird. Dies kann durch Verwendung eines Session-Cookies erschwert werden, aber das macht es keinesfalls unmöglich. Außerdem können auch Session-Cookies in einem Netzwerk ausspioniert oder von einem Proxyserver protokolliert werden [vgl. Dyna2003].

Ein direktes Sicherheitsrisiko stellen Cookies allerdings nicht dar [vgl. Zimm2002]. Werden Cookies nicht (durch Dritte) missbraucht, so vereinfachen sie das Online-Shoppen erheblich. Auch ist es möglich, Kunden persönlich anzusprechen und sie individuell (zusammen mit Recommender Systemen) zu beraten. Beide Argumente tragen kurz- bis langfristig zur Kundenbindung bei. Die technischen Voraussetzungen für diese Technik auf Seiten der Anbieter sind gering. Eine bestimmte Kunden-/ Zugriffszahl ist nicht erforderlich.

Mittlerweile setzen alle größeren EC-Firmen auf diese Technologie. Allerdings gilt es die in den Cookies enthaltenen Daten auch auszuwerten. Hierfür stehen Möglichkeiten des „Data Minings“ zur Verfügung.

Die beiden beschrieben Techniken – Clickstream-Analyse und Cookies – tragen dazu bei, Wissen über den Kunden zu generieren. Dies ermöglicht Kunden kurz- bis langfristig an das Unternehmen zu binden. Beide Techniken werden zurzeit von fast allen mittleren und großen EC-Shops eingesetzt, deren Handel ausschließlich über das Internet abgewickelt wird. Das Problem hierbei ist jedoch die Frage, ob man alle relevanten Daten bekommt. Kunden sollten erst dann persönlich angesprochen bzw. ihnen individuelle Angebote unterbreitet werden, wenn genügend relevantes Wissen über den Kunden vorhanden ist, um unnötige Belästigungen zu vermeiden. Dies ist aber oft nicht einfach zu bewältigen, da manche Internutzer ihre Cookies deaktivieren aus dem Hintergrund, da Daten oft missbräuchlich behandelt werden (z.B. durch Werbenetzwerke). Die technischen Voraussetzungen sind weder gering noch hoch: ohne die Investition in einen soliden Datenbankserver – ein Data Warehouse – können Bewegungen nicht mitgeschnitten und hinterlegt werden.

Die Personalisierungs-Engine (Kern der Personalisierungssoftware) auf der Middleware-Ebene der Datenbank sollte in die bereits vorhandene Systemlandschaft des Unternehmens integriert werden [vgl. CWON2001].

Die Erhebung von Benutzerprofilen ist kein einmaliger, sondern ein dynamischer Lernprozess [vgl. Fabr2002]. Für Recommender Systeme sind die Profile von entscheidender Bedeutung: Sie greifen auf die Informationen zurück, die in den Benutzerprofilen enthalten sind.

Recommendation Engines

Unter Recommender Systemen, oder auch Empfehlersystemen, versteht man Systeme, die Empfehlungen automatisch generieren. Diese Systeme sollen den Kunden bei der Produktauswahl unterstützen. Hierbei kann man unterschiedliche Recommender Systeme unterscheiden [vgl. Fabr2002]: nicht-personalisierte und personalisierte Recommender Systeme. Nicht-personalisierte Empfehlersysteme gelten für alle Benutzer, das heißt sie sprechen für alle Benutzer dieselben Empfehlungen aus. Beispiele hierfür wären Bestseller. Im Gegensatz dazu geben personalisierte Recommender Systeme Empfehlungen ab, die sich an einzelne Benutzer individuell richten. Im Folgenden werden verschiedene Arten von personalisierten Empfehlersystemen betrachtet [vgl. Fabr2002; Eggi2000; Haft2002; Ökme2002]:

1. Inhaltsbasiertes/ Eigenschaftsbasiertes Filtern ( Content-Based-Filtering; Information Filterung)

Empfehlungen werden durch die Analyse und den Vergleich bestimmter Merkmale oder Attribute generiert. Hierbei geht es um die Ähnlichkeit zwischen Objekten. Interessiert sich ein Kunde beispielsweise für einen Intel P4, so wird ihm vom System auch ein AMD Athlon XP empfohlen.

2. Regelbasiertes Filtern (Rules-based; Information retrieval)

Empfehlungen werden durch einen externen „Empfehlungsmanager“ generiert, der bestimmte Regeln vordefiniert. Interessiert sich ein Kunde beispielsweise für einen Intel P4 mit Asus-Board, so wird ihm vom System ein passender Arbeitsspeicher von Infineon empfohlen.

[...]