Der Kontakt Blog

Elektronische Geschäftsbeziehungen gewinnen zunehmend an Bedeutung. Interessant ist dabei nicht nur, dass immer mehr Unternehmen über elektronische Kanäle Gewinne erwirtschaften, sondern auch, dass es heute möglich ist, durch Aufzeichnen des Nutzerverhaltens die Basis für umfassende Analysen zu legen.

Diese Möglichkeiten widerspiegeln sich im Marketingtrend der kritischen Bewertung und Maximierung des «Return on Marketing», also dem Wechsel von der reinen Effektivitätsbetrachtung hin zur Effizienzbewertung. Potenziale der Logfiles nutzen…

Web Mining zur Leadgenerierung – Potenziale der Logfiles nutzen.

Das dafür notwendige Data-Mining-Werkzeug ist die innovative Analysemethode «Predictive(Web) Analytics», mit der Kundenwünsche erkannt, Verhalten vorausgesagt und das resultierende Wissen für die Gestaltung von noch profitableren Kundenbeziehungen nutzbar gemacht werden. Predictive Web Analytics verbindet online Daten mit effektiven «Events» wie Bestellungen,Käufen usw. und generiert zuverlässige Rückschlüsse auf zukünftige Ereignisse. Damit wird es möglich, die Affinität von Besuchern vorherzusagen, Cluster von Inhaltsbereichen zu berechnen, Besucher zu profilieren und Sequenzen von Aktivitäten auszuwerten. Predictive Web Analytics leistet somit sehr viel mehr als die reinen Webstatistiken, welche die Anzahl Users, Visits, Page Impressions, Top Pages, Top Referres und Errors eruieren.

Web Mining mit einem Predictive Analytics Modeler

Zur neuen Generation von Predictive Analytics Software (PASW) gehört das Web Mining, das alle genannten Analyseebenen abdeckt. Der Webserver liefert die Rohdaten aus Weblogs und anderen Informationsquellen der Website, aus denen sich ableiten lässt, nach welchen Mustern die Webseiten besucht werden, wo Probleme auftauchen, was den User interessiert, was er unternimmt und wahrscheinlich in Zukunft tun wird. Aufgrund dieser Erkenntnisse lassen sich einerseits die User segmentieren, andererseits kann das Angebot auf die Bedürfnisse der Kunden ausgerichtet und die Website in Echtzeit visuell und inhaltlich angepasst werden – zum Beispiel durch das Integrieren von Kaufanreizen oder Hilfen. Sogar anonyme User lassen sich unter optimalen Umständen nach wenigen Klicks einem Verhaltenssegment zuordnen. Loggen sich die User ein, ist die Identifikation noch einfacher. Das Unternehmen kann sie aufgrund ihres Webverhaltens in Zukunft personalisiert ansprechen.

Von Logzeilen zu relevanten Informationen

Der Wechsel vom technikfokussierten Bild anhand der Klickströme zur besucherzentrierten Sicht der Website erzeugt andere Fragestellungen: Was hat der Besucher gesehen? Was hat er getan? Anhand von Sectionstreams werden die besuchten Bereiche in der Besuchssequenz analysiert. Jeder «Event» in der Ereignissequenz (Eventstream) liefert hierzu präzise Informationen. Eine technische wie auch inhaltliche Herausforderung liegt darin, aus der Flut mehr oder weniger redundanter Log-Inhalte – womöglich noch aus verschiedenen Quellen – relevante Ereignisse, Events oder Aktivitäten zu identifizieren. Die handlungsrelevanten Website-Messwerte lassen sich aufgrund des Geschäftsmodells definieren. Die eigentlichen Analysen erfolgen auf Basis der Events (Bestellungen,Empfehlungen, Offertanfragen usw.). In der Regel geht es um Leadqualifizierung über den Kundenlebenszyklus hinweg.

Automatisierte Angebotsempfehlungen

Professionelle Websites unterstützen ihre User richtungsweisend bei der Auswahl oder beim Erwerb von Produkten. Dafür bedarf es der Resultate aus Empfehlungssystemen (Recommender Systems) bzw. aus Warenkorbanalysen, die Fragen beantworten wie: Welche Produkte oder Themenbereiche werden überdurchschnittlich häufig zusammen erworben bzw. miteinander assoziiert? Welche Produkte werden von Personen mit ähnlichen Interessen empfohlen? Aus beiden Ansätzen resultieren personalisierte (Kauf-)Empfehlungen für den Next Best Buy bis hin zu inhaltlich komplett individualisierten Websites. Individualisierte Empfehlungen basieren auf den persönlichen Präferenzen der Benutzer, dem Verhalten ähnlicher Benutzer (Collaborative Filtering) oder auf Objekteigenschaften(Content Filtering).

In einem hybriden Ansatz, dem Content Boosted Collaborative Filtering, werden die Nachteile der einzelnen Ansätze überwunden. Bei diesem kombinierten Vorgehen werden sparsam besetzte User-Objekt-Bewertungsmatrizen mittels einer inhaltsbasierten Filterung der vorhandenen Präferenzprofile aufgefüllt. Dazu wertet das Empfehlungssystem das Präferenzprofil eines Users aus und erstellt dann auf dessen Basis geschätzte Bewertungen für noch ungesehene Objekte. Hat der Nutzer bereits Objekte bewertet, wird die Schätzung damit ersetzt. Dieser Vorgang wird für alle User durchgeführt. Danach folgt das Collaborative Filtering zur Ermittlung benachbarter, ähnlich gelagerter User. Über Predictive Analytics können Kunden in Interessens- und Bedürfnis-Cluster eingeteilt werden, also in Kundengruppen,die in sich homogen und untereinander abgrenzbar sind. Next-Best-Buy-Empfehlungen stammen hier zum Beispiel aus (segmentspezifischen) Warenkorbanalysen. Die aus Streams vom PASW Modeler generierten Empfehlungen stehen dem User ebenfalls in Realtime zur Verfügung.

Fazit

Neben den Standard-Webstatistik-Tools wie Google Analytics,Webtrends usw., bei welchen Klickraten und Pageviews zählen, ist das Web Mining eine unverzichtbare Methode,um inhaltliche Informationen zu gewinnen – und eine verlässliche Entscheidungshilfe zur Optimierung elektronischer Geschäftsbeziehungen.

Quelle:

* Dr. Christiane Okonek ist Head of Data Intelligence bei

rbc Solutions AG, Meilen.

Kontakt: 044 925 36 36, E-Mail: christiane.okonek@rbc.ch

* Daniel Huber ist Head of Business Development bei

rbc Solutions AG, Meilen. E-Mail: daniel.huber@rbc.ch