Fachartikel

JUL2019
Ausgabe 4/2019, Seite 34 | 19-07-34-1

Analyse von Behavioral Data aus dem Web

Mustergültiges Verhalten

Wie lassen sich Handlungen im Web in Bezug auf Informationsbeschaffung und Transaktionen einfach und aufschlussreich analysieren? Am Beispiel spanischer Museums-Websites erklärt Anna Bellido, wie ein Algorithmus wertvolle Daten zum Webverhalten generiert, dabei auch Panel-Daten miteinbezieht und welche Marketing-Maßnahmen sich daraus ableiten lassen.
Fachartikel zu \Foto: © bluraz – fotolia.com, Unternehmen
Online-Verhaltensdaten ermöglichen eine objektive Betrachtung der Handlungsabläufe von Internet-Nutzern. In diesem Artikel stellen wir eine einfache, aber effektive Analysemethode vor. Als Basis dient ein Datensatz zu Besuchen auf den Museums-Websites museoreinasofia.es (Museo Reina Sofía, Madrid), sagradafamilia. org (Sagrada Familia, Barcelona), patrimonionacional.es (Patrimonio Nacional, Spanien) und cac.es (Ciutat de les Arts i les Ciències, València). Die Panel-Daten aus Spanien aus dem Jahr 2017 umfassen 11.088 Beobachtungen von 722 Teilnehmern.
Immer wenn ein Panel-Teilnehmer eine Website aufruft, wird der Besuch durch eine Reihe von Variablen im Verhaltensdatensatz präzise lokalisiert (URL, Zeit, Device, User). Zusätzlich gibt der Domain- Name der URL Aufschluss darüber, ob ein User sich innerhalb derselben Domain bewegt oder zwischen Domains hin- und herspringt.


Soziodemographische Daten aus der Panel-ID

Besuche auf derselben Domain lassen sich in Gruppen zusammenfassen und zählen. So erfahren wir, wie oft jede Website besucht wird, ein Beliebtheitsranking der Domains wird möglich. In unserer Analyse stellte sich etwa heraus, dass das Museum mit der größten Anzahl von Besuchen das Museo Reina Sofía war. Und wir fanden heraus, wer die Online-Besucher der Domains sind. Unsere Ziele waren:
  • Kundenbindung verbessern,
  • Diskrepanzen zwischen der erwarteten und der tatsächlichen Zielgruppe ermitteln,
  • potenzielle neue Nutzer unter den Besuchern ähnlicher Websites finden.
Persönliche Daten zu den Usern lieferte die jeweilige Panel-ID. Die Daten können nach Domainnamen gruppiert und die Prozentsätze für die einzelnen Nutzereigenschaften berechnet werden, um mit relativ wenig Aufwand Profile der Nutzer der einzelnen Domains zu erstellen.


Variablen ermöglichen Gruppierung

In unseren Beispieldaten werden nur die Variablen Geschlecht, soziale Schicht, Kinder und Pressekonsum berücksichtigt. Anschließend erfolgt eine Gruppierung nach Domainnamen und die Berechnung der Prozentsätze aller möglichen Werte der enthaltenen Variablen. Die Ergebnisse sind in Abbildung 1 aufgeführt.


Wer kauft auf den Museums-Websites?

Die Ermittlung von Online-Käufen anhand eines Verhaltensdatensatzes ist nicht einfach. Die Kaufbestätigungs-URL ist die Grundlage, um anschließend die Kauf-URLs ermitteln und Beobachtungen machen zu können: Durch das Erfassen und Zählen der Besuche pro Domain erhalten wir die Gesamtzahl der Käufe pro Website.
Schließlich können wir ein Profil der Online-Käufer erstellen, indem wir die zuvor verwendeten personenbezogenen Daten berücksichtigen und diese nach demselben Verfahren nach Domainnamen zusammenfassen. So gehören die Online-Käufer auf den Websites patrimonionacional.es und sagradafamilia.org mit höherer Wahrscheinlichkeit zur Altersgruppe von 25 bis 34 Jahren. Diejenigen der Domain museoreinasofia.es sind in der Regel zwischen 45 und 55 Jahre alt. Für die Domain cac.es ergibt sich eine relativ breitgefächerte Altersspanne.


Marketing-Maßnahmen ableiten

Die in diesem Beitrag vorgestellte Analyse ist äußerst einfach, liefert jedoch bereits viele wertvolle Informationen, die sich als Grundlage für fundierte Entscheidungen verwenden lassen. Zum Beispiel können die Ergebnisse von grundlegender Bedeutung für künftige Marketingkampagnen sein, da sie eine Trennung nach den Interessen der einzelnen Gruppen ermöglichen oder uns dabei helfen zu ermitteln, wer unsere Zielgruppen sind, wie wir mit ihnen umgehen sollen und wie sie erweitert werden können.
Ebenfalls ist es wichtig zu wissen, zu welchen Zeiten unsere Website am häufigsten und wie häufig sie im Vergleich zu unseren Wettbewerbern besucht wird. Solche Insights können helfen, Stärken und Schwächen genau zu bestimmen.


Segmentspezifische Kampagnen

Die Daten lassen sich auch für komplexere Analysen heranziehen – etwa durch das Clustern der Besucher bestimmter Websites: Die Segmentierung der Zielgruppen ermöglicht es, gezielte Kampagnen ins Leben zu rufen, die an einzelne Untergruppen gerichtet sind.
Eine solche Segmentierung kann anhand beliebiger Kriterien erfolgen, darunter soziodemographische Daten, Gründe für den Besuch der Website, persönliche Interessen und so weiter. Es ist dabei nicht erforderlich, eine Reihe von Profilen im Vorfeld festzulegen, sondern der Algorithmus lernt, wie viele Gruppen gebildet werden und welche Eigenschaften die einzelnen Gruppen besitzen müssen.


Weiteres Potenzial

Darüber hinaus bieten sich folgende Analysen an:
  • Kaufprognosen: Ein Prognosemodell, das uns aufzeigt, wann welche Nutzer mit höherer Wahrscheinlichkeit bestimmte Produkte kaufen, kann uns helfen, unsere Website zu verbessern.
  • Ermittlung von Wahrscheinlichkeiten für Neuanmeldungen: Herauszufinden, wen wir mit höchster Wahrscheinlichkeit als neue Nutzer gewinnen könnten, kann Kosten sparen.
  • Empfehlungssystem: Ein solches System kann Hinweise bieten, an welchen Produkten Nutzer interessiert sind, wodurch wiederum die Gesamtzahl der Online-Käufe gesteigert werden kann. Auf diese Weise müssen Kunden nach ihrem Wunschprodukt nicht allzu lange suchen. ■
Anna Bellido ist Data Scientist Innovation Department bei Netquest. Sie hat Mathematik und Informatik studiert und definiert sich als eifrige Lernende. Von der psychologischen Forschung mit Virtual Reality wechselte sie in die Welt von Data Science und Behavioral Data.
netquest.com



Diese Webseite verwendet Cookies. Cookies ermöglichen uns zu verstehen, wie Besucher unsere Webseite nutzen, damit wir sie verbessern und Ihnen das bestmögliche Erlebnis bieten können. Durch den Besuch unserer Website stimmen Sie der Verwendung von Cookies zu. Durch die Cookie-Einstellungen Ihres Internet-Browsers können Sie die Verwendung von Cookies blockieren. Weitere Informationen finden Sie unter Datenschutz.
akzeptieren