Informationen zum Autor 2

Informationen zum Autor

Markus Leibold hat von Oktober 2000 bis Februar 2004 Informationswirtschaft an der Hochschule der Medien in Stuttgart studiert. Schon vor Beginn und während seines Studiums war er als IT-Spezialist bei zahlreichen Firmen tätig, vor allem in den Bereichen Datenbankdesign, Netzwerkadministration und Anwenderbetreuung. Als Diplom-Informationswirt (FH) ist er nun als Consultant tätig, vornehmlich in den Feldern Data-Warehouse, Business Intelligence und Informationsmanagement. Die vorliegende Arbeit ist seine Abschlussarbeit. Die Arbeit wurde mit der Note 2,0 bewertet.

Die Website des Autors::http://www.mleibold.de

Kurzfassung 3

Kurzfassung

Gegenstand dieser Diplomarbeit ist Web Log Mining und dessen Einsatz als Controllinginstrument bei Public Relations. Der Ablauf des Web Log Mining wird beschrieben, dabei wird auf Logfile-Kennzahlen und ihre Ermittlung eingegangen. Weiter werden wichtige Data Mining-Methoden erläutert und Aspekte des Datenschutzes werden diskutiert. In Bezug auf Public Relations wird auf spezielle Merkmale der Online-PR und auf Zielgruppen der Online-PR eingegangen. Weiterhin wird ein Modell für PR-Controlling vorgestellt, in dem das Web Log Mining eingeordnet wird. Die Möglichkeiten der Erfolgsmessung von Online-PR werden ebenso betrachtet, wie der Vergleich von Kosten und Nutzen von Web Log Mining. Ein Beispiel für eine Data Mining-Anwendung zur Zielgruppenidentifikation erläutert den praktischen Nutzen von Web Log Mining.

Schlagwörter: Data Mining, Web Log Mining, Public Relations, Logfile, Controlling.

Abstract

Topic of this thesis is web log mining and its application as a controlling instrument in the public relation sector. The description of the procedure of Web Log Mining concentrates specifically on logfile key data and its identification. Important Data Mining methods are being described, followed by a discussion of specific aspects of privacy. Special characteristics referring to online public relations and their target groups are examined and discussed. Furthermore, the position of Web Log Mining will be shown in the context of a public relations-controlling model. Possibilities to measure success of online public relations will be closely looked at, followed by a cost-benefit examination of Web Log Mining. An example for a Data Mining application to identify target groups explains a practical usage of Web Log Mining.

Keywords: Data Mining, Web Log Mining, Public Relations, Logfile, Controlling.

Kurzfassung   4

Inhaltsverzeichnis

Informationen  zum Autor  2

Kurzfassung   3

Abstract   3

Abbildungsverzeichnis.   6

Tabellenverzeichnis   6

Abk  ürzungsverzeichnis.  7

1  Einleitung.  8

1.1  Begriffsklärungen  9

1.2  Aufbau der Arbeit  10

2  Web Log Mining  11

2.1  Web Mining  11

2.2  Logfiles.  13

2.3  Der Web Log Mining Prozess  14

2.3.1  Ablauf des Web Log Mining  14

2.3.2  Negative Einflussfaktoren bei der Datenerhebung  16

2.3.3  Website-Architektur.  17

2.4  Logfile-Kennzahlen  19

2.4.1  Einfache Auswertungen  20

2.4.2  Fortgeschrittene Auswertungen  22

2.5  Data Mining.  25

2.5.1  Assoziations- und Pfadanalyse.  25

2.5.2  Clusteranalyse  26

2.5.3  Künstliche Neuronale Netze  28

2.5.4  Entscheidungsbäume  29

2.5.5  Zuordnung von Aufgaben im Web Log Mining.  30

2.6  Datenschutz  31

2.6.1  Rechtliche Grundlagen  31

2.6.2  Ethische Aspekte der Logfile-Auswertung  33

3  Web Log Mining im Rahmen der Online-PR.  35

3.1  Online-PR  35

3.1.1  Spezielle Merkmale der Online-PR.  35

3.1.2  Zielgruppen der Online-PR  37

3.1.3  Inhalte der Online-PR  38

Kurzfassung   5

3.2  Online-PR-Controlling  40

3.2.1  PR-Controlling.  40

3.2.2  Kennzahlen  42

3.2.3  Erfolgsmessung von Online-PR.  43

3.3  PR-spezifisches Web Log Mining  44

3.3.1  Vergleich von Kosten und Nutzen.  44

3.3.2  Zielgruppenidentifikation  45

4  Praktische Möglichkeiten der Umsetzung und Vorteile für die PR  47

4.1  Exemplarische Untersuchungen  48

4.2  Grenzen von Web Log Mining bei Online-PR  50

4.3  PR-Nutzen  51

5  Fazit.  53

Anhang A:  Grafische Darstellungen  55

Anhang B:  HTTP Status Codes.  57

Literaturverzeichnis   58

Monographien  und Zeitschriftenartikel  58

Internetquellen   61

Abbildungsverzeichnis   

Abbildungsverzeichnis   

Abbildung  1: Aufbau des KDD-Prozesses  

Abbildung  2: Einordnung des Web Log Mining  

Abbildung  3: Ablauf der Web Log Mining Analyse  

Abbildung  4: Zusammenhang zwischen Hit, Pageview, Session und User  

Abbildung  5: Agglomerative hierarchische Clusterbildung.  

Abbildung  6: Exemplarische Entscheidungsbaumstruktur  

Abbildung  7: Zuordnung von Fragestellungen und Aufgaben im Web Mining zu  

Data  Mining-Methoden  

Abbildung  8: PR-Controlling.  

Abbildung  9: Zugriffszahlen auf Wochentage kumuliert.  

Abbildung  10: Anzahl Zugriffe auf Tageszeiten kumuliert.  

Abbildung  11: Geografische Herkunft der Website-Zugriffe auf der Weltkarte  

dargestellt.   

Abbildung  12: Häufigste Status Code-Meldungen im Auswertungszeitraum.  

Abbildung  13: Anzahl Downloads nach Tagen geordnet  

Tabellenverzeichnis   

Tabelle 1:  Common Logfile Format und Extended Common Logfile Format  

Tabelle 2:  Verfälschende Logfile-Einflüsse und mögliche Gegenmaßnahmen.  

Tabelle 3:  Informationsgehalt einer einfachen Logfileanalyse  

Tabelle 4:  Zusammenfassung: Informationsgehalt fortgeschrittener Logfileanalysen  

Tabelle 5:  HTTP Status Codes nach HTTP 1 1  

Abkürzungsverzeichnis 7

Abkürzungsverzeichnis

BDSG Bundesdatenschutzgesetz

BPN Backpropagation-Netze

CLF Common Logfile Format

DNS Domain Name System

DWH Data Warehouse

ECLF Extended Common Logfile Format

ERP Enterprise Resource Planning

ETL Extrahieren, Transformieren und Laden (Extraction, Transformation and Loading)

GMT Greenwich Mean Time

HTML Hypertext Markup Language

HTTP Hypertext Transfer Protocol

IV W Informationsgemeinschaft zur Feststellung der Verbreitung von Werbeträgern e. V.

KDD Knowledge Discovery in Databases

KNN Künstliche Neuronale Netze

LSA Latent Semantic Analysis

OLAP On-Line Analytical Processing

OS Operating System (Betriebssystem)

PR Public Relations (Werbung, Öffentlichkeitsarbeit)

SCG Scaled Conjugate Gradient

SOM Self Organizing Maps

TDDSG Teledienstedatenschutzgesetz

1 Einleitung 8

1 Einleitung

Für Unternehmen und Behörden, die im Wettbewerb mit anderen Einrichtungen stehen, aber auch für solche, die auf eine breite Akzeptanz angewiesen sind, ist es unerlässlich, ein positives Bild in der Bevölkerung und in der Geschäftswelt zu haben und es zu erhalten. Für dieses Ziel ist eine gute Öffentlichkeitsarbeit (PR) nicht mehr wegzudenken. Public Relations sind in Zeiten immer aggressiverer Webemaßnahmen keineswegs weniger wichtig für die Unternehmen, sondern haben sogar noch an Bedeutung gewonnen.

„Die steigende Bedeutung der Public Relations ergibt sich im Übrigen zuvorderst aus der zunehmenden Resistenz der Öffentlichkeit gegenüber der üblichen Massenwerbung. Berichte in der neutralen Presse über das Unternehmen oder seine Produkte, die durch Öffentlichkeitsarbeit erreicht werden, wirken hingegen wesentlich glaubwürdiger.“ 1

Dieses wichtige Instrument der Unternehmenskommunikation wird heute zunehmend durch das Medium Internet ergänzt. Um einen möglichst effektiven Einsatz von Online-Public Relations zu gewährleisten, liegt es nahe zu überprüfen, welche Verbreitung die PR über das Internet erzielt hat.

Web Log Mining ist eine Methode, über welche sich Art und Umfang der Zugriffe auf eine Internetpräsenz auswerten lassen. Durch Web Log Mining lassen sich gesammelte Informationen über die Internetseitenbesucher und deren Verhalten auf der Internetpräsenz untersuchen und somit verborgene Zusammenhänge aufdecken. Daher ist Web Log Mining ein Instrument, Public Relations im Internet auf ihre Effektivität und Effizienz hin zu untersuchen. Bei Abweichungen von Soll-Vorgaben bieten die Ergebnisse eine gute Grundlage, angemessene Korrekturmaßnahmen einleiten zu können. Somit wird ein Regelkreis geschaffen, der, ausgehend von dem Ziel, ein positives Image eines Unternehmens in der Öffentlichkeit zu wahren und das Image zu verbessern, über die Kontrolle eingesetzter Online-PR-Maßnahmen bis hin zu aktiven Prozessoptimierungen den optimalen Einsatz von Online-PR gewährleisten kann.

Die vorliegende Arbeit zeigt die Möglichkeiten auf, welche Web Log Mining für das Controlling von Online-PR-Ressourcen bietet. Es werden sowohl die technischen Vorraussetzungen und Möglichkeiten, als auch der praktische Nutzen herausgearbeitet. Wird in dieser Arbeit im Zusammenhang mit Public Relations der Bezug auf ein Unternehmen hergestellt, das Public Relations betreibt, ist dies exemplarisch und kann auch für Einrichtungen, Institutionen und Organisationen stehen.

¹ explido (2003). URL: http://www.promotionwelt.de/marketingmix_online_pr.htm - Zugriff am 15.10.2003.

1 Einleitung 9

Anhand einiger Grafiken wird im Anhang die Auswertung eines Logfiles skizziert, um dem Leser einen Eindruck von Logfile-Auswertungen zu vermitteln.

Wegen der Ausrichtung des Web Log Mining auf Logfiles bleiben die Ausführungen dieser Arbeit bezüglich der Informationsquellen ebenfalls auf Logfiles beschränkt. Andere Quellen für das Auswerten von Website-Nutzung, die beim Integrated Web Log Mining verwendet werden, wie Web-Formulare oder e-Mail, werden in dieser Arbeit nicht näher betrachtet.

1.1 Begriffsklärungen

An dieser Stelle werden einige Fachbegriffe geklärt und voneinander abgegrenzt. Somit soll eine einheitliche Verständnisgrundlage für den Leser geschaffen werden.

Public Relations (PR) ist der englischsprachige Begriff für Öffentlichkeitsarbeit. Nach Kotler et. al. hat Öffentlichkeitsarbeit die Aufgabe, „[…] gute Beziehungen zu den verschiedenen Partnern des Unternehmens in der internen (Mitarbeiter, Geldgeber) und externen Öffentlichkeit zu erhalten und zu pflegen.“ ² . Ziel der Öffentlichkeitsarbeit ist also, „[…] dass über das Unternehmen gesprochen und geschrieben wird - dass das Unternehmen im positiven Sinn nicht in Vergessenheit gerät. ³ “

Online-PR ist der Begriff für die Öffentlichkeitsarbeit, die über das Medium Internet (zum Beispiel über eine Website oder per e-Mail) umgesetzt wird. 4

Controlling wird in der Literatur nicht einheitlich definiert, kann aber als Überwachung, Planung und Steuerung von Unternehmensprozessen beschrieben werden. Controlling ist gegenwarts- und zukunftsorientiert, anders als bei einer vergangenheitsorientierten Kontrolle. 5

Ein Controllinginstrument ist eine Methode oder Vorgehensweise, die zur Bewältigung von Controllingaufgaben eingesetzt wird.

Das in dieser Arbeit angesprochene „PR-Controlling“ ist ein Begriff, der so in der Fachwelt nur selten auftaucht. PR-Controlling bezeichnet das Anwenden klassischer Controlling-Prinzipien auf den Bereich der PR.

Web Log Mining ist die Analyse des Verhaltens von Internetnutzern, bei der unter anderem Data Mining-Methoden (siehe Kapitel 2.5, S. 25 ff) auf die von Webservern generierten Logfiles angewendet werden, um Interessen und Verhaltensmuster von Onli-

² Kotler,P. et al. (2003), S. 946

³ Kotler, P. et al. (2003), S. 946

⁴ vgl. explido (2003). URL: http://www.promotionwelt.de/marketingmix_online_pr.htm -Zugriff am 15.10.2003.

⁵ vgl. Schwickert, A. C. / Beiser, A. (1999)

URL: http://wi.uni-giessen.de/gi/dl/showfile/Schwickert/1155/Apap_WI_1999_07.pdf -

Zugriff am: 19.11.2003. - S. 4 f

1 Einleitung 10

ne-Kunden zu ergründen. Beim Web Log Mining bleibt die Datenquelle auf Logfiles beschränkt. 6

1.2 Aufbau der Arbeit

Im ersten Kapitel wird ein Überblick über die Grundlagen, die Ausgangssituation und die Ergebnisse vermittelt.

Das zweite Kapitel der Arbeit stellt das Web Log Mining näher vor und thematisiert sowohl technologische und methodische als auch rechtliche Gesichtspunkte des Web Log Mining.

Kapitel drei beschreibt anschließend Web Log Mining im Rahmen der Online-PR, wobei dem PR-Controlling besondere Aufmerksamkeit geschenkt wird.

Das vierte Kapitel hat zum Inhalt, wie Web Log Mining in der Praxis als Controllinginstrument der Online-PR zum Einsatz kommen kann. Unter anderem wird hierbei auf die Auswertungsmöglichkeiten und den Nutzen für die PR eingegangen.

Schließlich wird eine Zusammenfassung der angesprochenen Themen gegeben.

⁶ vgl. Hippner, H. / Merzenich, M. / Wilde, K. D. (2002-a), S. 7

2 Web Log Mining 11

2 Web Log Mining

2.1 Web Mining

Web Mining ist ein Anwendungsfeld des Data Mining, wobei die Datenbasis Nutzungsdaten einer Website sind, die vom Webserver als Logfile aufgezeichnet werden. In manchen Fällen wird die Datenbasis mit weiteren Daten angereichert oder ergänzt. Data Mining selbst ist ein Bestandteil von Knowledge Discovery in Databases (KDD), ein Prozess, der in Abbildung 1 dargestellt ist.

Abbildung 1: Aufbau des KDD-Prozesses 7

Ausgehend von Daten, die zum Beispiel in einem Data Warehouse (DWH) abgelegt sein können, werden in der ersten Phase des KDD-Prozesses die relevanten Daten selektiert und nach so genannten Data Marts extrahiert. Data Marts sind kleinere Datenbanken, welche diejenigen Daten eines DWH enthalten, die für eine bestimmte Anwendung benötigt werden. Sie sind leichter handhabbar als die komplexe Datenstruk-

⁷ vgl.Bensberg, F. (2001), S. 72 [aufbauend auf Fayyad, U. M. et al. (1996), S. 10] und vgl. Fayyad, U. M. / Piatetsky-Shapiro, G. / Smyth P. (1996), -

URL: http://www.aaai.org/Library/Magazine/Vol17/17-03/Papers/

AIMag17-03-002.pdf - Zugriff am 29.11.2003. - S: 41

2 Web Log Mining 12

tur eines DWH. ⁸ Entscheidungsgrundlage für die Selektion der Daten ist stets ein konkret verfolgtes Ziel, das mit dem Prozess erreicht werden soll, zum Beispiel Kundengruppen zu identifizieren. Daran schließt sich in Phase zwei eine Vorverarbeitung an. In dieser Phase werden mögliche Fehlerquellen beseitigt, welche die beabsichtigte Untersuchung verfälschen könnten. In der dritten Phase werden die Daten transformiert. Das ist wichtig, um die Daten in die gewünschte Struktur zu bringen, die für die beabsichtigte Data Mining-Methode vorliegen muss. Phase vier ist der Abschnitt, in dem mit Data Mining Mustererkennung betrieben wird. Nahezu jede Data Mining-Methode erfordert eine Vorbereitung, die hierbei eingerechnet werden muss. In Phase fünf werden gefundene Muster evaluiert und interpretiert, was zu einem Informationsgewinn führt, der dem Domänenwissen (=relevantes Fachwissen) zugute kommt. Da das Domänenwissen mit jeder Interpretation von Ergebnissen zunimmt, ist der KDD-Prozess rekursiv und wird deshalb auch als „dynamisch“ bezeichnet. 9

Web Log Mining ist ein abgrenzbarer Bereich des Web Mining und zeichnet sich dadurch aus, dass als primäre Datenquelle das Logfile eines Webservers verwendet wird. Bedingt durch die Datenquelle „Logfiles“ wird beim Web Log Mining vor allem untersucht, wie das Angebot eines Webservers genutzt wird. Im Gegensatz zum „Integrated Web Usage Mining“ wird beim „Web Log Mining“ auf zusätzliche Datenquellen, die direkt Informationen über den Besucher beinhalten, verzichtet, allein das Logfile wird untersucht. 10

Eine Übersicht über die Disziplinen des Web Mining und die Einordnung des Web Log Mining gibt folgende Darstellung:

Abbildung 2: Einordnung des Web Log Mining 11

Das Web Mining kennt neben Web Usage Mining noch zwei weitere Disziplinen: Das Web Content Mining hat die Suche nach Informationsinhalten zum Gegenstand und

⁸ vgl. Brosius, G. (2001), S. 33

⁹ Bensberg, F. (2001), S. 72

¹⁰ vgl. Hippner, H. / Merzenich, M. / Wilde, K. D. (2002-a), S. 7

¹¹ vgl. Hippner, H. / Merzenich, M. / Wilde, K. D. (2002-a), S. 7 f

2 Web Log Mining 13

das Web Structure Mining den Aufbau und die Verlinkung von Ressourcen. Bei diesen anderen Web Mining-Disziplinen steht im Vordergrund, ursprünglich unübersichtliche Informationsmengen im Internet zu erfassen und so leichter zugänglich zu machen.

Die Produktvielfalt an Web Mining-Software ist mittlerweile groß. Einige Websites zum Thema KDD und Data Mining haben Übersichten zu Web Mining-Software erstellt, die einen Einstieg in das Softwarespektrum erleichtern. ¹² Eine sehr gute Übersicht bietet die Site www.kdnuggets.com . 13

2.2 Logfiles

Die Datenquelle einer Web Log Mining-Untersuchung ist ein Logfile eines Webservers. Jeder Webserver erstellt während des Betriebs Logfiles zu unterschiedlichen Zwecken, die sich im Format ¹⁴ unterscheiden. Das von nahezu allen Webservern generierte Log-file-Format ist das so genannte „Common Logfile Format“ (CLF). Häufig wird es durch zusätzliche Informationen erweitert und dann als „Extended Common Logfile Format“ (ECLF) bezeichnet. Tabelle 1 zeigt die Datenfelder, die durch diese Formate erhoben werden.

Tabelle 1: Common Logfile Format und Extended Common Logfile Format 15

¹² vgl. Bolz, C. (2001), URL: http://www.bolz.org/Vergleich_Web_Mining_Software.PDF - Zugriff am 06.12.2003. - S. 6

¹³ vgl. KDnuggets (2003): URL: http://www.kdnuggets.com/software/web.html -Zugriff am 06.12.2003.

¹⁴ Dies sind zum Beispiel Zugriffsprotokolle, Fehlerprotokolle oder Anwendungsprotokolle.

¹⁵ vgl. Hippner, H. / Merzenich, M. / Wilde, K. D. (2002-a), S. 10

¹⁶ Siehe auch Anhang B: HTTP Status Codes auf Seite 57

¹⁷ „OS“ steht für Operating System (Betriebssystem).