Das Internet scheint ein schier unendlicher Berg an Informationen zu sein. Ähnlich wie bei einem Micro- oder Macrocosmos lässt es sich ungemein schwer vorstellen geschweige denn beschreiben wie groß das Internet inzwischen tatsächlich ist, da es durch seine Form aus Bits und Bytes gleichermaßen unvorstellbar erscheint. Trotz seiner noch jungen Entstehungsgeschichte hat es bereits ein gigantisches Ausmaß erreicht. Ein paar Zahlen sollen an dieser Stelle näheren Aufschluss über die Größe der „Subkultur“ Internet geben.
Im Jahr 2000 gab es nach Schätzungen 407 Millionen Internetnutzer, davon 167,12 Millionen in den USA, in Europa waren es 113,14 Millionen und im gesamten asiatisch/pazifischen Raum 104,88 Millionen. Afrika bildet dabei mit 3,11 Millionen trauriges Schlusslicht. Zum Vergleich gab es im Jahr 2002, also nur zwei Jahre später, mit 840 Millionen schon knapp doppelt so viele Internetnutzer wie im Jahr 2000. Jeder dieser Benutzer ist dazu berechtigt selber am Internet mitzuarbeiten und Inhalte über eine persönliche Internetseite zur Verfügung zu stellen. Zudem gibt es keine klaren Kontrollstrukturen, die das Internet und dessen Qualität überwachen. Schnell wird klar, dass das Internet „[..] die letzte große Anarchie [ist], die durch organisiertes Chaos geprägt wird“. Das Internet organisiert sich selbstständig und wächst scheinbar unaufhaltsam weiter. Die Frage die sich dabei stellt ist, wie man dieser Lage Herr wird und aus den Unmengen an Informationen einen Mehrwert herausarbeitet. Aus der Not diese „Datenmasse“ Internet erfassen zu können entwickelte sich die Technik des Web-Minings, welche an sich nicht wirklich neu ist. Als Teilgebiet des Data-Minings dient diese Technik dazu Informationen zu sammeln, ihnen eine Struktur zu geben und daraus die wesentlichen Punkte herauszuarbeiten. Das Web-Mining gliedert sich in drei Teilgebiete, dem Web-Content-Mining, dem Web-Structure-Mining und dem Web-Usage-Mining. In erster Linie widmet sich diese Praxisarbeit dem Web-Usage-Mining, wobei sich jedoch die anderen Teilgebiete nie gänzlich ausschließen lassen. In dieser Arbeit soll geklärt werden wie sich die Internetnutzer auf einer Internetseite verhalten. Dabei werden etwa Fragen wie „Welche Kategorien surft der Nutzer ab?“ oder „Von welchen Seiten kommt der Benutzer?“ beantwortet. [...]
Auf einen Blick
- Note: 2,0
- Anwendungsbeispiel: Personalisierungsfunktionen bei Amazon
- Übertragung auf den E-Shop eines Herstellers natürlicher Kosmetik
- Gegenüberstellung der Analysewerkzeuge NetMind und ClickTracks
- 13 Quellen im Literaturverzeichnis
Inhaltsverzeichnis
1 Einleitung
2 Rechtsfragen zu Datenschutz und Anonymität
3 Techniken zur Erhebung relevanter Daten
4 Software zur Datenerhebung und -analyse
5 Auswertung des Benutzerverhaltens
6 Anwendungsmöglichkeiten und Umsetzung von Ergebnissen
7 Schlussbetrachtung
Zielsetzung und Themen
Die Praxisarbeit untersucht, wie sich das Verhalten von Besuchern auf Internetseiten erfassen und auswerten lässt. Sie fragt, welchen Nutzen die gewonnenen Informationen für Seitenbetreiber und Internetnutzer haben, wie sich Internetangebote damit verbessern lassen und welche datenschutzrechtlichen Fragen dabei entstehen.
- Datenschutz und Anonymität bei der Nutzungsanalyse
- Datenerhebung mit Logdateien, Sitzungen und Cookies
- Analysewerkzeuge NetMind und ClickTracks
- Herkunft, Navigation und Ausstieg von Besuchern
- Personalisierung und Empfehlungen im Onlinehandel
- Übertragung auf den Internetauftritt eines Kosmetikherstellers
Auszug aus dem Buch
Woher kommt der Benutzer?
Jeder Betreiber einer Internetseite, der sich mit dem Web-Usage-Mining bzw. dem User-Tracking auseinandersetzt, sollte sich zu aller erst der Frage widmen, woher die Nutzer seiner Internetseite kommen. Dabei geht es nicht darum, aus welchen geografischen Regionen die Besucher stammen sondern viel mehr darum, von welchen Referenzen die Nutzer zur Internetseite des Betreibers gelangen. Die Referenz eines Nutzers wird vom Server als HTTP-Referrer gehandelt und bietet wesentliche Informationen über die Herkunft des Nutzers. Der HTTP-Referrer ist ein URI, der darauf schließen lässt, wie die Benutzer auf eine Internetseite gelangen. Bei der Auswertung des HTTP-Referrers unterscheidet man drei verschiedene Web-Entry-Factors (kurz: WEF). Je nachdem welchen Inhalt die Internetseite bietet und welche Zielgruppe sie anspricht variiert die Ausprägung der verschiedenen Faktoren erheblich. Die drei wesentlichen WEF sind der Suchmaschinen-WEF (WEF S), der Direkt WEF (WEF D) und der Referenz-WEF (WEF R). Gelangt ein Benutzer über eine Suchmaschine auf eine Internetseite, so fällt er in die Wertung des WEF S. Dieser Faktor lässt zumeist darauf schließen, dass es sich um bislang unbekannte Benutzer handelt, da sie die Seite offenbar gesucht haben. Dem Betreiber einer Internetseite verrät dieser Faktor aber vor allem, bei welchen Suchmaschinen er besonders gut gefunden wird und unter welchen Suchwörtern er dort gefunden wurde. Das bietet dem Betreiber wiederum die Chance seine Seite auf diese Wörter weiter zu optimieren oder andere relevante Suchwörter mit aufzunehmen, unter denen seine Seite bislang nicht gefunden wird. Der direkte Umkehrschluss lässt sich zum WEF D folgern. Benutzer die eine Internetseite direkt über die Adressleiste ihres Browsers oder über ein Lesezeichen aufrufen können in der Regel als Stammkunden angenommen werden, da ihnen die exakte Domain der Seite bekannt ist. Besonderes Interesse sollte den Benutzern gewidmet werden, die über externe Links anderer Internetseiten auf die eigene Internetpräsenz gelangen. Durch diese lassen sich unter Umständen neue Benutzerkreise erschließen und es lässt sich abschätzen, auf welchen Seiten Werbekampagnen in Form von Bannerwerbung o.ä. besonders hohen Anklang finden könnten.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung ordnet Web-Usage-Mining in das Web-Mining ein und erläutert die Fragen nach Nutzungsverhalten, Nutzen und rechtlichen Grenzen.
2 Rechtsfragen zu Datenschutz und Anonymität: Das Kapitel betrachtet personenbezogene Daten und die Einwilligung zur Verknüpfung von Nutzungsdaten mit Personen. Es behandelt außerdem die Zuordnung von Informationen durch Triangulation.
3 Techniken zur Erhebung relevanter Daten: Beschrieben werden Logdateien, Sitzungen und Cookies sowie deren jeweilige Rolle bei der Erfassung von Nutzungsvorgängen.
4 Software zur Datenerhebung und -analyse: Das Kapitel stellt NetMind und ClickTracks vor und erläutert ihre unterschiedlichen Ansätze zur Analyse und Darstellung des Nutzerverhaltens.
5 Auswertung des Benutzerverhaltens: Im Mittelpunkt stehen die Herkunft der Besucher, ihre Wege durch eine Internetseite und mögliche Gründe für den Ausstieg.
6 Anwendungsmöglichkeiten und Umsetzung von Ergebnissen: Anhand von Amazon werden Personalisierungsfunktionen beschrieben. Anschließend erörtert die Arbeit eine mögliche Übertragung auf den Internetauftritt eines Kosmetikherstellers.
7 Schlussbetrachtung: Die Schlussbetrachtung bündelt die Einschätzung der Möglichkeiten von Web-Usage-Mining und Nutzerverfolgung für Benutzerführung und individuelle Angebote.
Schlüsselwörter
Web-Usage-Mining, Nutzungsverhalten, Nutzerverfolgung, Datenschutz, Anonymität, Logdateien, Sitzungen, Cookies, Benutzerprofile, Onlinehandel, Personalisierung, NetMind, ClickTracks, Amazon
Häufig gestellte Fragen
Worum geht es in der Arbeit?
Die Arbeit befasst sich mit der Erfassung und Auswertung des Verhaltens von Besuchern auf Internetseiten und mit möglichen Anwendungen im Onlinehandel.
Welche Themenfelder stehen im Mittelpunkt?
Behandelt werden Datenschutz, technische Erhebungsverfahren, Analyseprogramme, Besucherwege und die Personalisierung von Internetangeboten.
Was ist das Ziel der Untersuchung?
Sie soll klären, wie Nutzer auf Internetseiten navigieren und welchen Nutzen Betreiber und Besucher aus der Auswertung dieser Informationen ziehen können.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit erläutert anhand von Fachliteratur, Internetquellen und Praxisbeispielen technische und rechtliche Grundlagen und überträgt die Überlegungen auf einen konkreten Internetauftritt.
Was behandelt der Hauptteil?
Der Hauptteil beschreibt Erhebungstechniken und Software, untersucht Einstiegswege und Navigationsverhalten und erörtert Anwendungen im Onlinehandel.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den zentralen Begriffen gehören Web-Usage-Mining, Nutzungsverhalten, Datenschutz, Logdateien, Cookies, Personalisierung und Onlinehandel.
Welche Analyseprogramme werden vorgestellt?
Die Arbeit beschreibt NetMind von Mindlab und ClickTracks und erläutert ihre unterschiedlichen Funktionen für Nutzerverfolgung und Seitenanalyse.
Welche Rolle spielt Amazon als Beispiel?
Amazon dient dazu, praktische Personalisierungsfunktionen wie Produktempfehlungen und die Anzeige kürzlich betrachteter Artikel zu veranschaulichen.
Auf welches weitere Praxisprojekt werden die Überlegungen übertragen?
Die Arbeit betrachtet den Internetauftritt eines Kunden der CO4 COMMUNICATIONS GmbH, der Kosmetikartikel auf natürlicher Basis herstellt und auch online vertreibt.
- Quote paper
- Ole Fritz (Author), 2006, Web-Usage-Mining: Mehrwert für Internetnutzer, umsatzsteigernd für E-Shop-Betreiber, Munich, GRIN Verlag, https://www.grin.com/document/50368