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. [...]
Inhaltsverzeichnis
- Abkürzungsverzeichnis
- 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
- Literaturverzeichnis
- Verzeichnis der Internetquellen
Zielsetzung und Themenschwerpunkte
Die Praxisarbeit befasst sich mit Web-Usage-Mining und dessen Mehrwert für Internetnutzer sowie für E-Shop-Betreiber. Sie untersucht, wie die Analyse des Nutzerverhaltens auf einer Internetseite Informationen liefert, die zur Optimierung der Seite und Steigerung des Umsatzes genutzt werden können. Dabei werden auch rechtliche Aspekte des Datenschutzes und der Anonymität beleuchtet.
- Analyse des Nutzerverhaltens auf einer Internetseite
- Rechtliche Rahmenbedingungen des Web-Usage-Minings
- Mehrwert für Internetnutzer und E-Shop-Betreiber
- Anwendungsmöglichkeiten und Umsetzung von Ergebnissen
- Technische Aspekte der Datenerhebung und -analyse
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung: Die Einleitung stellt das Thema Web-Usage-Mining vor und skizziert die Bedeutung des Internets im Kontext der wachsenden Datenmenge. Es werden die Teilgebiete des Web-Minings erläutert und der Fokus auf das Web-Usage-Mining gelegt. Die Arbeit stellt zentrale Fragestellungen zur Analyse des Nutzerverhaltens und dessen Mehrwert dar.
- Kapitel 2: Rechtsfragen zu Datenschutz und Anonymität: Dieses Kapitel behandelt die rechtlichen Rahmenbedingungen des Web-Usage-Minings im Hinblick auf Datenschutz und Anonymität. Es werden die relevanten Paragraphen des Bundesdatenschutzgesetzes und die Grenzen der Datenerhebung im Kontext des Nutzerverhaltens erläutert.
- Kapitel 3: Techniken zur Erhebung relevanter Daten: Hier werden die verschiedenen Techniken zur Erhebung relevanter Daten aus dem Nutzerverhalten auf einer Internetseite vorgestellt und erläutert. Die Analyse des Logfiles, Tracking-Methoden und Cookie-Technologie werden als Beispiele aufgeführt.
- Kapitel 4: Software zur Datenerhebung und -analyse: In diesem Kapitel werden verschiedene Softwarelösungen für die Datenerhebung und -analyse im Bereich des Web-Usage-Minings vorgestellt und verglichen. Es werden die Vor- und Nachteile der einzelnen Softwarelösungen beleuchtet.
- Kapitel 5: Auswertung des Benutzerverhaltens: Dieses Kapitel zeigt verschiedene Möglichkeiten zur Auswertung der erhobenen Daten aus dem Benutzerverhalten auf. Es werden statistische Analysen, die Identifizierung von Trends und die Erstellung von User-Profilen als Beispiele für die Analyse der Daten vorgestellt.
- Kapitel 6: Anwendungsmöglichkeiten und Umsetzung von Ergebnissen: Hier werden konkrete Beispiele dafür gegeben, wie die Ergebnisse aus der Analyse des Nutzerverhaltens zur Optimierung von Internetseiten genutzt werden können. Es werden Maßnahmen zur Steigerung des Nutzererlebnisses, zur Verbesserung der Navigation und zur Steigerung des Umsatzes vorgestellt.
Schlüsselwörter
Web-Usage-Mining, Datenschutz, Anonymität, Logfileanalyse, Tracking, Cookies, Datenerhebung, Datenanalyse, Benutzerverhalten, Internetseite, E-Shop, Nutzererlebnis, Umsatzsteigerung, Optimierung, Bundesdatenschutzgesetz, Rechtsfragen.
- Citation du texte
- Ole Fritz (Auteur), 2006, Web-Usage-Mining: Mehrwert für Internetnutzer, umsatzsteigernd für E-Shop-Betreiber, Munich, GRIN Verlag, https://www.grin.com/document/50368
