Das Internet bietet im Vergleich zu herkömmlichen Medien völlig neue
Möglichkeiten zur Aufzeichnung des Konsumentenverhaltens. Jeder Klick auf
eine Webseite hinterlässt einen Daten-Eintrag auf dem eingesetzten Server.
Anhand der aufgezeichneten Seitenaufrufe lassen sich detailliert Angaben über
Informationsverhalten, Kaufabsichten und Kaufverhalten der Nutzer
nachvollziehen. Außerdem können über die gewonnenen Verhaltensdaten
verschiedene Kundensegmente identifiziert werden.
Das nutzt die Online-Werbebranche. Derzeit findet dort laut Michael Kleindl
(Präsident des Branchenverbands der europäischen Online-Vermarkter EIAA) ein
Paradigmenwechsel statt: weg von der Werbung im redaktionellen Umfeld, hin zu
den Menschen selbst als Umfeld durch anonyme Nutzerprofile. Der neue Trend
heißt „Behavioral Targeting“ (LISCHKA 2007). Dabei wird das Surfverhalten der
Nutzer anonym aufgezeichnet und in Echtzeit statistisch ausgewertet, um auf die
Nutzer persönlich zugeschnittene Werbung unmittelbar auszuliefern.
Die Idee, Marketinginstrumente auf der Grundlage einer umfassenden Sammlung
von Kundendaten auszurichten, wie z.B. im Rahmen der Marktsegmentierung, ist
grundsätzlich nicht neu. In der Offline-Welt ist eine Datenerhebung aber
mit einem hohen zeitlichen, konzeptionellen und kostenmäßigen Aufwand
verbunden, wie beispielsweise eine verdeckte Beobachtung von Konsumenten
(vgl. Abb. 1). Je detaillierter die Profile sein sollen, desto höher ist hier der Aufwand, vor allem wenn es um zeitraum-übergreifende Beobachtungen geht.
(WIEDMANN, BUXEL 2004, S. 294) Durch das Internet haben sich hierbei völlig
neue Möglichkeiten ergeben.
Ziel dieser Studie ist es, einen systematischen Überblick über die Methoden und
Werkzeuge zu geben, die im Zusammenhang mit aus Web-Nutzungsdaten
generierten Verhaltenszielgruppen eine Rolle spielen.
Den Anfang bildet ein Überblick über die informationstechnischen Grundlagen,
die zum Verständnis der Analyse von Web-Nutzungsdaten erforderlich sind. Darin
werden Art und Umfang des in der Regel zur Verfügung stehenden
Datenmaterials beschrieben. Anschließend werden die gängigsten Web-
Analysemethoden zur Zielgruppensegmentierung vorgestellt, um danach auf den
aktuellen Marketing-Trend Behavioral Targeting einzugehen. Es folgt ein kurzes
abschließendes Fazit.
Inhaltsverzeichnis
1. Einleitung
1.1. Begriffsdefinitionen
1.2. Nutzen der Beschreibung verhaltensorientierter Zielgruppen
2. Grundlagen und Rahmenbedingungen
2.1. Datenerhebung
Logdateien
Zusätzliche Nutzerdaten
2.2. Datenschutz
3. Auswertung der Nutzungsdaten
3.1. Logfile-Analyse
3.2. Web Usage Mining
3.3. Beispiel für kommerzielle Analyseverfahren
4. Behavioral Targeting
5. Fazit
Zielsetzung und Themen der Arbeit
Die Arbeit untersucht, wie Verhaltensdaten aus der Internetnutzung eingesetzt werden können, um verhaltensorientierte Zielgruppen zu identifizieren und für Marketingzwecke zu segmentieren. Dabei wird der Prozess von der technischen Datenerhebung über die methodische Auswertung bis hin zum aktuellen Trend des Behavioral Targeting analysiert.
- Technische Grundlagen der Datenerhebung via Logdateien
- Methoden des Web Usage Mining zur Segmentierung
- Einsatz von Cookies und Nutzerprofilen
- Rechtliche Rahmenbedingungen und Datenschutz
- Praxisbeispiele und Predictive Behavioral Targeting
Auszug aus dem Buch
1. Einleitung
Das Internet bietet im Vergleich zu herkömmlichen Medien völlig neue Möglichkeiten zur Aufzeichnung des Konsumentenverhaltens. Jeder Klick auf eine Webseite hinterlässt einen Daten-Eintrag auf dem eingesetzten Server. Anhand der aufgezeichneten Seitenaufrufe lassen sich detailliert Angaben über Informationsverhalten, Kaufabsichten und Kaufverhalten der Nutzer nachvollziehen. Außerdem können über die gewonnenen Verhaltensdaten verschiedene Kundensegmente identifiziert werden.
Das nutzt die Online-Werbebranche. Derzeit findet dort laut Michael Kleindl (Präsident des Branchenverbands der europäischen Online-Vermarkter EIAA) ein Paradigmenwechsel statt: weg von der Werbung im redaktionellen Umfeld, hin zu den Menschen selbst als Umfeld durch anonyme Nutzerprofile. Der neue Trend heißt „Behavioral Targeting“ (LISCHKA 2007). Dabei wird das Surfverhalten der Nutzer anonym aufgezeichnet und in Echtzeit statistisch ausgewertet, um auf die Nutzer persönlich zugeschnittene Werbung unmittelbar auszuliefern.
Die Idee, Marketinginstrumente auf der Grundlage einer umfassenden Sammlung von Kundendaten auszurichten, wie z.B. im Rahmen der Marktsegmentierung, ist grundsätzlich nicht neu. In der nicht-virtuellen Welt ist eine Datenerhebung aber mit einem hohen zeitlichen, konzeptionellen und kostenmäßigen Aufwand verbunden, wie beispielsweise eine verdeckte Beobachtung von Konsumenten (vgl. Abb. 1). Je detaillierter die Profile sein sollen, desto höher ist hier der Aufwand, vor allem wenn es um zeitraum-übergreifende Beobachtungen geht.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die neuen Möglichkeiten der Konsumentenverhaltensanalyse im Internet ein und stellt den Paradigmenwechsel hin zum Behavioral Targeting dar.
2. Grundlagen und Rahmenbedingungen: Dieses Kapitel erläutert die technischen Aspekte der Datenerhebung über Logdateien und ergänzende Nutzerdaten sowie die rechtliche Relevanz des Datenschutzes.
3. Auswertung der Nutzungsdaten: Das Kapitel beschreibt den komplexen Prozess der Datenanalyse mittels Web-Mining, Logfile-Analyse und Clusterverfahren, um Nutzersegmente zu bilden.
4. Behavioral Targeting: Dieses Kapitel thematisiert die Anwendung der Analyseergebnisse in der Werbebranche, um Werbung zeitgenau an das Verhalten von Nutzern anzupassen.
5. Fazit: Das Fazit fasst zusammen, dass die Zukunft der Zielgruppenbeschreibung von der Marktmacht der Internetnetzwerke, dem Datenschutz und der Nutzerakzeptanz abhängt.
Schlüsselwörter
Verhaltensdaten, Internetnutzung, Zielgruppen, Behavioral Targeting, Web Usage Mining, Logfile-Analyse, Online-Marketing, Marktsegmentierung, Datenschutz, Cookies, Nutzerprofile, Customer Profiling, Predictive Behavioral Targeting, Konsumentenverhalten, Online-Werbung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Nutzung von Internet-Verhaltensdaten zur Identifizierung und Beschreibung von Zielgruppen für das Online-Marketing.
Was sind die zentralen Themenfelder?
Die zentralen Felder sind die technische Datenerhebung, verschiedene Analysemethoden im Web-Mining und die Anwendung dieser Daten durch Behavioral Targeting.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, einen Überblick über aktuelle Methoden und Werkzeuge zu geben, mit denen aus Web-Nutzungsdaten präzise verhaltensorientierte Zielgruppen generiert werden können.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit nutzt einen methodischen Überblick über statistische Verfahren wie Clusteranalyse, Klassifikationsverfahren, Assoziations- und Sequenzanalysen sowie Bayesianische Netze.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die technische Datenerfassung, die mathematisch-statistische Auswertung dieser Daten und die konkrete praktische Anwendung im Behavioral Targeting.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind Web Usage Mining, Behavioral Targeting, Logfile-Analyse, Online-Marketing und Datenschutz.
Wie werden Logdateien für Marketingzwecke aufbereitet?
Logdateien werden durch Verfahren wie Cookies, Session-IDs und weitere Techniken aufbereitet, um eine eindeutigere Zuordnung von Nutzerbesuchen und Episoden zu ermöglichen.
Welche Rolle spielt der Datenschutz beim Behavioral Targeting?
Datenschutz ist essenziell, da die Verarbeitung personenbezogener Daten in Deutschland strengen Gesetzen (BDSG/TDDSG) unterliegt und oft die Einwilligung der Nutzer erfordert.
Wie unterscheidet sich Predictive Behavioral Targeting von klassischen Ansätzen?
Es kombiniert technische Messdaten mit stichprobenartigen Befragungen, um durch statistische Projektion („statistische Zwillinge“) Profile auf alle Nutzer zu extrapolieren.
- Quote paper
- Gisela Kopp (Author), 2007, Verhaltenszielgruppen, Munich, GRIN Verlag, https://www.grin.com/document/91564
