Web Analyse Klausur SoSe 2016

Description

-
Tobias Lübke
Flashcards by Tobias Lübke, updated more than 1 year ago
Tobias Lübke
Created by Tobias Lübke over 7 years ago
102
0

Resource summary

Question Answer
Definition Web Analyse Analyse des Nutzerverhaltens, um Erfolge und Optimierungsmöglichkeiten einer Webseite zu erkennen; bitet wichtige KPIs zum Online-Marketing
Verfahren der Webanalyse Logfileanalyse (Auslesen der Logdatei) Zählpixel/Tags (Benutzerinformationen werden über JS-Code gesammelt)
Clickstream Definition Eine Folge von Seitenaufrufen eines Nutzers während eines Visits
Bestandteile der Webanalyse Web-Structure-Mining = Analyse der quantitativen Struktur des Netzes Web-Content-Mining = Analyse der Inhalte (z.B. mit Information Retrieval) Web-Usage-Mining = Analyse des Nutzerverhaltens (z.B. Logfileanalyse) Kombination mit weiteren Datenquellen = Big Data
Ziele von Webanalyse Bessere Verständnis von Benutzerverhalten und Herbeiführen von Conversions
Was sind Hits/Zugriffe? Was sind Page Impressions? Was sind eindeutige PI? Was sind Visits? Hits = Zugriffsanfrage auf eine Datei eines Servers (z.B. header.jpg) Page Impression = ein einzelner Abruf einer Seite (z.B. index.html) Eindeutige PI = pro Visit nur eine Page Impression Visit = der ganze Besuch einer Webseite
Werkzeuge für Logfile- und Zählpixel-Analyse? Logfile: AWStats, Webtrends, Weblog Zählpixel / Tag: Google Analytics, eTracker, Piwik
Allgemeines Vorgehen in der Webanalyse Datenerhebung, Auswertung (quantitativ + qualitativ), Interpretation, Aktion, Evaluation
Bestandteile eines Logs Jeder Request wird protokolliert: IP, Zeitstempel, Serverbefehl, Protokoll, Statuscode, Dateigröße, Host, Browserkennung
Referer-Daten Browser sendet Referer-Information mit (zuletzt aufgerufene Seite); Nutzung zur Mediaplanung, Conversion-Optimierung, SEO
A/B-Testing Vergleich zweier Elemente einer Webseite; z.B. Google Website Optimizer (Bspw: SpOn liefert unterschiedliche Teaser aus und ermittelt mittels AB-Testing, welcher häufiger geklickt wird)
Visitor Unique Visitor Visitor = Jeder Besucher (über IP identifiziert) Unique Visitor = Jeder eindeutig identifizierbare Benutzer (über Cookie, Browserkennung, Login..)
Clicktroughrate (CTR) Page Impressions / Visits
Bounce Rate / Absprungrate Prozentsatz von Besuchern, die die Einstiegsseite ohne Interaktion wieder verlassen
Conversions Eine Conversion ist die Erreichung eines Zustandes, welcher der Erfüllung der Unternehmenszielen zuträglich ist. Bsp. Kontakt-Formular, Datei-Download, Newsletter-Registrierung, Kaufabschluss
Conversion-Rate Konvertierte Besucher / alle Besucher der (Unter)Seite x 100
Google Analytics: Daten Besuche, Besucher, CTR, Verweildauer, Absprungrate, Sprache, Lande, Browser... Durch Google-Display-Netzwerk: Alter, Geschlecht, (Such)Interessen
Google Analytics: Beurteilungskriterien Stabilität der Daten Wachstum der Daten Branchentypische Verhältnisse? Beeinflussung durch Kampagnen? Beeinflussung durch Saison?
Exkurs: Kriterien für die Qualität von Informationen Relevanz, Validität (für Sachverhalt zutreffend), Zuverlässigkeit (Fehler minimieren), Objektivität (unabhängig von Untersuchendem), Aktualität
Bestandteile eines Trackingkonzepts Unternehmensziele Detaillierte Ziele und Maßnahmen Definition von KPIs (quantitativ, qualitativ) Definition von Zielvorhaben Definition von Zielgruppen
Perspektiven auf Webanalyse Marketing: Kosten und Erfolge der Maßnahmen Vertrieb: Kosten und Umsätze Kommunikaton: Nutzung der Unternehmensinformationen IT: Dimensionierung der IT
Besucherquellen Owned Media: Direct, Referal, Email Earned Media: Social, Organic Paid Media: Paid Search, Display
Eventtrichter Zieltrichter Ablauf von Events im Verlauf des Visits, Darstellung der Absprungraten Ziele des Trichters werden mit GA als Zielprozessfluss dargestellt
Grundprinzipien Datenschutz Erforderlichkeit für die Aufgabe Datensparsamkeit Zweckgebundene Erhebung
Grundpfeiler Social Media Analysis Monitoring: bewusstes Zuhören Measurement: Metriken entwickeln, Werkzeuge wählen Analysis: Aus Daten Schlüsse ziehen Reporting: Daten in Kontext setzen
Centrality Messung Degree: Anzahl der ein- und ausgehenden Knoten Betweenness: Wie viele Beziehungen laufen über mich? Closeness: Wie schnell kann ich andere erreichen? Eigenvector: Wie gut stehe ich in Kontakt mit anderen gut-vernetzten?
Dichte eines Community-Netzes Anzahl tatsächlicher Kanten / Anzahl möglicher Kanten
Show full summary Hide full summary

Similar

Klausurvorbereitung
AntonS
ein kleines Informatik Quiz
AntonS
Grundlagen der Online-Zusammenarbeit
Dozent
Netzwerktechnik
DFairy
Vetie - Klausur Tierhaltung und Tierhygiene 2018
E. König
Einführung in die Forschungsmethoden Kompakt
Angelina Idt
Stochastik
elouasdi98
Klausur Thrombose 1.3.3.b
Kevin Kuncic
Netzwerkdienste
DFairy
Biwi 2.3 - Frau Vogel | Kommunikation und Interaktion
Madeleine Krier
Einführung in die Forschungsmethoden Kapitel 1
Angelina Idt