Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Rundgang Big Data Analytics – Hard & Soft Data Mining Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

3. Digital Analytics in der Praxis – Entwicklungen, Reifegrad und Anwendungen der Künstlichen Intelligenz

verfasst von : Darius Zumstein, Andrea Zelic, Michael Klaas

Erschienen in: Big Data Analytics

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Die Professionalisierung des Digital Analytics, der automatisierten Sammlung, Analyse und Auswertung von Web- und App-Daten, hat sich durch die Digitalisierung in den letzten Jahren stark erhöht. Die damit einhergehenden Möglichkeiten, mit Kunden zu interagieren und deren Verhalten zu verstehen, werden zunehmend wichtiger, um wirtschaftlich erfolgreich zu bleiben. In diesem Kapitel werden nach 2011 und 2016 die Resultate der dritten Digital-Analytics-Umfrage vorgestellt. Es zeigt aktuelle Trends, den steigenden Reifegrad, Nutzenpotenziale und KI-Anwendungen der Digital-Analytics-Praxis auf. Dazu gehören die Personalisierung, Price Nudging, Anomaly Detection, Predictive Analytics sowie die Marketing Automation. Die grössten Herausforderungen sind die Datenqualität, fehlendes Wissen beziehungsweise Know-How und die Datenkultur, sprich die Offenheit gegenüber Daten und datengetriebenen Prozessen im gesamten Unternehmen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Methoden des Data Mining für Big Data Analytics
Nächstes Kapitel Searching-Tool für Compliance – Ein Analyseverfahren textueller Daten
Fußnoten
1
Native Apps sind Anwendungen eines mobilen Endgerätes (Smartphone oder Tablet), welche speziell für das Betriebssystem dieses Endgerätes (heute meist iOS oder Android) entwickelt wurde.
 
2
Die Unique Visitor ID ist eine eindeutige Identifikationsnummer, welche jedem Nutzer einer Website oder App bei einem Besuch vom Digital-Analytics-System einmalig vergeben wird. Damit wird festgestellt, ob und wie häufig dieser Nutzer eine Website oder App besuchte. Die Identifikation erfolgt je nach Digital-Analytics-System und dessen Konfiguration in der Regel über Cookies, IP-Adressen und/oder über weiteren technischen Merkmalen wie z. B. das Gerät, Gerätetyp, Bildschirmgrösse, Bildschirmauflösung und das Betriebssystem.
 
3
Die Selektion eines Datenbestandes nach einer Variablen oder mehreren Variablen (Attribute) werden Segmente genannt.
 
4
Eine Audience bezeichnet eine Gruppe von Personen, welche in den Daten die gleichen Kriterien erfüllen und zu einer Zielgruppe zusammengefasst werden können.
 
5
Unter Rohdaten (raw data) sind die einzelnen Datenpunkte der Click-Streams eines einzelnen Besuchs (Session) eines Besuchers (User) zu verstehen. Rohdaten sind Digital-Analytics-Daten in granularer Form, wie sie per JavaScript strukturiert erhoben und abgespeichert wurden. In den Dateien (Tabellen) von Rohdaten ist jede Zeile eine Interaktion des Nutzers (u. a. Seitenaufruf, Klick) mit dem Inhalt einer Website oder App.
 
6
Beim Attribution Modeling wird der Einfluss beziehungsweise der Erfolgsbeitrag von einzelnen Massnahmen unterschiedlicher Kanäle (Instrumente) des digitalen Marketings auf den Verkauf in einem Onlineshop berechnet. Beispiele hierzu sind Modelle nach dem Prinzip „First Cookie wins“ oder „Last Cookie wins“.
 
Literatur
Aden T (2008) Google Analytics – Implementieren. Interpretieren. Profitieren, 1. Aufl. Hanser, München
Bernhard M, Mühling T (2020) Verantwortungsvolle KI im E-Commerce – eine kurze Einführung in Verfahren der Künstlichen Intelligenz in der Webshop-Personalisierung, 1. Aufl. Springer Gabler, Wiesbaden
Chaffey D, Patron M (2012) From web analytics to digital marketing optimization: increasing the commercial value of digital analytics. J Direct Data Digit Mark Pract 14(1):30–45CrossRef
Clifton B (2012) Advanced Web Metrics mit Google Analytics: Praxis-Handbuch. mitp, Heidelberg
Conrady R (2006) Controlling des Internet-Auftritts. In: Reinecke S, Tomczak T (Hrsg) Handbuch Marketing Controlling, 2. Aufl. Gabler, Wiesbaden
Cooly R, Mobasher B, Srivastava J (1999) Data preparation for mining world wide web browsing patterns. Knowl Inf Syst 1:5–32CrossRef
Haberich R (Hrsg) (2016) Future Digital Business – Wie Business Intelligence und Web Analyitcs Online-Marketing und Conversion verändern, 2. Aufl. mitp, Heidelberg
Hassler M (2008) Web Analytics – Metriken auswerten, Besucherverhalten verstehen, Website optimieren, 1. Aufl. mitp, Heidelberg
Hassler M (2019) Web Analytics – Metriken auswerten, Besucherverhalten verstehen, Website optimieren, 5. Aufl. mitp, Heidelberg
Heindl E (2003) Logfiles richtig nutzen. Galileo Computing, Bonn
Ho S, Bodoff D (2014) The effects of web personalization on user attitude and behavior: an integration of the elaboration likelihood model and consumer research theory. MIS Q 38(2):497–520CrossRef
Huizingh E (2002) The antecendents of web site performance. Eur J Mark 36(11/12):1225–1247CrossRef
Hussy W, Schreier M, Echterhoff G (2013) Forschungsmethoden in Psychologie und Sozialwissenschaften für Bachelor, 2. Aufl. Springer, BerlinCrossRef
Järvinen J (2016) The use of digital analytics for measuring and optimizing digital marketing performance. Dissertation, Jyväskylä University School of Business and Economics, Jyväskylä
Jayaram D, Manrai AK, Manrai LA (2015) Effective use of marketing technology in Eastern Europe: web analytics, social media, customer analytics, digital campaigns and mobile applications. J Econ Finance Adm Sci 20(39):118–132
Kaushik A (2007) Web analytics – an hour a day. Wiley, New York
Kaushik A (2009) Web analytics 2.0 – the art of online accountability and science of customer centricity. Wiley, New York
Kovco A, Aleksic-Maslac K, Vranesic P (2017) Advantages of WCA Facebook advertising with analysis and comparison of efficiency to classic Facebook advertising. Int J Internet Things Web Serv 2:131–135
Leeflang P, Verhoef P, Dahlström P, Freundt T (2014) Challenges and solutions for marketing in a digital era. Eur Manag J 32(1):1–12CrossRef
Maedche A, Legner C, Benlian A, Berger B, Gimpel H, Hess T (2019) AI-based digital assistants. Business & IS Engineering 61(4):535–544
Meier A, Zumstein D (2012) Web Analytics & Web Controlling – Webbasierte Business Intelligence zur Erfolgssicherung, 1. Aufl. dpunkt, Heidelberg
Miikkulainen R, Iscoe N, Shagrin A, Rapp R, Nazari S, McGrath P (2018) Sentient ascend: AI-based massively multivariate conversion rate optimization. In: AAAI Conference on Innovation Applications of Artificial Intelligence, February 2–7, 2018, New Orleans, S 7696–7703
Peterson E (2004) Web analytics demystified: a marketer’s guide to understanding how your web site affects your business. Celilo Group Media, Portland
Reese F (2008) Web Analytics – Damit aus Traffic Umsatz wird: Die besten Tools und Strategien. Businessvillage, Göttingen
Schnell R, Hill P, Esser E (2014) Methoden der empirischen Sozialforschung, 10. Aufl. Oldenbourg, München
Someh IA, Shanks G (2015) How business analytics systems provide benefits and contribute to firm performance? ECIS 2015, Twenty-Third European Conference on Information Systems (ECIS), Münster, Deutschland, S 12
Spiliopoulou M (2000) Web usage mining for web site evaluation. Commun ACM 43:127–134CrossRef
Sponder M, Khan GF (2018) Digital analytics for marketing. Routledge, Taylor & Francis Group, New York
Srivastava J, Cooley R, Deshpande M, Tan PN (2000) Web usage mining: discovery and application of usage patterns from web data. ACM SIGKDD 1(2):1–12CrossRef
Sterne J (2002) Web metrics. Wiley, New York
Stolz C (2007) Erfolgsmessung Informationsorientierter Websites. Dissertation Katholische Universität Eichstätt-Ingolstadt
Wedel M, Kannan P (2016) Marketing analytics for data-rich environments. J Mark 80:97–121CrossRef
Weischedel B, Matear S, Deans K (2005) The use of emetrics in strategic marketing decisions. Int J Internet Mark Advert 2(1):109–125
Zelic A (2020) Digital Analytics – Entwicklung und Trends in der DACH-Region. Masterarbeit. Zürcher Hochschule für Angewandte Wissenschaften, Winterthur
Zumstein D, Meier A, Myrach Th (2012) Web Analytics – empirische Untersuchung über Einsatz, Nutzen und Probleme, Multikonferenz Wirtschaftsinformatik, 02.03.2012, Braunschweig, S 917–929
Zumstein D, Gächter I (2016) Digital Analytics – Strategien im digitalen Geschäft umsetzen und mit KPIs überprüfen. In: Meier A, Zumstein D (Hrsg) Business analytics. Springer, Edition HMD, Berlin
Zumstein D, Mohr S (2018) Digital analytics in business practice – usage, challenges and relevant topics, 16th International Conference e-Society, IADIS, Lisbon, S 257–264
Zumstein D, Kotweski W (2020) Success factors of E-commerce – drivers of the conversion rate and basket value, 18th International Conference e-Society, IADIS, Sofia, S 43–50
Zumstein D, Oswald C (2020) Onlinehändlerbefragung 2020 – nachhaltiges Wachstum des E-Commerce und Herausforderungen in Krisenzeiten. Eine Studie des Instituts für Marketing Management. Zürcher Hochschule für Angewandte Wissenschaften, Winterthur
Metadaten
Titel
Digital Analytics in der Praxis – Entwicklungen, Reifegrad und Anwendungen der Künstlichen Intelligenz
verfasst von
Darius Zumstein
Andrea Zelic
Michael Klaas
Copyright-Jahr
2021
Buch
Big Data Analytics

Print ISBN: 978-3-658-32235-9

Electronic ISBN: 978-3-658-32236-6

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-658-32236-6_3