ecrm Web Mining & Clickstream Analysis

Größe: px
Ab Seite anzeigen:

Download "ecrm Web Mining & Clickstream Analysis"

Transkript

1 Universität Fribourg Research Group Information Systems Prof. Dr. Andreas Meier Seminar zum Thema ecrm & Clickstream Analysis Emanuel Stoll Fribourg, SS 05 Mottastr April Bern

2 Inhaltsverzeichnis Inhaltsverzeichnis... I 1 II Abbildungsverzeichnis... 2 Abkürzungsverzeichnis Einleitung Gewinnung und Auswertung von Kundendaten deskriptive Auswertungsverfahren automatische Mustererkennungsverfahren Ablauf der Analyse Datenbasis des Server Logfiles Cookies Zusatzinformationen Aufbereitung der Daten Integration der Daten Mustersuche in den Daten Clusteranalyse Assoziationsanalyse Sequenzanalyse (Pfadanalyse) Klassifikationsanalyse (Segmentierung) Vorhersageanalyse Umsetzung der Erkenntnisse Web Controlling Website Optimierung Personalisierung Aspekte des Datenschutzes Möglichkeiten und Grenzen des Literaturverzeichnis I

3 Abbildungsverzeichnis Abbildung 2-1 : Ablauf einer Analyse...3 Abbildung 3-1 : Bereiche des...4 Abbildung 3-2 : Prozess...5 Abbildung 3-3 : Felder des Common Logfile Format...6 Abkürzungsverzeichnis ecrm CRM CLF IP ecustomer Relationship Management Customer Relationship Management Common Logfile Format Internet Protokoll Nummer II

4 1 Einleitung Das hohe Potential von ecrm im E-Commerce liegt in den vielfältigen Möglichkeiten der individuellen und multimedialen Interaktion mit den einzelnen Kunden. Die Grundlage, um dieses Potential nutzen zu können, ist das Wissen über die Kunden. Mehr als in allen anderen Medien besteht im Internet die Möglichkeit, aus dem Informations- und dem Kaufverhalten des Kunden oder des Websitebesuchers, auf dessen Interessen und Wünsche zu schliessen. Mit diesen Informationen können individuelle Inhalte, Angebote und ein persönlicher Dialog mit dem Kunden entwickelt werden. Daneben lassen sich auch Schwachstellen von E-Commerce Angeboten aufdecken und Verbesserungspotentiale ermitteln. Um dies möglich zu machen, ist die Analyse des Kundenverhaltens im Internet nötig. Das Datenanalyseverfahren liefert dabei viele hilfreiche Informationen. Begriffserklärung stammt vom Begriff Data Mining ab. Dieser Begriff nimmt Bezug auf den Bergbau (Mining), wo enorme Gesteinsmengen abgebaut werden, um daraus dann beispielsweise Edelmetall zu fördern. Entsprechend geht es beim Data Mining darum, aus grossen Datenmengen mit anspruchsvollen, automatisierten Methoden, ohne nennenswerte steuernde Eingriffe und ohne vorherige Hypothesendefinierung durch den Marktforscher, die bedeutsamen und handlungsrelevanten Informationen zu identifizieren. 1 Beim werden die Techniken des Data Mining auf Datenmaterial übertragen, das im Zusammenhang mit Prozessen im Internet gesammelt wird. Im Text wir im Zusammenhang mit E-Commerce Angeboten von Webseiten (z.b. die Webseite buch.html) gesprochen, wobei eine einzelne Seite gemeint ist. Wenn hingegen von einer Website die Rede ist, so ist ein ganzes E-Commerce Angebot, also verschiedene, miteinander zusammenhängende Webseiten gemeint. (z.b. die Website 1 Vgl. Homburg, Ch.; Krohmer, H. (2003), S.332 1

5 2 Gewinnung und Auswertung von Kundendaten Um das für die Kundenorientierung notwendige Wissen über den Kunden und dessen Bedürfnisse zu gewinnen, müssen Daten gesammelt und richtig ausgewertet werden. Dies gilt im konventionellen CRM ebenso wie im ecrm. Wegen der im Internet jedenfalls vordergründigen Anonymität, fällt ein persönlicher Kontakt zwischen Kunde und Anbieter aus. Im ecrm müssen daher etwas andere Methoden zur Datenbeschaffung angewendet werden. Die Datenbeschaffung wird durch die automatische Aufzeichnung aller Bewegungen der Online-Kunden eines Internet Angebotes etwas erleichtert. In so genannten Logfiles, wird jeder Seitenaufruf eines Besuchers vom Server protokolliert. Weitere Methoden zur Datengewinnung werden im Kapitel 3.2 vorgestellt. Trotz der sehr vielen Daten die durch die automatische Aufzeichnung anfallen, ist es oftmals für die Betreiber von E-Commerce Angeboten nicht leicht, brauchbare Informationen über die Eigenschaften ihrer Online-Kunden und auch über die Wirkung ihres E-Commerce Angebots zu erhalten. Wie es dennoch möglich ist, an Informationen über die Zusammensetzung der Besucher, die Wirkung von Online-Werbung, die Bewertung einzelner Seiteninhalte oder auch über das Online-Kaufverhalten der Kunden zu gelangen, soll dieses Kapitel aufzeigen. 2.1 deskriptive Auswertungsverfahren Herkömmliche, deskriptive Statistiken sind nur beschränkt dazu geeignet, Informationen über die Website-Nutzung und über den Website-Nutzer zu liefern. Die Ergebnisse einer Logfile-Analyse geben erste Anhaltspunkte zur Nutzung einer Website. Diese können Hinweise zur Verbesserung einer Seitenstruktur oder auch zur besseren Positionierung wichtiger Seiteninhalte geben. Sie liefern aber keine Informationen über individuelle Verhaltensweisen und über die Interessen der Website-Nutzer. Deskriptive Verfahren sind auch nicht in der Lage, selbständig Muster in den Nutzungsdaten aufzufinden. Doch gerade diese Muster im Verhalten der Kunden können aber helfen, im vordergründig anonymen Internet wichtige Informationen zu finden. Daher werden automatische Mustererkennungsverfahren (Verfahren des Data Mining) auf 2

6 Internetdaten angewendet, um tiefer gehende Informationen über die Besucher einer Website zu erhalten automatische Mustererkennungsverfahren Die Mustererkennung wird meist durch spezielle Data Mining Software 4 erledigt, die es heute mit verschiedenen Fähigkeitsschwerpunkten zu kaufen gibt. Wobei einzelne Anbieter auch spezialisierte Software 5 anbieten, die neben der Mustersuche auch die Datenauswahl, die Aufbereitung und auch die Integration übernehmen. Datenauswahl Daten - Daten - Mustersuche Interpretation aufbereitung integration Abbildung 2-1 : Ablauf einer Analyse 6 Wie Abb. 2-1 zeigt, werden setzt die Mustersuche, also das eigentliche, erst gegen Ende der Analyse, nach einer Phase von verschiednen Vorund Aufbereitungsvorgängen ein. 3 Wie in der Einleitung angetönt, versteht man unter die Anwendung von Verfahren des Data Mining auf Datensammlungen aus dem Internet. lässt sich in drei Analyseverfahren aufteilen 7 : Web Content Mining befasst sich mit der Analyse des Website Inhalts. Eine Zielsetzung ist, die Suche nach Informationen innerhalb einer Website zu vereinfachen. Eine Aufgabe ist es, Online-Dokumente zu Gruppieren und zu 2 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. Englbrecht, A. / Hippner, H. / Wilde, K.D. (2004), S Siehe z.b. SPSS Clementine unter: oder Insightful Miner 3 unter: 5 Hierzu gibt es eine Studie, die 26 Tools untereinander vergleicht. Siehe dazu: 6 Hippner, H. / Merzenich, M. / Wilde, K.D. (2002), S.90 7 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S

7 Klassifizieren oder auch das Auffinden dieser Dokumente mit Hilfe von Suchbegriffen zu erleichtern. Web Structure Mining befasst sich mit der Anordnung einzelner Elemente innerhalb einer Website(intra-page structure information) und auch mit der Verknüpfung verschiedener Seiten untereinander(inter-page structure information). Wichtig sind die Verweise von einer Webseite auf eine andere, meist inhaltlich verwandte Webseite mit Hilfe von Hyperlinks. Diese beiden Bereiche des werden hauptsächlich in der Phase der Datenaufbereitung(siehe Abb. 2-1 und Kap.3.3) eingesetzt. Damit können Webseiten inhaltlich klassifiziert werden, was besonders bei umfangreichen Websites von grosser Bedeutung ist, da für die weitere Analyse Gruppen von inhaltlich ähnlichen Webseiten gebildet werden können. Auch die Struktur der Website und die Anordnung der einzelnen Webseiten kann so aufgezeigt werden, was das Nachvollzeihen des Bewegungsverhaltens der Nutzer ermöglicht. Web Usage Mining beschäftigt sich mit dem Verhalten der Internet Nutzer. Hierbei werden Data Mining Verfahren auf die Logfiles des Webservers angewandt, um Verhaltensmuster und Interessen der Nutzer aufzudecken. Wenn sich die Analyse auf die Logfiles beschränkt, so spricht man von Web Log Mining, werden aber weitere Datenquellen(z.B. Registrierungsdaten, Formularangaben, Kaufhistorie ) mit in die Analyse einbezogen, so spricht man von Integrated Web Usage Mining. 8 Web Structure Mining Web Content Mining Web Usage Mining nur Logfile Web Log Daten Mining Abbildung 3-1 : Bereiche des 9 Integrated Web Usage Mining + zusätzliche Datenquellen In den folgenden Kapitel ist unter dem Bereich immer die Ausprägung Web Usage Mining gemeint. 8 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. ebenda S.274 4

8 3.1 Ablauf der Analyse In diesem Kapitel wird der Ablauf der Analyse aufgezeigt. Das eigentliche, die Phase der Mustersuche und Interpretation erfolgt gegen den Schluss des in Abb. 3-2 gezeigten Ablaufs. Datenerhebung Daten - bereinigung Nutzer- und Session -ID Datenintegration Mustersuche Musterinterpretation Anwendung der Ergebnisse rohe Logfiles reine Logfiles Sessions Berücksichtigung der Datenschutzgesetze Assoziationsanalyse Webcontrolling Sequenzanalyse Zusatzinformationen Name Adresse Alter Datenbasis Klassifikation (Segmentierung) Vorhersageanalyse Website Optimierung Personalisierung Abbildung 3-2 : Prozess 10 Vorher müssen die Daten aufbereitet, bereinigt, wenn möglich ergänzt und vervollständigt werden, um am Ende aussagekräftige Resultate zu erhalten, die dann auch Angewendet werden können. 3.2 Datenbasis des Wie in Abb. 3-2 ersichtlich ist, steht am Anfang des Prozesses, die Erhebung der Internet-Nutzerdaten, die dann schlussendlich in die Analyse einfliessen sollen. Neben den reinen Internetdaten können auch weitere vorhandene Datensätze integriert werden, um eine umfassendere Analyse zu ermöglichen. Beim Einsatz und der Auswertung von personenbezogenen Daten sind aber immer die Grundsätze des Datenschutzes zu berücksichtigen. 11 Siehe dazu auch Kap Server Logfiles Als erste Datenquelle des Prozesses, sind die vom Webserver generierten Logfiles zu nennen. Es sind Textdateien, in denen automatisch Abläufe 10 Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S.275 5

9 der Rechnertätigkeit aufgezeichnet werden. In den Logfiles des Webservers wird die Kommunikation des Servers mit dem Internet protokolliert. Es lassen sich unter anderem ermitteln, von welchem Rechner wie lange auf bestimmte Inhalte zugegriffen wurde, welcher Browser dabei eingesetzt wurde und ob bei der Datenübertragung Fehler aufgetreten sind. Bei der Auswertung der Logfiles lässt sich auch der Weg des Besuchers beim Navigieren durch die Website, der so genannte Clickstream, ermitteln. 12 Das Logfile wird in einem Standartformat, dem Common Logfile Format(CLF) aufgezeichnet. Abb. 3-3 zeigt den Inhalt eines CLF. Feldname Bedeutung des Feldinhaltes Host IP-Adresse des zugreifenden Servers Ident Identifikation (falls vorhanden, sonst Bindestrich) Authuser Authentifizierter Benutzername (falls erforderlich, sonst Bindestrich) Date Datum und Uhrzeit des Zugriffs im Format dd/mm/yyyy:hh:mm:ss Time-zone Abweichung von der Greenwich Mean Time (GTM) Request Methode, Dokument und Protokoll des Zugriffs Status Antwortstatus als Codenummer (z.b. 200= Seite erfolgreich übertragen ) Bytes Gesamtzahl der übertragenen Bytes Ein Expanded Common-Logfile-Format (ECLF) enthält zusätzlich folgende Felder: Referrer URL der Seite, die den Link zur angefragten Seite enthielt Agent Name und Versionsnummer des anfragenden Browsers Abbildung 3-3 : Felder des Common Logfile Format 13 Ein typischer Eintrag im CLF sieht folgendermassen aus: [1/Apr/2005:07:20: ] GET kauf.html http/ index.html Mozilla Firefox/5.0 (Win XP) In diesem Eintrag ist die Anfrage eines Besuchers zu erkennen, der über die IP- Adresse am 1.April 2005 um 7:20:20 auf die Seite kauf.html zugriffen hat. Die Datenübertragung verlief erfolgreich (Statuscode200). Es wurden 3060 Bytes übertragen. Der Besucher verfolgte einen Link von der Seite index.html und benutzte dabei den Browser Mozilla Firefox/5.0 in Verbindung mit Windows XP. Die Logfiles lassen sich aber nicht immer so ohne weiteres für den Prozess einsetzen. Sie enthalten in rohem Zustand sehr viele Einträge, die den wahren Verkehr einer Website stark verfälscht wiedergeben. Um zu umfassenderen und genaueren Daten zu kommen, werden oft Cookies verwendet. 12 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2002), S Hippner, H. / Merzenich, M. / Wilde, K.D. (2002), S.92 6

10 3.2.2 Cookies Ein Cookie ist eine kleine Textdatei, die vom Webserver an den Browser übertragen wird. Das Cookie wird vom Browser gespeichert. Dabei kann es nur für die Dauer eines Websitebesuchs oder auch über längere Zeit aktiv belieben. In einem Cookie können kurze Informationen von einem Kontakt zum Webserver bis zum nächsten Kontakt mit diesem Webserver zwischengespeichert werden. So lässt sich beispielsweise ein Besucher der zum wiederholten Mal auf eine Website zugreift identifizieren. Dies wird beispielsweise für E-Commerce Angebote mit Einkaufskörben angewendet, wo ein Besucher auf mehreren Webseiten Artikel markiert die er gerne kaufen möchte und denn Kaufvorgang erst ein paar Tage später abschliessen will, ohne nochmals alle Artikel markieren zu müssen. Die beim Kaufvorgang vergebenen Cookies helfen dabei dem Browser, sich zu merken, welche Artikel markiert wurden Zusatzinformationen Neben der grundlegenden Informationsbasis aus den Internet- Nutzungsdateien(Logfiles, Cookies ) kann man die Ergebnisse der Analyse erheblich verbessern, wenn weitere Informationsquellen eingebunden werden. Je nach Gegenstand der Untersuchung und in Abhängigkeit der Datenverfügbarkeit, können Transaktionsdaten, Kundestammdaten, Kampagneninformationen oder auch Benutzerdaten mit eingebaut werden. 15 Benutzerdaten mit persönlichen Informationen, Eigenschaften und Präferenzen werden beispielsweise bei Anmelde- und Registriervorgängen über Onlineformulare generiert. Diese Informationen lassen sich technisch ohne weiteres mit den Logfiledaten zusammenbringen. Somit lässt sich auch eine Verbindung von onlineund offline Angeboten und auch vom Online- mit dem Offline-Marketing realisieren. 14 Informationen zu Cookies u.a. unter: abgerufen am Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S

11 Logfiles Cookies Session-ID Transaktionsdaten (Kauf, Bestellung ) Datenbasis Benutzerdaten aus Registrierungsformularen Kampagneninformationen (Banner, s ) sozio-demographische Daten Abbildung 3-4 : mögliche Datenquellen des Web Usage Mining 16 Kundenstammdaten (wenn bereits vorhanden) 3.3 Aufbereitung der Daten Die durch die Logfiles gesammelte Datenmenge ist enorm gross und beinhaltet auch viele irreführende und nutzlose Angaben. Erst einmal geht es nun darum, alle Einträge die nicht durch eigentliche Websitenutzer generiert wurden, zu identifizieren und zu eliminieren. Dies sind Websiteaufrufe, die durch Suchmaschinen oder auch durch den Abruf einzelner Webseitenbestanteile wie Bilder, generiert worden sind. Verfälscht werden die Logfiles auch durch Cach- Mechanismen der Browser und der Internetprovider. Dabei werden häufig aufgerufene Webseiten auf der Festplatte des Nutzers oder auch auf dem Proxiserver des Providers zwischengespeichert. Dies verfälscht den Clickstream des Nutzers, der Webseitenzugriff wird unter Umständen durch das Logfile auch gar nicht registriert. Das kann aber relativ einfach, mit einem aufgezwungenen Neuladen der Seite umgangen werden. Mit den bereinigten Daten kann nun die Identifikation der einzelnen Besucher beginnen, um dem Ziel des näher zu kommen und die Anonymität der Besucher aufzulösen. Die Identifikation der Nutzer erfolgt über die IP-Adresse. Diese lässt sich aber wegen durch die Provider vergebenen, oft dynamischen IP-Adressen, nicht immer einem konkreten Nutzer zuordnen. Es kann sein, dass sich hinter einer IP-Adresse mehrere Nutzer verbergen oder aber, dass ein und derselbe Nutzer unter verschiedenen Malen mit verschiednen IP-Adressen auf eine Website zugreift. Dieses Problem kann mit der Betrachtung der Benutzen Browser umgangen werden. Greift die gleiche IP- Adresse mit verschiedenen Browsern auf die Website zu, so handelt es sich 16 Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S.281 8

12 möglicherweise um zwei unterschiedliche Nutzer. Eine weitere Möglichkeit ist der Einsatz von Cookies. Da diese aber vom Nutzer unterdrückt werden können, garantieren auch sie nicht einen totalen Erfolg. Diesen kann man nur mit einer Identifikation über eine Registrierung herbeiführen, wo sich der Nutzer freiwillig und hoffentlich auch richtig zu erkennen gibt. Nur wenn eine IP-Adresse eindeutig identifiziert ist, lassen sich auch Clickstreams, also zusammenhängende Pfade, einzelner Nutzer ermitteln Integration der Daten Wie schon in Kapitel erwähnt, lassen sich die bis zu diesem Zeitpunkt des Web Mining Ablaufs ermittelten Daten erheblich verbessern, wenn zusätzliche Informationsquellen eingebunden werden. Beim Zusammenbringen von Daten verschiedenster Quellen, darf aber nie der Datenschutz vergessen werden. 3.5 Mustersuche in den Daten Nach dem Aufbereiten der Daten und der Integration zusätzlicher Informationen, kommen die Methoden 18 des Data Mining zum Einsatz. Für das Gebiet des Web Usag Mining, bieten sich neben weiteren Methoden, vor allem die Methoden der Cluster-, der Assoziations- und der Sequenzanalyse an. Bei der Wahl der Methode müssen verschiedene Kriterien beachtet werden. So spielen die Approximations- und die Prognosegenauigkeit, die Generalisierungsfähigkeit und auch die Interpretierbarkeit möglicher Resultate eine zentrale Rolle. Daneben sind die Anwendungsprämissen und auch die Robustheit der Methoden und natürlich auch die Verfügbarkeit der Methoden zu beachten. 17 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S umfassende Informationen zu den Data Mining Methoden findet sich unter: Data%20Mining%20im%20Marketing%20-%20SS% pdf, abgerufen am

13 3.5.1 Clusteranalyse Die Clusteranalyse versucht die Nutzer anhand von Ähnlichkeiten in Klassen oder Gruppen einzuordnen, die intern möglichst homogen und extern möglichst heterogen sind. Die Zuordnung passiert schrittweise. Die Anzahl und die Eigenschaften der Gruppen sind zu Beginn der Clusteranalyse noch nicht bekannt. Die Eigenschaften der Gruppen können erst nach er Clusterbildung, durch eine geschickte Interpretation anhand von Gruppenmittelwerten der Segmentierungsmerkmale und weiterer Eigenschaften ermittelt werden Assoziationsanalyse Mit der Assoziationsanalyse 21 sollen mittels statistischer Zusammenhangsanalyse quantifizierte Regeln entdeckt und abgeleitet werden. Die Gültigkeit der Regeln kann durch die Signifikanz ermittelt werden. Als Resultat einer Assoziationsanalyse kann beispielsweise die Erkenntnis stehen, wenn ein Kunde ein bestimmtes Buch kauft, er dann mit einer Wahrscheinlichkeit von 62% auch ein zweites, anderes Buch kauft. Die Assoziationsanalyse generiert also wenn-dann Aussagen. Somit lassen sich Vorschläge für die Kunden generieren oder es lassen sich Warenkorbanalysen erstellen. 22 An der Stelle von real existierenden Webseiten, lassen sich auch virtuelle Seiten generieren um weitere interessante Zusammenhangsanalysen machen zu können. Als virtuelle Seiten bieten sich an: Besuchermerkmale o Kontakthistorie o Kaufhistorie Sitzungs- und Transaktionsmerkmale o Startzeitpunkt o Dauer o Verweildauer pro Seite o Erfolgreicher Abschluss 19 Vgl. Ceyp, M.H. (2002), S Vgl. Homburg, Ch.; Krohmer, H. (2003), S umfassende Informationen dazu finden sich unter: 22 Vgl. Ceyp, M.H. (2002), S

14 o Abbruch Seitenmerkmale o Seitentyp (Katalog-, Informations-, Bestell-, Service- oder Newsseite) o Themengruppen Somit können auch Aussagen gemachte werden, wie: wenn Abbruch, dann war der Besucher zu 73% auch auf der Seite zahlungsarten.html. Die Interpretation dieser Aussage muss der Marktforscher allerdings dann selber bewerkstelligen. Sie muss nicht eindeutig sein und ist unter umständen recht schwierig zu machen Sequenzanalyse (Pfadanalyse) Die Sequenzanalyse stellt eine Weiterentwicklung der Assoziationsanalyse dar. Hier wird versucht, typische Aneinanderreihungen zu finden. Dabei wird die zeitliche Reihenfolge der aufgezeichneten Aktionen berücksichtigt. Ein Beispiel ist die Analyse des Clickstream um daraus häufige Pfade innerhalb einer Website zu finden. Dies ermöglicht es dann, die Struktur und die Navigation der Website dem Nutzerverhalten anzupassen, verschiedene Nutzertypen zu beschreiben und somit auch eine online Personalisierung, also eine dynamische Gestaltung der Webseiten anhand des Clickstreams, zu ermöglichen Klassifikationsanalyse (Segmentierung) Bei der Klassifikationsanalyse werden meist Entscheidungsbaumverfahren, künstliche neuronale Netze oder Methoden der logistischen Regression angewendet. Mit diesen Verfahren werden Schritt für Schritt die ursprünglichen Daten in immer kleinere, homogenere Teilmengen aufgeteilt. Dabei wird untersucht welches Merkmal zu der bestmöglichen Klassifikation der Daten in Bezug auf die Zielgrösse führt. Mit der Klassifikationsanalyse können auch Website-Nutzer identifiziert werden, die mit einem bestimmten Ziel, beispielsweise dem Produktkauf, auf die Website stossen. Zu diesem Zweck sucht ein Klassifikationsverfahren gewisse 23 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S

15 Webseitenaufrufe, Clickstreams und Nutzermerkmale, anhand derer Website-Nutzer dann in die Klassen der Käufer und die der Nicht-Käufer eingeteilt werden Vorhersageanalyse Die Vorhersageanalyse, auch Prognose genannt, ermöglicht die Berechnung stetiger Werte. In einem E-Commerce Angebot lässt sich beispielsweise über eine Regressionsanalyse mit einer gewissen Vorhersagegenauigkeit ein durchschnittlicher Bestellwert ableiten Umsetzung der Erkenntnisse Als Betreiber deiner Website wünscht man sich die Möglichkeit, den Erfolg seines Webangebots festzustellen, zu messen und in Kennzahlen festzuhalten. Unter dem Stichwort e-metrik 26 wird in letzter Zeit versucht, dem Controlling des E-Business messbare und informative Zahlen zur Verfügung zu stellen Web Controlling Mit den aus gewonnen Informationen, können erste Kennzahlen wie die Besucherfrequenz, die Loyalität der Webkunden oder auch der Umsatz pro Webkunde gewonnen werden. Diese liefern erste objektive Anhaltspunkte für Erfolgsmessung einer Website. Auch Entscheide bezüglich Ausbauschritte des Webangebots und auch bezüglich der Durchführung von Marketingmassnahmen können auf Anhaltspunkte aus dem Web Controlling abgestützt werden Website Optimierung Mit den Informationen kann die Konfiguration der Website und auch die Werbeplatzierung optimiert werden. Dabei kann die Seitenstruktur an häufigen Bewegungspfaden, Clickstreams, ausgerichtet werden, um die Navigation durch die 24 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. Ceyp, M.H. (2002), S Informationen zu e-metrik u.a. unter: 27 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S

16 Website zu erleichtern. Mit der Information woher die Besucher auf die eigene Website kommen, lassen sich Möglichkeiten strategischer Partnerschaften mit anderen Websites erkennen. Auch die Wirksamkeit von Suchmaschineneinträgen und von Bannerwerbung lässt sich so ermitteln und optimieren Personalisierung Mit den durch gewonnen Informationen lässt sich das Verhalten der Onlinebesucher dokumentieren und analysieren. Kunden können segmentiert, klassifiziert und beispielsweise mit Kaufwahrscheinlichkeiten bewertet werden. Mit diesen Informationen lassen sich zielgruppenspezifische Marketingkampagnen, kundespezifische Interaktionen oder auch personalisierte Website Inhalte generieren. 30 Erfahrungen aus der Marktforschung zeigen aber, dass Ergebnisse aus dem Web Mining nicht urteilslos angenommen werden dürfen. Sie müssen durch die Durchführenden kritische hinterfragt und richtig interpretiert werden Aspekte des Datenschutzes Im Rahmen des werden potentiell personenbezogene Daten genutzt. Daher ist es nötig, die entsprechenden Gesetze des Datenschutzes zu beachten. Dabei ist die Verwendung anonymer Nutzungsprofile zulässig. Wenn man diese mit vorhandenen personenbezogenen Daten kombiniert, ist aber Vorsicht geboten. Auch daher wird die Nutzung und Auswertung anonymer Daten immer wichtiger, da auf diese Weise wertvolle Informationen gewonnen werden können ohne mit dem Datenschutzgesetz in Konflikt zu geraten. Aus rechtlichen und aber auch aus ethischen Gründen ist es richtig, Nutzer einer Website über die Datenerhebung zu informieren und gegebenenfalls auch das Einverständnis zur Nutzung der Daten einzuholen. 29 Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S Vgl. Homburg, Ch.; Krohmer, H. (2003), S Vgl. Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S

17 5 Möglichkeiten und Grenzen des Dank den Erkenntnissen aus dem lässt sich eine Website optimieren und ausbauen, so dass sie möglichst genau den Bedürfnissen, den Ansprüchen und Interessen der Nutzer entspricht. Sie können umfassender und auch persönlicher angesprochen und bedient werden. Dank den relativ zuverlässigen Informationen, können die Erfolgsfaktoren ermittelt und jedenfalls teilweise auch gesteuert werden. Die mit gefundenen Erkenntnisse, lassen sich auch im Marketingbereich einsetzten. Gerade bei Werbekampagnen im Internet steht man so nicht mehr einer anonymen Menge von Nutzern gegenüber, sonder kann diese mindestens teilweise charakterisieren. Dabei bleibt der Nutzen nicht nur auf den Internet-Bereich des Unternehmens beschränkt. Dank umfassenderen Informationen ist auch auf der Offlienebene ein besserer Dialog möglich. Um sich aber wirklich ein umfassendes Bild der Nutzer eines Website-Angebots machen zu können, müssen die Nutzer auch etwas von ihrer Anonymität preisgeben und sich freiwillig zu erkennen geben. Sie müssen bereit sein, sich zu registrieren und persönliche Daten mitzuteilen. Ohne diese Daten, ist die Zuordnung von Präferenzen zu einzelnen Personen schwierig und führt zu unscharfen Erkenntnissen. Um die Nutzer soweit zu bringen, die Anonymität aufzugeben und persönliche Daten preiszugeben, muss eine Vertrauensbasis geschaffen werden. Dem Nutzer muss klar sein, dass seine Daten auch ihm gehören, dass sie vor dem Zugriff Dritter geschützt werden und auch welchen Gegenwert er für seine persönlichen Angaben erhält. Es fragt sich auch, wie viel Personalisierung Internetkunden wirklich wollen und wann diese als zu aufdringlich und zu untransparent wahrgenommen wird. Im deutschsprachigen Raum sind nur wenige Informationen über den Einsatz und den Erfolg von Projekten in der Praxis zu finden. In einer Umfrage 34 der Katholischen Universität Eichstätt-Ingolstadt wurde ermittelt, dass momentan das Generieren von Kundeninformationen und auch die Personalisierung von Websites als die beiden Ziele des Einsatzes in der Praxis von deutschen 33 Gesetze und Kommentare zum Datenschutz in der Schweiz findet man unter: 34 Teile der Umfrage finden sich in Hippner, H. / Merzenich, M. / Wilde, K.D. (2004), S

18 Unternehmen sind. Auch die zielgruppengerechte Platzierung von Inhalten und, die Verwendung der Informationen zur Erfolgskontrolle, zur Dokumentation und zur strategischen Planung werden als Einsatzgrund genannt. 35 Weiter gilt es zu beachten, dass mit den vorgestellten Analysen nur Informationen über Nutzer gesammelt werden können. Es werden nur Personen erfasst, die schon mindestens einmal auf die Website gelangt sind. Potentielle Besucher die auch einmal Kunde werden könnten, die aber aus irgendwelchen Gründen noch nicht auf das Webangebot gestossen sind, werden nicht erfasst. Dabei kann es sein, dass sie wegen Zugangsbarrieren des Webangebots aussen vor bleiben müssen. Daher ist also wichtig, neben guten Methoden, auch auf eine gute Zugänglichkeit und eine hohe Benutzerfreundlichkeit des Webangebots zu achten um nicht Kunden auszusperren. 35 Vgl. Gentsch, P. (2002) 15

19 Literaturverzeichnis Ceyp, M.H. (2002): Potentiale des für das Dialog Marketing. In: Schögel, M. / Schmidt, I: ECRM, symposium 2002, S Englbrecht, A. / Hippner, H. / Wilde, K.D. (2004): ecrm Konzeptionelle Grundlagen und Instrumente zur Unterstützung der Kundenprozesse im Internet. In: Wilde, K.D. / Hippner, H. (Hrsg.): IT-Systeme im CRM - Aufbau und Potenziale, Gabler, Wiesbaden, S Gentsch, P. (2002): Kundengewinnung und bindung im Internet: Möglichkeiten und Grenzen des analytischen CRM. In: Schögel, M. / Schmidt, I: ECRM, symposium 2002, S Hippner, H. / Merzenich, M. / Wilde, K.D. (2002): im E-CRM. In: Schögel, M. / Schmidt, I.: ECRM, symposium 2002, S Hippner, H. / Merzenich, M. / Wilde, K.D. (2004): - Grundlagen und Einsatzpotentiale im ecrm. In: Wilde, K.D. / Hippner, H. (Hrsg.): IT-Systeme im CRM - Aufbau und Potenziale, Gabler, Wiesbaden, S Homburg, Ch.; Krohmer, H. (2003): Marketingmanagement. Gabler, Wiesbaden, 1. Aufl. 16

'Customer Relationship Management'

'Customer Relationship Management' 'Customer Relationship Management' Seminar im Sommersemester 2004 Information Systems Research Group Prof. Dr. Andreas Meier Universität Fribourg Report zum Thema 'Web-Mining im E-CRM & Potentiale des

Mehr

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr.

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr. Mining the Web Analyse von Benutzerpfaden und Nutzertypen im Internet Dr. Frank Säuberlich Business Unit CRM Solutions SAS Deutschland Agenda 1. Einleitung: Der Lebenszyklus eines e-kunden Begriffsdefinition

Mehr

Data Mining im e-commerce am Beispiel der Deutschen Bahn AG

Data Mining im e-commerce am Beispiel der Deutschen Bahn AG Fellowship Data Mining im e-commerce am Beispiel der Deutschen Bahn AG Katja Steuernagel Universität Kaiserslautern Momentan: GIP AG Göttelmannstraße 17 55130 Mainz katja@katja-steuernagel.de Zusammenfassung

Mehr

Personalisierung im E-Commerce. Personalisierung im E-Commerce. Einleitung. Einleitung. Personalisierung im E-Commerce. Der Personalisierungsprozess

Personalisierung im E-Commerce. Personalisierung im E-Commerce. Einleitung. Einleitung. Personalisierung im E-Commerce. Der Personalisierungsprozess Hauptseminar : Personalisierung Dozent: Herr Mandl Referentin: Anja Liebscher Datum: 08.11.06 (WS 06/07) 2. 2 Einleitung Einleitung Was ist E-Commerce Definition: Die Unterstützung von Handelsaktivitäten

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

Messung des Online-Erfolges / Optimierung einer Website

Messung des Online-Erfolges / Optimierung einer Website Messung des Online-Erfolges / Optimierung einer Website Stuttgart, Mai 2001 Guido Hartmann Senior Project Manager Talstrasse 41 Stuttgart phone: +49.711.90717-177 guido.hartmann@pixelpark.com http://www.pixelpark.com

Mehr

Was ist ein digitaler Archivbesuch? Die Interpretation von Zugriffszahlen

Was ist ein digitaler Archivbesuch? Die Interpretation von Zugriffszahlen Was ist ein digitaler Archivbesuch? Die Interpretation von Zugriffszahlen Georg Vogeler Zentrum für Informationsmodellieung, Graz Institut für Dokumentologie und Editorik, Virtualien Sever Log Analyse

Mehr

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Dr. Frank Säuberlich Business Unit e-intelligence SAS Deutschland Agenda 1. Begriffsdefinition e-intelligence: Systemdimension Angebotsdimension

Mehr

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner Agenda Universitätsrechenzentrum Heidelberg Data Mining SAS Mining Challenge Einführung in 14. November 2003 Hussein Waly URZ Heidelberg Hussein.Waly@urz.uni-heidelberg.de SAS Mining Challenge Generelle

Mehr

Anleitung Webalizer. Inhaltsverzeichnis

Anleitung Webalizer. Inhaltsverzeichnis Inhaltsverzeichnis. Aufgabe / Nutzen des s... 2. Allgemeine Informationen...2.2 Begriffserklärungen...2 2. Zugang zum... 2 3. Die Eingangsseite... 3 4. Die Monatsübersichten und Tagesübersichten... 3 4.

Mehr

Webhost Unix Statistik

Webhost Unix Statistik Webhost Unix Statistik Für jeden Betreiber eines Webservers ist es natürlich auch interessant zu wissen, welchen Erfolg das eigene Angebot hat und welche Seiten denn am öftesten abgerufen werden. Da jeder

Mehr

Datenschutzerklärung der Gütermann GmbH

Datenschutzerklärung der Gütermann GmbH Stand: 01. März 2014 Datenschutzerklärung der Datenschutzrechtlich verantwortliche Stelle ist die,, D-79261. Datenschutz ist unser Anliegen Wir freuen uns über Ihr Interesse an unserem Unternehmen und

Mehr

Handbuch zum besseren Verständnis des Webalizers Kurzanleitung

Handbuch zum besseren Verständnis des Webalizers Kurzanleitung Handbuch zum besseren Verständnis des Webalizers Kurzanleitung Eine Orientierungshilfe von die-netzwerkstatt.de Vorwort Inhalt Dieses Dokument beschreibt den Aufbau der Auswertung der Webserver-Statistiken.

Mehr

Datenschutzerklärung

Datenschutzerklärung Datenschutzerklärung CHAMÄLEON Theater GmbH Rosenthaler Strasse 40/41 10178 Berlin Wir, die CHAMÄLEON Theater GmbH, sind Betreiber dieser Website und der darauf angebotenen Dienste und somit verantwortlich

Mehr

Anleitung TYPO3 Version 4.0

Anleitung TYPO3 Version 4.0 Publizieren im Internet mit dem Content Management System TYPO3: (Referenzprojekte unter www.aloco.ch/referenzen/ ). Anleitung TYPO3 Version 4.0 Fragen beantworten wir gerne: ALOCO GmbH Hirschengraben

Mehr

Die EnergieNetz Mitte GmbH legt Wert auf den Schutz personenbezogener Daten.

Die EnergieNetz Mitte GmbH legt Wert auf den Schutz personenbezogener Daten. DATENSCHUTZERKLÄRUNG Die EnergieNetz Mitte GmbH legt Wert auf den Schutz personenbezogener Daten. Die EnergieNetz Mitte GmbH (nachfolgend EnergieNetz Mitte GmbH oder wir, Informationen erhalten Sie hier

Mehr

DATENSCHUTZERKLÄRUNG steuerberaten.de Steuerberatungsgesellschaft mbh

DATENSCHUTZERKLÄRUNG steuerberaten.de Steuerberatungsgesellschaft mbh DATENSCHUTZERKLÄRUNG steuerberaten.de Steuerberatungsgesellschaft mbh 1 Allgemeines Diese Datenschutzerklärung bezieht sich nur auf unsere Webseiten unter der Domain www.steuerberaten.de mit Ausnahme des

Mehr

Web-Controlling. Erfolgskontrolle im Internet. Die Grundlagen.

Web-Controlling. Erfolgskontrolle im Internet. Die Grundlagen. Web-Controlling. Erfolgskontrolle im Internet. Die Grundlagen. Kontrolle für den Webauftritt. Zeiten riesiger Gelder und Big Bang`s im Internet sind vorbei Harte Kalkulierung von Budgets Wer einen Etat

Mehr

Datenbank-basierte Webserver

Datenbank-basierte Webserver Datenbank-basierte Webserver Datenbank-Funktion steht im Vordergrund Web-Schnittstelle für Eingabe, Wartung oder Ausgabe von Daten Datenbank läuft im Hintergrund und liefert Daten für bestimmte Seiten

Mehr

Online-News Ausgabe 12, Juli 2000 Seite 56

Online-News Ausgabe 12, Juli 2000 Seite 56 5 Cookies Was ist eigentlich ein COOKIE? Man traut ihnen nicht so recht über den Weg. Angeblich können damit alle persönlichen Daten eines Internetbenutzers heimlich erkundet werden, Hacker erhalten gar

Mehr

Schwachstellenanalyse 2013

Schwachstellenanalyse 2013 Schwachstellenanalyse 2013 Sicherheitslücken und Schwachstellen in Onlineshops Andre C. Faßbender Schwachstellenforschung Faßbender 09.01.2014 Inhaltsverzeichnis 1. Abstract... 3 2. Konfiguration der getesteten

Mehr

riskkv Scorenalyse riskkv Scoring Seite 1 von 9

riskkv Scorenalyse riskkv Scoring Seite 1 von 9 riskkv Scorenalyse riskkv Scoring Seite 1 von 9 Das Modul dient der flexiblen Erstellung, Auswertung und Verwendung von Scores. Durch vordefinierte Templates können in einer Einklicklösung bspw. versichertenbezogene

Mehr

Personalisierung und Benutzermodellierung. Aufdecken von Benutzerinteressen und Benutzerbedürfnissen: Mining U s Interests

Personalisierung und Benutzermodellierung. Aufdecken von Benutzerinteressen und Benutzerbedürfnissen: Mining U s Interests Personalisierung und Benutzermodellierung Aufdecken von Benutzerinteressen und Benutzerbedürfnissen: Mining U s Interests Prof. Dr. N. Henze 18. Juni 2007 Inhaltsverzeichnis 6 Aufdecken von Benutzerbedürfnissen

Mehr

DATENSCHUTZERKLÄRUNG 3 ERHEBUNG, VERARBEITUNG, SPEICHERUNG UND NUTZUNG VON DATEN

DATENSCHUTZERKLÄRUNG 3 ERHEBUNG, VERARBEITUNG, SPEICHERUNG UND NUTZUNG VON DATEN DATENSCHUTZERKLÄRUNG Der Schutz Ihrer personenbezogenen Daten ist für elead ein zentrales Anliegen. Mit diesen Datenschutzbestimmungen möchte elead Sie darüber informieren, wie elead Ihre personenbezogenen

Mehr

Schön, dass Sie da sind. 16. Juni 2008. E-Commerce im Handel SS 2008 Lehrbeauftragte: Maria-Christina Nimmerfroh

Schön, dass Sie da sind. 16. Juni 2008. E-Commerce im Handel SS 2008 Lehrbeauftragte: Maria-Christina Nimmerfroh Schön, dass Sie da sind. 16. Juni 2008 E-Commerce im Handel SS 2008 Lehrbeauftragte: Maria-Christina Nimmerfroh Personalisierung (Online- Marketing) Anpassung des Angebotes/der Seite/der Elemente an den

Mehr

Anhang A: Impressum / Anbieterkennzeichnung. Goodstock GmbH Neuer Weyerstrasserweg 135 50969 Köln. Geschäftsführer: Michael Klein Anschrift wie oben

Anhang A: Impressum / Anbieterkennzeichnung. Goodstock GmbH Neuer Weyerstrasserweg 135 50969 Köln. Geschäftsführer: Michael Klein Anschrift wie oben Anhang A: Impressum / Anbieterkennzeichnung Goodstock GmbH Neuer Weyerstrasserweg 135 50969 Köln Geschäftsführer: Michael Klein Anschrift wie oben E-Mail: info@goodstock.eu Tel.: +49 (0)221 936 11 00 Fax:

Mehr

Web-Controlling: Grundlagen für Website- Betreiber

Web-Controlling: Grundlagen für Website- Betreiber Web-Controlling: Grundlagen für Website- Betreiber Ein Merkblatt der Industrie- und Handelskammer Hannover Zum Betrieb einer Website gehören Ziele und Erfolgskontrolle. Schließlich investieren Unternehmen

Mehr

www.lamapoll.de Langner Maibaum Notev GbR Stephanstr. 52 10559 Berlin

www.lamapoll.de Langner Maibaum Notev GbR Stephanstr. 52 10559 Berlin Wir nehmen Datenschutz sehr ernst: www.lamapoll.de Langner Maibaum Notev GbR Stephanstr. 52 10559 Berlin Alle Server stehen in Deutschland und unterliegen deutschen Datenschutzund Sicherheitsbestimmungen

Mehr

Datenschutzerklärung. 1. Zweck der Datenerhebung. 2. Allgemeine Informationen

Datenschutzerklärung. 1. Zweck der Datenerhebung. 2. Allgemeine Informationen Datenschutzerklärung 1. Zweck der Datenerhebung Im Rahmen der Studie des CLEVIS Azubispiegel werden die Einstellungen und Erwartungen von Schülern 1 und Auszubildenden hinsichtlich der betrieblichen Ausbildung

Mehr

Schwachstellenanalyse 2012

Schwachstellenanalyse 2012 Schwachstellenanalyse 2012 Sicherheitslücken und Schwachstellen in Onlineshops Andre C. Faßbender Schwachstellenforschung Faßbender 13.01.2012 Inhaltsverzeichnis 1. Abstract... 3 2. Konfiguration der getesteten

Mehr

Wofür werden Cookies auf dieser Website NICHT verwendet?

Wofür werden Cookies auf dieser Website NICHT verwendet? Was ist ein Cookie? Ein Cookie ist eine kleine Textdatei, die eine Website in Ihrem Computer, Telefon oder einem anderen Gerät platziert, um Informationen über Ihr Surfverhalten auf dieser Website zu sammeln.

Mehr

Optimieren Sie Ihre n2n Webseite

Optimieren Sie Ihre n2n Webseite N2N Autor: Bert Hofmänner 5.10.2011 Optimieren Sie Ihre n2n Webseite Einer der wichtigsten Faktoren für den Erfolg Ihrer Webseite in Suchmaschinen sind deren Inhalte. Diese können Sie mit einem Content

Mehr

Datenschutz. Kontakt. Der Fachbereich Datenschutz ist unter den folgenden Kontaktdaten zu erreichen:

Datenschutz. Kontakt. Der Fachbereich Datenschutz ist unter den folgenden Kontaktdaten zu erreichen: Datenschutz Wir nehmen den Schutz und die Sicherheit von persönlichen Daten sehr ernst. Daher informieren wir unsere Kunden an dieser Stelle über das Thema Datenerfassung und -schutz sowie über unseren

Mehr

Der Schutz Ihrer personenbezogenen Daten ist für die NFON AG ein zentrales Anliegen.

Der Schutz Ihrer personenbezogenen Daten ist für die NFON AG ein zentrales Anliegen. Der Schutz Ihrer personenbezogenen Daten ist für die NFON AG ein zentrales Anliegen. Mit diesen Datenschutzbestimmungen möchte die NFON AG Sie darüber informieren, wie wir Ihre personenbezogenen Daten

Mehr

Gültig ab: 3. Dezember 2013

Gültig ab: 3. Dezember 2013 Cookies Richtlinie Gültig ab: 3. Dezember 2013 Hinweis: Bitte achten Sie darauf, dass dieses Dokument eine Übersetzung der englischen Fassung ist. Im Streitfall hat die englische Fassung Vorrang. Cookies

Mehr

Erklärung der Webalizer Statistik

Erklärung der Webalizer Statistik Webhost Linux Erklärung der Webalizer Statistik - 1 - Erklärung der Webalizer-Statistik Dieses Dokument beschreibt den Aufbau der Auswertung der Webserver-Statistiken. Die Auswertungen sind täglich ab

Mehr

Extranet pro familia. Anleitung zur Nutzung Webseitenstatistik. Extranet pro familia... 1. Anleitung zur Nutzung Webseitenstatistik...

Extranet pro familia. Anleitung zur Nutzung Webseitenstatistik. Extranet pro familia... 1. Anleitung zur Nutzung Webseitenstatistik... Extranet pro familia Anleitung zur Nutzung Webseitenstatistik Extranet pro familia.... 1 Anleitung zur Nutzung Webseitenstatistik.... 1 Erklärung und Anleitung Ihrer Webseitenstatistik (Awstats)... 2 1.

Mehr

BERATER DATENSCHUTZ MONITOR 2014

BERATER DATENSCHUTZ MONITOR 2014 BERATER DATENSCHUTZ MONITOR 2014 Herausgeber Erste Seite Internet Marketing GmbH Tübinger Str. 6 70178 Stuttgart Tel.: 0711-12 89 696-0 Fax: 0711-12 89 696-6 E-Mail: kontakt@ersteseite.com Berater Datenschutz

Mehr

Datenschutzerklärung zur Online-Kundenzufriedenheitsumfrage

Datenschutzerklärung zur Online-Kundenzufriedenheitsumfrage Datenschutzerklärung zur Online-Kundenzufriedenheitsumfrage 1. Allgemeine Erklärung zu Privatsphäre und Datenschutz im Internet: Die Ford-Werke GmbH und die Ford Motor Company fühlen sich dem Datenschutz

Mehr

Unterrichtseinheit 6. «Cookies, Cache und Co!» Persönlichkeits- und Datenschutz für Kinder und Jugendliche Seite 1. lkjlj

Unterrichtseinheit 6. «Cookies, Cache und Co!» Persönlichkeits- und Datenschutz für Kinder und Jugendliche Seite 1. lkjlj Seite 1 Unterrichtseinheit 6 «Cookies, Cache und Co!» Seite 1 Informationen zur Unterrichtseinheit... 2 Grundlagen für die Lehrperson... 2 Vorbereitung... 4 Einstieg... 5 Ablauf der Unterrichtseinheit...

Mehr

Daten, die Sie uns geben (Geschäftsbeziehung, Anfragen, Nutzung eine unsere Dienstleistungen)

Daten, die Sie uns geben (Geschäftsbeziehung, Anfragen, Nutzung eine unsere Dienstleistungen) Datenschutzerklärung der Etacs GmbH Die Etacs GmbH wird den Anforderungen des Bundesdatenschutzgesetzes (BDSG) gerecht.personenbezogene Daten, d.h Angaben, mittels derer eine natürliche Person unmittelbar

Mehr

Datenschutzerklärung

Datenschutzerklärung (kurz ADE) der Lecturize OG Mautner-Markhof-Gasse 53, 1110 Wien hello@lecturize.com // https://lecturize.com FN 420535 i, Handelsgericht Wien (nachfolgend Lecturize genannt) Stand 13. Oktober 2014 Inhalt

Mehr

Data Mining als Arbeitsprozess

Data Mining als Arbeitsprozess Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining

Mehr

Datenschutzerklärung der School of Governance, Risk & Compliance

Datenschutzerklärung der School of Governance, Risk & Compliance Datenschutzerklärung der School of Governance, Risk & Compliance Die School of Governance, Risk & Compliance (im Folgenden School GRC ) ist ein Institut der Steinbeis-Hochschule-Berlin GmbH, Chausseestraße

Mehr

Web-Controlling Optimierung ohne Relaunch

Web-Controlling Optimierung ohne Relaunch Web-Controlling Optimierung ohne Relaunch Fachartikel Erstellt am 1. März 2012 Ihr Ansprechpartner: Anica Funke Telefon: 0221-56 95 76-413 E-Mail: a.funke@kernpunkt.de Web-Controlling Optimierung ohne

Mehr

overheat 5 Usability Aspekte für eine bessere Nutzerführung Whitepaper Usability Inhalt: www.overheat.de T: +49 (0) 2263 7149480 E: info@overheat.

overheat 5 Usability Aspekte für eine bessere Nutzerführung Whitepaper Usability Inhalt: www.overheat.de T: +49 (0) 2263 7149480 E: info@overheat. www.overheat.de T: +49 (0) 2263 7149480 E: info@overheat.de Whitepaper Usability 5 Usability Aspekte für eine bessere Nutzerführung Inhalt: 1. Vorwort 2. Das macht eine gute Usability aus 3. Fünf Usability

Mehr

Arbeiten mit Webalizer Nutzen von Statistiken zur Verbesserung Ihres Onlinemarketing

Arbeiten mit Webalizer Nutzen von Statistiken zur Verbesserung Ihres Onlinemarketing Arbeiten mit Webalizer Nutzen von Statistiken zur Verbesserung Ihres Onlinemarketing Wo finde ich Webalizer? Die Webalizer Statistiken finden Sie in Ihrem Partnernet unter http://partner.dcn.de oder über

Mehr

ERP-Systemeinsatz bewerten und optimieren

ERP-Systemeinsatz bewerten und optimieren ERP-Systemeinsatz bewerten und optimieren Handlungsfelder zur Optimierung des ERP-Systemeinsatzes ERP-Lösungen werden meist über viele Jahre lang eingesetzt, um die Geschäftsprozesse softwaretechnisch

Mehr

Datenschutzerklärung (Privacy Policy) der Lotterie- Treuhandgesellschaft mbh Hessen

Datenschutzerklärung (Privacy Policy) der Lotterie- Treuhandgesellschaft mbh Hessen Datenschutzerklärung (Privacy Policy) der Lotterie- Treuhandgesellschaft mbh Hessen Verantwortlicher Betreiber: siehe Impressum Ihre Daten bleiben vertraulich! Im Rahmen dieser Datenschutzerklärung erfahren

Mehr

Datenschutzrechtliche Hinweise zum Einsatz von Web-Analysediensten wie z.b. Google Analytics 1. - Stand: 1. Juli 2010 -

Datenschutzrechtliche Hinweise zum Einsatz von Web-Analysediensten wie z.b. Google Analytics 1. - Stand: 1. Juli 2010 - INNENMINISTERIUM AUFSICHTSBEHÖRDE FÜR DEN DATENSCHUTZ IM NICHTÖFFENTLICHEN BEREICH Datenschutzrechtliche Hinweise zum Einsatz von Web-Analysediensten wie z.b. Google Analytics 1 - Stand: 1. Juli 2010 -

Mehr

Verantwortlich für den Inhalt. NAUE GmbH & Co. KG Kent von Maubeuge Gewerbestraße 2 D-32339 Espelkamp-Fiestel

Verantwortlich für den Inhalt. NAUE GmbH & Co. KG Kent von Maubeuge Gewerbestraße 2 D-32339 Espelkamp-Fiestel Verantwortlich für den Inhalt NAUE GmbH & Co. KG Kent von Maubeuge Gewerbestraße 2 D-32339 Espelkamp-Fiestel Tel.: +49 5743 41-0 Fax.: +49 5743 41-240 E-Mail: kvmaubeuge@naue.com NAUE GmbH & Co. KG Rechtsform:

Mehr

Begreifen Cookies. Inhalt. Cookie Grundlagen... 2. Ihre Privatsphäre... 3. MS: Internet Explorer... 4. Google: Chrome... 5. Mozilla: Firefox...

Begreifen Cookies. Inhalt. Cookie Grundlagen... 2. Ihre Privatsphäre... 3. MS: Internet Explorer... 4. Google: Chrome... 5. Mozilla: Firefox... Begreifen Cookies Inhalt Cookie Grundlagen... 2 Ihre Privatsphäre... 3 MS: Internet Explorer... 4 Google: Chrome... 5 Mozilla: Firefox... 6 Apple: Safari... 7 Opera... 8 2 Cookie Grundlagen Was sind Cookies?

Mehr

Datenschutzerklärung ENIGO

Datenschutzerklärung ENIGO Datenschutzerklärung ENIGO Wir, die, nehmen den Schutz Ihrer persönlichen Daten sehr ernst und halten uns strikt an die Regeln der Datenschutzgesetze. Personenbezogene Daten werden auf dieser Website nur

Mehr

Kapitel 4 Zugriffsbeschränkungen

Kapitel 4 Zugriffsbeschränkungen Kapitel 4 Zugriffsbeschränkungen In diesem Kapitel erfahren Sie, wie Sie Ihr Netzwerk durch Zugriffsbeschränkungen des 54 MBit/s Wireless Router WGR614 v6 schützen können. Diese Funktionen finden Sie im

Mehr

Wie funktioniert das WWW? Sicher im WWW

Wie funktioniert das WWW? Sicher im WWW Wie funktioniert das WWW? Sicher im WWW Der normale Aufruf 1. Browserprogramm starten 2. Adresse eintippen, z.b. : ich-hab-doch-nichts-zu-verbergen.de 3. Der Browser ändert die Adresse auf: http://ich-hab-doch-nichts-zu-verbergen.de/

Mehr

Analytisches CRM in der Automobilindustrie

Analytisches CRM in der Automobilindustrie Analytisches CRM in der Automobilindustrie Dr. Frank Säuberlich Practice Manager European Customer Solutions Urban Science International GmbH Automobilhersteller müssen neue Wege gehen Anforderungen in

Mehr

Datenschutz-Erklärung

Datenschutz-Erklärung Datenschutz-Erklärung Der sensible und verantwortungsvolle Umgang mit den personenbezogenen Daten aller Nutzer ist für mamily ein Anliegen von äußerster Wichtigkeit. Sämtliche datenschutzrechtlichen Gesetze

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

Mehr

Caching Handbuch. Auftraggeber: Version: 01. INM Inter Network Marketing AG Usterstrasse 202 CH-8620 Wetzikon

Caching Handbuch. Auftraggeber: Version: 01. INM Inter Network Marketing AG Usterstrasse 202 CH-8620 Wetzikon Caching Handbuch Auftraggeber: Version: 01 Projekttyp: Erstellt durch: Internet David Bürge INM Inter Network Marketing AG Usterstrasse 202 CH-8620 Wetzikon Email david.buerge@inm.ch URL http://www.inm.ch

Mehr

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

Mehr

Datenschutzbestimmungen und rechtliche Hinweise

Datenschutzbestimmungen und rechtliche Hinweise Datenschutzbestimmungen und rechtliche Hinweise SEA Save Energy Austria GmbH schützt Ihre Privatsphäre. Diese Datenschutzbestimmungen finden auf die Nutzung unserer Website (http://saveenergy-austria.at/)

Mehr

Handbuch ECDL 2003 Professional Modul 2: Tabellenkalkulation Vorlagen benutzen und ändern

Handbuch ECDL 2003 Professional Modul 2: Tabellenkalkulation Vorlagen benutzen und ändern Handbuch ECDL 2003 Professional Modul 2: Tabellenkalkulation Vorlagen benutzen und ändern Dateiname: ecdl_p2_02_03_documentation.doc Speicherdatum: 08.12.2004 ECDL 2003 Professional Modul 2 Tabellenkalkulation

Mehr

21.06.2010. RA Dr. Rainer Knyrim

21.06.2010. RA Dr. Rainer Knyrim 1 4. Österreichischer IT-Rechtstag 18. Juni 2010 aus datenschutzrechtlicher Sicht RA Dr. Rainer Knyrim 2 1 3 4 2 5. Juli 1993: Offensichtlich wollten damals zwei Hunde unerkannt Kekserls für sich im Internet

Mehr

DATENSCHUTZERKLÄRUNG

DATENSCHUTZERKLÄRUNG DATENSCHUTZERKLÄRUNG Wir freuen uns über Ihr Interesse an unserer Website. Der Schutz Ihrer Privatsphäre ist für uns sehr wichtig. Nachstehend möchten wir Sie ausführlich über den Umgang mit Ihren Daten

Mehr

Gefahren aus dem Internet 1 Grundwissen April 2010

Gefahren aus dem Internet 1 Grundwissen April 2010 1 Grundwissen Voraussetzungen Sie haben das Internet bereits zuhause oder an der Schule genutzt. Sie wissen, was ein Provider ist. Sie wissen, was eine URL ist. Lernziele Sie wissen, was es braucht, damit

Mehr

Inhalt. http://d-nb.info/1019141522

Inhalt. http://d-nb.info/1019141522 Inhalt 1 Zum Controlling der digitalen Wertschöpfungskette 1 1.1 Digitale Wertschöpfungskette 2 1.2 Austauschoptionen im ebusiness 5 1.3 Definitionspyramide der webbezogenen BI 7 1.4 Kapitelübersicht 10

Mehr

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

Handbuch für Gründer. Daniela Richter, Marco Habschick. Stand: 21.02.2013. Verbundpartner:

Handbuch für Gründer. Daniela Richter, Marco Habschick. Stand: 21.02.2013. Verbundpartner: Daniela Richter, Marco Habschick Stand: 21.02.2013 Verbundpartner: Inhaltsverzeichnis 1. Allgemeines...3 2. Zugang zur Gründungswerkstatt...4 3. Login...5 4. Meine Werkstatt...6 5. Businessplan...7 5.1.

Mehr

Erfassen von personenbezogenen Daten

Erfassen von personenbezogenen Daten Sie sind hier: Herten Datenschutz Datenschutz Der Schutz Ihrer Daten ist für die Stadt Herten sehr wichtig. Wir haben daher technische und organisatorische Maßnahmen getroffen, die sicherstellen, dass

Mehr

Proseminar: Website-Management-Systeme

Proseminar: Website-Management-Systeme Proseminar: Website-Management-Systeme Thema: Web: Apache/Roxen von Oliver Roeschke email: o_roesch@informatik.uni-kl.de Gliederung: 1.) kurze Einleitung 2.) Begriffsklärung 3.) Was ist ein Web? 4.) das

Mehr

Prozessbeschreibung des Trackings zur Firmenerkennung

Prozessbeschreibung des Trackings zur Firmenerkennung Prozessbeschreibung des Trackings zur Firmenerkennung Überblick Nach 1 Abs.1 des Datenschutzgesetzes soll der Einzelne davor geschützt werden, durch den Umgang mit seinen personenbezogenen Daten in seinem

Mehr

Web Analytics & SEO. B04 Einführung in Softwaretechnologien. Alexander Thomas (me@alexander-thomas.net)

Web Analytics & SEO. B04 Einführung in Softwaretechnologien. Alexander Thomas (me@alexander-thomas.net) Web Analytics & SEO B04 Einführung in Softwaretechnologien Alexander Thomas (me@alexander-thomas.net) Überblick Web Analytics? 3 Web Analytics Motivation Analyse Website-Nutzung Besucher/ Kundensegmentierung

Mehr

Dokumentation_Internetseiten_für_Schornsteinfeger

Dokumentation_Internetseiten_für_Schornsteinfeger Inhaltsverzeichnis 1 Wichtiger Hinweis 2 Einstellung für Browser 3 Allgemeines 4 Technologie 5 Fontend/Backend 6 Ihre Interseite bearbeiten 7 Menüpunkt Seite 8 Einzelne Seiten bearbeiten 9 Seiteneigenschaften

Mehr

Datenschutzerklärung. Automatisch gespeicherte nicht personenbezogene Daten

Datenschutzerklärung. Automatisch gespeicherte nicht personenbezogene Daten Datenschutzerklärung Die Musikschule im Zweckverband Kommunale Bildung freut sich über Ihren Besuch auf dieser Webseite und Ihr Interesse an unseren Bildungsangeboten. Der Schutz Ihrer personenbezogenen

Mehr

netcadcrm eine Lösung für alle Aspekte eines Fernwärmenetzes

netcadcrm eine Lösung für alle Aspekte eines Fernwärmenetzes netcadcrm eine Lösung für alle Aspekte eines Fernwärmenetzes Was ist netcadcrm? Sie betreiben ein Fernwärmenetz? Sie bauen es auf oder aus? Dann kennen Sie sicherlich die verschiedenen Bereiche in denen

Mehr

Web Market Research.360

Web Market Research.360 .360 Kunden verstehen durch Zuhören - nicht durch Befragen! Research, Analysis & Consulting www.schwerdtundfeger.de trifft das Social Als Marktforschung kann man den Als Social wird die Gesamtheit von

Mehr

Datenschutzbestimmungen der MUH GmbH

Datenschutzbestimmungen der MUH GmbH Datenschutzerklärung MUH Seite 1 Datenschutzbestimmungen der MUH GmbH Stand: 20.06.2012 1. Unsere Privatsphäre Grundsätze 1.1 Bei der MUH nehmen wir den Schutz Ihrer persönlichen Daten sehr ernst und halten

Mehr

Conversion Attribution

Conversion Attribution Conversion Attribution Eines der Trendthemen über das zurzeit jeder spricht ist Attribution. Das heißt allerdings nicht, dass auch jeder weiß was genau Attribution ist, was man damit machen kann und für

Mehr

Digitale Analyse: Erfolgsmessung in digitalen Medien

Digitale Analyse: Erfolgsmessung in digitalen Medien Internet für Existenzgründer: Digitale Analyse: Erfolgsmessung in digitalen Medien IHK Bonn/Rhein-Sieg, 8. September 2015 Internet für Existenzgründer Digitale Analyse: Erfolgsmessung in digitalen Medien

Mehr

Einwilligung zum Datenschutz

Einwilligung zum Datenschutz Einwilligung zum Datenschutz von honorar-police.de vom 03.02.2015 Allgemeine Datenschutzerklärung Durch die Nutzung unserer Website erklären Sie sich mit der Erhebung, Verarbeitung und Nutzung von Daten

Mehr

Datenschutzrichtlinie für die Plattform FINPOINT

Datenschutzrichtlinie für die Plattform FINPOINT Datenschutzrichtlinie für die Plattform FINPOINT Die FINPOINT GmbH ( FINPOINT ) nimmt das Thema Datenschutz und Datensicherheit sehr ernst. Diese Datenschutzrichtlinie erläutert, wie FINPOINT die personenbezogenen

Mehr

d e S I G n & d e v e L O P M e n T TYPO3 AdvAnced

d e S I G n & d e v e L O P M e n T TYPO3 AdvAnced DESIGN & DEVELOPMENT TYPO3 Advanced 1 Einleitung / Inhalt 2 / 13 Einleitung Dieses Dokument weist Sie durch die Funktion des Open Source CMS TYPO3. In wenigen, einfachen Schritten wird Ihnen bebildert

Mehr

Datenschutz-Erklärung

Datenschutz-Erklärung Datenschutz-Erklärung Das Staatliche Museum für Naturkunde Stuttgart nimmt den Datenschutz ernst und misst dem Schutz Ihrer Persönlichkeitsrechte hohe Bedeutung bei. Wir verpflichten uns zur Einhaltung

Mehr

Alle Inhalte der Webseite sind urheberrechtliches Eigentum von JEUNESSE.

Alle Inhalte der Webseite sind urheberrechtliches Eigentum von JEUNESSE. JEUNESSE Datenschutzerklärung JEUNESSE ist bemüht Ihre Privatsphäre zu respektieren. Wir haben unsere Webseite so aufgebaut, dass Sie diese auch ohne sich zu identifizieren oder andere Daten preis geben

Mehr

Digitale Analyse: Erfolgsmessung in digitalen Medien

Digitale Analyse: Erfolgsmessung in digitalen Medien Internet für Existenzgründer: Digitale Analyse: Erfolgsmessung in digitalen Medien IHK Bonn/Rhein-Sieg, 17. März 2015 Internet für Existenzgründer Digitale Analyse: Erfolgsmessung in digitalen Medien Was

Mehr

Kurzanleitung Bewertung Anbieter über Kundennummer in MatrixGuide (Portal oder App)

Kurzanleitung Bewertung Anbieter über Kundennummer in MatrixGuide (Portal oder App) Inhaltsverzeichnis 1 Wichtig... 1 2 Einen Anbieter bewerten... 2 2.1 Bewerten über das Portal... 2 2.1.1 Aufrufen MatrixGuide und Bewertungsmaske... 2 2.1.2 Die Bewertung erstellen... 2 2.2 Bewerten über

Mehr

Altindustrianerverband Luzern

Altindustrianerverband Luzern Kurzanleitung zu Industria Contact Herzlich willkommen bei den Kurzanleitungen für die Netzwerk-Datenbank Industria- Contact. Wir danken dir für dein Interesse und dein Vorhaben, mehr über die Datenbank

Mehr

Übersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten.

Übersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten. Webalizer Statistik Bedeutung der Begriffe Übersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten. Anfragen Gesamtheit aller Anfragen an Ihren Account. Jede Anfrage auf eine Grafik, eine

Mehr

Web Data Mining. Alexander Hinneburg Sommersemester 2007

Web Data Mining. Alexander Hinneburg Sommersemester 2007 Web Data Mining Alexander Hinneburg Sommersemester 2007 Termine Vorlesung Mi. 10:00-11:30 Raum?? Übung Mi. 11:45-13:15 Raum?? Klausuren Mittwoch, 23. Mai Donnerstag, 12. Juli Buch Bing Liu: Web Data Mining

Mehr

Praktikum IT-Sicherheit

Praktikum IT-Sicherheit IT-Sicherheit Praktikum IT-Sicherheit - Versuchshandbuch - Aufgaben Footprinting Footprinting stellt bei Sicherheitstests oder vor einem Angriff die Phase der Informationsbeschaffung dar, durch die IP-

Mehr

Agenda. Grundlagen und Begriffe. Ergebnis und Tendenz. Konzeption eines marketingorientierten Statistik- und Account- 11. Mai 2005.

Agenda. Grundlagen und Begriffe. Ergebnis und Tendenz. Konzeption eines marketingorientierten Statistik- und Account- 11. Mai 2005. eines marketingorientierten Statistik- und Monitoringtools für das B2B Key-Account Account- Management der Jamba!! AG 11. Mai 2005 Agenda eines marketingorientierten Statistik- und Monitoringtools Mobile

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Analytisches Fundraising

Analytisches Fundraising Analytisches Fundraising Vorgehen, Verfahren, Werkzeuge DiaSys. Marketing Engineering AG, Wankdorffeldstr.102, 3014 Bern 031 922 31 50, zuercher@diasys.ch Analytisches Fundraising Inhaltsverzeichnis Datenbankgestütztes

Mehr

Aufbau einer erfolgreichen Multi-Channel-Kundenbetreuung

Aufbau einer erfolgreichen Multi-Channel-Kundenbetreuung Aufbau einer erfolgreichen Multi-Channel-Kundenbetreuung Als Unternehmen vor einigen Jahren Systeme für das Customer Relationship Management (CRM) einführten, handelte es sich meist um strategische Investitionen,

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

GeoShop Netzwerkhandbuch

GeoShop Netzwerkhandbuch Technoparkstrasse 1 8005 Zürich Tel.: 044 / 350 10 10 Fax.: 044 / 350 10 19 GeoShop Netzwerkhandbuch Zusammenfassung Diese Dokumentation beschreibt die Einbindung des GeoShop in bestehende Netzwerkumgebungen.

Mehr

Webanalyse. Definitionen, Verfahren und Unterschiede. Stefan Keil, DIPF. Frankfurt, 23.10.2014 Stefan Keil IWWB-Herbstworkshop 2014 Webanalyse

Webanalyse. Definitionen, Verfahren und Unterschiede. Stefan Keil, DIPF. Frankfurt, 23.10.2014 Stefan Keil IWWB-Herbstworkshop 2014 Webanalyse Webanalyse Definitionen, Verfahren und Unterschiede Stefan Keil, DIPF Frankfurt, 23.10.2014 Stefan Keil IWWB-Herbstworkshop 2014 Webanalyse 1 Agenda 1. Einleitung a. Erhebungsmethoden 2. Definitionen verschiedener

Mehr

Installation des Zertifikats am Beispiel eines Exchange-Mail-Servers. Voraussetzungen. Zertifikate importieren. Outlook-Webaccess

Installation des Zertifikats am Beispiel eines Exchange-Mail-Servers. Voraussetzungen. Zertifikate importieren. Outlook-Webaccess HS-Anhalt (FH) Fachbereich EMW Seite 1 von 6 Stand 04.02.2008 Installation des Zertifikats am Beispiel eines Exchange-Mail-Servers Bedingt durch die verschiedenen Transportprotokolle und Zugriffsmethoden

Mehr

Sicher im Internet Tipps zum Selbstschutz

Sicher im Internet Tipps zum Selbstschutz Sicher im Internet Tipps zum Selbstschutz Auf diesen Seiten finden Sie Hinweise und Tipps, wie Sie Ihren Aufenthalt im weltweiten Datennetz sicherer gestalten können. Dabei geht es nicht um die angebliche

Mehr