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

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

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

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

Unsere Datenschutzerklärung

Unsere Datenschutzerklärung Unsere Datenschutzerklärung Cookies Das Akzeptieren von Cookies ist keine Voraussetzung zum Besuch unserer Webseiten. Jedoch weisen wir Sie darauf hin, dass die Nutzung der Warenkorbfunktion und die Bestellung

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

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

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

AdWords Professional Kurs. by netpulse AG

AdWords Professional Kurs. by netpulse AG AdWords Professional Kurs by netpulse AG Inhaltsverzeichnis Einleitung... 3 Kursaufbau... 3 Google zertifizierter AdWords-Spezialist... 3 Modul 1 Wie AdWords wirklich funktioniert... 4 Modul 2 Die bessere

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

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

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

Nutzungsbedingungen. Urheberschutz

Nutzungsbedingungen. Urheberschutz Nutzungsbedingungen Urheberschutz Die in der genutzten Event-App veröffentlichten Inhalte und Werke sind urheberrechtlich geschützt. Jede vom deutschen Urheberrecht nicht zugelassene Verwertung bedarf

Mehr

Rosetta Stone Datenschutzrichtlinien

Rosetta Stone Datenschutzrichtlinien Rosetta Stone Datenschutzrichtlinien Rosetta Stone Inc. "Rosetta Stone" respektiert die Privatsphäre unserer Kunden. Wir legen Wert darauf, Ihre Privatsphäre zu schützen, ohne dabei auf ein personalisiertes

Mehr

Seminar über Online Customer Relationshipmanagement Herr Prof. Dr. Andreas Meier. vorgelegt von: Raffaella de Simoni. Oberseeburg 24 6006 Luzern

Seminar über Online Customer Relationshipmanagement Herr Prof. Dr. Andreas Meier. vorgelegt von: Raffaella de Simoni. Oberseeburg 24 6006 Luzern Seminar über Online Customer Relationshipmanagement Herr Prof. Dr. Andreas Meier ONLINE CUSTOMER PROFILE vorgelegt von: Oberseeburg 24 6006 Luzern raffaella.desimoni@unifr.ch Freiburg, 31. Mai 2005 Inhaltsverzeichnis

Mehr

Sie können uns auch über unsere Postadresse kontaktieren: Engelbrecht Medizin- und Labortechnik GmbH, Postfach 10, 34293 Edermünde.

Sie können uns auch über unsere Postadresse kontaktieren: Engelbrecht Medizin- und Labortechnik GmbH, Postfach 10, 34293 Edermünde. Datenschutzerklärung Engelbrecht Medizin- und Labortechnik GmbH respektiert das Recht auf Privatsphäre Ihrer Online-Besucher und ist verpflichtet, die von Ihnen erhobenen Daten zu schützen. In dieser Datenschutzerklärung

Mehr

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)

Mehr

Datenschutzerklärung für RENA Internet-Auftritt

Datenschutzerklärung für RENA Internet-Auftritt Datenschutzerklärung für RENA Internet-Auftritt Vielen Dank für Ihr Interesse an unserem Internetauftritt und unserem Unternehmen. Wir legen großen Wert auf den Schutz Ihrer Daten und die Wahrung Ihrer

Mehr

CRM im Online-Bereich für die Druck- und Medienindustrie

CRM im Online-Bereich für die Druck- und Medienindustrie CRM im Online-Bereich für die Druck- und Medienindustrie Vorlesung an der Berufsakademie Mannheim Dr. Gerald Lembke www. 30.03.2007 Was ist noch mal Customer-Relationship-Management? CRM ist eine kundenorientierte

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

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

9 Resümee. Resümee 216

9 Resümee. Resümee 216 Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls

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

10 Online-Werbung. 10/1 Werbearten. 10/1.1 Bannerwerbung bzw. Anzeigenwerbung

10 Online-Werbung. 10/1 Werbearten. 10/1.1 Bannerwerbung bzw. Anzeigenwerbung 10 Online-Werbung Online-Werbung gehört inzwischen zum Alltag jedes Nutzers des Internets. Während sich mancher Nutzer darüber ärgert und die Werbung als Belästigung empfindet, ist sie für viele Anbieter

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

Babelprojekt.com Datenschutzhinweise

Babelprojekt.com Datenschutzhinweise Babelprojekt.com Datenschutzhinweise Datenschutzrichtlinie runterladen Letzte Aktualisierung: 24. Apr. 2015 Willkommen zur Webseite des Babelprojekt Kft. Babelprojekt bittet Sie darum, vor der Nutzung

Mehr

Datenschutzerklärung

Datenschutzerklärung Datenschutzerklärung Das Linden-Museum Stuttgart nimmt den Datenschutz ernst und misst dem Schutz Ihrer Persönlichkeitsrechte hohe Bedeutung bei. Wir verpflichten uns zur Einhaltung der gesetzlichen Datenschutzbestimmungen

Mehr

Web-Mining Informationen für das E-Business

Web-Mining Informationen für das E-Business Vorwort Web-Mining Informationen für das E-Business One-to-one-Marketing und Customer Relationship Management (CRM) sind seit einigen Jahren dominierende Schlagworte im Marketing und in der Unternehmensführung.

Mehr

colada-datenschutzbestimmungen

colada-datenschutzbestimmungen colada-datenschutzbestimmungen Der Schutz Ihrer personenbezogenen Daten bei der Nutzung von colada ist für salce colada ein zentrales und wichtiges Anliegen. Mit diesen Datenschutzbestimmungen möchten

Mehr

Bibliotheken im Spannungsfeld zwischen Nutzungsmessung und Datenschutz

Bibliotheken im Spannungsfeld zwischen Nutzungsmessung und Datenschutz Bibliotheken im Spannungsfeld zwischen Nutzungsmessung und Datenschutz Jan Lüth, Dr. Timo Borst IT-Entwicklung ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften Leibniz-Informationszentrum

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

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

contentmetrics Web Controlling Erfolgskontrolle im Versicherungsportal Thomas Brommund contentmetrics Zertifizierter Partner von

contentmetrics Web Controlling Erfolgskontrolle im Versicherungsportal Thomas Brommund contentmetrics Zertifizierter Partner von Web Controlling Erfolgskontrolle im Versicherungsportal Thomas Brommund contentmetrics Zertifizierter Partner von contentmetrics Erfolg ist messbar! Wir beraten und unterstützen unsere Kunden bei der Definition

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

Online Marketing. Web-Controlling

Online Marketing. Web-Controlling Online Marketing Web-Controlling Web-Controlling: Bedeutung und Nutzen Das Web-Controlling ist ein wichtiges Element des Online Marketings. Ein Analytic-Tool liefert die Datenbasis für eine Optimierung

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

COOKIES WAS SIND COOKIES? WIE SETZEN WIR COOKIES EIN?

COOKIES WAS SIND COOKIES? WIE SETZEN WIR COOKIES EIN? COOKIES Damit dieses Internetportal ordnungsgemäß funktioniert, legen wir manchmal kleine Dateien sogenannte Cookies auf Ihrem Gerät ab. Das ist bei den meisten großen Websites üblich. WAS SIND COOKIES?

Mehr

Die spezifischen Stärken und Schwächen der Online-Medien werden im Web-Controlling abgebildet:

Die spezifischen Stärken und Schwächen der Online-Medien werden im Web-Controlling abgebildet: Web-Controlling Die spezifischen Stärken und Schwächen der Online-Medien werden im Web-Controlling abgebildet: Interaktivität Spezifische Möglichkeiten Zielgruppen zu identifizieren und zu erreichen (Targeting)

Mehr

Plus500UK Limited. Datenschutzerklärung

Plus500UK Limited. Datenschutzerklärung Plus500UK Limited Datenschutzerklärung Datenschutzerklärung Datenschutzerklärung von Plus500 Der Datenschutz und Schutz von persönlichen Daten und Finanzinformationen unserer Kunden sowie der Besucher

Mehr

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Masterarbeit

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Masterarbeit Universität Passau Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Masterarbeit "Identifikation von Erfolgsfaktoren für eine Facebook- Recruiting-Strategie"

Mehr

Vor der Speicherung wird jeder Datensatz durch Veränderung der IP-Adresse anonymisiert.

Vor der Speicherung wird jeder Datensatz durch Veränderung der IP-Adresse anonymisiert. Datenschutzerklärung Stand: 10/2014 Vorwort Die Nutzung unserer Webseite ist ohne Angabe personenbezogener Daten möglich. Soweit auf unseren Seiten personenbezogene Daten (beispielsweise Name, Anschrift

Mehr

Datenschutzerklärung. 1. Allgemeine Hinweise

Datenschutzerklärung. 1. Allgemeine Hinweise Datenschutzerklärung Wir freuen uns über Ihr Interesse an unserem Online-Angebot. Der Schutz Ihrer Privatsphäre ist für uns sehr wichtig. Wir legen großen Wert auf den Schutz Ihrer personenbezogenen Daten

Mehr

Diese Privacy Policy gilt nur für in der Schweiz wohnhafte Personen. Wie wir Ihre persönlichen Daten verarbeiten und schützen

Diese Privacy Policy gilt nur für in der Schweiz wohnhafte Personen. Wie wir Ihre persönlichen Daten verarbeiten und schützen Datenschutz Bei Genworth Financial geniesst der Schutz Ihrer Privatsphäre einen hohen Stellenwert. Wir schätzen das Vertrauen, das Sie uns entgegenbringen. Mit diesen Informationen möchten wir Ihnen aufzeigen,

Mehr

Oxybul éveil et jeux

Oxybul éveil et jeux Online Intelligence Solutions Oxybul éveil et jeux Oxybul éveil et jeux nutzt das Potential der Daten von AT Internet erfolgreich um kontinuierlich effizientere und effektivere Retargeting-Kampagnen zu

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

Datenschutzerklärung. Datum: 16.12.2014. Version: 1.1. Datum: 16.12.2014. Version: 1.1

Datenschutzerklärung. Datum: 16.12.2014. Version: 1.1. Datum: 16.12.2014. Version: 1.1 Datenschutzerklärung Datum: 16.12.2014 Version: 1.1 Datum: 16.12.2014 Version: 1.1 Verantwortliche Stelle im Sinne des Bundesdatenschutzgesetzes ist: Deutsch-Iranische Krebshilfe e. V. Frankfurter Ring

Mehr

Internetauftritt perfekt Intranet vernachlässigt?

Internetauftritt perfekt Intranet vernachlässigt? Internetauftritt perfekt Intranet vernachlässigt? Mitarbeiterportale, Intranetanalyse, Monitoring, Mouse Tracking, Onsite-Befragung In zahlreichen Unternehmen haben Abteilungen wie die interne Unternehmenskommunikation,

Mehr

Datenschutzrichtlinie von Anleiter und Datenschutzrechtliche Einwilligungserklärung des Nutzers

Datenschutzrichtlinie von Anleiter und Datenschutzrechtliche Einwilligungserklärung des Nutzers Datenschutzrichtlinie von Anleiter und Datenschutzrechtliche Einwilligungserklärung des Nutzers Für die Anleiter GmbH, Tucholskystr. 13, 10117 Berlin ( Anleiter ), ist Datenschutz ein besonderes Anliegen,

Mehr

Datenschutzerklärung

Datenschutzerklärung Datenschutzerklärung Diese Datenschutzerklärung ist Bestandteil der Nutzungsbedingungen von. 1. Aufbewahrung von Daten 1.1 Aufbewahrung von Informationen Um zur Verfügung zu stellen, speichert Nutzer-Informationen

Mehr

Künstliche Neuronale Netze und Data Mining

Künstliche Neuronale Netze und Data Mining Künstliche Neuronale Netze und Data Mining Catherine Janson, icasus GmbH Heidelberg Abstract Der Begriff "künstliche Neuronale Netze" fasst Methoden der Informationstechnik zusammen, deren Entwicklung

Mehr

Achtung: Datenschutz!

Achtung: Datenschutz! Hintergrundinformation Achtung: Datenschutz! Zehn Tipps zum korrekten Umgang mit Online-Kundendaten Die Erfassung und Verwendung von Online-Kundendaten zu Marketing- und CRM- Zwecken ist ein datenschutzrechtlich

Mehr

Datenschutz. Herzlich willkommen!

Datenschutz. Herzlich willkommen! Datenschutz Herzlich willkommen! Wir freuen uns, dass Sie unseren Shop besuchen und bedanken uns für Ihr Interesse an unserem Unternehmen, unseren Produkten und unserer Webseite. Der Schutz Ihrer Privatsphäre

Mehr

Black-Hat Search Engine Optimization (SEO) Practices for Websites

Black-Hat Search Engine Optimization (SEO) Practices for Websites Beispielbild Black-Hat Search Engine Optimization (SEO) Practices for Websites Damla Durmaz - 29. Januar. 2009 Proseminar Technisch Informatik Leitung: Georg Wittenburg Betreuer: Norman Dziengel Fachbereich

Mehr

DIE ROULARTA MEDIA GROUP ERWEITERT IHRE BIG DATA STRATEGIE MIT SELLIGENT TARGET

DIE ROULARTA MEDIA GROUP ERWEITERT IHRE BIG DATA STRATEGIE MIT SELLIGENT TARGET DIE ROULARTA MEDIA GROUP ERWEITERT IHRE BIG DATA STRATEGIE MIT SELLIGENT TARGET Das Medienhaus setzt auf Selligent, um Targeted Advertising mit Verhaltensdaten zu optimieren UNTERNEHMEN Roularta Media

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

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Einen kleinen Einblick in die Webalizer Statistik bieten die beiden folgenden Screenshots:

Einen kleinen Einblick in die Webalizer Statistik bieten die beiden folgenden Screenshots: Wie sieht die Webalizer Statistik aus? Einen kleinen Einblick in die Webalizer Statistik bieten die beiden folgenden Screenshots: Welche Bedeutung haben die in Webalizer angezeigten Werte? In den Webalizer-Statistiken

Mehr

Business Analytics im E-Commerce

Business Analytics im E-Commerce Business Analytics im E-Commerce Kunde, Kontext und sein Verhalten verstehen für personalisierte Kundenansprache Janusz Michalewicz CEO Über die Firma Crehler Erstellung von Onlineshops Analyse von Transaktionsdaten

Mehr

Cross Device & Multi-Channel

Cross Device & Multi-Channel Cross Device & Multi-Channel analysieren und optimieren e-day 2014 6.3.2014 Wer ich bin Siegfried Stepke, M.A. Gründer und Geschäftsführer e-dialog Country Manager der Digital Analytics Association stepke@e-dialog.at

Mehr

Unsere Gruppe Online Mediaplanung & Web Analyse

Unsere Gruppe Online Mediaplanung & Web Analyse Unsere Gruppe Online Mediaplanung & Web Analyse 2. Webanalyse Erfolgskontrolle DATEN Daten sammeln (Cookies, Nutzerprofile, ) TOOLS Umwandlung in wertvolle Informationen AN WENDUNG Kennzahlen Auswertungen

Mehr

Erklärungen zur ATOTCO WEBSERVER Serverstatistik

Erklärungen zur ATOTCO WEBSERVER Serverstatistik Erklärungen zur ATOTCO WEBSERVER Serverstatistik Die Serverstatistik dokumentiert die Zahl der Surfer und ihr Verhalten während sie die Homepage besucht haben. Die Serverstatistik wird folgendermaßen abgefragt:

Mehr

Data-Warehouse-Einsatz zur Web-Zugriffsanalyse

Data-Warehouse-Einsatz zur Web-Zugriffsanalyse Einführung Vorgehensweise WZA Realisierungsalternativen Datenaufbereitung Data-Warehouse-Schema Data-Warehouse-Einsatz zur Web-Zugriffsanalyse Web Data Warehouse Uni Leipzig Prof. Dr. Erhard Rahm Universität

Mehr

Web Analytics & Web Controlling

Web Analytics & Web Controlling Edition TDWI Web Analytics & Web Controlling Webbasierte Business Intelligence zur Erfolgssicherung von Andreas Meier, Darius Zumstein 1. Auflage Web Analytics & Web Controlling Meier / Zumstein schnell

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

Google Analytics. - datenschutzrechtliche Betrachtung -

Google Analytics. - datenschutzrechtliche Betrachtung - Google Analytics - datenschutzrechtliche Betrachtung - 1 Agenda Terms & Conditions Datenschutzhinweise Google Analytics Allgemeine Datenschutzhinweise von Google Regelungssachverhalte: Cookies Nutzungsprofile

Mehr

Datenschutzhinweis Bei allen Vorgängen der Datenverarbeitung (z.b. Erhebung, Verarbeitung und Übermittlung) verfahren wir nach den gesetzlichen Vorschriften. Ihre für die Geschäftsabwicklung notwendigen

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

Ev.-Luth. Landeskirche Mecklenburgs Datenschutzbeauftragter

Ev.-Luth. Landeskirche Mecklenburgs Datenschutzbeauftragter Ev.-Luth. Landeskirche Mecklenburgs Datenschutzbeauftragter Goethestraße 27 18209 Bad Doberan Telefon: 038203/77690 Telefax: 038203/776928 Datenschutzbeauftragter Schütte, Goethestraße 27, 18209 Bad Doberan

Mehr

1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung

1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung am Beispiel eines Online-Shops Artus Krohn-Grimberghe Anneke Minke 10.06.2010 1 Universität Hildesheim Agenda 1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren

Mehr

Datenschutzerklärung der ZWILLING J.A. Henckels AG

Datenschutzerklärung der ZWILLING J.A. Henckels AG Datenschutzerklärung der ZWILLING J.A. Henckels AG Stand: 01. September 2015 Einleitung Verantwortliche Stelle im Sinne des Datenschutzgesetzes ist die ZWILLING J.A. Henckels AG, Solingen (nachfolgend

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

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

Datenschutzerklärung

Datenschutzerklärung Datenschutzerklärung der Europa-Park GmbH & Co - Freizeit- und Familienpark Mack KG, der EUROPA-PARK GmbH & Co Hotelbetriebe KG und der EUROPA-PARK GmbH & Co Shopping KG. Der EUROPA-PARK ist Ihrem Online-Datenschutz

Mehr

Ermittlung von Assoziationsregeln aus großen Datenmengen. Zielsetzung

Ermittlung von Assoziationsregeln aus großen Datenmengen. Zielsetzung Ermittlung von Assoziationsregeln aus großen Datenmengen Zielsetzung Entscheidungsträger verwenden heutzutage immer häufiger moderne Technologien zur Lösung betriebswirtschaftlicher Problemstellungen.

Mehr

AdWords Professional Kurs. by netpulse AG

AdWords Professional Kurs. by netpulse AG AdWords Professional Kurs by netpulse AG Inhaltsverzeichnis Einleitung... 3 Kursaufbau... 3 Google zertifizierter AdWords-Spezialist... 3 Modul 1 Keywords, der Schlüssel zum Erfolg... 4 Modul 2 Anzeigen

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr

Identifikation der Online Instrumente zur Reichweitenerhöhung und messung für Pier111.tv

Identifikation der Online Instrumente zur Reichweitenerhöhung und messung für Pier111.tv Identifikation der Online Instrumente zur Reichweitenerhöhung und messung für Pier111.tv Bachelorarbeit im Studiengang Wirtschaftsinformatik an der Hochschule der Medien Marc Schweizer ( Mat. Nr. 18231)

Mehr

Abrechnungsrelevante Informationen werden entsprechend der gesetzlichen Aufbewahrungsfristen aufgehoben.

Abrechnungsrelevante Informationen werden entsprechend der gesetzlichen Aufbewahrungsfristen aufgehoben. Ihr Datenschutz ist unser Anliegen Wir freuen uns über Ihr Interesse an unserem Unternehmen und unseren Produkten bzw. Dienstleistungen und möchten, dass Sie sich beim Besuch unserer Internetseiten auch

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

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

Handbuch. zur Registrierung / Aktivierung der Lizenzdatei. 4. Auflage. (Stand: 24.09.2014)

Handbuch. zur Registrierung / Aktivierung der Lizenzdatei. 4. Auflage. (Stand: 24.09.2014) Handbuch zur Registrierung / Aktivierung der Lizenzdatei 4. Auflage (Stand: 24.09.2014) Copyright 2015 by NAFI GmbH Unerlaubte Vervielfältigungen sind untersagt! Einführung Um mit dem NAFI Kfz-Kalkulator

Mehr

Data Deluge. Welche Informationen wie gesammelt werden... Doris Köberl Nicole Kowatsch

Data Deluge. Welche Informationen wie gesammelt werden... Doris Köberl Nicole Kowatsch Data Deluge Welche Informationen wie gesammelt werden... Doris Köberl Nicole Kowatsch Wir ertrinken in Informationen, aber hungern nach Wissen. John Naisbitt (*1930), amerik. Prognostiker Web Analytics

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

Datenschutzbestimmungen Extranet der Flughafen Berlin Brandenburg GmbH

Datenschutzbestimmungen Extranet der Flughafen Berlin Brandenburg GmbH Datenschutzbestimmungen Extranet der Flughafen Berlin Brandenburg GmbH Version 1.1 2012-07-11 Personenbezogene Daten Die Flughafen Berlin Brandenburg GmbH im Folgenden FBB genannt erhebt, verarbeitet,

Mehr

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010

Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010 Zusammenfassung der Umfrageergebnisse Customer Intelligence in Unternehmen 23.12.2010 Autoren: Alexander Schramm Marcus Mertens MuniConS GmbH Einleitung Unternehmen verfügen heute über viele wichtige Informationen

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

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

Retargeting. Einführung in das Online-Marketing-Tool. von Markus Kaspers. Erstauflage

Retargeting. Einführung in das Online-Marketing-Tool. von Markus Kaspers. Erstauflage Retargeting Einführung in das Online-Marketing-Tool von Markus Kaspers Erstauflage Retargeting Kaspers schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Thematische Gliederung: E-Commerce,

Mehr

Neuaufbau des Online-Vertriebskanals und Analyse der Conversion Rate bei einer Krankenversicherung - saracus consulting@tdwi Kongress.

Neuaufbau des Online-Vertriebskanals und Analyse der Conversion Rate bei einer Krankenversicherung - saracus consulting@tdwi Kongress. Neuaufbau des Online-Vertriebskanals und Analyse der Conversion Rate bei einer Krankenversicherung - saracus consulting@tdwi Kongress München 2014 Agenda 1 2 3 saracus stellt sich vor Der Online Vertriebskanal

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

Die nachfolgenden Informationen sind unterteilt nach den verschiedenen Angeboten von NWB:

Die nachfolgenden Informationen sind unterteilt nach den verschiedenen Angeboten von NWB: Datenschutzerklärung Wir freuen uns, dass Sie unsere Webseiten und Angebote besuchen und bedanken uns für Ihr Interesse an unserem Unternehmen, unseren Produkten und unseren Webseiten. Der Schutz Ihrer

Mehr

INFRA-XS Track-IT Die vollständige Sicht auf Ihre Kunden

INFRA-XS Track-IT Die vollständige Sicht auf Ihre Kunden INFRA-XS Track-IT Die vollständige Sicht auf Ihre Kunden GW IT- Qualitätssicherungsgesellschaft mbh, 2015 Ihr Online-Kunde - was wissen Sie über ihn? Wie ist der Kunde erstmals auf Ihr Produkt aufmerksam

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

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation Alexander Schroeter, Head of Outbound PM MEE, CRM & Commerce, SAP AG Regensdorf, November 19, 2013 SAP Customer Engagement

Mehr

Web-Log-Mining. Dr. Peter Gluchowski. Wirtschaftswissenschaftliche Fakultät Heinrich-Heine-Universität Düsseldorf

Web-Log-Mining. Dr. Peter Gluchowski. Wirtschaftswissenschaftliche Fakultät Heinrich-Heine-Universität Düsseldorf Web-Log-Mining Dr. Peter Gluchowski Wirtschaftswissenschaftliche Fakultät Heinrich-Heine-Universität Düsseldorf MIS 2001 7. Kongressmesse für DW und BI 26.09.2001 Gliederung Internet und E-Commerce Aufbau

Mehr

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Titel des Lernmoduls: Customer Relationship Management Themengebiet: New Economy Gliederungspunkt im Curriculum: 2.2.1.3.7 Zum Inhalt: Diese Modul befaßt sich mit der Vorgehensweise

Mehr

Daten werden auf dem eigenen Server gespeichert (datenschutzkonform)

Daten werden auf dem eigenen Server gespeichert (datenschutzkonform) Allgemeines Open Source plattformunabhängig läuft mit PHP und MySQL Daten werden auf dem eigenen Server gespeichert (datenschutzkonform) Funktionen Statistik über Seitenaufrufe, Besucherverhalten, Suchbegriffe,

Mehr

Datenschutzhinweis - SCHIESSER Online Shops

Datenschutzhinweis - SCHIESSER Online Shops Datenschutzhinweis - SCHIESSER Online Shops Wir freuen uns über Ihr Interesse an unserem Online Shop, SCHIESSER Online Shop und unserem Unternehmen, der SCHIESSER AG (www.schiesser.com). Wir möchten, dass

Mehr