Nutzungsbezogene Analyse von Web-Sites mit induktiven statistischen Methoden in der Praxis

Größe: px
Ab Seite anzeigen:

Download "Nutzungsbezogene Analyse von Web-Sites mit induktiven statistischen Methoden in der Praxis"

Transkript

1 Nutzungsbezogene Analyse von Web-Sites mit induktiven statistischen Methoden in der Praxis Prof. Dr. Frank Dellmann Wirtschaftsmathematik und Statistik Fachhochschule Münster Corrensstr. 25 D Münster 1. Problemstellung Im Zuge der rasanten Entwicklung des Internet und der Erkenntnis der sich daraus ergebenden wirtschaftlichen Möglichkeiten haben in den letzten Jahren immer mehr Unternehmen einen an ihre Kunden gerichteten Auftritt im Internet realisiert. Hierbei werden Ziele wie der verbesserte Einsatz von Marketing-Instrumenten und die Intensivierung der Kundenbeziehung verfolgt. Somit ist aber auch eine Wirkungsmessung des Einsatzes der Marketing-Instrumente im Internet erforderlich. Während die Controlling-Methoden zur Steuerung eines Unternehmens für die traditionellen Kommunikations- und Vertriebskanäle immer differenzierter wurden, sind häufig über den Internet-Auftritt keine oder nur sehr wenige Informationen vorhanden. Da das Internet immer mehr Gewicht in der Kommunikation mit den Kunden bekommt, besteht seitens der Unternehmen die Anforderung, Methoden zur Analyse der Nutzeraktivitäten auf der Unternehmens-Web-Site zur Verfügung zu haben. Die Daten der Nutzeraktivitäten auf einer Web-Site werden in Log Files des Web Servers oder des Application Servers aufgezeichnet. Einige Unternehmen erstellen aus den Log Files deskriptive Statistiken zu bestimmten Kennzahlen wie Visits, Pageviews oder Verweildauer und vergleichen diese für einen bestimmten Zeitraum zu einer Referenzperiode. In der Literatur wird mit Web Usage Mining die nutzungsbezogene Analyse der Daten, die während der Benutzung einer Web-Site anfallen, bezeichnet. 1 Damit versteht man unter Web Usage Mining die Anwendung von Data Mining-Algorithmen auf diese Log Files. 2 Diese zielen auf das Erkennen von Mustern und Zusammenhängen, die in den Daten verdeckt vorliegen, (Assoziationsanalyse, Sequenzanalyse, Pfadanalyse, Warenkorbanalyse, Clusteranalyse etc.) und münden letztlich in der Erstellung von Erklärungs- und Prognosemodellen (Regressionsanalyse, Diskriminanzanalyse, Entscheidungsbaumanalyse, Zeitreihenanalyse, Neuronale Netze etc.). Hier soll die statistische Analyse der Daten einer Web-Site etwas weiter gefasst werden, indem sie auf die Methoden der induktiven Statistik (Konfidenzintervalle, Parametertests, Anpassungstests, Unabhängigkeitstests, Varianzanalyse) ausgeweitet wird. Damit können beispielsweise signifikante Änderungen einer bestimmten Kennzahl zu einer Referenzperiode oder einer Referenz-Domain aufgezeigt werden. In diesem Beitrag wird ein Ansatz geschildert werden, der in einem Praxisprojekt zur Analyse der Log Files der Web-Sites des Volkswagen-Konzerns mittels induktiver statistischer Methoden angewendet wird. Das Unternehmen stellte die Anforderung zur Erstellung eines 1 Vgl. Cooley et al. (1997), S Zu Data Mining-Algorithmen siehe Berry/Linoff (2000).

2 Informations- und Analysesystems, das über die Erstellung deskriptiver Statistiken hinausgeht und eine Interpretation der Ergebnisse liefert, auf deren Basis konkrete Handlungsempfehlungen abgeleitet werden können. Zukünftig soll dieses System in ein konzernweites Customer Relationship Management-System münden, in das die Kunden- und Absatzdaten aus den traditionellen Kanälen integriert sind. 3 Mit der Erstellung eines solchen Systems wurde die BBDO Interactive GmbH beauftragt, die auch die Internet-Auftritte von Volkswagen erstellt hat. Mit dieser Agentur wurde der Ansatz entwickelt, der im nächsten Kapitel vorgestellt wird. Im dritten Kapitel wird die Anwendung des Ansatzes zur Analyse der Web-Sites von Volkswagen beschrieben. Das vierte Kapitel gibt einen Ausblick auf weitere Arbeiten. 2. Ansatz zur statistischen Analyse von Web-Sites Der Ansatz zur statistischen Analyse von Web-Sites mittels induktiver Methoden zielt auf die Erzielung von Erkenntnissen über den Erfolg einer Web-Site. Dies umfasst die Interpretation der in den Logfile Reports aufgeführten Kennzahlen im Zeit- oder Domainvergleich und die Ableitung konkreter Handlungsempfehlungen. Zum einen sollen signifikante Unterschiede von Kennzahlen im Zeit- oder Domainvergleich aufgedeckt werden. Zum anderen sollen die Auswirkungen des Einsatzes bestimmter Marketing-Instrumente auf die Aktivitäten auf der Web-Site analysiert werden. Dazu wird folgende Vorgehensweise gewählt: 1. Problemformulierung 2. Datenerhebung in Web Server Logfile und Application Server Logfiles 3. Data Preprocessing 4. Darstellung der Daten 5. Ausreißeranalyse 6. Signifikanztests (ggfs. Anpassungstests zur Überprüfung von Verteilungsannahmen) 7. Ergebnisinterpretation und Ableitung von Handlungsempfehlungen 8. Reporting 2.1. Problemformulierung In der Phase der Problemformulierung wird das Untersuchungsziel konkretisiert. Hierzu gehören die Festlegung der Untersuchungszeiträume (Monate, Wochen etc.), der Basisperiodizität der Daten (Tage, Stunden etc.), der Referenzdomains und der betrachteten Kennzahlen (Visits, Pageviews, Pageviews pro Visit, Verweildauer pro Visit, Clicks, Einsprung- und Exit-Adresse etc.) sowie der darauf berechneten Lage-, Streuungs- und ggfs. Schiefeparameter. Wenn der Einfluß spezifischer Marketing-Instrumente untersucht werden soll, müssen dafür die entsprechenden Hypothesen zur Durchführung der Signifikanztests formuliert und das Signifikanzniveau festgelegt werden. Ferner kann ein externer Kalender angelegt werden, in dem relevante Termine wie z. B. Messen, Kampagnen oder Events geführt werden, um Analysen für deren Auswirkung auf die Web-Site durchzuführen Datenerhebung Die Aktionen der Nutzer einer Web-Site werden in dem Web Server Logfile protokolliert. Dieser Logfile enthält, je nach Logfile-Format teils unterschiedliche, Informationen über die Zugriffe auf die Web-Site wie die IP-Adresse des Nutzers, die Zugriffszeit, die URL der 3 Zu Customer Relationship Management siehe z. B. Gosney/Boehm (2000).

3 aufgerufenen Seite, den Statuscode (erfolgreicher Zugriff oder Fehler), die Anzahl übertragener Bytes etc. In jeder Zeile eines Logfile wird ein Zugriff auf die Web-Site protokolliert. Diese Informationen sollen für jede Session bzw. Nutzer aufbereitet werden. Mit der Datenerhebung im Web-Server Logfile sind aber einige Probleme verbunden: 4 - Protokollierung irrelevanter Informationen: Non-Pages wie automatisch geladene Grafiken und fehlerhafte Aufrufe erzeugen einen eigenen Protokolleintrag. - Unvollständigkeit der protokollierten Aktivitäten infolge Aufrufe aus Caches. - Ungenügende User- bzw. Session-Spezifikation: Proxy-Server, Anonymisierung, dynamische IP-Adressen, Administratoren, Robots and Spiders. - Unzureichende Informationen über Aktionen des Nutzers auf dynamischen Seiten. Hierzu muß auf die Logfiles des jeweiligen Application Servers zurückgegriffen werden. Bei der Verwendung von Daten aus dem Web Server Logfile und dem Application Server Logfile ist die Zusammenführung gleicher Sessions entscheidend Data Preprocessing Einige der beschriebenen Probleme lassen sich im Preprocessing-Schritt beheben. So werden Einträge von Non-Pages und Einträge mit einem Status Code, der einen Fehler anzeigt, eliminiert. Zugriffe von Suchmaschinen können anhand des verwendeten Browsertyps identifiziert und entfernt werden. 5 Die Zugriffe der Administratoren können anhand der i. d. R. bekannten IP- Adresse eliminiert werden. Zur User- und Session-Spezifikation werden auch Heuristiken eingesetzt. So kann ein User durch die gleiche IP-Adresse, den gleichen Browser-Typ und das gleiche Betriebssystem identifiziert werden. Zur Session-Spezifikation werden häufig Timeout-Intervalle von 30 Minuten gewählt. Der Navigationspfad eines Benutzers kann bei Aufrufen einzelner Seiten aus dem Cache durch einen Vergleich mit der Site-Struktur rekonstruiert werden. 6 Des weiteren existieren verschiedene Mechanismen zur Session-Spezifikation: 7 - Cookies: Im Browser des Nutzers wird ein Cookie gesetzt, das bei jedem Request mit übertragen wird, so dass das Tracking einer Session möglich ist. - URL Rewriting: Anhängen einer Session ID als zusätzlicher Parameter bei jeder aufgerufenen URL, so dass bei jedem Request die Session ID mit protokolliert wird. - Java Applets: Übertragung spezieller Java Applets zum Nutzer, die neben einer Session ID auch weitere nutzerspezifische Informationen übermitteln können. Hierbei ist die explizite Einwilligung des Nutzers erforderlich Darstellung der Daten Die auf diese Weise vorbereiteten Daten werden dann in Form deskriptiver Statistiken dargestellt. Für die in der Problemformulierung definierten Kennzahlen werden für den Berichtszeitraum Häufigkeitsverteilungen erstellt, die mit den Verteilungen der Referenzperiode und der Referenzdomain verglichen werden können. Die Darstellung erfolgt in tabellarischer und geeigneter grafischer Form. Ferner werden die in der 4 Vgl. Cooley et al. (1999), Srivastava et al. (2000). 5 Vgl. Stout (1997), S Vgl. Wu et al. (1998) und Cooley et al. (1999). 7 Vgl. Cooley et al. (1999), Srivastava et al. (2000).

4 Problemformulierung definierten Parameter (arithmetisches Mittel, Median, Varianz, Quartilsabstand, Schiefe etc.) berechnet Ausreißeranalyse Auf Basis der Datendarstellung sind die Daten auf Ausreißer zu untersuchen. Häufig lassen sich Ausreißer schon in der grafischen Darstellung erkennen. 8 Zudem können zur Identifizierung von Ausreißern z. B. die Ausreißerregel von Tukey oder die Tests von Grubbs und Beck angewendet werden. 9 Ist ein Ausreißer als solcher erkannt, sollte untersucht werden, ob es inhaltliche Gründe für die Abweichung vorliegen. So kann eine besonders hohe Zahl von Visits an einem Tag durch eine Kampagne verursacht worden sein. Umgekehrt kann eine sehr niedrige Zahl von Visits durch Serverprobleme bedingt sein. Eine Datenbereinigung durch Elimination von Extremwerten sollte aufgrund der vielfältigen Einflußgrößen und der im Preprocessing-Schritt vorgenommenen Fehlerbereinigung nur sehr selten notwendig sein. Vielmehr können in diesem Schritt besondere Auffälligkeiten entdeckt werden. Zur Nivellierung oder Ausschaltung des Einflusses extremer Daten auf die Berechnung der Parameter können robuste Parameter verwendet werden Signifikanztests Signifikanztests werden angewendet, um festzustellen, ob beobachtete Unterschiede im Zeitoder Domainvergleich signifikant sind oder in Zufallsschwankungen begründet liegen. Hierbei werden die in der Phase der Problemformulierung aufgestellten Hypothesen auf ihre Gültigkeit überprüft. Alternativ ist es auch möglich, für alle Kennzahlen Tests auf Unterschiede zur Referenzperiode oder zur Referenzdomain durchzuführen. Da hier, zumindest bei großen Web-Sites mit entsprechend hohem Traffic, von genügend großen Stichprobenumfängen ausgegangen werden kann, kann die für viele Tests erforderliche Voraussetzung der Normalverteilung als approximativ gültig angesehen werden. Für Lageunterschiede kommt somit der approximative Zweistichproben-Gauß-Test zur Anwendung. Wenn Unterschiede zwischen den Varianzen festgestellt werden sollen, kann der Zweistichproben-F-Test eingesetzt werden. Für den Test auf unterschiedliche Anteile ist auch die entsprechend standardisierte Differenz der Anteile als Prüfgröße approximativ standardnormalverteilt. Bei kleinen Stichprobenumfängen müssen die dafür entwickelten Signifikanztests angewendet werden. Unter Umständen müssen hierzu das Vorliegen der Verteilungsannahmen durch entsprechende Anpassungstests überprüft werden Ergebnisinterpretation und Ableitung von Handlungsempfehlungen Die Ergebnisse der Signifikanztests müssen für das Management einfach verständlich aufbereitet und hinsichtlich ihrer Bedeutung interpretiert werden. Insbesondere werden hier die Auswirkungen der in dem externen Kalender erfassten Ereignisse beschrieben. Ferner können auch mögliche Ursachen aufgezeigt werden, aus denen sich dann unter Umständen Handlungsempfehlungen ableiten lassen. Hierzu ist ein Verständnis der zugrundeliegenden Marketing-Instrumente und deren Wirkungsweisen erforderlich. 8 Zur explorativen Datenanalyse siehe Tukey (1977). 9 Vgl. Tukey (1977), S. 43f. und Grubbs/Beck (1972). 10 Siehe Huber (1981), Hampel et al. (1986). 11 Siehe Lehmann (1986).

5 Unter Umständen stoßen gerade nicht signifikante Unterschiede auf Verständnis- oder sogar Akzeptanzprobleme. Diese können in der Phase der Problemformulierung durch entsprechende Hinweise und einem gemeinsamen Festlegen des Signifikanzniveaus mit dem Management vermieden werden Reporting Hier können grundsätzlich statische und dynamische Reports unterschieden werden. Dynamische Reports ermöglichen dem Anwender, die Ergebnisse unter verschiedenen Gesichtspunkten zu betrachten, eigene Ansichten zu definieren und so die Ergebnisse nach zusätzlichen Kriterien zu analysieren. Als Ausgabeformate kommen sowohl die üblichen Tabellenkalkulations- und Präsentationssoftware-Formate als auch HTML zum Online- Reporting in Frage. Ferner ist auch ein periodisches Reporting per denkbar. 3. Anwendung bei Volkswagen Im folgenden soll die Anwendung des im vorherigen Kapitel beschriebenen Ansatzes bei Volkswagen dargestellt werden. Der Volkswagen-Konzern stellt sein Angebot auf insgesamt 26 unterschiedlichen Domains dar, die sowohl den Unternehmens-Gesamtauftritt als auch die Auftritte einzelner Marken umfassen. Das Hosting der Web-Sites wird von BBDO Interactive durchgeführt, so dass die Logfiles auch dort zur Verfügung stehen. Insgesamt fallen ca. 1 GB Daten täglich in den Logfiles allein für die statischen Seiten an. Für die dynamischen Seiten wird das Content Management-System Vignette Story Server verwendet. Die Logfiles des CMS-Servers umfassen zwischen 3 und 7 GB täglich. Die mit diesem immensen Datenvolumen verbundenen Schwierigkeiten sollen hier nicht weiter betrachtet werden. Vielmehr soll der methodische Ansatz zur statistischen Analyse dieser Daten im Vordergrund stehen Problemformulierung Seitens des Auftraggebers Volkswagen bestand die Anforderung, über die zuvor zur Verfügung gestellten deskriptiven Statistiken hinausgehend, die Ergebnisse zu interpretieren und Erkenntnisse aus den Daten zu ziehen, aus denen Handlungsempfehlungen abgeleitet werden können. Es soll also ein Informations- und Analyse-System erstellt werden, welches den Erfolg der Web-Site ausweist und auf dessen Basis der Einsatz der Marketing- Instrumente gesteuert werden kann. Aufgrund der Komplexität des zu erstellenden Systems wurde eine dreiphasige Vorgehensweise gewählt. In der ersten Phase wird unter Einsatz eines Statistik-Software-Pakets ein Analysesystem erstellt, welches in standardisierter Form deskriptive Statistiken für fest definierte Kennzahlen erstellt und diese mit Hilfe induktiver Methoden auf signifikante Unterschiede im Zeit- und Domainvergleich untersucht. Diese Phase wird in den folgenden Abschnitten weiter behandelt. In der zweiten Phase soll dieses System unter Einsatz von Data Mining-Methoden (Clusteranalyse, Sequenzanalyse) zur Definition unterschiedlicher Nutzergruppen und zur Analyse von Mustern auf Zielgruppen- und Kategorie-Ebene 12 erweitert werden. Auf dieser Basis könnten dann Nutzer den unterschiedlichen Gruppen zugeordnet und personalisierte Angebote auf der Web-Site eingestellt werden. 12 Kategorien sind Fahrzeugtypen oder andere inhaltliche Gruppen wie z. B. Technikkompetenz oder Gebrauchtwagen.

6 Mittelfristig soll dieses System in der dritten Phase zu einem konzernweiten Customer Relationship Management-System ausgebaut werden, in das die Kunden- und Absatzdaten aus den traditionellen Vertriebskanälen mit einbezogen sind Kern des Internet-Auftritts von Volkswagen ist der Car-Configurator, der eine individuelle Konfiguration eines Fahrzeugs durch den Nutzer ermöglicht. Diese Konfiguration kann zu einem VW-Vertriebshändler in der Region des Nutzers mit dem Wunsch einer Terminvereinbarung oder Kontaktaufnahme geschickt werden. Volkswagen verfolgt das Ziel, die Anzahl der versendeten Konfigurationen und somit den Absatz zu erhöhen. Als Untersuchungszeiträume wurden Monate, Quartale und Jahre festgelegt. Zusätzlich soll auch eine freie Zeiteingabe möglich sein. Die Daten sollen auf Tagesbasis zur Verfügung stehen. Für die Auswertung der Web Server Logfiles wurden die folgenden Kennzahlen festgelegt: - Visits - Pageviews (bei statischen Seiten) - Downloads (Dateitypen, Dateinamen) - Pageviews je Visit - Durchschnittliche Verweildauer je Visit - Pageviews je Domain - Pageviews je Browser - Pageviews je Operating System - Zugriffsverlauf/Uhrzeit - Zugriffsverlauf/Tagesvergleich - Einsprung-Adresse - Exit-Adresse - Transfervolumen (Bytes) - Registrierungen je Kategorie - Mailresponse je Kategorie - Visits je Händler - Conversion Rate für definierte Pfade (z. B. Homepage Carline Car Configurator Mailversand) Bei den dynamischen Abrufen sollen die folgenden Variablen erfasst werden: Elemente Abrufe einzelner Elemente (z. B. Textbausteine, Video, Bild) Module Abrufe mehrerer zu Modulen zusammengefasster Elemente Seiten Abrufe mehrerer zu Seiten zusammengefasster Module Kategorie Abrufe von Kategorien (z. B. Passat, Technikkompetenz) Modulabrufe je Kategorie Für den Car-Configurator sollen einige spezifische Kennzahlen ausgewertet werden: - Visits je Carline

7 - Pageviews je Carline - Abgeschlossene Konfigurationen - Versandte Konfigurationen - Abgeschlossene Konfigurationen je Händler - Versandte Konfigurationen je Händler - Finanzierung je Konfiguration Für die Verteilungen der Variablen sollen in den deskriptiven Statistiken die üblichen Lageund Streuungsparameter (arithmetisches Mittel, Median, Standardabweichung, durchschnittliche Abweichung vom Median, Quartilsabstand etc.) berechnet werden. Zur Feststellung von signifikanten Abweichungen im Zeit- und Domainvergleich werden Hypothesen für Tests auf Lageunterschiede (unterschiedliche Erwartungswerte) zwischen den jeweiligen Stichproben formuliert. Als Signifikanzniveau wird α = 0,01 festgelegt. Zudem wird ein externer Kalender angelegt, in dem Termine von nicht-web-basierten Events wie Messen, klassische Werbekampagnen oder Pressekonferenzen und web-basierten Kampagnen (Banner etc.) zur Wirkungsanalyse auf die Web-Site eingetragen werden. Die Hypothesen hierfür werden analog zum vorherigen Absatz formuliert Datenerhebung Die Daten werden beim Web Server im Apache Combined Logfile Format protokolliert. Die dynamischen Nutzeraktivitäten werden vom Vignette Story Server durch eine speziell dafür entwickelte Software (NetGenesis) protokolliert Data Preprocessing Irrelevante Einträge wie Non-Pages und fehlerhafte Abrufe sowie die aufgrund bestimmter Browsertypen, IP-Adressen und Zugriffsmuster identifizierbaren Einträge von Robots, Spiders und Administratoren werden eliminiert. Zur Session-Spezifikation werden Cookies eingesetzt und der Mechanismus des URL Rewriting eingesetzt. Einige Non-Pages hingegen werden erfasst, da hierunter Downloads im Rahmen von webbasierten Kampagnen fallen Darstellung der Daten Die deskriptiven Statistiken für die in 3.1. beschriebenen Kennzahlen werden mit Hilfe eines Statistik-Software-Pakets aus den aufbereiteten Daten generiert. Der Output wird über eine Excel-Schnittstelle zur Darstellung im Reporting 13 übergeben Ausreißeranalyse Die Verteilungen der einzelnen Kennzahlen werden standardmäßig mit der Regel von Tukey und den Tests von Grubbs und Beck 14 auf Ausreißer untersucht. Wird ein Wert als Ausreißer entdeckt, erfolgt eine Warnmeldung an den Anwender, der dann eine Ursachenanalyse vornimmt. In der Regel führt dies zu einem entsprechenden Hinweis im Rahmen der Ergebnisinterpretation. 13 Siehe Vgl. Tukey (1977), S. 43f. und Grubbs/Beck (1972).

8 3.6. Signifikanztests Die Signifikanztests werden standardmäßig von einem Statistik-Software-Paket für die in 3.1. formulierten Hypothesen durchgeführt. Aufgrund der sehr großen Stichprobenumfänge wird der approximative Zweistichproben-Gauß-Test angewendet. Für kleine Stichprobenumfänge wird, unter der Voraussetzung des Vorliegens einer Normalverteilung, bei gleichen Varianzen der Zweistichproben-t-Test und bei unterschiedlichen Varianzen der Welch-Test eingesetzt. Die Voraussetzung wird durch den χ 2 -Anpassungstest überprüft. Wenn keine Normalverteilung vorliegt, kann der Zeichentest zur Überprüfung von unterschiedlichen Medianen in beiden Stichproben angewendet werden Ergebnisinterpretation und Ableitung von Handlungsempfehlungen Aufgrund der Fülle der Ergebnisse wird die Interpretation auf folgende Fälle beschränkt: - Durch Signifikanztests aufgedeckte signifikante Unterschiede - Auswirkungen von im externen Kalender mitgeführten Events - Identifizierte Ausreißer Daraus werden gemeinsam mit dem Marketing-Berater von BBDO Interactive mögliche Handlungsempfehlungen erarbeitet und für das Management formuliert Reporting Aufgrund unterschiedlicher Anwenderzielgruppen sind für bestimmte Teilbereiche jeweils eigene Reports erforderlich. Zusätzlich ist aber auch eine Gesamtbetrachtung für die Marketing- und Produktabteilungen bei VW erforderlich. Der Zugang zu den Reports wird über ein Berechtigungsmodell ermöglicht. Alle Auswertungen sind über das Internet passwort-geschützt abrufbar. Alle Daten und Grafiken sind deshalb in HTML abrufbar. Die Analysen sind über die Web-Schnittstelle konfigurierbar, so dass individuelle Auswertungen vorgenommen werden können. Damit die Auswertungen in Präsentationen oder andere Systeme übernommen werden können, sind die Daten im MS Excel-Format verfügbar. Außerdem werden Reports mit den wesentlichen Ergebnissen und den Interpretationen sowie daraus abgeleiteten Handlungsempfehlungen per monatlich an einen definierten Anwenderkreis versandt. 4. Ausblick Das hier beschriebene, für einen Auftraggeber entwickelte System soll zu einem Standardpaket umgebaut werden, um es weiteren Kunden von BBDO Interactive anzubieten. Zum Zeitpunkt der Beendigung dieses Artikels war die erste Phase noch nicht abgeschlossen, weshalb hier das methodische Vorgehen, aber noch keine Ergebnisse beschrieben werden konnten. Mit der zweiten Phase, in der das System um Cluster- und Sequenzanalytische Methoden erweitert werden soll, wird im Herbst 2001 begonnen. Der Ausbau zu einem CRM- System in der dritten Phase ist für Mitte 2002 geplant. Als weitere Herausforderung wird die Verknüpfung mit dem Controlling-System gesehen.

9 Literatur Berry/Linoff (2000): Berry, M. J. A.; Linoff, G. S.: Mastering Data Mining. The Art and Science of Customer Relationship Management. Wiley, New York, Cooley et al. (1997): Cooley, R.; Mobasher, B.; Srivastan, J.: Web Mining: Information and Pattern Discovery on the World Wide Web. Cooley et al. (1999): Cooley, R.; Mobasher, B.; Srivastan, J.: Data Preparation for Mining World Wide Web Browsing Patterns. In: Knowledge and Information Systems, Vol. 1, No. 1, 1999, S Gosney/Boehm (2000): Gosney, J. W.; Boehm, T. P.: Customer Relationship Management Essentials. Prima Publishing, Roseville, CA, Grubbs/Beck (1972): Grubbs, F. E.; Beck, G.: Extension of sample sizes and percentage points for significance tests of outlying observations. In: Technometrics, Vol. 14, 1972, S Hampel et al. (1986): Hampel, F. R.; Ronchetti, E. M.; Rousseeuw, P. J.; Stakel, W. A.: Robust Statistics. The Approach Based on Influence Functions. Wiley, New York, Huber (1981): Huber, P. J.: Robust Statistics. Wiley, New York, (Kosala/Blockeel (2000): Kosala, R.; Blockeel, H.: Web Mining Research: A Survey. In: SIGKDD Explorations, Vol. 2, No. 1, 2000, S ) Lehmann (1986): Lehmann, E. L.: Testing Statistical Hypotheses. 2. Aufl., Wiley, New York, Srivastava et al. (2000): Srivastava, J.; Cooley, R.; Deshpande, M.; Tan, P.-N.: Web Usage Mining: Discovery and Applications of Usage patterns from Web Data. In: SIGKDD Explorations, Vol. 1, No. 2, 2000, S Stout (1997): Stout, R.: Web Site Stats: Tracking Hits and Analyzing Traffic. Osborne, Berkeley, Tukey (1977): Tukey, J. W.: Exploratory Data Analysis. Addison-Wesley, Reading, Massachusetts, Wu et al. (1998): Wu, K.-L. ; Yu, P. S.; Ballman, A.: SpeedTracer: A Web Usage Mining and Analysis Tool. In: IBM Systems Journal, Vol. 37, 1998, Issue 1, S

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

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

Evaluation der Normalverteilungsannahme

Evaluation der Normalverteilungsannahme Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden

Mehr

Die Statistiken von SiMedia

Die Statistiken von SiMedia Die Statistiken von SiMedia Unsere Statistiken sind unter folgender Adresse erreichbar: http://stats.simedia.info Kategorie Titel Einfach Erweitert Übersicht Datum und Zeit Inhalt Besucher-Demographie

Mehr

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche

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

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

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

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

AWSTATS Statistik benutzen und verstehen

AWSTATS Statistik benutzen und verstehen AWSTATS Statistik benutzen und verstehen Seite stat. domäne (z.b. stat.comp-sys.ch) im Internetbrowser eingeben und mit Benutzernamen und Passwort anmelden (gemäss Anmeldedaten) Monat und Jahr wählen OK

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

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

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

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

1 WEB ANALYTICS: PROFESSIONELLE WEB-ANALYSEN UND REPORTING FÜR IHR ONLINE MARKETING.

1 WEB ANALYTICS: PROFESSIONELLE WEB-ANALYSEN UND REPORTING FÜR IHR ONLINE MARKETING. 1 WEB ANALYTICS: PROFESSIONELLE WEB-ANALYSEN UND REPORTING FÜR IHR ONLINE MARKETING. Web Analytics, Reporting & Beratung Erfolgskontrolle mit professionellen Web Analysen! Web Analytics mit Google Analytics

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

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

PHP Kurs Online Kurs Analysten Programmierer Web PHP

PHP Kurs Online Kurs Analysten Programmierer Web PHP PHP Kurs Online Kurs Analysten Programmierer Web PHP Akademie Domani info@akademiedomani.de Allgemeines Programm des Kurses PHP Modul 1 - Einführung und Installation PHP-Umgebung Erste Lerneinheit Introduzione

Mehr

Quality Point München

Quality Point München Quality Point München Test webbasierter Applikationen - Vorgehen, Instrumente, Probleme Gestern habe ich mich wieder über eine fehlerhafte Webanwendung geärgert. Muss das sein? Test ist halt auch hier

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

Log Files geben Informationen

Log Files geben Informationen Online- Marketing Log Files geben Informationen welche Dateien wie oft abgerufen wurden wie lange die Besucher blieben von welcher Seite sie kamen (Refering- Websites) mit welchem Browser sie surfen welches

Mehr

1. Biometrische Planung

1. Biometrische Planung 1. Biometrische Planung Die biometrische Planung ist Teil der Studienplanung für wissenschaftliche Studien, in denen eine statistische Bewertung von Daten erfolgen soll. Sie stellt alle erforderlichen

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Explorative Datenanalyse EDA Auffinden von Strukturen

Mehr

Erweiterung für Premium Auszeichnung

Erweiterung für Premium Auszeichnung Anforderungen Beliebige Inhalte sollen im System als Premium Inhalt gekennzeichnet werden können Premium Inhalte sollen weiterhin für unberechtigte Benutzer sichtbar sein, allerdings nur ein bestimmter

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

DIE GRUNDLAGEN DER FERNÜBERWACHUNG

DIE GRUNDLAGEN DER FERNÜBERWACHUNG DIE GRUNDLAGEN DER FERNÜBERWACHUNG Verbraucherleitfaden Version 1.0 Deutsch Einleitung Derzeit sind am Markt zahlreiche Videoüberwachungssysteme erhältlich, die einen digitalen Zugriff über Netzwerkverbindungen

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

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

Analyse leicht gemacht - SAS Enterprise Guide. Gerd Hoffmann Technical Competence Center SAS Deutschland

Analyse leicht gemacht - SAS Enterprise Guide. Gerd Hoffmann Technical Competence Center SAS Deutschland Analyse leicht gemacht - SAS Enterprise Guide Gerd Hoffmann Technical Competence Center SAS Deutschland Agenda Was ist Enterprise Guide? Besonderheiten in Enterprise Guide Analysewerkzeuge Abfrage-Tool

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

Multivariate Tests mit Google Analytics

Multivariate Tests mit Google Analytics Table of Contents 1. Einleitung 2. Ziele festlegen 3. Einrichtung eines Multivariate Tests in Google Analytics 4. Das JavaScript 5. Die Auswertung der Ergebnisse Multivariate Tests mit Google Analytics

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

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

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

Informatives zur CAS genesisworld-administration

Informatives zur CAS genesisworld-administration Informatives zur CAS genesisworld-administration Inhalt dieser Präsentation Loadbalancing mit CAS genesisworld Der CAS Updateservice Einführung in Version x5 Konfigurationsmöglichkeit Sicherheit / Dienstübersicht

Mehr

CWA Flow. Prozessmanagement und Workflow-Management. Workflow- und webbasierte Lösung. Per Browser einfach modellieren und automatisieren

CWA Flow. Prozessmanagement und Workflow-Management. Workflow- und webbasierte Lösung. Per Browser einfach modellieren und automatisieren CWA Flow Prozessmanagement und Workflow-Management Per Browser einfach modellieren und automatisieren Workflow- und webbasierte Lösung Workflow- und webbasierte Lösung Webbasierte Prozessmanagement und

Mehr

Graphing - SNMP DATA - MRTG II

Graphing - SNMP DATA - MRTG II Graphing - SNMP DATA - MRTG II Netzwerkmanagement Software hat sich in den letzten Jahren vom hilfreichen Produkt zur integralen Grundlage für den professionellen IT Betrieb gewandelt. Grosse und leistungsfähige

Mehr

Roboter Erkennung für Nutzungsstatistiken

Roboter Erkennung für Nutzungsstatistiken für Nutzungsstatistiken Vorgehen für die Filterung von automatisierten Zugriffen auf Dokumente in Repositorien für Nutzungsstatistiken Version 1.1, Juli 2013 Matthias Hitzler, Marco Recke Computer und

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

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

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

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

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

Einrichtung Secure-FTP

Einrichtung Secure-FTP Einrichtung Secure-FTP ONEGroup Hochriesstrasse 16 83101 Rohrdorf Steffen Prochnow Hochriesstrasse 16 83101 Rohrdorf Tel.: (08032) 989 492 Fax.: (01212) 568 596 498 agb@onegroup.de 1. Vorwort... 2 2. Einrichtung

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

SiteAudit Knowledge Base. Move Add Change Tracking. Vorteile Übersicht. In diesem Artikel: Vorteile Übersicht Funktionsübersicht Berichte anpassen

SiteAudit Knowledge Base. Move Add Change Tracking. Vorteile Übersicht. In diesem Artikel: Vorteile Übersicht Funktionsübersicht Berichte anpassen SiteAudit Knowledge Base Move Add Change Tracking Dezember 2010 In diesem Artikel: Vorteile Übersicht Funktionsübersicht Berichte anpassen MAC Benachrichtigungen Vorteile Übersicht Heutzutage ändern sich

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Log Files geben Informationen

Log Files geben Informationen Online- Marketing Log Files geben Informationen welche Dateien wie oft abgerufen wurden wie lange die Besucher blieben von welcher Seite sie kamen (Refering- Websites) mit welchem Browser sie surfen welches

Mehr

2. Interaktive Web Seiten. action in Formularen. Formular. Superglobale Variablen $ POST, $ GET und $ REQUEST. GET und POST

2. Interaktive Web Seiten. action in Formularen. Formular. Superglobale Variablen $ POST, $ GET und $ REQUEST. GET und POST 2. Interaktive Web Seiten GET und POST Die Übertragungsmethoden GET und POST sind im http Protokoll definiert: POST: gibt an, dass sich weitere Daten im Körper der übertragenen Nachricht befinden: z.b.

Mehr

Joomla! 2.5. Grundlagen. Martin Wiedemann. 1. Ausgabe, Dezember 2012 JMLA25

Joomla! 2.5. Grundlagen. Martin Wiedemann. 1. Ausgabe, Dezember 2012 JMLA25 Joomla! 2.5 Martin Wiedemann 1. Ausgabe, Dezember 2012 Grundlagen JMLA25 4 Joomla! 2.5 - Grundlagen 4 Die Bedienoberfläche von Joomla! In diesem Kapitel erfahren Sie wie Sie das Frontend Ihrer Joomla!-Website

Mehr

Software Design Patterns. Ausarbeitung über. Security Patterns SS 2004

Software Design Patterns. Ausarbeitung über. Security Patterns SS 2004 Ausarbeitung über SS 2004 Dennis Völker [dv04@hdm-stuttgart.de] Steffen Schurian [ss59@hdm-stuttgart.de] Überblick Sicherheit sollte eine Eigenschaft moderner, verteilter Anwendungen sein, jedoch ist ein

Mehr

AxCMS.net ENTERPRISE CONTENT MANAGEMENT SYSTEM. Module. AxCMS.net. Module. Copyright 2001-2006 Axinom GmbH AxCMS.net Seite 1

AxCMS.net ENTERPRISE CONTENT MANAGEMENT SYSTEM. Module. AxCMS.net. Module. Copyright 2001-2006 Axinom GmbH AxCMS.net Seite 1 AxCMS.net Copyright 2001-2006 Axinom GmbH AxCMS.net Seite 1 AxCMS.net Das AxCMS.net steht mit einem umfangreichen Template-Projekt als Visual Studio Projekt im Quellcode zum Download. Darin enthalten sind

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

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

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

CRM KINDERLEICHT NEUERUNGEN IM RELEASE 8.4

CRM KINDERLEICHT NEUERUNGEN IM RELEASE 8.4 CRM KINDERLEICHT NEUERUNGEN IM RELEASE 8.4 STRATEGISCHE ZIELE Terminumfrage, Termine und Aufgaben in GEDYS IntraWare 8.web Unabhängig vom E Mail und Kalendersystem Termine auch für Kunden Ablösung der

Mehr

Google Analytics Premium vs. Google Analytics

Google Analytics Premium vs. Google Analytics Premium vs. Premium ist ab sofort in Deutschland und anderen europäischen Ländern neben der weiterhin bestehenden kostenlosen Variante verfügbar. Trakken hat als offizieller Reseller bereits seit Mitte

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

Hinweise zu den Auswertungen der Logfiles von Websites der Freien Universität

Hinweise zu den Auswertungen der Logfiles von Websites der Freien Universität Center für Digitale Systeme (CeDiS) E-Learning, E-Research, Multimedia CMS-Team, 7. Juli 2013 Hinweise zu den Auswertungen der Logfiles von Websites der Freien Universität Hintergrund Besuche der Websites

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik II für Betriebswirte Vorlesung 2 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander

Mehr

McAfee Security-as-a-Service -

McAfee Security-as-a-Service - Handbuch mit Lösungen zur Fehlerbehebung McAfee Security-as-a-Service - Zur Verwendung mit der epolicy Orchestrator 4.6.0-Software Dieses Handbuch bietet zusätzliche Informationen zur Installation und

Mehr

Webalizer HOWTO. Stand: 18.06.2012

Webalizer HOWTO. Stand: 18.06.2012 Webalizer HOWTO Stand: 18.06.2012 Copyright 2003 by manitu. Alle Rechte vorbehalten. Alle verwendeten Bezeichnungen dienen lediglich der Kennzeichnung und können z.t. eingetragene Warenzeichen sein, ohne

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

PG5 Starter Training PG5 Core und Webeditor 8 Daniel Ernst DE02 2013-03-14

PG5 Starter Training PG5 Core und Webeditor 8 Daniel Ernst DE02 2013-03-14 PG5 Starter Training PG5 Core und Webeditor 8 Daniel Ernst DE02 2013-03-14 Einführung Benötigtes Material: Notebook oder Computer PCD1 E-Controller USB Kabel Schulungsplatine Ethernet Kabel Benötigte Software

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Installation SQL- Server 2012 Single Node

Installation SQL- Server 2012 Single Node Installation SQL- Server 2012 Single Node Dies ist eine Installationsanleitung für den neuen SQL Server 2012. Es beschreibt eine Single Node Installation auf einem virtuellen Windows Server 2008 R2 mit

Mehr

PROGRAMMATIC MARKETING

PROGRAMMATIC MARKETING PROGRAMMATIC MARKETING 21.10.2014 1 21.10.2014 2 21.10.2014 3 Programmatic Marketing...mehr als Real Time Advertising (RTA) bzw. Real Time Bidding (RTB)...sämtliche Online Marketing-Maßnahmen, die von

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

Logfile Analyse II. Referent: Philipp Mayr. 8. InternetSalon am 26. Mai 2004, pr-ide. 8. InternetSalon / pr-ide Logfile Analyse II

Logfile Analyse II. Referent: Philipp Mayr. 8. InternetSalon am 26. Mai 2004, pr-ide. 8. InternetSalon / pr-ide Logfile Analyse II Logfile Analyse II Referent: Philipp Mayr 8. InternetSalon am 26. Mai 2004, pr-ide 1 Agenda Dauer ca. 1,5 h Begrüßung Einführung, Grundlagen, Probleme, Potenziale Zehn Reports am Beispiel von vers. Logfiles

Mehr

Detecting Anomaly and Failure in Web Applications

Detecting Anomaly and Failure in Web Applications Detecting Anomaly and Failure in Web Applications Motivation ReWeb & TestWeb case studies andere Tools Anhang Detecting Anomaly and Failure in Web Applications Stefan Topf 26.04.2006 Seite 1/13 Motivation

Mehr

Datenschutzerklärung. Published: 2009-08-03 Author: 42media services GmbH

Datenschutzerklärung. Published: 2009-08-03 Author: 42media services GmbH Datenschutzerklärung Published: 2009-08-03 Author: 42media services GmbH Inhaltsverzeichnis Datenschutzerklärung... 4 Datenverarbeitung auf dieser Internetseite... 4 Cookies... 4 Newsletter... 4 Auskunftsrecht...

Mehr

Arge Grabenstetten Online 2004

Arge Grabenstetten Online 2004 Jahresheft 2004 Seite 57 Arge Grabenstetten Online 2004 Florian Renz Seite 57 bis 62, 2 Abbildungen Im Folgenden möchte ich einen Einblick über die Nutzung unseres Internetauftrittes www.argegrabenstetten.de

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

Ihr Benutzerhandbuch SAMSUNG SGH-V200 http://de.yourpdfguides.com/dref/459178

Ihr Benutzerhandbuch SAMSUNG SGH-V200 http://de.yourpdfguides.com/dref/459178 Lesen Sie die Empfehlungen in der Anleitung, dem technischen Handbuch oder der Installationsanleitung für SAMSUNG SGH- V200. Hier finden Sie die Antworten auf alle Ihre Fragen über die in der Bedienungsanleitung

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

Einführung in SPSS. 1. Die Datei Seegräser Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten

Mehr

Konzept eines Datenbankprototypen. 30.06.2003 Folie 1 Daniel Gander / Gerhard Schrotter

Konzept eines Datenbankprototypen. 30.06.2003 Folie 1 Daniel Gander / Gerhard Schrotter Konzept eines Datenbankprototypen 30.06.2003 Folie 1 Daniel Gander / Gerhard Schrotter Inhalt (1) Projektvorstellung & Projektzeitplan Softwarekomponenten Detailierte Beschreibung der System Bausteine

Mehr

Konfiguration von Fabasoft Mindbreeze Enterprise für IBM Lotus

Konfiguration von Fabasoft Mindbreeze Enterprise für IBM Lotus Konfiguration von Fabasoft Mindbreeze Enterprise für IBM Lotus Installation und Konfiguration Version 2013 Spring Release Status: 09. März 2013 Copyright Mindbreeze Software GmbH, A-4020 Linz, 2013. Alle

Mehr

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Datenschutz. Personenbezogene Daten

Datenschutz. Personenbezogene Daten Datenschutz Wir, die Alternative für Deutschland, nehmen den Schutz Ihrer persönlichen Daten sehr ernst und halten uns strikt an die Regeln der Datenschutzgesetze. Personenbezogene Daten werden auf dieser

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Durchführung einer zweifaktoriellen Varianzanalyse ohne Messwiederholung 1 Effektstärke und empirische Teststärke einer zweifaktoriellen Varianzanalyse ohne Messwiederholung

Mehr

OPNET s Application Response Expert (ARX)

OPNET s Application Response Expert (ARX) OPNET s Application Response Expert (ARX) Root Cause Analyse und End2End Monitoring für Web Anwendungen Summary Werden im IT Betrieb Probleme durch die Anwender gemeldet, müssen schnell Informationen aus

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

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0 Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

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

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

Hinweis: Der Zugriff ist von intern per Browser über die gleiche URL möglich.

Hinweis: Der Zugriff ist von intern per Browser über die gleiche URL möglich. Was ist das DDX Portal Das DDX Portal stellt zwei Funktionen zur Verfügung: Zum Ersten stellt es für den externen Partner Daten bereit, die über einen Internetzugang ähnlich wie von einem FTP-Server abgerufen

Mehr

Installationscheckliste Pervasive Server Engine Version 7.94, Stand 16.10.2012

Installationscheckliste Pervasive Server Engine Version 7.94, Stand 16.10.2012 Installationscheckliste Pervasive Server Engine Version 7.94, Stand 16.10.2012 Pervasive Server Engine Checkliste für die Neuinstallation in einem Windows-Netzwerk Bitte prüfen Sie auf unseren Webseiten

Mehr

BS-Anzeigen 3. Handbuch für das Zusatzmodul modazs Import von Anzeigen aus der Anzeigenschleuder

BS-Anzeigen 3. Handbuch für das Zusatzmodul modazs Import von Anzeigen aus der Anzeigenschleuder BS-Anzeigen 3 Handbuch für das Zusatzmodul modazs Import von Anzeigen aus der Anzeigenschleuder Inhaltsverzeichnis Anwendungsbereich... 3 Betroffene Softwareversion... 3 Anzeigenschleuder.com... 3 Anmeldung...

Mehr

Prüfung eines Datenbestandes

Prüfung eines Datenbestandes Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)

Mehr

Switching. Übung 2 System Management. 2.1 Szenario

Switching. Übung 2 System Management. 2.1 Szenario Übung 2 System Management 2.1 Szenario In der folgenden Übung werden Sie Ihre Konfiguration sichern, löschen und wieder herstellen. Den Switch werden Sie auf die neueste Firmware updaten und die Funktion

Mehr

PADS 3.0 Viewer - Konfigurationen

PADS 3.0 Viewer - Konfigurationen PADS 3.0 Viewer - Konfigurationen Net Display Systems (Deutschland) GmbH - Am Neuenhof 4-40629 Düsseldorf Telefon: +49 211 9293915 - Telefax: +49 211 9293916 www.fids.de - email: info@fids.de Übersicht

Mehr

Qualitätsmanagement an beruflichen Schulen in Deutschland: Stand der Implementierung. Diplomarbeit

Qualitätsmanagement an beruflichen Schulen in Deutschland: Stand der Implementierung. Diplomarbeit Qualitätsmanagement an beruflichen Schulen in Deutschland: Stand der Implementierung Diplomarbeit vorgelegt an der Universität Mannheim Lehrstuhl für Wirtschaftspädagogik Prof. Dr. Hermann G. Ebner von

Mehr

Einrichten eines News-Systems in Typo3

Einrichten eines News-Systems in Typo3 Einrichten eines News-Systems in Typo3 Generelles: tt_news ist eine der beliebtesten Erweiterungen für Typo3 und wir bereits auf vielen Sites Vorarlberger Schulen verwendet: Beispiele: http://www.vobs.at/hsl

Mehr

A First Course on Time Series Analysis with SAS - Ein Open-Source Projekt

A First Course on Time Series Analysis with SAS - Ein Open-Source Projekt Lehre A First Course on Time Series Analysis with SAS - Ein Open-Source Projekt Michael Falk Frank Marohn Lehrstuhl für Statistik, Universität Würzburg Lehrstuhl für Statistik, Universität Würzburg Am

Mehr

Kooperatives Verhalten in Schulinformationssystemen. Arne Hendrik Schulz, Andreas Breiter Institut für Informationsmanagement Bremen (ifib)

Kooperatives Verhalten in Schulinformationssystemen. Arne Hendrik Schulz, Andreas Breiter Institut für Informationsmanagement Bremen (ifib) Kooperatives Verhalten in Schulinformationssystemen Arne Hendrik Schulz, Andreas Breiter Institut für Informationsmanagement Bremen (ifib) 1 Gliederung Projektvorstellung Kontext Schule Schulinformationssysteme

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