WEB ANALYTICS MEHR ERFOLG DURCH EIN LEITFADEN FÜR MARKETER UND ENTSCHEIDER. axel AMTHOR thomas BROMMUND

Transkript

1 axel AMTHOR thomas BROMMUND MEHR ERFOLG DURCH WEB ANALYTICS EIN LEITFADEN FÜR MARKETER UND ENTSCHEIDER

2 Inhalt Geleitwort...XI 1 Einführung Ziel dieses Leitfadens Was ist Web Analytics? Web Controlling oder Web Analytics... 4 Web Analytics ist einfach und geht schnell Relevanz der Web Analytics Der Web-Analytics-Regelkreis: Planen, Messen, Auswerten, Optimieren Web Analytics ein kontinuierliches Prozess, der den Unternehmenszielen und Marketingaktionen folgt Aussicht: Weiterentwicklung von Web Analytics Aufbau dieses Buches Web Analytics in Marketing und Vertrieb Web Analytics in der Organisation Externe Dienstleister Interne Strukturen und Prozesse Der Webanalyst der Wolpertinger des Online-Marketings Effektiveres Marketing durch Web Analytics Die Grundlagen der Web Analytics Entwicklung der Websites Web Web 2.0 das Mitmach-Web Soziale Netzwerke Typisierung von Websites E-Marketing E-Business E-Commerce Besondere Formen von Internet-Angeboten V

3 Inhalt 3.3 Erfassen der Wirkung von Social Media Social Media messbar machen Das mobile Internet Datenschutz in der Web Analytics Technische Methoden des Site-Tracking Logfile-Analyse Server-based-Tracking Logfiles in Abhängigkeit der verwendeten Infrastruktur Technische Restriktionen der Logfile-Analyse Pixelbasiertes Tracking Aufruf der Tracking-Grafik Tracking-Grafik mit JavaScript Verwendung von Cookies Nutzung von JavaScript und Cookies Super Cookies Platform for Privacy Preferences (P3P) Anbindung von Geo-Datenbanken Implementierung auf der Website Zugriff auf die Auswertungen Validierung der Ergebnisse aus dem Pixel-Tracking Instrumentierte Logfiles Datenbank-Logs Sniffing Alternative Verfahren Flash Tracking Tracking mit AJAX Das Universal Tag Analyse- und Auswertungsmethoden Metriken, Dimensionen und Instanzen Metrik Dimensionen und Instanzen Key Performance Indicator (KPI) Gängige Darstellungsformen von Statistiken Trenddarstellungen...77 Mehrere Metriken Mehrere Dimensionen A/B-Vergleiche Trichteranalysen Pfadanalysen Analysemethoden Hypothesengetriebene Analysen Trendgetriebene Analysen...92 VI

4 Inhalt 6 Erfolgsfaktoren für Websites Von der Metrik zur Web Scorecard Basiskennzahlen Hits PageView, PageImpression Visits Visitor oder Unique Visitors Unique User Das Pyramiden-Modell der Kennzahlen Technographische Daten Geografische Herkunft Abgeleitete Kennzahlen Zeitbezogene Kennzahlen Kumulierte Zeiten Durchschnittliche Zeiten Kennzahlen zur Kundengewinnung und -bindung Ansprache (Reach) Akquisition (Besucher-/Kundengewinnung) Kundenbindung (Retention) Loyalität Der Trichter ( Funnel ) Konversion und Konversionsraten Loyalitätsmessung mit der RFM-Methode Besucher-/Kundenbezogene Kennzahlen Stickiness und Slipperiness Focus und Velocity Verweildauer Die Werbeeffizienzmessung Externe Kampagnen Interne Kampagnen Werbemittelnutzungspfad Umgang mit Kennzahlen Auswahl der Kennzahlen und zielgruppengerechte Präsentation Anreicherung der Kennzahlen Kennzahlen im Web-Analytics-Regelkreis Einschränkungen der aktuellen Kennzahlensysteme Fehlerhafte Bewertung von Ergebnissen Zusammenführen zeitvarianter Informationen Bewertung veränderlicher Informationen Webanwendungen mit Programmiertechniken wie AJAX Identifizierung von Unique Visitors: mit Cookies oder Fingerprint? Die Web Scorecard Nutzen der Web Scorecard Voraussetzungen Entwicklung und Aufbau einer Web Scorecard VII

5 Inhalt Formulieren des Leitziels, der Leitkenngröße und des Leitbilds Entwickeln eines strategischen Handlungsrahmens Aktionen auswählen, die zur Strategie passen Aktionen zu strategischen Projekten bündeln Web Scorecard erstellen Datenquellen für die Web Scorecard Das Reporting mit der Web Scorecard Organisation von Aufbau und Pflege einer WSC Die Grundlagen von Testing und Targeting Testing Definitionen Testing A/B-Test oder Split-Test Multivariater Test (MVT) Vergleichende Betrachtung von A/B-Test und MVT Taguchi-Methode Unterstützung beim Multivariaten Testen Auswirkungen von MVT auf die Suchmaschinenoptimierung Voraussetzungen für einen effektiven Test Typische Fehlerquellen Targeting Retargeting Erstellung eines Regelwerks Anwendung von Targeting auf Basis der Testdaten Etablierung der Testverfahren als kontinuierlicher Optimierungsprozess Technische Methoden Testing und Targeting Testing, Targeting und Cookie-Akzeptanz Content-Auslieferung Content-Integration Anmerkungen zur Suchmaschinen-Optimierung (SEO) Integration mit dem Web-Analytics-Tool Durchführung von Testing und Targeting Testing Planung Durchführung Abschluss Targeting und Retargeting Planung Einführung Monitoring Kriterien für die Auswahl eines Web-Analytics-Tools Markt und Marktteilnehmer Besonderheiten des Web-Analytics-Softwaremarktes Web-Analytics-Preismodelle VIII

6 Inhalt 11.3 Auswahlkriterien und deren Bewertung Effiziente Auswahlverfahren Klärung der Begriffe Erstellen einer Longlist Erstellen einer systematischen Ausschreibung Aufforderung zur Angebotsangabe Auswertung und Entscheidungsfindung Die Vertragsverhandlung Einführung eines Web-Analytics-Systems Vier Gründe für erfolglose Web-Analytics-Projekte Grund 1: Unvollständiges Formulieren der Anforderungen Grund 2: Fehlendes ganzheitliches Denken Grund 3: Der Implementierungsaufwand wird unterschätzt Grund 4: Ein untaugliches Web-Analytics-System Projektstruktur und Projektteam Planung des Web-Analytics-Systems These: Web-Analytics-Projekte sind gar keine Projekte Projektdauer und -aufwand Der Projektplan die Vorbereitung Erstellung einer umfassenden Anforderungsspezifikation Erarbeitung des Optimierungspotenzials Erarbeitung eines Request for Information (RFI) Die Integrationsphase Vertiefung der Anforderungsspezifikation Erstellung eines technischen Umsetzungskonzepts Erstellung eines Prototyps Integration in die Website und Validierung der Zahlen Administration Tool-Administration Anbindung an externe Systeme Projektabnahme und Inbetriebnahme Schulungen und Trainings der Mitarbeiter Einphasen der Analyse- und Reportingprozesse Change Management und kontinuierliche Pflege Anhang Glossar Quellennachweis Herstellernachweise Testing- und Targeting-Hersteller Web-Analytics-Hersteller Register IX

7 1 1 Einführung Das Internet stellt für immer mehr Unternehmen einen wichtigen Baustein in der Geschäftsstrategie dar entweder als reines Werbemedium, als Vertriebskanal oder als Kern eines Geschäftsmodells, das sich ausschließlich online abspielt. Da sich aber auch im Online-Bereich nach den ersten Jahren der Begeisterung nach und nach die betriebswirtschaftlichen Erkenntnisse der Old Economy durchsetzen, werden die für das Internet eingesetzten Ressourcen und die dabei erzielten Erfolge stärker in Frage gestellt. Mit den Methoden der Web Analytics stellen Unternehmen genau diese Verbindung zwischen Kosten und Nutzen her. Der Erfolg der Internetaktivitäten soll messbar und damit planbar werden, mit dem Ziel einer regelmäßigen Analyse und Optimierung. Die Orientierung an geschäftsrelevanten Aspekten bedeutet jedoch auch eine Verschiebung der Verantwortung: Während die Logfile-Auswertung der früheren Jahre meist eine Aufgabe für Webmaster und IT-Fachleute war, sind heute Marketing-Manager in der Pflicht, Online- Maßnahmen an der Unternehmensstrategie auszurichten und den angestrebten Erfolg zu sichern. Für das Resultat der Web Analytics hat die Projektorganisation eine große Bedeutung: Nur mit einer klar definierten Aufgabenstellung sind gute Ergebnisse zu erzielen. Fragen, die mit Hilfe von Web Analytics beantwortet werden, fließen letztlich in die verwendeten Key Performance Indicators (KPI) ein. Die relevanten KPIs wiederum hängen stark vom jeweiligen Geschäftsmodell ab. Insofern gibt es keine Web-Analytics-Lösung, die für jedes Unternehmen passt. Die Auswahl der KPIs stellt daher eine der Kernaufgaben bei der Einführung von Web Analytics dar die Auswahl der verwendeten Tools hingegen ist von sekundärer Bedeutung. Die Analyse von Messergebnissen muss vom Management als wichtige Aufgabe angenommen werden, lediglich die Erfassung von Kennzahlen stellt noch keine Verbesserung dar. Nur regelmäßiges Controlling durch das die Unternehmensstrategie in konkrete Aktionen umgesetzt wird rechtfertigt den Aufwand für die Implementierung eines Web- Analytics-Systems. 1

8 1 Einführung 1.1 Ziel dieses Leitfadens In diesem Buch geht es nicht um die Technik von Web Analytics, nicht um den letzten Hack für das Tracking-Tag des Herstellers XY, nicht um die kreative Interpretation von Statistiken und auch nicht um die Frage, ob Tool X besser ist als Tool Y oder Z. Für diese Fragen gibt es zahllose Blogs und Fachbücher, und nicht zuletzt Whitepaper der Hersteller, von denen Sie eine Auswahl im Anhang finden. Selbst bei dieser Auswahl haben wir versucht, uns auf Meta-Verzeichnisse und -Blogs zu beschränken, weil die Restriktionen eines gebundenen Buchs angesichts des sich derart schnell entwickelnden Markts dazu führen, dass das Material noch vor Drucklegung überholt ist. Nichtsdestotrotz werden wir dort, wo es sinnvoll erscheint und dem Verständnis dient, sowohl Beispiele für die Analyse und Auswertung wie auch technische Tipps geben. Dies stellt aber weder den Schwerpunkt noch die Zielsetzung dar. Vielmehr ist das Ziel dieses Leitfadens, allen Beteiligten in Unternehmen, die mit der Einführung oder der Optimierung ihres Web-Analytics-Systems befasst sind, konkrete praktische Hilfe für die Umsetzung zu geben. Dabei steht nicht im Vordergrund, wie Web Analytics technisch funktioniert oder welche Systeme am Markt gerade verfügbar sind sondern vielmehr das Projekt selbst, die daran Beteiligten und die möglichen Herausforderungen und Schwierigkeiten, die es zu bewältigen gilt. Aus unserer Sicht ist die Frage nach dem Softwaresystem eher zweit- oder gar drittrangig, die meisten Unternehmen haben nicht Probleme aufgrund von Unzulänglichkeiten der eingesetzten Software, sondern aufgrund von Mängeln bei deren Einführung. Bei unseren Projekten haben wir oft festgestellt, dass Unternehmen die Anforderungen an Web-Analytics-Systeme im Vorfeld einer Investition nur unzureichend erfassen, sich zu stark auf die Unterstützung durch den Hersteller verlassen und die Implementierung und Integration aufgrund der Unerfahrenheit mit der mitunter komplexen Technik deutlich unterschätzen. Dieses Verhalten wird, leider, durch die Hersteller gefördert: ihr Ziel ist es, ihre Software zu verkaufen und nicht Lösungen. Deshalb wird alles, was zeitaufwändig ist oder problematisch erscheint, mit Hochglanzwerbung überdeckt. 1. The Plain-Vanilla Tag Tool vendors often bring this problem on themselves and their clients by overselling the ease of putting a tag on a page. Yes, you can have measurement in an hour. Will it meet your real needs? Probably not. I see lots of companies commit to the plain-vanilla tag knowing that they will have to come back and fix it but wanting to get a deployment out as quickly as possible. Usually, I think that s a mistake. The pressure to release numbers is always overwhelming and whatever gets rolled out is immediately in-play. That means the organization starts to use and react to the numbers almost always before they ve been adequately tested. Zitat von Garry [Angel 2007] aus seinem Blog SemAngel zum Thema Einführung eines Web-Analytics-Systems 2

9 1.1 Ziel dieses Leitfadens Die Unzulänglichkeiten werden dann am Ende aus verständlichen Gründen den technischen Systemen angelastet. In der Praxis sieht das dann so aus, wie wir es bei einem namhaften Online-Shop in Deutschland festgestellt haben: dort war ein selbst erstelltes System im Einsatz, das im Wesentlichen auf Logfiles basierte, die in zentralen Datenbanken aggregiert und verdichtet wurden. Das System war nicht in der Lage, Marketingeffizienz in Form von Bestellungen pro ausgelieferte und kostenpflichtige Werbemittel oder pro Marketingkanal zu messen. Die Werbemittel (Suchmaschinen-Marketing, Affiliate-Programme, Suchmaschinen-Keywords) mit einem Umfang einiger Zehntausender Links wurden in mehreren Excel-Tabellen verwaltet inklusive der Links zu den Landing Pages und von dort aus an die betroffenen Agenturen weitergeleitet. Alle Schritte zur Marketingplanung und -umsetzung wurden manuell durchgeführt (sieht man von der Fähigkeit Excels ab, Tabellen zu zeichnen). Die notwendige Integration der Marketingplanung und der Online-Statistik ist technisch keine Herausforderung: Die Einführung einer zentralen Marketing-Datenbank zur automatisierten Linkverwaltung inklusive Datenweitergabe an das Web-Analytics-System sowie dessen Erweiterung, um Benutzeraktivitäten zu erfassen. Doch statt standardisierte Prozesse im Marketing einzuführen und diese durch ein Planungstool zu unterstützen, wurde ein Projekt zur Ablösung des Web-Analytics-Systems gestartet. Selbstverständlich haben alle angefragten Hersteller die Fähigkeit ihrer Tools in den Vordergrund gestellt, Marketingeffizienz detailliert messen zu können. Die Einführung des letztlich ausgewählten Systems wurde der Designagentur überlassen, ohne dafür konkrete technische Vorgaben in Form eines Lastenhefts zu definieren. Das neue System kann zwar mehr als das alte, selbst entwickelte System. Doch die Marketingeffizienz lässt sich noch immer nicht darstellen, weil auch das neue System nicht mit den vorhandenen, unstrukturierten Excel-Tabellen umgehen kann. Die Datenintegration wurde auf einen späteren Zeitpunkt verschoben. Der Hauptgrund dafür war im Übrigen die fehlende Akzeptanz unter den Mitarbeitern im Online-Marketing für strukturierte Prozesse. Sie fürchteten einen Kontrollverlust und hatten sich gegen ein entsprechendes Projekt zur Wehr gesetzt. Eine fundierte und den allgemeinen Regeln des Projektmanagements folgende Umsetzung eines Web-Analytics-Projekts von der Anforderungsaufnahme über die Integration bis hin zur Definition und Etablierung der notwendigen Reporting- und Analyseprozesse in Unternehmen kann mithilfe eines weniger anspruchsvollen Einstiegsprodukts aus der Vielfalt der Tools erfolgreicher sein als mit einem hochpreisigen High-End-Produkt, das falsch eingesetzt wird. Diesem Grundsatz folgend legt dieser Leitfaden den Schwerpunkt auf die Umsetzung eines Web-Analytics-Projekts mit all seinen erforderlichen Schritten. 3

10 1 Einführung 1.2 Was ist Web Analytics? Web Controlling oder Web Analytics Allgemein hat sich der Begriff Web Analytics für das Messen von Besucherinteraktionen auf einer Website durchgesetzt. In Deutschland war eine Zeit lang auch der Begriff des Web Controlling in Gebrauch, dieser ist aber vor rund drei Jahren dem amerikanischen Begriff Web Analytics gewichen. Der Begriff Web Controlling bezieht stärker den prozessualen Charakter mit ein und trifft eigentlich auf den gesamten Themenkomplex zu. Heute stehen beide Begriffe synonym füreinander. Der Begriff des Controllings bedeutet, entgegen der weit verbreiteten Meinung, nicht Kontrolle, sondern Steuerung. Der kleine, aber entscheidende Unterschied: Während beim Controlling das Ergebnis im Nachhinein nur kontrolliert wird, umfasst die Steuerung auch die Führung. Das Gabler Wirtschafts-Lexikon [Gabler2001] fasst die Kernmerkmale des Controllings wie folgt zusammen: Controlling ist in der Praxis unlösbar mit Planungen und Kontrollen verbunden. Ein Controller wird stets darauf drängen, dass die Unternehmensziele explizit und messbar formuliert vorliegen; dass für alle Bereiche im Unternehmen anhand der angestrebten Ziele Handlungsalternativen entwickelt und ausgewählt sowie deren erwartete Ergebnisse geplant werden; dass man im laufenden Betrieb überwacht, ob die Planungen tatsächlich eingehalten werden und im Abweichungsfall Maßnahmen ergriffen werden; sei es, um in der Durchführung gegenzusteuern, oder um zu neuen, realistischen Planwerten zu gelangen. Controlling lässt sich also als iterativer Prozess in vier Phasen beschreiben: 1. Zieldefinition 2. Ergebnisplanung 3. Überwachung und 4. Korrekturmaßnahmen Interessant ist der Hinweis aus dem Gabler-Lexikon, dass idealerweise alle Bereiche des Unternehmens in den Controlling-Prozess einbezogen sind. Während sich das Controlling in den letzten Jahren auch in kleineren Unternehmen als unverzichtbares Steuerungsinstrument etabliert hat, bilden die Marketingabteilungen vielerorts noch Controlling-freie Inseln. Zwar ist es üblich, direkt absatzorientierte Funktionen im Vertrieb an konkreten Zielvorgaben zu messen, aber mit zunehmender Entfernung vom direkten Kundenkontakt schwindet offenbar die Neigung, messbare Ziele zu formulieren, deren Erreichen zu prüfen und gegebenenfalls die notwendigen Korrekturmaßnahmen zu ergreifen. So kommt es vor, 4

11 1.2 Was ist Web Analytics? dass immer noch beachtlich hohe Werbebudgets eingesetzt werden, deren Erfolg nicht exakt beziffert werden kann und auch nicht hinterfragt wird: Die Hälfte des Geldes, das ich für Werbung ausgebe, ist zum Fenster hinausgeworfen ich weiß nur nicht, welche Hälfte. Henry Ford zugeschrieben Auf der anderen Seite nehmen gerade in Zeiten knapper Kassen Marketingausgaben einen Spitzenplatz auf der Streichliste der Finanzplaner ein. In diesem Spannungsfeld liegt es nahe, auch die Marketingaktivitäten mittelfristig in die Controlling-Struktur eines Unternehmens einzugliedern. Mit den Instrumenten des Marketing-Controllings steht den Verantwortlichen ein interessantes Werkzeug zur Verfügung, um die Wirkung eingesetzter Mittel zu belegen und damit den Beitrag zum Unternehmenserfolg zu dokumentieren. Allerdings gibt es nach wie vor große Unsicherheit darüber, wie die Erfolge des Vertriebs direkt den durchgeführten Marketingmaßnahmen zuzuordnen sind. Bereiche wie Public Relations, Brand- oder Image- Marketing entziehen sich per Definition einer kurzfristigen, absatzorientierten Betrachtung. Auch bei klassischer Werbung verweisen sowohl Agenturen als auch Verantwortliche in Unternehmen meist darauf, dass ein Zusammenhang zwischen einer Printanzeige und einem späteren Kauf nur mit sehr hohem Aufwand herzustellen ist. Deshalb beschränkt man konkrete Ziele meist auf psychologische Aspekte wie Markenbekanntheit oder -image. Das Marketing wird auf das Kundenverhalten ausgerichtet und kaum auf konkrete ökonomische Werte. Als einer der wenigen Bereiche bietet das Internet die Chance, den Controlling-Gedanken auch im Marketing durchzusetzen. Da die Kommunikation zwischen Unternehmen und Kunden selbst über einen gegebenenfalls zwischengeschalteten Vertriebskanal vollständig elektronisch und ohne Medienbruch abläuft, sind mit Hilfe entsprechender technischer Mittel die genutzten Kommunikationsinstrumente einem späteren Kauf (oder einer anderen Aktion der Website-Besucher) direkt zuzuordnen. So lässt sich das Verhalten der Kunden (aus Sicht von Kommunikationsexperten idealerweise nach dem AIDA-Modell Attention Interest Desire Action ) im virtuellen Verkaufsraum Internet anhand ihrer elektronischen Spuren exakt nachweisen und mit konkreten Zahlen verknüpfen. Das Medium Internet bietet also die besten Voraussetzungen, die Controlling-Idee in das Marketing zu tragen. Web Analytics stellt dabei die Verbindung zwischen menschlichem Verhalten und ökonomischen Zahlen dar Web Analytics ist einfach und geht schnell Kein Betreiber einer Website, und sei sie noch so klein, kann sich der Faszination entziehen, zu beobachten, was die Besucher seiner Site interessiert, was sie sich ansehen oder wie oft sie wiederkehren. Dank einfacher, kostenloser Systeme wie Google Analytics oder Yahoo!WebAnalytics ist das auch für weniger Geübte möglich. Hat das aber etwas mit Web Analytics oder um den älteren Begriff zu nennen Web Controlling zu tun? Web 5

12 Register A A/B-Test 149, 150, 247 A/B-Tests 147 Abbruchquote 231, 247 Abweichungen 92, 122, 240 Ad Click 247 Ad Impression 116, 247 Ad Server 25, 116, 247 Affiliate-Marketing 10, 37, 247 AGOF 211 AJAX 31, 67, 126, 248 Akquisition 105 Alternativhypothesen 152, 155 Analyse 248 Anforderungsanalyse 119, 220 Anforderungskatalog 226, 228 Anforderungsspezifikation 207, 228 Ansprache 104 Application Service Providing 17, 200 ASP 249 siehe auch Application Service Providing Audit 249 Aufwandsabschätzung 239 Ausklingphase 184 Ausschläge 92 Ausschreibung 204, 213 Ausschreibungsunterlage 214 Ausstiegsseiten 82 Auswahl der Kennzahlen 120 Auswahlkriterien 204 Auswahlverfahren 209 Auswertung 90 Auswertungszeitraum 183 Average Order Value 249 B Balanced Scorecard 129 Basiskennzahlen 96, 144 Behavioral Targeting 11, 164, 249, 259 Benchmark 249 Beratungsunternehmen 20 Bergsteiger-Algorithmus 185 Besucherpfad 83 Besuchersegmente 24 Besuchsdauer 249 Bewertungskatalog 215 BI siehe Business Intelligence Bid Management 250 Bounce Rate 80, 250 B-to-B-Direktvertrieb 15 B-to-C-Vertrieb 16 Business Intelligence 11, 69, 72, 250 C Change Management 226, 235 Checklisten 206 Click Fraud 250 Click Out 73 Click Through 73, 116 Click Through Rate 251 Clickmap 256 Clickstream 70, 250 Client Based Tracking 55 Client Side Tracking 57, 63 clientbasiertes Tracking 60 Cloaking 178 CMS siehe Content Management System Content 191 Content Management System 18, 62, 65, 172, 251 Content Repository 176 Content-Syndizierung

13 Register Content-Zulieferung 172 Contextual Targeting 163 Controlling 17 Conversion Funnel 251 Conversion Rate 230, 236 Cookie 47, 57, 58, 63, 98, 123, 126, 169, 251 Cookie-Akzeptanz 170, 171, 172 Cookie Dropping 251 Cookie-Laufzeit 251 Cookie Policy 251 Cost per Lead 252 Cost per Order 252 CPL siehe Cost per Lead CPO siehe Cost per Order CPX 252 Crawler 43, 54, 64 CRM siehe Customer Relationship Management CRM-System 241 CSV-Dateien 242 CTR siehe Click Through Rate Customer Life Cycle 110 Customer Lifetime Value 252 Customer Relationship Management 252, 12 D Dashboard 253, 63 Data Mining 253 Data Warehouse 11, 253 Data Warehousing 69 Datenbank-Logs 51, 65 Datenquellen 142 Datenschutz 46, 99 Default Content 178 Dialogmarketing 33 Dice 86 Dicing 72 Dimensionen 73, 95, 222 direkter Vertrieb 16 Display-Werbung 253 Document Object Model 61, 174, 253 DOM siehe Document Object Mode Domain 253 DOM-basierte Lösung 173, 174 DOM-Storage 253 DOM-Tree 60 Double-Opt-In 50, 254 Drill Across 72 Drill Down 72, 79 Drill Through 72 Drop out 77 E E-Business 10 E-Commerce 36 Einkaufsführer 205 Einphasen 226 Einschwingphase 183 Einstiegsseiten 82 Element Marketing 10 emotionale Ansprache 185 Enterprise Information Integration 11 Erfolgsfaktoren 130 Erfolgskontrolle 167 Erfolgsmessung 254 Explizite Profilbildung 190 Extraction Transformation Load 226 F Facebook 41 Fall-Out-Analyse 83 Fehlerquellen 157 Filter 86 Fingerprint 126 Firewall 254 First Cookie Wins 118, 254 First Party Cookie 60, 254 Flackereffekt 177 Flash 255 Flash-Pixel 210 Flash Shared Object siehe FSO Focus 114 Fold 255 Folgeseiten 82 foursquare 42 Fractional Factorial 152 Frequency 112 Frequency Capping 255 Frontpage 255 FSO 255 Full Fractional 152 Funnel 107 Funnel-Analysen

14 Register G Geo-IP-Datenbanken 61 Geosegmentierung 255 Google Analytics 5, 47 Gruppierung 117 H Harvester 255 Heatmap siehe Clickmap Heatmaps 216 HTML 256 HTML-Code 56 HTML-Elemente 39, 228 HTML-Script 237 HTTP 256 HTTP Status Code 256 Hypothese 89, 182, 187 I Identgröße 58 Identifizierung des Besuchers 58 I-Frame 256 I-Frame-basierte Lösung 173 Implementierung 2, 17, 32, 219, 233, 236, 245 Implizite Profilbildung 190 indirekter Vertrieb 15 Instanzen 73 Instrumentierte Logfiles 50 Integration 10, 219, 241 mit Content-Management-System 175 eines Targeting-Tools 195 Integrierte Systeme 179 Intelligent Offer 191 Interessensgruppen 137 Interstitial 256 ipad 44 IP-Adresse 46, 55, 101, 257, IP-Datenbank 57 iphone 44 IP-Scrambling 53 J Java Script 57, 63, 257, K Kampagnen 115 Kampagneneffizienz 36 Kampagnenmanagement-Tools 27, 29 Kampagnen-Tracking 257 Kennzahl 1, 7, 10, 21, 34, 95, 136, 222, 225 definieren 140 Kennzahlensystem 222 Key Performance Indicator 1, 75, 95, 129, 189, 257 Keyword-Kampagnen 29 Keyword-Targeting 163 Klassifizierung 117, 200, 257 Klickabweichungen 258 Klickmaps 216 Klickstream 190 Konfigurationsoptionen 242 Konversion 34, 110, 258 Konversions-Latenz 156 Konversionsrate 10, 185 Korrelation 124 Kosten 227, 236 KPI siehe Key Performance Indicator Kreativarbeit 196 Kundenbindung 34, 106 Kundenlebenszyklus 24 Kundenwert 36 L Landing Page 258 Langfristverhalten 190 Last Cookie Wins 118, 258 Latency 259 Laufzeit 183 Lead 29, 259 Leitbild 136 Leitkenngröße 136 Leitziel 136 Link-Shortener 43 Logfiles 7 Logfile-Analyse 65 Logfile-Aufbereitungs-Tool 52 Logfile-Auswertung 50 Longlist 213, 233 Löschquote 170 M Markenunternehmen 16 Marketing, Definition 23 Marketingplan 23 Markierung 185 Matching

15 Register Messdifferenz 211 Messen mobiler Internetangebote 44 Messfehler 49, 54, 63, 259 Messimpulse 203 Messung von Social Media 42 Metriken 73, 95, 222 Mikrokonversion 231 Mikro-Konversionsschritte 110 Misserfolg 110 Mittelwerte 158 Mom Test 188 Monetary Value 112 Monitoring 25, 37, 43 multivariater Test 151 Multivariates Testen 28, 149, 259 Multivariate Testing-Tools 26 Mutationsalgorithmus 186 MVT siehe Multivariates Testen N Nachprüfbarkeit 229 Natürliche Suche siehe Organische Suche Nettoumsatz 243 Network Address Translation 53 Network Data Collector 66 New Visitor siehe Return Visitor Non Disclosure Agreement 233 Null-Hypothese 150, 155 Nutzerinformationen 24 O OFAT-Technik 154 Off-Time 259 OLAP siehe Online Analytical Processing OLAP-Cube 71 On Demand 200 On Premise 200 One Click Visit 102 One-to-One-Marketing 33 Online Analytical Processing 69 Online-Reputation 40 Online-Shop 35 Online-Unternehmen 16 Online-Vermarkter 116 On-Site-Targeting 166 Open-Source-Software 200 Open-Source-Systeme 68, 173 Optimierungsprozess 166 Opt-In 259 Organische Suche 259 P P3P-Standard 61 Page Impression 97, 260 Page Rank 178, 260 PageView 73, 97, 260, Paid Search 260 Pareto-Prinzip 112 Pathmap 85 Performance Marketing 10, 109, 260 Performance-Marketing-Agenturen 20 Permission Marketing 260 Personalisierung 147, 190 Personas 166 Pfadanalysen 77, 81 Pflichtenheft 234 Pivoting 72 pixelbasiertes Tracking 50, 66 Pixel-Tracking 64 Planungsphase 121, 183 Planungsprozess 133 Pop under siehe Pop up Pop up 260 Pop-up-Blocker 260 Power Webanalyst 22 PPP 260 Preismodelle 203 Prestitials 260 Produktentscheidung 215 Produktpositionierung 201 Produzierendes Gewerbe 15 Profile 48 Profilbildung 188 Profilstruktur 189 Projekt 133, 227 Projektlaufzeit 235 Projektmanagement 145 Promote Best Performer 187 Prototyp 236 Proxy 261 Proxy-Server 173 Publisher 36 Push the Winner 187 Pyramid Model

16 Register R Reach 104, 261 Realtime 71 Recency 112 Recommendation 191 Redirect 261 Referrer 261 Referrer-Daten 102 Regelkreis 9 Regelwerk 161, 194 Registrierung 182 Registrierungsprozess 21 Relaunch 167 Reloads 82 Report 17, 75, 120, 232 Reporting 71, 88, 139, 143, 219, 244, 262 Request 126 for Information 226, 232 Requirements Engineering Tool 235 Retargeting 11, 170, 188, 195, 262 Retention 106 Retourenquote 141 Return Visitor 262 Revision 22 Rezepte 185 RFM-Würfel 113 RMI 262 ROAS 262 Rohdaten 69 Roll Up 72 Rollen 143 Router 262 Rücksprünge 83 S SaaS siehe Software as a Service Sales Cycle 183 Sampling 262 Scanning ratio 263 Scheitern 220 Schulung 219, 226, 244 Scoring 166 Search Engine Marketing 10 Search Engine Optimization 10, 155 Segment 263 Segmentierung 24, 86, 124, 142, 161 SEM 263 SEM Analytics 263 Semantisches Targeting 163 SEO 263 siehe auch Search Engine Optimization Server Calls 203 Server-Farmen 53 Session 263 Shortlist 233 Single Page Visit 82, 264 Skalierung 237 Slice 86 Slicing 72 Slipperiness 36, 114, 264 Sniffing 51 Social Media 264 Software as a Service 200 Software-Demonstrationen 216 SPAM 264 Spezialisten 20 Spezifikationen 233 Split-Test 150 Spoofing 178 Sprachbasiertes Targeting 163 Stabsstelle 19, 22 Stakeholder 132 Startphase 122 Steuern von Marketingmaßnahmen 24 Stickiness 36, 114, 264 Störer 111 Störfaktoren 156 Strategy Map 134 Streuverhalten 154 Subscription-Anbieter 35 Suchmaschinen-Ranking 155 Super Cookie siehe DOM-Storage Systemintegration 244 T Tag 260, 266 Tagging mit JavaScript 58 Taguchi-Methode 153 Targeting 10, 24, 158, 188, 264 Targeting-Kriterien 165 Tausenderkontaktpreis 252 TCO-Betrachtung 227 Teamarbeit 132 Technische Integration 177 Technisches Targeting 162 Technische Verfahren

17 Register technographische Daten 100 Telemediengesetz 46 Testdesign 150 Testing 10, 149 und Targeting 139 Testing-Experiment 181 Testkonzept 155 Testkonzepterstellung 155 Third Party Cookie 60, 169, 254, TKP siehe Tausenderkontaktpreis Tracking 147 Tracking Code 62, 210 Tracking-Grafik 60, 61 Traffic 102 trendgetriebene Analyse 92 Trichter 107 siehe auch Funnel Trichteranalysen 75 Twitter 265 U Unique Client 211 Unique Identified Visitor 99 Unique User 99, 212 Unique Visitor 73, 76, 99, 265 URL 265 Usability 139, 265 Usability Check 28, 265 Use-Case 206, 230 User-declared Information Targeting 165 V Validierung 219, 265 Variable 149 Varianten 149, 182 Velocity 36, 114 Vergleichsnormal 185 Versandhandel 16 Verschwiegenheitserklärung 214 Versionierung 235 Versuchsplanung 153 vertaggen 237 Vertaggung 195 Vertragsverhandlung 217 Verweildauer 103, 115 Viewport 265 Visit 52, 73, 97, 211, 265 Visitors 73 W W3C 265 WAMM siehe Web Analytics Maturity Model WAP 266 Warenkorbwert 243 Warenwirtschaftssystem 12, 142, 239, 241 Web Analytics Maturity Model 7 Web-Analytics-Regelkreis 9 Web Controlling 4 Web-Dienstleister 20 Web-Formulare 27 Web Scorecard 16, 92, 95, 129, 196, Werbeagenturen 20 Werbeeffizienz 115 Werbemittelnutzungspfad 85, 118, 266 White Labelling 38 WML 266 X XML 266 Y Yahoo!WebAnalytics 5 Z Zählpixel 55, 56, 65 siehe auch Tag ZAK 137 ZAK-Methode 144 Zielgruppensegmente