5835664
Description
Flashcards by Tobias Lübke, updated more than 1 year ago
|
Created by Tobias Lübke
over 8 years ago
|
|
| Question | Answer |
| Definition Web Analyse | Analyse des Nutzerverhaltens, um Erfolge und Optimierungsmöglichkeiten einer Webseite zu erkennen; bitet wichtige KPIs zum Online-Marketing |
| Verfahren der Webanalyse | Logfileanalyse (Auslesen der Logdatei) Zählpixel/Tags (Benutzerinformationen werden über JS-Code gesammelt) |
| Clickstream Definition | Eine Folge von Seitenaufrufen eines Nutzers während eines Visits |
| Bestandteile der Webanalyse | Web-Structure-Mining = Analyse der quantitativen Struktur des Netzes Web-Content-Mining = Analyse der Inhalte (z.B. mit Information Retrieval) Web-Usage-Mining = Analyse des Nutzerverhaltens (z.B. Logfileanalyse) Kombination mit weiteren Datenquellen = Big Data |
| Ziele von Webanalyse | Bessere Verständnis von Benutzerverhalten und Herbeiführen von Conversions |
| Was sind Hits/Zugriffe? Was sind Page Impressions? Was sind eindeutige PI? Was sind Visits? | Hits = Zugriffsanfrage auf eine Datei eines Servers (z.B. header.jpg) Page Impression = ein einzelner Abruf einer Seite (z.B. index.html) Eindeutige PI = pro Visit nur eine Page Impression Visit = der ganze Besuch einer Webseite |
| Werkzeuge für Logfile- und Zählpixel-Analyse? | Logfile: AWStats, Webtrends, Weblog Zählpixel / Tag: Google Analytics, eTracker, Piwik |
| Allgemeines Vorgehen in der Webanalyse | Datenerhebung, Auswertung (quantitativ + qualitativ), Interpretation, Aktion, Evaluation |
| Bestandteile eines Logs | Jeder Request wird protokolliert: IP, Zeitstempel, Serverbefehl, Protokoll, Statuscode, Dateigröße, Host, Browserkennung |
| Referer-Daten | Browser sendet Referer-Information mit (zuletzt aufgerufene Seite); Nutzung zur Mediaplanung, Conversion-Optimierung, SEO |
| A/B-Testing | Vergleich zweier Elemente einer Webseite; z.B. Google Website Optimizer (Bspw: SpOn liefert unterschiedliche Teaser aus und ermittelt mittels AB-Testing, welcher häufiger geklickt wird) |
| Visitor Unique Visitor | Visitor = Jeder Besucher (über IP identifiziert) Unique Visitor = Jeder eindeutig identifizierbare Benutzer (über Cookie, Browserkennung, Login..) |
| Clicktroughrate (CTR) | Page Impressions / Visits |
| Bounce Rate / Absprungrate | Prozentsatz von Besuchern, die die Einstiegsseite ohne Interaktion wieder verlassen |
| Conversions | Eine Conversion ist die Erreichung eines Zustandes, welcher der Erfüllung der Unternehmenszielen zuträglich ist. Bsp. Kontakt-Formular, Datei-Download, Newsletter-Registrierung, Kaufabschluss |
| Conversion-Rate | Konvertierte Besucher / alle Besucher der (Unter)Seite x 100 |
| Google Analytics: Daten | Besuche, Besucher, CTR, Verweildauer, Absprungrate, Sprache, Lande, Browser... Durch Google-Display-Netzwerk: Alter, Geschlecht, (Such)Interessen |
| Google Analytics: Beurteilungskriterien | Stabilität der Daten Wachstum der Daten Branchentypische Verhältnisse? Beeinflussung durch Kampagnen? Beeinflussung durch Saison? |
| Exkurs: Kriterien für die Qualität von Informationen | Relevanz, Validität (für Sachverhalt zutreffend), Zuverlässigkeit (Fehler minimieren), Objektivität (unabhängig von Untersuchendem), Aktualität |
| Bestandteile eines Trackingkonzepts | Unternehmensziele Detaillierte Ziele und Maßnahmen Definition von KPIs (quantitativ, qualitativ) Definition von Zielvorhaben Definition von Zielgruppen |
| Perspektiven auf Webanalyse | Marketing: Kosten und Erfolge der Maßnahmen Vertrieb: Kosten und Umsätze Kommunikaton: Nutzung der Unternehmensinformationen IT: Dimensionierung der IT |
| Besucherquellen | Owned Media: Direct, Referal, Email Earned Media: Social, Organic Paid Media: Paid Search, Display |
| Eventtrichter Zieltrichter | Ablauf von Events im Verlauf des Visits, Darstellung der Absprungraten Ziele des Trichters werden mit GA als Zielprozessfluss dargestellt |
| Grundprinzipien Datenschutz | Erforderlichkeit für die Aufgabe Datensparsamkeit Zweckgebundene Erhebung |
| Grundpfeiler Social Media Analysis | Monitoring: bewusstes Zuhören Measurement: Metriken entwickeln, Werkzeuge wählen Analysis: Aus Daten Schlüsse ziehen Reporting: Daten in Kontext setzen |
| Centrality Messung | Degree: Anzahl der ein- und ausgehenden Knoten Betweenness: Wie viele Beziehungen laufen über mich? Closeness: Wie schnell kann ich andere erreichen? Eigenvector: Wie gut stehe ich in Kontakt mit anderen gut-vernetzten? |
| Dichte eines Community-Netzes | Anzahl tatsächlicher Kanten / Anzahl möglicher Kanten |
Want to create your own Flashcards for free with GoConqr? Learn more.