Mehr lesen
Die Nutzung des Internets nimmt rapide zu, und nahezu alle Unternehmen sind im Internet präsent. Logfiles, d.h. Datenspuren, die (potenzielle) Kunden bei ihren Aktivitäten im Internet hinterlassen, können als Grundlage für strategisch wichtige Entscheidungen von Unternehmungen dienen. Die Auswertung von Logfiles in gewinnbringende Erkenntnisse ist das Ziel des Web Mining.
Alexander Linder zeigt, dass erfolgreiches, aussagekräftiges Web Mining nicht immer auf multivariaten Analysemethoden beruht. Durch die Erkenntnisse deskriptiver Statistiken, angereichert mit Zusatzinformationen, lassen sich die zentralen Fragen beantworten: Wer ist der Kunde und was will er? Der Autor entwickelt Lösungsansätze zum Umgang mit Datenschutzaspekten und technischen Restriktionen des Internets und veranschaulicht am Fallbeispiel Swarovski sein Konzept für das Web Mining. Zwar liegt der Schwerpunkt auf deskriptiven Statistiken, doch wird auch deutlich, welches Potenzial multivariate Verfahren für das Web Mining bieten und dass sich die klassische lineare Regressionsanalyse hierfür nicht eignet.
Inhaltsverzeichnis
1 Einführung.- 2 Data Mining und Knowledge Discovery in Databases.- 3 Web Mining.- 4 Datenschutz im Internet.- 5 Gegenüberstellung bestehender Konzepte.- 6 Ein möglicher Lösungsansatz in der Praxis.- 7 Praxisbeispiel der Unternehmung Swarovski.- 8 Zusammenfassung und Ausblick.
Über den Autor / die Autorin
Dr. Alexander Linder promovierte bei Prof. Dr. Hans Peter Wehrli am Lehrstuhl Marketing der Universität Zürich. Er ist als Director Research & Analysis für die Daniel Swarovski Corp. AG tätig.
Zusammenfassung
Die Nutzung des Internets nimmt rapide zu, und nahezu alle Unternehmen sind im Internet präsent. Logfiles, d.h. Datenspuren, die (potenzielle) Kunden bei ihren Aktivitäten im Internet hinterlassen, können als Grundlage für strategisch wichtige Entscheidungen von Unternehmungen dienen. Die Auswertung von Logfiles in gewinnbringende Erkenntnisse ist das Ziel des Web Mining.
Alexander Linder zeigt, dass erfolgreiches, aussagekräftiges Web Mining nicht immer auf multivariaten Analysemethoden beruht. Durch die Erkenntnisse deskriptiver Statistiken, angereichert mit Zusatzinformationen, lassen sich die zentralen Fragen beantworten: Wer ist der Kunde und was will er? Der Autor entwickelt Lösungsansätze zum Umgang mit Datenschutzaspekten und technischen Restriktionen des Internets und veranschaulicht am Fallbeispiel Swarovski sein Konzept für das Web Mining. Zwar liegt der Schwerpunkt auf deskriptiven Statistiken, doch wird auch deutlich, welches Potenzial multivariate Verfahren für das Web Mining bieten und dass sich die klassische lineare Regressionsanalyse hierfür nicht eignet.
