Mit Big Data Technologien aktuelle Herausforderungen von Digital Analytics meistern

Mit Big Data Technologien aktuelle Herausforderungen von Digital Analytics meistern

© foto_don – Fotolia.com

Bei der zunehmenden Anzahl an digitalen Touchpoints wächst die Datenmenge kontinuierlich an. Gleichzeit schwindet aber die Vergleichbarkeit der verschiedenen Endgeräte in den etablierten Messmethoden. Auch die leistungsfähige Segmentierung heutiger Digital Analytics Tools liefert nur grundlegende Erkenntnisse und ermöglicht keine Vorhersage zum Nutzerverhalten.

Vergleichbarkeit von Kanälen.

Smartphone, Tablet und PC verlangen nach anderen Bewertungsmodellen als einfache Page View Zählung bzw. Summen und Durchschnittswerte. Denn in Zeiten von Mobile Data und dynamischen Ajax Komponenten ist App-Analyse nicht vergleichbar mit Web-Analyse. Deshalb heißt es Abschied nehmen vom bewährten Page View Modell.

Als Alternative zum Page View Modell hat sich das Event Modell etabliert. Dabei wird die Anzahl bestimmter Events (Page View, Lead, Sale, Clickout) während eines Visits gemessen. Dies ist gut geeignet um übergreifende KPI zu erheben, Conversion Rates zu messen und Trigger-basierte Kommunikation zu steuern, sagt aber leider nichts darüber aus, was den Visitor bewegt hat ein bestimmtes Angebot zu nutzen.

Was es heute braucht, ist ein Paradigma-Wechsel von den bekannten Segmenten hin zur Analyse auf Visit Basis in aggregierter Form (Visit Modell). Anders als bisher werden dabei die Page Views eines Visitor in unterschiedlichen Content Bereichen im Kontext ihrer Abfolge analysiert (Sequenz Analyse).

Den Grund für einen Visit ermitteln.

Eine detaillierte Analyse (Event orientiert, Abfolge nach Content Bereich, Besuchsdauer, Schlüsselindikatoren, Conversion, …) der Bewegungsdaten in Kombination mit dem Einsatz statistischer Modelle zur Erkennung von Datenmustern kann diese Frage beantworten. Allerdings gilt eine gewisse Vorsicht, denn dieses Verfahren ist sehr aufwendig und muss nicht erfolgreich sein. Es ist ein typischer Anwendungsfall von Big Data und bei der Datenaufbereitung ähnlich komplex wie bekannte ETL Prozesse in einem Data Warehouse. Wenn es gelingt, generiert man so aus Bewegungsdaten die wertvollen Customer Data.

Wie umgehen mit zunehmenden Datenmengen?

Der Export eines Digital Analytics Anbieters muss aufbereitet und im Big Data Kontext auf Visit Ebene verarbeitet werden. Predictive Analytics ermöglicht über alle Kanäle und Kontaktpunkte hinweg, das Kundenverhalten erklärbar und in einer bestimmten Weise vorhersehbar zu machen. Ein einmal erarbeitetes Modell muss fortlaufend überprüft werden und ggfs. an neue Rahmenbedingungen angepasst werden. Nur so lassen sich verwertbare Daten zum zukünftigen Kundenverhalten gewinnen, die als Grundlage zielgerichteter Kampagnen verwendet werden können.

Weiterlesen:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.