- ホーム
- > 洋書
- > 英文書
- > Science / Mathematics
Description
(Text)
Das Internet stellt eine Wissensquelle von nahezu unerschöpflichem Umfang dar. Jeder Besucher der Website hinterlässt wertvolle Informationen, die bislang nur unzureichend ausgeschöpft werden. Mit Web Mining ist es nun möglich, aus diesen Informationen gewinnbringendes Wissen zu extrahieren, das z.B. für die Optimierung der Website, der personalisierten Ansprache im Internet oder aber zur Verbesserung der Kundenbindung im Internet herangezogen werden kann.
Vor diesem Hintergrund deckt das Handbuch alle Facetten des Web Mining ab. Zunächst wird der Prozess des Web Mining ausführlich beschrieben, wobei insbesondere auf den Aspekt des Preprocessing der internetspezifischen Daten eingegangen wird. Besonderer Wert wird auf die zahlreichen Einsatzpotenziale des Web Mining gelegt, wobei grundsätzliche Überlegungen mit den Ergebnissen bereits realisierter Projekte ergänzt werden.
(Table of content)
1 Grundlagen des Web Mining.- Grundlagen des Web Mining - Prozess, Methoden und praktischer Einsatz.- 2 Der Web Mining Prozess.- 2.1 Datenerhebung.- 2.1.1 Aufzeichnung des Nutzerverhaltens - Erhebungstechniken und Datenformate.- 2.1.2 Einbindung von Zusatzinformationen - Nutzerregistrierung und Online-Umfragen.- 2.1.3 Datenschutz im Web Mining - Rechtliche Aspekte des Umgangs mit Nutzerdaten.- 2.2 Datenaufbereitung und deskriptive Analysen.- 2.2.1 Vorverarbeitung von Web-Daten - Pre-Processing.- 2.2.2 Deskriptive Logfile-Analysen - Durchführung und Einsatzpotenziale.- 2.3 Data Mining Methoden.- 2.3.1 Assoziations- und Pfadanalyse - Entdeckung von Abhängigkeiten.- 2.3.2 Segmentierung im Online-Marketing.- 2.3.3 Einsatz von Klassifikation und Prognose im Web Mining.- 2.3.4 Kausale Netze - Vorgehensweise und Einsatzmöglichkeiten.- 2.4 Umsetzung der Ergebnisse.- 2.4.1 Web Controlling und Recommendersysteme.- 2.4.2 Website-Optimierung - Aufgabenstellung und Vorgehensweise.- 2.4.3 Personalisierung der Kundenbeziehung im Internet - Methoden und Technologien.- 3 Web Mining in der Praxis.- 3.1 Web Mining in der Praxis - eine empirische Untersuchung.- 3.2 Web Mining für Marketinganwendungen - Pilotprojekt der DaimlerChrysler AG.- 3.3 Web Mining mit Kausalen Netzen für das online-Computermagazin tecChannel.- 3.4 Ableitung von Kaufempfehlungen aus anonymen Session-Informationen bei Jubii.- 3.5 Wie werden Surfer zu Kunden? - Navigationsanalyse zur Ermittlung des Konversionspotenzials verschiedener Sitebereiche.- 3.6 Kennzahlenbasiertes Web Controlling mit einer Web Scorecard.- 3.7 Web Mining für die Personalisierung von e-Portalen.- 3.8 Aufbau einer e-Intelligence-Architektur für das Personality-Portal koepfe.de.- 3.9 PersonalisierendeWeb-Beratungsfunktionen als Komponente eines interaktiven Dialogmarketings.- 3.10 Web Mining Application Service Providing - Erfahrungen und Erfolgsfaktoren.- 4 Ausblick.- Entwicklungsperspektiven zum Web Mining.
(Author portrait)
Prof. Dr. Klaus D. Wilde ist Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik an der Katholischen Universität Eichstätt. Dr. Hajo Hippner und Melanie Merzenich sind Mitarbeiter an seinem Lehrstuhl. Zusammen gelten sie als anerkannte Spezialisten in den Bereichen Data Mining im Marketing, Web Mining und Customer Relationship Management.Prof. Dr. Klaus D. Wilde ist Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik an der Katholischen Universität Eichstätt. Dr. Hajo Hippner und Melanie Merzenich sind Mitarbeiter an seinem Lehrstuhl. Zusammen gelten sie als anerkannte Spezialisten in den Bereichen Data Mining im Marketing, Web Mining und Customer Relationship Management.
Contents
1 Grundlagen des Web Mining.- Grundlagen des Web Mining — Prozess, Methoden und praktischer Einsatz.- 2 Der Web Mining Prozess.- 2.1 Datenerhebung.- 2.1.1 Aufzeichnung des Nutzerverhaltens — Erhebungstechniken und Datenformate.- 2.1.2 Einbindung von Zusatzinformationen — Nutzerregistrierung und Online-Umfragen.- 2.1.3 Datenschutz im Web Mining — Rechtliche Aspekte des Umgangs mit Nutzerdaten.- 2.2 Datenaufbereitung und deskriptive Analysen.- 2.2.1 Vorverarbeitung von Web-Daten — Pre-Processing.- 2.2.2 Deskriptive Logfile-Analysen — Durchführung und Einsatzpotenziale.- 2.3 Data Mining Methoden.- 2.3.1 Assoziations- und Pfadanalyse — Entdeckung von Abhängigkeiten.- 2.3.2 Segmentierung im Online-Marketing.- 2.3.3 Einsatz von Klassifikation und Prognose im Web Mining.- 2.3.4 Kausale Netze — Vorgehensweise und Einsatzmöglichkeiten.- 2.4 Umsetzung der Ergebnisse.- 2.4.1 Web Controlling und Recommendersysteme.- 2.4.2 Website-Optimierung — Aufgabenstellung und Vorgehensweise.- 2.4.3 Personalisierung der Kundenbeziehung im Internet — Methoden und Technologien.- 3 Web Mining in der Praxis.- 3.1 Web Mining in der Praxis — eine empirische Untersuchung.- 3.2 Web Mining für Marketinganwendungen — Pilotprojekt der DaimlerChrysler AG.- 3.3 Web Mining mit Kausalen Netzen für das online-Computermagazin tecChannel.- 3.4 Ableitung von Kaufempfehlungen aus anonymen Session-Informationen bei Jubii.- 3.5 Wie werden Surfer zu Kunden? — Navigationsanalyse zur Ermittlung des Konversionspotenzials verschiedener Sitebereiche.- 3.6 Kennzahlenbasiertes Web Controlling mit einer Web Scorecard.- 3.7 Web Mining für die Personalisierung von e-Portalen.- 3.8 Aufbau einer e-Intelligence-Architektur für das Personality-Portal koepfe.de.- 3.9 PersonalisierendeWeb-Beratungsfunktionen als Komponente eines interaktiven Dialogmarketings.- 3.10 Web Mining Application Service Providing — Erfahrungen und Erfolgsfaktoren.- 4 Ausblick.- Entwicklungsperspektiven zum Web Mining.
