Sie sind hier
E-Book

Web Analytics & Web Controlling

Webbasierte Business Intelligence zur Erfolgssicherung

AutorAndreas Meier, Darius Zumstein
Verlagdpunkt
Erscheinungsjahr2012
Seitenanzahl294 Seiten
ISBN9783864912115
FormatPDF
KopierschutzWasserzeichen/DRM
GerätePC/MAC/eReader/Tablet
Preis59,90 EUR
Das Controlling der digitalen Wertschöpfungskette gewinnt in der Informations- und Wissensgesellschaft an Bedeutung. Geeignete Instrumente der Business Intelligence helfen, die webbasierten Geschäftsziele zeitgerecht und in der geforderten Qualität zu erfüllen. Das Buch erläutert die wichtigsten Methoden für Web Analytics und Web Controlling. Es beschreibt konkrete Metriken und Kennzahlen für die Inhaltsnutzung und das Besucherverhalten. Der Leser erhält wertvolle Hilfestellung bei der Optimierung von Webplattformen, beim Onlinemarketing, Kundenbeziehungsmanagement sowie Web Controlling.

Andreas Meier ist Professor für Wirtschaftsinformatik an der wirtschafts- und sozialwissenschaftlichen Fakultät der Universität Fribourg, Schweiz. Seine Schwerpunkte sind eBusiness, eGovernment sowie Daten- und Informationsmanagement. Nach Musikstudien in Wien diplomierte er in Mathematik an der ETH in Zürich, doktorierte und habilitierte am Institut für Informatik. Er war Systemingenieur bei der IBM Schweiz, Direktor bei der Großbank UBS und Geschäftsleitungsmitglied bei der CSS Versicherung.Darius Zumstein war Forschungsassistent am Departement für Informatik an der Universität Fribourg und schrieb eine Dissertation zum Thema Web Analytics. Er studierte Betriebswirtschaftslehre mit Fokus auf ICT-Management und Electronic Business.2011 arbeitete er als Web Analytics Consultant bei FELD M GmbH und 2012 als Web Analytics Professional bei FriendScout24 GmbH in München.Zuvor war er für verschiedene Schweizer Unternehmen im Bereich Internet und Content Management tätig.

Kaufen Sie hier:

Horizontale Tabs

Blick ins Buch
Inhaltsverzeichnis
Vorwort5
Inhalt7
1 Zum Controlling der digitalen Wertschöpfungskette13
Abb. 1–1 Zum Controlling der digitalen Wertschöpfungskette13
1.1 Digitale Wertschöpfungskette14
Faktor Information14
Business Intelligence im Internetzeitalter14
Glieder der digitalen Wertschöpfungskette14
Digitale Produkte & Dienstleistungen15
Abb. 1–2 Die sieben Controlling- Bereiche der Business Intelligence15
Elektronische Beschaffung15
Onlinemarketing15
Elektronischer Vertragsabschluss16
Elektronische Bezahlung16
Online-/Offline- Distribution16
Elektronisches Kundenbeziehungs- management16
eBusiness: anytime & anywhere17
1.2 Austauschoptionen im eBusiness17
Begriff Business Intelligence17
Definition webbezogene BI17
Datengestützte Management- entscheidungen17
World Wide Web17
Definition electronic Business18
Leistungsanbieter und -nachfrager18
Austauschbeziehungen im eBusiness18
Electronic Commerce18
Tab. 1–1 Die neun Austausch- optionen im eBusiness [Meier & Stormer 2012, S. 3]18
Austauschoptionen im eBusiness19
Electronic Government19
Austausch zwischen Einzelpersonen19
1.3 Definitionspyramide der webbezogenen BI19
Grundpfeiler Web Analytics & Web Controlling19
Definition Web Analytics19
Definition Web Controlling20
Elemente der Definitionspyramide20
Abb. 1–3 Pyramide und Führungskreislauf für die digitale Wertschöpfungskette20
Führungskreislauf21
Planung21
Umsetzung21
Analyse21
Handlung21
Unterstützende Prozesse21
1.4 Kapitelübersicht22
Struktur des Fachbuches22
Abb. 1–4 Struktur des Fachbuches mit Kapitelzuordnung23
2 Webbasierte Geschäftsmodelle25
Abb. 2–1 Webbasierte Geschäftsmodelle25
2.1 Komponenten eines webbasierten Geschäftsmodells26
Digitaler Marktraum26
Geschäftsmodell26
Definition webbasiertes Geschäftsmodell27
Leistungsangebot27
Beschaffung27
Abb. 2–2 Komponenten eines webbasierten Geschäftsmodells28
Marketing28
Vereinbarung29
Erlöse29
Distribution29
Kundenbindung30
Laufende Anpassung der Geschäftsmodelle30
2.2 Klassifikation webbasierter Geschäftsmodelle30
Definition Business Web30
5 Typen von Business Webs31
2.2.1 Business Web vom Typ Agora31
Agora (elektronischer Marktplatz)31
Abb. 2–3 Agora als offener Marktplatz mit dynamischer Preisfindung [Tapscott et al.. 2001, S. 46]31
Anbieter und Nachfrager32
Nachfrage nach Auktionen32
Nutzenpotenziale der Agora32
Erlösquellen für Marktplätze33
Tab. 2–1 Webkennzahlen zur Messung des Marktwertes Agora33
Beispiel eBay33
2.2.2 Business Web vom Typ Aggregator34
Hierarchische Kontrolle der Lieferanten34
Abb. 2–4 Aggregator kombiniert Produkte und diktiert Preise [Tapscott et al. 2001, S. 47].34
Vermittlungsfunktion des Aggregators35
Einsatz intelligenter Softwareagenten35
Vorteile eines Aggregators35
Der Weg zum Cross-Selling35
Tab. 2–2 Kapitalkomponenten und Kennzahlen zum Aggregator36
Beispiel Amazon36
2.2.3 Business Web vom Typ Integrator37
Integrator als Wertschöpfungskette37
Abb. 2–5 B-Web Integrator kontrolliert die optimierte Wertschöpfungskette [Tapscott et al. 2001, S. 48].37
Funktionsweise eines Integrators37
Werkstattfertigung38
Nutzenvorteile von Integratoren38
Webkennzahlen des Integrators39
Tab. 2–3 Marktwert und Steuerungskennzahlen eines Integrators39
Beispiel Cisco39
2.2.4 Business Web vom Typ Allianz39
Wozu dient eine Allianz?39
Allianz als Prosumer39
Netz gleichberechtigter Partner40
Abb. 2–6 Das B-Web Allianz bildet einen Wertschöpfungsraum [Tapscott et al. 2001, S. 49]40
Etablierung eines Wert- schöpfungsprogramms40
Nutzenpotenziale einer Allianz40
Tab. 2–4 Kapitalkomponenten und Webkennzahlen einer Allianz41
Beispiel Linux41
Herausforderungen von Allianzen42
2.2.5 Business Web vom Typ Distributor42
Definition Distributor42
Nutzenvorteile des Distributors43
Abb. 2–7 Grundkonzeption des B-Web Distributor [Tapscott et al. 2001, S. 51]43
Tab. 2–5 Unternehmenskapital und Webkennzahlen von Distributoren44
Beispiel Telcos44
Distributoren als Infomediäre44
2.3 Vergleich und Bewertung von Business Webs45
Business Webs im Vergleich45
Tab. 2–6 Hauptmerkmale der unterschiedlichen B-Webs im Vergleich [Meier & Stormer 2012, S. 48]45
Zur Vielfalt von Business Webs45
Unterschiedliche Kundenrollen45
Abgrenzungsproblematik bei Business Webs45
2.4 Gemeinschaftsbildung im Market Space46
Zur Bedeutung von sozialen Netzen46
Definition soziales Netz46
Gestaltungsoptionen für soziale Netze46
Kommunikation und Austauschbeziehungen47
Abb. 2–8 Gestaltungsoptionen für Online-Communitys47
Soziale Raum von Communitys47
2.5 Zur Charakterisierung sozialer Netze48
Das Internet als virtueller Aufenthaltsort48
Interessen- und Projektgemeinschaften48
Definition Communities of Interest/Practice48
Verschiedene Typen von sozialen Netzen49
Treffpunkte für User mit gemeinsamen Interessen49
Systeme für private und berufliche Kontakte49
Matchmakingsysteme49
Empfehlungssysteme49
Blog-Systeme50
Vergleich von sozialen Systemen50
Tab. 2–7 Vergleich der fünf Webplattformen nach [Ingenhoff & Meier 2010]50
Kommunikations- plattformen51
Ziele von sozialen Netzen51
2.6 Wertbeitrag zum sozialen Kapital51
Definition Sozialkapital51
Soziale Ressourcen51
Reziprozität52
Bedeutung von Vetrauen52
Abb. 2–9 Die Tragpfeiler des sozialen Kapitals52
Tragpfeiler von sozialem Kapital53
2.7 Ertragsmodelle53
Ertragsmodell als zentraler Teil des Geschäftsmodells53
Direkte und indirekte Ertragsmodelle53
Verkauf von Werbefläche53
Verkauf von Produkten und Dienstleistungen53
Abb. 2–10 Ertragsmodelle in elektronischen Märkten nach [Birkhofer 2002]54
Verkauf von Zugängen54
Verkauf von Abonnements54
Verkauf von Transaktionen54
Kosteneinsparungen55
Sponsoren55
Fremdfinanzierung55
KPIs für jedes Geschäfts- bzw. Erlösmodell55
3 Business Intelligence & Web Controlling57
Abb. 3–1 Business Intelligence & Web Controlling57
3.1 Website Governance58
Definition Corporate Governance58
OECD-Richtlinien für Corporate Governance59
Compliance59
Definition Website Governance60
Serviceorientiertes Website-Management60
Abb. 3–2 Website-Governance- Architektur60
Website-Governance- Architektur61
Web Application Management61
Capacity Management61
Web Service Delivery Continuity Management61
Web Analytics61
Web Controlling61
3.2 Regelkreis des Web Controlling62
Web Controlling = Planung, Analyse und Steuerung des Webauftrittes62
Strategische Ebene des Web Analytics62
Abb. 3–3 Regelkreis des Web Controlling und der Web-Analytics-Architektur [Meier & Zumstein 2010, S. 10]62
Web Scorecard63
Planung der Messgrößen63
Umsetzung der Strategie63
Webanalyse63
Handlungsmaßnahmen63
Speicherung der Daten63
3.3 Organisationspyramide und Gremien64
Beispielhafte Organisationspyramide64
Tab. 3–1 Organisationspyramide mit Führungsebenen, Gremien und Aufgaben64
Corporate Identity64
Die Eigenart des Web Analytics: interdisziplinäre Teams65
Organisation von Web Analytics: in jedem Unternehmen anders65
3.3.1 Web Steering Committee65
Steuerungsausschuss65
3.3.2 Webkernteam65
Interdisziplinäres Webkernteam65
3.3.3 Operative Einheiten66
Webaktivitäten operativer Einheiten66
3.4 Berufsbilder66
3.4.1 Chief Web Officer66
Website-Verantwortliche66
Zur Bedeutung des Chief Web Officer66
Web Steering Committee für webbasierte Geschäftsmodelle verantwortlich66
Tab. 3–2 Stellenprofil des Chief Web Officer67
3.4.2 Web Controller67
Rollen und Aufgaben des Webanalysten67
Tab. 3–3 Aufgabenspektrum Web Controller67
3.4.3 Webmaster68
Rollen und Aufgaben des Webmasters68
Tab. 3–4 Aufgabenspektrum Webmasters68
3.5 Anspruchsgruppen und Zielgruppen68
Anspruchsgruppen von eBusiness-Unternehmen68
Stakeholder Value68
Tab. 3–5 Auswahl von Anspruchsgruppen (angelehnt an [Ulrich & Fluri 1995])69
Ziele/Erwartungen von Anspruchsgruppen69
Festlegung von Zielgruppen69
3.6 Immaterielle Vermögenswerte70
Abb. 3–4 Zielgruppendefinition mit Beispielen von Website- Zielen & Webkennzahlen70
3.6.1 Intellektuelles Kapital70
Definition immaterielle Vermögenswerte70
3.6.2 Informationskapital71
Abb. 3–5 Intellektuelles Kapital, Informations- und Webkapital71
Definition Informationskapital71
Tab. 3–6 Eckpfeiler des intellektuellen Kapitals mit webbezogenen Beispielen72
Know-how und Expertenwissen72
Wissensbasierte Wertschöpfung72
3.6.3 Webkapital73
Corporate Websites als Eckpfeiler des Webkapitals73
Definition Webkapital73
Beispiele von Webkapital73
Gute Auffindbarkeit im Internet73
Wertvolle Domainnamen73
Starke eBrands73
Positives Image durch Bewertungen74
Hoher Wert von Nutzerdaten74
Innovations- und Technologiemanagement74
Wissensmanagement74
Expertenwissen von Knowledge Worker74
3.7 Vorgehensmethodik75
Teile der strategischen Analyse75
Analyse der Organisation75
Analyse der Umwelt75
Analyse der Technologie75
Festlegung der Erfolgsfaktoren75
Festlegung von Webkennzahlen75
Abb. 3–6 Iteratives Vorgehen beim Web Controlling76
Maßnahmenplanung & Umsetzung76
Webanalysen und Reporting76
3.8 Ordnungsmäßigkeit77
Internes Kontrollsystem77
COBIT-Framework77
Kriterien des Frameworks77
Überblick zum COBIT-Framework78
Abb. 3–7 Framework COBIT zur Informationsversorgung78
Bereiche von Ressourcen78
Kernaufgaben und Kontrollziele für kritische IT-Prozesse79
4 Nutzenpotenziale des Web Controlling81
Abb. 4–1 Nutzenpotenziale des Web Controlling81
4.1 Optimierung der Website82
Überprüfung der Website-Qualität82
4.1.1 Optimierung des Contents82
Bereitstellung von Inhalten82
Verbesserungen des Inhalts mit Web Analytics82
Genaue, relevante, verständliche und aktuelle Inhalte83
4.1.2 Optimierung der Navigation83
Klickraten auf Links83
Navigationsverhalten von Besuchern83
Klick- und Pfadanalysen83
Abb. 4–2 Site-Overlay zur Seitenanalyse am Beispiel von Google Analytics84
A/B-Tests zur Verbesserung der Navigation84
4.1.3 Optimierung des Designs84
Anpassungen am Layout mithilfe von Web Analytics84
4.1.4 Optimierung der Usability85
Erhöhung der Benutzerfreundlichkeit85
Systemqualität durch verständliche Navigation85
Tab. 4–1 Nutzenpotenzial der Website-Optimierung nach [Zumstein 2012, S. 105]85
4.2 Optimierung des eMarketing85
Analyse von Werbekampagnen85
Erfolgsmessung von Instrumenten des Onlinemarketings86
Tab. 4–2 Nutzenpotenzial und Webkennzahlen für das Onlinemarketing (nach [Zumstein 2012, S. 112]).86
4.2.1 Erfolgsmessung von Bannerwerbung87
Messung von Traffic- Akquisition, -Nutzung und -Vermarktung87
Abb. 4–3 Erfolgsmessung von Werbekampagnen, Quelle: (in Anlehnung an das Schema von [Contentmetrics 2006, S. 38])87
4.2.2 Sichtbarkeit und Suchmaschinenoptimierung87
Analyse genutzter Suchwörter87
Reichweite im Internet87
Verlinkung von Websites88
4.2.3 Erfolgsmessung des Suchmaschinenmarketings88
Werbeanzeigen in Suchmaschinen88
Erfolgsmessung von Suchmaschinenwerbung88
4.2.4 Social Web Monitoring88
Erfolgsmessung sozialer Netzwerke88
4.2.5 Erfolgsmessung weiterer Marketinginstrumente89
Newsletter Analytics89
Blog Analytics89
Messung von Online- und Offlinekanälen89
4.3 Optimierung des Kundenbeziehungsmanagements90
4.3.1 Erhöhung der Kundennähe90
Kundenorientierung90
Analyse von Besucherwünschen90
4.3.2 Optimierung der Kundenakquisition90
Kontaktanbahnung über das Internet90
Definition Leads (potenzielle Neukunden)90
Analyse von Kaufabsichten und Erstkäufe90
Definition Kundenakquisition91
Kosten einer Kundenaquisition91
Ziel Verkaufsabschluss91
4.3.3 Optimierung der Kundenbindung91
Loyalisierung von Onlinekunden91
Definition Kundenbindung91
Zusatz- und Querverkäufe91
4.3.4 Optimierung der Kundensegmentierung92
Relevanz der Kundensegmentierung92
Definition Kundensegmentierung92
Identifizierung wichtiger Besucher92
Identifizierung wertvoller Kunden92
Tab. 4–3 Nutzenpotenzial und Webkennzahlen für das eCRM (nach [Zumstein 2012, S. 117])93
4.4 Prozessoptimierung93
Optimierung von Bestell- und Zahlungsprozessen93
Analyse von Prozessabbrüchen93
4.5 Strategisches Management und Entscheidungsunterstützung94
Planung, Analyse und Überprüfung strategischer Ziele94
Überprüfung von Geschäftsmodellen94
Performance Measurement bei Internetfirmen94
Datengestützte statt Bauchentscheide94
Entscheidungsunter- stützung durch Web Analytics94
4.6 Vorteile für das eBusiness94
Vorteile des Web Analytics zusammengefasst94
Abb. 4–4 Überblick zu den Nutzenpotenzialen des Web Controlling95
Tab. 4–4 Überblick zu den Nutzenpotenzialen auf den Ebenen des Web Controlling (nach [Zumstein 2012, S. 89])96
5 Metrikmodelle & Webkennzahlen97
Abb. 5–1 Metrikmodelle & Webkennzahlen97
5.1 Metriken und Kennzahlen98
Erfassung und Auswertung website- bezogener Daten98
5.1.1 Webmetriken98
Metrik = Maß98
Webmetriken als websitebezogene Daten98
Definition Webmetrik98
5.1.2 Webkennzahlen99
Betriebswirtschaftliche Aussagen mit Webkennzahlen99
Definition Webkennzahl99
Funktionen von Webkennzahlen99
5.1.3 Key Performance Indicators100
Strategische KPIs100
Definition Key Performance Indicator100
KPIs ausgerichtet auf das Geschäftsmodell100
Tab. 5–1 Mögliche KPIs in Abhängigkeit der Website-Ziele [Zumstein 2012, S. 61]101
5.2 Kennzahlensystem für das Web Controlling101
Einordnung von Metriken in ein Reifegradmodell101
Standardmetriken der Stufe Information101
Metriken der Stufe Kommunikation101
Abb. 5–2 Kennzahlen für verschiedene Reifegrade im eBusiness (nach [Zumstein & Meier 2010, S. 305])102
Kennzahlen der Stufe Transaktion102
Kennzahlen der Stufe Integration102
Überblick an Webmetriken und Webkennzahlen102
5.3 Metrikmodell zum Web Content Controlling103
Tab. 5–2 Überblick der Webkennzahlen und Einordnung in das Reifegradmodell [Zumstein 2012, S. 63]103
Einstiege auf der Website103
Abb. 5–3 Modell für das Web Content Controlling [Zumstein & Meier 2010, S. 306]103
Absprünge auf der Website104
Webmetriken der Stufe Information104
Tab. 5–3 Webmetriken der Stufe D – Information [Zumstein & Meier 2010, S. 306]104
Standardmetriken Seitenzugriffe, Besuche und Besucher104
5.3.1 Seitenzugriffe105
Aufruf einer Website105
Definition Seitenzugriff105
Allgemeine Nachfrage105
Attraktivität einer Website105
Beschränkte Aussagekraft105
Eindeutige Seitenzugriffe105
Durchschnittliche Anzahl Seitenzugriffe106
5.3.2 Besuche106
Anzahl Besuche auf der Website106
Zusammenhängender Nutzungsvorgang106
Definition Besuch106
Reichweite einer Website106
Beginn und Abschluss eines Besuches106
Steigende Anzahl Besuche107
5.3.3 Besucher107
Definition Besucher107
Eindeutige Besucher107
Messungenauigkeiten bei Besuchern107
Besucheridentifikation mit Cookies107
Eindeutig identifizierte Besucher107
Qualifizierte Besucher108
Neue und wiederkehrende Besucher108
Definition wiederkehrender Besucher108
Kundenerhaltungs-/ -akquisitionsmodus108
5.3.4 Absprungrate109
Absprünge auf einer Website109
Definition Absprungrate109
Absprünge auf der Website und einer Webseite109
Analyse der Absprungraten109
5.3.5 Page Stickiness109
Seitenhaftung109
Definition Page Stickiness109
Attraktive Inhalte110
5.3.6 Verweildauer auf einer Webseite110
Verweildauer auf einer einzelnen Webseite110
Definition Verweildauer110
Verweilen = auseinandersetzen110
5.3.7 Besuchsdauer110
Besuchsdauer auf der ganzen Website110
Definition Besuchsdauer110
Steigende Kaufswahrscheinlichkeit bei langer Besuchsdauer110
Mögliche Probleme langer Besuchsdauer111
5.3.8 Besuchstiefe111
Definition Besuchstiefe111
Hohe Besuchstiefe = Engagement111
Hohe Besuchstiefe = Interesse111
Probleme tiefer Besuche111
5.3.9 Besuchshäufigkeit112
Besuchertreue112
Definition Besuchshäufigkeit112
Heavy User112
Treue Besucher = zufriedene Besucher112
Kaufinteresse und Kaufentscheidung112
5.3.10 Besuchsaktualität112
Frische eines Besuches112
Definition Besuchsaktualität112
Recency, Frequency & Monetary Value113
5.4 Überblick zu den Kennzahlen der Transaktion113
Kennzahlen des eCommerce113
5.4.1 Website-to-Product-Page-Rate114
Anteil an Produktseitenaufrufen114
Definition Website-to-Product- Page-Rate114
Produktseitenzugriffe = Produktinteresse114
5.4.2 Click-to-Basket-Rate114
Anteil an befüllten Warenkörben114
Definition Click-to-Basket-Rate115
Click-to-Basket = Kaufbereitschaft115
5.4.3 Basket-to-Buy-Rate115
Anteil bezahlter Warenkörbe115
Definition Basket-to-Buy-Rate115
Wertbeitrag eines Produktes115
5.4.4 Bestellrate115
Definition Bestellrate115
5.4.5 Abbruchrate115
Anteil abgebrochener Bestellprozesse115
Definition Abbruchrate116
Anteil abgebrochener Formulareingaben116
5.4.6 Konversionsrate116
Anteil zu Käufe(r) konvertierte Besuche(r)116
Definition Konversionsrate116
Anzahl Käufe/ Anzahl Besuche116
Werbekonversionsrate116
5.4.7 Erstkäufer und Wiederholungskäufer116
Anzahl Neukunden & Bestandskunden116
Definition Erst- und Wiederholungs- käufer117
Effizienz der Kundenakquisition und -bindung117
5.4.8 Kauffrequenz117
Anzahl Wiederholungskäufe117
Definition Kauffrequenz117
Indikator der Zufriedenheit117
5.4.9 Kaufaktualität117
Zeitdauer seit dem letzten Besuch117
Definition Kaufaktualität117
Kaufaktualität & Kundenverhalten117
5.4.10 Finanzkennzahlen118
Online umgesetzter Umsatz118
Definition Online-Umsatz118
Einzel- und Gemeinkosten118
Deckungsbeitrags- & Erfolgsrechnung118
Definition Onlinegewinn118
Rentabilitätskennzahlen118
5.5 Überblick zu den Metriken der Kommunikation & Integration118
Kommunikation mit Website-User118
Tab. 5–4 Webmetriken der Stufe C & A: Kommunikation & Integration [Zumstein & Meier 2010, S. 309]119
Anzahl Kontakte, Registrierungen und Beiträge119
Interaktivitätsgrad120
Key Customers120
Definition Social Commerce120
Abb. 5–4 Metrikmodell für Web User Controlling [Zumstein & Meier 2010, S. 308]120
5.6 Analyse und Optimierung des eBusiness anhand geeigneter Webkennzahlen121
Webmetriken & Webkennzahlen für das eBusiness121
Tab. 5–5 Eignung der Kennzahlen zur Analyse und Optimierung des eBusiness122
6 Auswertungen mit unscharfen Methoden125
Abb. 6–1 Auswertung mit unscharfen Methoden125
6.1 Unscharfe Logik126
Klassische und unscharfe Logik126
Definition unscharfe Mengen126
Anwendungen der unscharfen Logik126
Beispiel: Menge Teenager127
Abb. 6–2 Unterschied zwischen klassischen und unscharfen Mengen128
6.2 Vorteile unscharfer Kundensegmentierung128
Beispiel der Kundensegmentierung anhand von Umsatz und Kundenloyalität128
Wahl der Äquivalenzklassen129
Abb. 6–3 Scharfe Kundenklassifikation mit Konflikten129
Kunden als Vermögenswert129
Probleme bei scharfer Kundensegmentierung130
Unscharfe Kundenklassifikation130
Zugehörigkeit zu mehreren Klassen gleichzeitig131
Abb. 6–4 Unscharfe Kundenklassifikation131
Unscharfe Klassifikation ermöglicht Individualisierung.131
6.3 Webmetriken mit linguistischen Variablen132
Abbildung und Klassifikation von Kennzahlen anhand von linguistischen Variablen132
Abb. 6–5 Ergänzung der Webmetriken mit linguistischen Variablen132
Wahrnehmungsbasierte Klassifikation von Metriken132
Klassifikation der Verweildauer133
Abb. 6–6 Scharfe und unscharfe Klassifikation der Webmetrik Seitenzugriffe [Zumstein 2010, S. 285]133
Differenzierte Beurteilung von Metrikwerte133
6.4 Zur Aggregation unscharfer Webkennzahlen134
Zweidimensionale unscharfe Klassifikation134
Abb. 6–7 Scharfe und unscharfe Klassifikation der Webmetriken Seitenzugriffe und Absprungrate [Zumstein 2010, S. 285]134
Minimums- und Maximumsoperator135
6.5 Hierarchische Dekomposition beim Web Controlling136
Hierarchische Strukturierung von Kennzahlen136
Kundenkapital136
Multidimensionale Klassifizierungen136
Abb. 6–8 Berechnungspyramide für das Kundenkapital137
Berechnungsmethode137
Rechnungsbeispiel138
6.6 Nutzenpotenziale138
Nutzenpotenziale der unscharfen Klassifikation138
Exakte Klassifikation von Werten139
Anwendungsbereiche der unscharfen Klassifikation139
Nachteile der unscharfen Klassifikation140
7 Regelkreis Web Controlling141
Abb. 7–1 Regelkreis Web Controlling141
7.1 Analyse der Websitenutzung142
Plan, Do, Check und Act142
Strategische, analytische und operative Ebene142
Abb. 7–2 Web-Controlling- Kreislauf (nach [Zumstein 2012, S. 33])142
Zwei Seiten des Web Controlling143
Definition Web Content Controlling (Analyse der Inhaltsnutzung)143
Web User Controlling (Analyse des Besucherverhaltens)143
Definition Web User Controlling143
7.2 Web Content Controlling143
Content (Inhalte einer Website)143
Content Management (System)143
Definition Content144
Definition Content Management144
Definition Content-Management- System144
Abb. 7–3 Architektur eines Content- Management-Systems (nach [Meier & Stormer 2012, S. 115 Zumstein 2012, S. 35])144
Webanalyse = Analyse der Inhaltsnutzung144
Analyse der Informationsnachfrage144
Abb. 7–4 Controlling-Kreislauf für das Web Content Controlling145
Interner Vergleich der Inhaltsnutzung145
Externer Vergleich der Inhaltsnutzung145
Analyse der Reichweite146
Analyse der Traffic-Quellen146
Analyse der Ein- und Ausstiegsseiten146
Analyse der Inhaltsnutzung nach Zeitperioden146
Webanalyse der Tageszeit147
Webanalyse der Wochentage147
Webanalyse der Feiertage147
Webanalyse von Saisonalitäten147
Analyse verwendeter Suchbegriffe147
Tab. 7–1 Nutzenpotenzial und Webkennzahlen des Web Content Controlling (nach [Zumstein 2012, S. 94])148
7.3 Web User Controlling148
Definition Besucherstrategie148
Abb. 7–5 Controlling-Kreislauf für das Web User Controlling149
Besucheranalyse und Web User Controlling149
Besuchersegmentierung149
Web (Usage) Mining149
Tab. 7–2 Nutzenpotenzial und Webkennzahlen des Web User Controlling [Zumstein 2012, S. 95]150
Besucher- und Kundenentwicklung150
Besuch der Surfer150
Informationssuche der Consumer151
Abb. 7–6 Vier Stufen der Besucher- und Kundenentwicklung [Zumstein 2012, S. 96]151
Interaktion der Prosumer151
Formen der Interaktion151
Identifikation mit der Website152
Transaktion durch die Buyer152
Ziel langfristige Kundenbindung152
7.4 Analyse der Erreichung der Website-Ziele152
Ziele von Websites152
Bereitstellung von Informationen152
Interaktion mit Website-Usern152
Geschäftsabwicklung153
Gewinnung von Neukunden153
Bindung von Bestandskunden153
Markenstärkung über das Web153
Reduktion der Administrationskosten153
Gewinnung von neuen Mitarbeiter153
Websites als Erlebnis153
Überprüfung der Zielerreichung153
Besucherbezogene Ziele evaluieren154
7.5 Fazit zum Web Controlling154
Analyse und Steuerung des Webauftritts154
Tab. 7–3 Auswirkungen des Web Controlling auf das eBusiness-Management [Meier & Zumstein 2010, S. 11]154
8 Webbezogene Business Intelligence155
Abb. 8–1 Webbezogene Business Intelligence155
8.1 Referenzarchitektur zur webbezogenen BI156
Business Intelligence als Entscheidungsgrundlage156
Websitebezogene Business Intelligence156
Abb. 8–2 Einbettung des Web Analytics in die Referenzarchitektur eines DWH157
Die Quellen der Daten157
Die Integration der Daten158
Die Speicherung der Daten158
Die Auswertung der Daten158
Das Berichten der Daten158
Das Beschreiben von Daten158
Funktionsweise klassischer Web-Analytics- Systeme159
Integration der Web- Analytics-Daten159
8.2 Direktes Web Analytics159
8.2.1 Typische Funktionsweise von Szenario 1159
Einfügung des JavaScripts159
Zeigen website- bezogener Daten159
Berichten website- bezogener Daten160
8.2.2 Vorteile des direkten Web Analytics160
Web Analytics as a Service160
Unabhängigkeit durch benutzerfreundliche Tools160
Keine eigene IT-Infrastruktur notwendig160
Realtime Web Analytics160
Agilität und Flexibilität161
Webanalyse unterwegs161
8.2.3 Nachteile des direkten Web Analytics161
Fehlende Webanalysekultur161
Problem Datenschutz161
Integration als Herausforderung161
Zusammenarbeit als Knackpunkt161
Mangel an Zeit und Geld162
Abb. 8–3 Datenintegration als eine Hürde im Web Analytics162
Nutzbarmachung der Webdaten162
Isolierte Datensilos162
Schürfen nach Gold-Nuggets162
8.3 Integriertes Web Analytics163
8.3.1 Typische Funktionsweisen von Szenario 2163
Integration der Webdaten in die BI163
Web Analytics als Eigenentwicklung163
Integration über Schnittstellen163
OLAP im Web Analytics163
Auswertung über Schnittstellen164
Tab. 8–1 Dimensionen und Webmetriken von Google Analytics (Auszug)164
Mächtigkeit eines Data Warehouse165
Ganzheitliche Berichterstattung165
8.3.2 Vorteile beim integrierten Web Analytics165
Unternehmensweites Datenmanagement165
Mögliche Fragestellungen165
360-Grad-Blick & Customer Journey166
Verarbeitung großer Datenmengen166
Komplexe Datenstrukturen166
Kontrolle über die Daten166
Garantierte Archivierung166
Datengrundlage des Data Mining167
Information = Macht & Wissen167
8.3.3 Nachteile des integrierten Web Analytics167
Hohe Kosten des Data Warehousing167
Skalierbarkeit und Planbarkeit167
Abhängigkeit von der BI167
Unternehmenspolitische Interessen168
Datenverarbeitung168
Datenvalidität168
Datensicherheit168
Tab. 8–2 SWOT-Analyse von klassischem und integriertem Web Analytics169
9 Softwareaspekte des Web Analytics & Web Controlling171
Abb. 9–1 Softwareaspekte des Web Analytics & Web Controlling171
9.1 Datensammlungsmethoden des Web Analytics172
Hauptaufgabenbereiche des Web Analytics172
Abb. 9–2 Funktionsbereiche von Web-Analytics-Systemen (nach [Hassler 2012, S. 44, Zumstein 2012, S. 42])172
Technische Daten- sammlungsmethoden des Web Analytics172
Hybride Daten- sammlungsmethoden172
Packet Sniffing und Proxyserver172
Definition Datensammlungs- methode173
9.2 Serverseitige Datensammlung173
9.2.1 Funktionsweise173
Datenquelle Logdateien173
Definition Logfile-Analyse173
Informationen der Logdatei173
Abb. 9–3 Funktionsweise der serverseitigen Datensammlung [Zumstein 2012, S. 44]174
9.2.2 Vorteile der Logfile-Analyse174
Geringer finanzieller Aufwand174
Zugriff auf historische Daten174
Keine Beeinträchtigung der Ladezeiten174
Messung aller Downloads174
Interne Datenspeicherung175
9.2.3 Nachteile der Logfile-Analyse175
Caching von Browsern und Servern175
Zugriff von Suchmaschinen-Robots175
Identifikation anhand der IP-Adresse175
Nicht messbare Elemente175
Aufwendige Datenaufbereitung176
Logfile-Analyse unwichtig(er)176
9.3 Clientseitige Datensammlung176
9.3.1 Funktionsweise176
Definition clientseitige Datensammlung176
Prozesse des Datensammlungs- methode176
Software as a Service176
9.3.2 Vorteile des Page Tagging177
Abb. 9–4 Funktionsweise der clientseitigen Datensammlung [Zumstein 2012, S. 47]177
Aufzeichnung sämtlicher Besucheraktionen177
Technische Informationen177
Kein Caching und keine Verzerrung durch Robots177
Tracking über mehrere Websites177
Einfachheit der Methode178
9.3.3 Nachteile des Page Tagging178
Tracking von Downloads nicht möglich178
Keine Auswertung von Robots178
Deaktivierung von JavaScript178
Ad-Blocker und Antispy-Software178
Proprietäre Software178
Erfassung persönlicher Daten178
Datensicherheit179
Clientseitige Messung als Standard179
9.3.4 Vergleich der Vor- und Nachteile179
Tab. 9–1 Vor- und Nachteile client- und serverseitiger Datensammlungs- methoden179
9.4 Softwareanbieter und -lösungen180
Softwareprodukte im Web Analytics180
Open-Source-Tools im Web Analytics180
Kostenlose Tools im Web Analytics180
Regionale Tool-Anbieter181
Skalierbare Tools181
Marktführer und Tools für Websites mit viel Traffic181
Über 200 Web-Analytics- Tools weltweit181
Tab. 9–2 Ausgewählte Web-Analytics-Systeme (Stand 31. Mai 2012)182
9.5 Auswahlkriterien zu Web-Analytics-Software183
Auswahl von Analysewerkzeuge183
Clientseitige und serverseitige Daten- sammlungsmethode183
Anforderungen an das Tool und verfügbares Budget183
Interne oder externe Datenspeicherung183
Charakteristiken der Website183
Funktionen des Tools184
Demo und Test von Tools184
Hilfe, Beratung, Schulung und Referenzen184
Integration von Daten184
Zertifikate und Gütesiegel zum Datenschutz185
10 Datenschutz & Datensicherheit187
Abb. 10–1 Datenschutz und Datensicherheit187
10.1 Umgang mit personenbezogenen Daten188
Rechte der Internetnutzer bezüglich Datenschutz188
Schutz der Persönlichkeit und der Grundrechte188
Definition Datenschutz und Datensicherheit189
Schützenswerte Informationen189
Abb. 10–2 Einsichts-, Weitergabe- & Berichtigungsrecht gemäß Datenschutzgesetz189
Einsichts-, Weitergabe- und Berichtigungsrecht189
Weitergabe personenbezogener Daten an Dritte190
Recht auf Berichtigung falscher Angaben190
Aggregation und Verknüpfung von Daten190
10.2 Chancen und Risiken bei der Personalisierung190
Definition Kundenprofil191
Definition Besucherprofil191
Daten des Kundenprofils191
Abb. 10–3 Besucher- und Kundenprofile (in Anlehnung an [Risch 2007, S. 21])192
Vorteile von Kundenprofilen192
Privatsphäre (Privacy)193
Definition Privacy (Privatsphäre)193
Gefahrenpotenzial bei IP-Adressen und Cookies193
10.3 Kriterien für transparente Deklaration194
Messung von jedem einzelnen Klick194
Forschungsfragen einer Untersuchung zum Datenschutz194
Deklaration bei den Forbes-Top-500- Unternehmen195
Abb. 10–4 Einhaltung der Deklarationspflicht bei den Forbes-Top-500-Unternehmen (n=365) (nach [Drobnjak 2010, S. 51])195
Resultate der Untersuchung zum Datenschutz195
Wie die fehlende Transparenz erhöhen?195
Tab. 10–1 Kriterien für transparente Deklaration der Datenerhebung nach [Zumstein et al. 2011, S. 83].196
Kriterien zur Erhöhung der Transparenz197
10.4 Plattform für Privacy Preferences197
Platform for Privacy Preferences des W3C197
Präferenzen zu Datenkategorien197
Datenkategorie in XML-Dateien198
P3P-Gütesiegel198
Tab. 10–2 Datenkategorien in der P3P-Version 1.1 (in Anlehnung an [Cranor 2002])199
10.5 Identitätsmanagement200
Definition Identität200
Beispiel E-Mail-Adresse200
Aufgaben des Identitätsmanagements200
Identifikation: Erkennung von Benutzern200
Authentifikation: Überprüfung der Echtheit200
Autorisation: Vergabe von Rechten201
Der gläserne Kunde201
Computerprogramme zum Schutz der Privatsphäre201
Forschungsprojekt Privacy and Identity Management201
10.6 Zertifizierungsprozess und Gütesiegel202
Zertifikate zur Erhöhung der Transparenz202
ISO als Grundlage der Zertifizierung202
Einführung eines einheitlichen Standards202
Vorgehensprozess der Zertifizierung202
Tab. 10–3 Zertifizierungsprozess für den Datenschutz bei Web Analytics203
European Privacy Seal (EuroPriSe)203
Piwik datenschutzkonform204
10.7 Empfehlungen für Besucher und Betreiber204
Deklaration von Web Analytics204
Fehlende Deklaration untergräbt Vertrauen.204
Opt-in-Verfahren204
Abb. 10–5 Closed-Loop-Opt-in- Verfahren beim Web Analytics205
Opt-out-Verfahren205
Empfehlungen für Website-Besucher205
Empfehlungen für Website-Betreiber206
Ziel informationelle Selbstbestimmung206
11 Marktstudie zu Web Analytics & Web Controlling207
Abb. 11–1 Marktstudie zu Web Analytics & Web Controlling207
11.1 Problemstellung und Forschungsfragen208
Forschungslücke Web Analytics208
Forschungsfragen der Onlineumfrage208
Tab. 11–1 Überblick zu den Forschungsfragen der Studie (nach [Zumstein et al. 2011b, S. 2])209
11.2 Methode209
Methode der Untersuchung209
Primärzielgruppe: Webanalysten209
Tab. 11–2 Angaben zur Datenerhebung (nach [Zumstein et al. 2011b, S. 3])210
Tab. 11–3 Ansprache über XING (nach [Zumstein et al. 2011b, S. 4])211
Ansprache der Experten über XING211
11.3 Resultate der Web-Analytics-Studie211
11.3.1 Branchen211
Branchen der Befragten211
Abb. 11–2 Branche der Befragten (nach [Zumstein et al. 2011b, S. 5] (n=740))212
Web Analytics im Medien-, Informations- und Dienstleistungsbereich213
11.3.2 Unternehmensgröße213
Web Analytics und Unternehmensgröße213
½ Kleinunternehmen ¼ Mittelgroße Unternehmen ¼ Großunternehmen213
Hohes Nutzungspotenzial von Web Analytics bei KMU214
11.3.3 Anteil des Online-Umsatzes am Gesamtumsatz214
Abb. 11–3 Unternehmensgröße (nach [Zumstein et al. 2011b, S. 6] (n=740))214
Anteil online generierter Umsatz214
Kein Online-Umsatz (Brick-and-Mortar- Unternehmen)214
Eher geringer Anteil an Online-Umsatz214
Hoher Anteil Online- Umsatz (Internetfirmen)214
Abb. 11–4 Anteil des Online- Umsatzes am Gesamtumsatz (nach [Zumstein et al. 2011b, S. 7] (n=740))215
Web Analytics: Nicht nur für Internetfirmen Pflicht215
11.3.4 Erfahrung im Web Analytics215
Viele Firmen Web Analytics unerfahren215
Ein Viertel der Firmen sehr erfahren216
Abb. 11–5 Erfahrung im Web Analytics (nach [Zumstein et al. 2011b, S. 8] (n=740))216
Steigende Erfahrung mit Web Analytics216
11.3.5 Abteilung des Web Analytics216
Web Analytics in der Marketing-, IT-, BI- oder Controlling-Abteilung216
Web Analytics ist in jedem Fall interdisziplinär217
11.3.6 Stellenprozente im Web Analytics217
Abb. 11–6 Abteilung des Web Analytics (nach [Zumstein et al. 2011b, S. 9] (n=740 Mehrfachantworten möglich))217
Web Analytics ist (noch) nur eine Nebenaufgabe. In Menschen investieren, nicht (nur) in Software217
Vollzeitstellen sind im Web Analytics eher selten.218
11.3.7 Beratung zu Web Analytics218
Abb. 11–7 Stellenprozente im Web Analytics [Zumstein et al. 2011b, S. 10] (n=740)218
Web Analytics = beratungsintensiv218
Beratung auf strategischer, konzeptioneller und operativer Ebene218
Web-Analytics-Beratung lohnt sich.219
11.3.8 Datensammlungsmethoden im Web Analytics219
Abb. 11–8 Beratung im Web Analytics (nach [Zumstein et al. 2011b, S. 11] (n=740))219
Drei Viertel nutzen die clientseitige Daten- sammlungsmethode.219
Die Hälfte nutzt serverseitige Methode.219
Abb. 11–9 Datensammlungsmethoden (nach [Zumstein et al. 2011b, S. 12] (n=740))220
Page Tagging wurde zum Standard220
11.3.9 Web-Analytics-Tools220
Google Analytics klarer Marktführer220
SiteCatalyst, Webtrends & eTracker ebenfalls führend220
Open-Source-Tool Piwik als gute Alternative220
Dynamischer und kompetitiver Tool-Markt221
Abb. 11–10 a + b Web-Analytics-Systeme (nach [Zumstein et al. 2011b, S. 13] (n=740))221
11.3.10 Zufriedenheit mit Web-Analytics-Tools221
Mit ihren Tools sind fast alle zufrieden.221
Warum sind Tool- Anwender (nicht) zufrieden?222
11.3.11 Individuelle Reports im Web Analytics222
Abb. 11–11 Zufriedenheit mit Web-Analytics-Tools (nach [Zumstein et al. 2011b, S. 14] (n=740))222
Erstellung von ziel- und benutzerspezifischen Berichten222
Fast alle erstellen individuelle Reports222
Abb. 11–12 Erstellung von individuellen Reports (nach [Zumstein et al. 2011b, S. 14] (n=740))222
11.3.12 Nutzen von Web Analytics223
Befragung von 16 Nutzenvorteile des Web Analytics223
Überblick zu den wichtigsten Nutzen des Web Analytics223
Abb. 11–13 Nutzen von Web Analytics (nach [Zumstein et al. 2011b, S. 15] (n=740))223
Analyse der Websitenutzung223
Analyse des User-Verhaltens224
Analyse und Optimierung von Onlinekampagnen224
Überprüfung der Website-Ziele224
Suchmaschinen- optimierung (SEO)225
Suchmaschinen- marketing (SEM)225
Verbesserung der Navigation226
Inhaltsverbesserung226
Verbesserung der Benutzerfreundlichkeit226
Unterstützung der Planung, Anordnung und Kontrolle227
Segmentierung von Besucher und Kunden227
Kundenorientierung227
Kundengewinnung228
Prozessoptimierung228
Kundenbindung228
Optimierung des Designs229
11.3.13 Probleme im Web Analytics229
Interdisziplinäre Zusammenarbeit229
Abb. 11–14 Probleme im Web Analytics (nach [Zumstein et al. 2011b, S. 23] (n=740))230
Datenschutz230
Fehlende Ressourcen wie Zeit und Budget230
Fehlende Definition von Website-Zielen231
Fehlende Standardisierung von Metriken231
Integration von Daten231
Datensicherheit232
Interpretation von Daten232
Datenqualität232
Mangel an Wissen und Know-how233
Implementierung und Betrieb von Web Analytics233
11.3.14 Metriken des Web Analytics233
Analyse der Traffic-Quellen233
Metriken zur Inhaltsnutzung234
Standardmetriken und Metriken zum Besucherverhalten234
Metriken zu den Besuchereigenschaften und zum Kaufverhalten234
Abb. 11–15 Metriken des Web Analytics (nach [Zumstein et al. 2011b, S. 27] (n=740))234
11.3.15 Überprüfung von Website-Zielen235
Zur Bedeutung von Website-Zielen235
11.3.16 Erreichung von Website-Zielen236
Abb. 11–16 Messung von Website- Zielen (nach [Zumstein et al. 2011b, S. 28] (n=740))236
Web Analytics hilft in 10 von 11 Fällen, Ziele zu erreichen.236
Abb. 11–17 Erreichung von Website- Zielen [Zumstein et al. 2011b, S. 29] (n=740)236
11.4 Schlussbemerkungen237
11.4.1 Zusammenfassung237
Tab. 11–4 Überblick zu den Forschungsresultaten [Zumstein et al. 2011b, S. 31]237
11.4.2 Kritische Würdigung238
Explorationscharakter der Studie238
Repräsentativität der Studie238
11.4.3 Ausblick238
Qualitative Forschung wie Fallstudien und Interviews notwendig238
12 Vorgehensmodell & Umsetzung239
Abb. 12–1 Vorgehensmodell & Umsetzung239
12.1 Überblick über das Vorgehensmodell240
Prozessorientierte Vorgehensweise240
Definition Vorgehensmodell240
Organisations-, Markt- & Bedarfsanalyse und Technologieanalyse241
Abb. 12–2 Die sechs Schritte des Vorgehensmodells241
Kennzahlen zur Messung der Geschäftsmodelle241
Strategische Maßnahmenplanung241
Implementierung und Web Controlling242
12.2 Strategische Analysen242
12.2.1 Organisationsanalyse242
Wettbewerbsfähigkeit von Websites242
Analyse von Erfolgsfaktoren242
Servicedienstleistungen242
Verfügbarkeit von Websites242
Web Content Accessibility Guidelines242
Servicequalität242
Vollständigkeit und Konsistenz der Daten243
Bewertung des Funktionsumfangs243
Sicherheitsmanagement243
Change Management243
Skala zur Priorität von Erfolgsfaktoren243
Skala zur Leistung von Erfolgsfaktoren243
Portfolio zur Prorität und Leistung von Dienstleistungen244
Abb. 12–3 Priorität und Leistung für den Servicebereich S1 bis S7 (angelehnt an [Rockart 1982])244
Berechnung der Prioritätswerte244
Berechnung der Leistungswerte244
Mittelwerte der Erfolgsfaktoren244
Quadrant 1 des Portfolios244
Quadrant 2 des Portfolios244
Quadrant 3 des Portfolios245
Quadrant 4 des Portfolios245
Leistungsdifferenzen245
Erkennung und Verbesserung von Defiziten245
12.2.2 Markt- und Bedarfsgruppenanalyse245
Chancen und Risiken im Unternehmensumfeld245
Attraktivität einer Branche246
Abb. 12–4 Das Modell der Wettbewerbskräfte (angelehnt an [Porter 1992]246
Analyse der Wettbewerber246
Analyse von Substitutionsprodukten246
Analyse der Kunden247
Analyse der Lieferanten247
Analyse der Branchenwettbewerber247
Analyse der rechtlichen Rahmenbedingungen247
12.2.3 Analyse der Webtechnologien247
Technologieanalyse247
Abb. 12–5 Entwicklung des Web (nach [Spivack 2007])248
Entwicklung des WWW248
Web 1.0248
Web 2.0248
Blogs249
Social Bookmarks249
Wikis249
Soziale Netzwerke249
Web 3.0249
Web 4.0249
12.3 Erfolgsfaktoren webbasierter Geschäftsmodelle250
Erfolgsfaktoren des eBusiness250
Produkte und Dienstleistungen250
Festlegung von Anspruchs- und Zielgruppen250
Erfolgsfaktoren einzelner Elemente der digitalen Wertschöpfungskettte250
12.4 Schnittstellen im Architekturmanagement251
Abb. 12–6 Erfolgsfaktoren der digitalen Wertschöpfungskette251
Definition Webleitbild251
Architekturmanagement251
Architekturplanung252
Abb. 12–7 Aufgabenspektrum und Schnittstellen des Architekturmanagements252
Organisation des Architekturmanagements252
Teilfragen des Architekturmanagements252
Netzwerkmanagement253
Pflege einer Datenarchitektur253
Standard- vs. Individualsoftware253
Websitebezogener Betrieb & Support253
Wirtschaftlichkeit von Architekturen253
12.5 Verfeinern von Zielen, Maßnahmen und Kennzahlen253
Herunterbrechen von Website-Zielen253
Knüpfung von Metriken an Ziele und Maßnahmen254
Zielpersonen für periodische Auszüge über KPIs254
Prozesse im Reporting254
12.6 Implementierung255
Abb. 12–8 Webziele mit Maßnahmen und KPIs (angelehnt an [Hassler 2012, S. 336])255
Make or Buy Web Analytics255
Definition Outsourcing des Webmanagements255
Service Level Agreement255
Service Level Management256
Organisation des Webmanagements256
Evolutions- und Revolutionsphasen256
Risiken im Webmanagement256
12.7 Wirkungskreislauf Business Intelligence257
Planung, Überwachung und Steuerung der Website257
Abb. 12–9 Kreislauf der webbezogenen Business Intelligence257
Strategische Ebene webbezogener BI257
Taktisch-analytische Ebene webbezogener BI258
Operative Ebene webbezogener BI258
Controlling-Objekte und Aggregationsstufen von Kennzahlen258
Glossar259
Literatur275
Index289
www.dpunkt.de0

Weitere E-Books zum Thema: Management - Wirtschaft - Coaching

Zeitmanagement im Projekt

E-Book Zeitmanagement im Projekt
Format: PDF

Von Projektleitern und ihren Mitarbeitern wird grundsätzlich eine exakte Punktlandung erwartet: Sie sollen das Projekt zum vereinbarten Termin beenden, selbstverständlich die Budgetvorgaben einhalten…

Zeitmanagement im Projekt

E-Book Zeitmanagement im Projekt
Format: PDF

Von Projektleitern und ihren Mitarbeitern wird grundsätzlich eine exakte Punktlandung erwartet: Sie sollen das Projekt zum vereinbarten Termin beenden, selbstverständlich die Budgetvorgaben einhalten…

Basiswissen Beschaffung.

E-Book Basiswissen Beschaffung.
Format: PDF

Anhand vieler Beispiele für die relevanten Aufgaben und Methoden der Beschaffung bietet der Band Grundwissen für den Quereinsteiger sowie ein Repetitorium für den Praktiker. Das Buch gibt eine kurze…

Basiswissen Beschaffung.

E-Book Basiswissen Beschaffung.
Format: PDF

Anhand vieler Beispiele für die relevanten Aufgaben und Methoden der Beschaffung bietet der Band Grundwissen für den Quereinsteiger sowie ein Repetitorium für den Praktiker. Das Buch gibt eine kurze…

Weitere Zeitschriften

Menschen. Inklusiv leben

Menschen. Inklusiv leben

MENSCHEN. das magazin informiert über Themen, die das Zusammenleben von Menschen in der Gesellschaft bestimmen -und dies konsequent aus Perspektive der Betroffenen. Die Menschen, um die es geht, ...

ARCH+.

ARCH+.

ARCH+ ist eine unabhängige, konzeptuelle Zeitschrift für Architektur und Urbanismus. Der Name ist zugleich Programm: mehr als Architektur. Jedes vierteljährlich erscheinende Heft beleuchtet ...

aufstieg

aufstieg

Zeitschrift der NaturFreunde in Württemberg Die Natur ist unser Lebensraum: Ort für Erholung und Bewegung, zum Erleben und Forschen; sie ist ein schützenswertes Gut. Wir sind aktiv in der Natur ...

Berufsstart Bewerbung

Berufsstart Bewerbung

»Berufsstart Bewerbung« erscheint jährlich zum Wintersemester im November mit einer Auflage von 50.000 Exemplaren und ermöglicht Unternehmen sich bei Studenten und Absolventen mit einer ...

Gastronomie Report

Gastronomie Report

News & Infos für die Gastronomie: Tipps, Trends und Ideen, Produkte aus aller Welt, Innovative Konzepte, Küchentechnik der Zukunft, Service mit Zusatznutzen und vieles mehr. Frech, offensiv, ...

Deutsche Hockey Zeitung

Deutsche Hockey Zeitung

Informiert über das nationale und internationale Hockey. Die Deutsche Hockeyzeitung ist Ihr kompetenter Partner für Ihren Auftritt im Hockeymarkt. Sie ist die einzige bundesweite Hockeyzeitung ...

FileMaker Magazin

FileMaker Magazin

Das unabhängige Magazin für Anwender und Entwickler, die mit dem Datenbankprogramm Claris FileMaker Pro arbeiten. In jeder Ausgabe finden Sie von kompletten Lösungsschritten bis zu ...