Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

17.09.1999 - 

IT im Marketing/One-to-one-Marketing im Internet

Wer die Kunden erreichen will, muß ihre Surf-Pfade kennen

Bei so manchem Internet-Auftritt fragt man sich, ob es nicht besser wäre, auf eine derartige Web-Präzenz zu verzichten. Mit welchen Werkzeugen und Verfahren man seinen Internet-Auftritt in Echtzeit - die Visitenkarte moderner Unternehmen - den Kundeninteressen anpassen kann, erläutert Marie-Louise Schütt*.

Über das Navigationsverhalten der Besucher im Internet gibt es im allgemeinen kein fundiertes, höchstens ein rudimentäres Wissen. Interessante Fragen für das Marketing sind zum Beispiel, wer wie lange und wann auf welcher Seite bei welchem Angebot beziehungsweise Artikel verweilt. Auf solche Verhaltensweisen kann man mit einer simplen Zugriffsstatistik allerdings kaum Rückschlüsse ziehen. Dabei ist aber genau dieses Wissen erforderlich, um die Qualität von Web-Seiten kontrollieren und verbessern beziehungsweise den Interessen angleichen zu können.

Mit Data-Mining-Analysen können Vergangenheitswerte extrahiert und zur gezielten Ansprache genutzt werden. Das Unternehmen sieht nicht nur, welche Produkte tatsächlich gekauft, sondern auch, welche Seiten wie lange und welche Artikel im Vorfeld genauer betrachtet wurden. Manche Produkte landeten vielleicht bereits im Einkaufswagen, wurden später aber wieder "rausgeschmissen" und durch andere Artikel ersetzt. Bei klassischen Bonanalysen im stationären Handel ist das nicht möglich. Hier analysiert man lediglich die tatsächlich bezahlte Ware.

Im Netz hingegen kann man durch die sogenannten Bewegungspfadanalysen folgende Merkmale auswerten:

- Wie viele Kunden verlassen nach dem Einstieg auf der Homepage bereits wieder mein System - und warum?

- Gibt es noch andere typische Ausstiegsseiten? Und was sind die Ursachen hierfür?

- Welche Seiten werden von einem Kunden gleich mehrmals besucht - zum Beispiel mit dem Back Button?

- Welches sind die erfolgreichen Pfade, auf denen tatsächlich bestellt wird?

- Welche Altersstruktur haben meine Kunden durchschnittlich, und wie kann ich auch andere Zielgruppen individueller ansprechen?

- Auf welche Seiten greifen die Besucher vermehrt zu?

- Auf welchen Pfaden bewegen sich meine Kunden beziehungsweise Besucher typischerweise?

- Und im Gegensatz dazu: Welche Suchwege geht ein Besucher, der nicht bestellt?

- Ist das Warenangebot auch für Nutzer der Services wie Chat-Room oder Kleinanzeigen interessant?

Die Bewegungspfadanalyse ist also eine Web-Mining-Technik, die es ermöglicht, interessante Zusammenhänge im Navigationsverhalten der Web-Seiten-Besucher aufzudecken und zu analysieren. Das Aufzeigen von Schwachstellen in der Topologie der Seiten sowie von interessanten Pfaden, die viele Besucher gegangen sind, ist Kern dieser Analyse.

Die Kunst hierbei ist, Benutzerinformationen und Attribute zu verbinden und bestimmte Bewegungsmuster abzuleiten. Hierbei wird jedoch nicht nur die Häufigkeit der besuchten Seiten herausgestellt, vielmehr werden allgemeingültige Regeln in Form von Assoziationsregeln gewonnen, die den Einfluß verschiedener Pfade und Teilsequenzen aufeinander beschreiben. Diese ermöglichen es, gewisse Voraussagen zu treffen. Die Zahl der Fragestellungen, die sich aus der Auswertung von Abfolgen bei den Seitenbesuchen ergeben, läßt sich fast beliebig weiter fortsetzen.

Aus den Ergebnissen lassen sich zudem verschiedene Erkenntnisse über die tatsächliche Nutzung der Seiten und gängige Interessenprofile gewinnen. Wertet man die Attribute mit Hilfe von Data-Mining-Analysen aus, kann man sehr schnell Rückschlüsse auf ein bestimmtes Kundenverhalten ziehen. Aus den daraus abzuleitenden Aussagen können potentiell umsatzsteigernde Maßnahmen für Aussehen, Struktur und Inhalt der E-Commerce-Lösung abgeleitet werden. Diese lassen sich zum Teil auch schnell und leicht umsetzen wie beispielsweise das Installieren neuer Links, die Präsentation mehrerer zusammenhängender Artikel auf einer Seite, die Layoutänderung einzelner Seiten etc.

Bei besonders häufig frequentierten Seiten können Werbebanner entsprechend geschaltet werden. Durch Verlinkung sehr stark besuchter Seiten kann auf weniger benutzte Seiten aufmerksam gemacht werden.

Weiterhin ergeben sich neue Produktplazierungen von Artikeln, die typischerweise zusammen verkauft werden, und Hinweise für sinnvolle neue Links. Kommt der gleiche Kunde wieder in die Shopping Mall, wird er klassifiziert; seine Vergangenheitsdaten - was hat er wann, in welcher Kombination gekauft - wird geprüft, und man präsentiert ihm ein auf seine Interessen zusammengestelltes Warenangebot. Kennt man andere Besucher mit einem ähnlichen Profil - zum Beispiel "Computerfreaks, die gerne Kaffee trinken" -, können rückschließend aus dem Gruppenverhalten zusätzlich Waren angeboten werden, die, vom Gruppenprofil abgeleitet, ihren Wünschen entsprechen könnten. Gerade bei Bücherangeboten wird dies heute im Internet sehr häufig angewandt und erntet bei den Kunden großen Zuspruch.

Will man individuelle Benutzerinformationen erhalten, so können geschützte Mitgliederbereiche eingerichtet werden. Um in diesen Bereich zu gelangen, in dem vor allem besonders günstige oder exklusive Angebote vertrieben werden, muß sich der Benutzer anmelden beziehungsweise Mitglied werden. Nach Zustimmung des Kunden hat der Shop-Betreiber die für die Analysen wichtigen Daten. Sind die Personengruppen identifiziert, kann gezieltes Marketing angesetzt werden, eventuell durch dynamische Veränderung der Web-Seiten.

Das Unternehmen kann genau aufzeichnen, welche Waren in den Warenkorb gelegt und hinterher möglicherweise wieder herausgenommen wurden. Diese "Bewegungen" des Kunden werden analysiert und zu dem Weg, den der Besucher hierbei beschritten hat, in Relation gesetzt.

Die gekaufte Ware kann wiederum Aufschlüsse über den Familienstand oder das Alter geben. Jemand, der einen Single-Urlaub bucht, ist höchstwahrscheinlich jung und ledig. Je nach Preis der Reise hat er ein gutes oder ein eher niedriges Einkommen. Käufer von Kinderwagen oder Mehrpersonenurlauben leben in einer Partnerschaft. Sie brauchen dementsprechend eine andere Warenpräsentation. Sportliche Personen können von Leseratten unterschieden werden. Ein Kunde, der gerade eine Waschmaschine gekauft hat, wird in den nächsten Jahren mit Sicherheit nicht mehr auf Waschmaschinen-Werbung reagieren - ihm Werbematerial zukommen zu lassen, wäre verschwendete Liebesmühe.

Die Datengrundlage für die Analyse

Datengrundlage für diese Analyse sind sogenannte Hit Log Files, in denen die WWW-Server jegliche Anforderungen von Internet-Seiten im Textformat in Logdateien festhalten. Das geschieht zumeist durch das Anwählen eines Links. Die Formate dieser Einträge sind in aller Regel standardisiert. Aus diesen Einträgen werden nun vorab die Besucher identifiziert. Da aber möglicherweise jeder von ihnen die Seiten mehrmals besucht hat, müssen zuerst diese einzelnen Zugriffe identifiziert werden, die sogenannten Sessions. Nur in einer solchen Session ist ein durchgehender Bewegungspfad möglich. Nachdem dies geschehen ist, werden die Pfade und Teilpfade, welche die einzelnen Besucher je Session gegangen sind, erkannt. Dies geschieht durch Auswertung der Referrer- und Requestpage-Einträge im Logfile. Das sind die Seiten, von denen ein Besucher andere Seiten angefordert hat (Referring pages), sowie die angeforderte Seite selbst (Requested pages).

Jeder erkannte Pfad beziehungsweise jede Sequenz wird in Teilpfade beziehungsweise -sequenzen zerlegt. Diese bilden die Grundlage der Assoziationsregeln. Es wird eine Vielzahl von Bewertungen der gewonnenen Regeln mit Verfahren durchgeführt, welche ihren Ursprung hauptsächlich im Cross-Selling haben.

In der Praxis bedeutet dies:

Schritt 1: Aus einem Log File, das Informationen über alle Benutzer enthält, werden die Bewegungen (Sessions) eines Benutzer identifiziert.

Das Ergebnis ist ein Bewegungspfad, zum Beispiel:Seite A -> Seite B -> Seite X -> Seite F -> Seite B -> Seite C

Diese Pfade existieren jetzt für jeden Benutzer.

Schritt 2: Alle Pfade werden in Teilpfade (-sequenzen) zerlegt. Diese werden nun nach bestimmten Kriterien bewertet, um interessante Abfolgen zu finden. Eine solche Sequenz (oder Regel) lautet dann zum Beispiel:

Seite B -> Seite X -> Seite F

Cross-Selling sehen wir als Spezialfall eines Bewegungspfades:

Beim Cross-Selling werden Regeln der Form

aus Produkt A -> folgt Produkt B

erzeugt, was, abstrakt gesehen, einer Sequenz

aus Seite A folgt Seite B entspricht.

Ziel ist, eine klare und unvoreingenommene Aussage über die Effizienz der Seitentopologie zu erhalten. Dies kann für deren Neugestaltung genutzt werden, um zum Beispiel die Seiten für die Besucher interessanter zu gestalten oder aber gezielte Werbe- beziehungsweise Verkaufsmaß- nahmen an aufgedeckten Stellen oder Sequenzen durchzuführen. Letztendlich resultiert dies in einem höheren Besucherstrom, der wiederum einen gesteigerten Umsatz und einen höheren Bekanntheitsgrad der Firma beziehungsweise ihrer Produkte ermöglicht und dadurch den gesamten Internet-Auftritt erst lukrativ macht.

Mit dem persönlichen Agenten durchs Internet

Will man die Kundenansprache noch persönlicher gestalten, kann man einen intelligenten Web-Agenten, also eine virtuelle Internet-Figur, einsetzen. Diese "Charaktere" führen den Besucher gezielt durch das Programm, erklären Produkte oder Dienstleistungen und sind charmante und witzige Gesellen, mit denen man sich gerne unterhält.

Die Dialogsteuerung wird auf der Basis eines Expertensystems so umgesetzt, daß der Agent auf die Eingaben des Benutzers zielgerichtet reagiert. Das System muß auch komplexere Satzstrukturen erkennen können. Zusätzlich zu den zielgerichteten Dialog-Komponenten gibt es eher Chat-orientierte Regeln, die einen allgemeinen Dialog mit dem Nutzer erlauben. Weitere Regeln können eingebaut werden; sie sorgen dafür, daß Fragen der Besucher direkt beantwortet werden.

Auch hier können die aus dem Dialog gewonnenen Erkenntnisse mit Hilfe von Data Mining gezielt umgesetzt werden. Ist ein bestimmtes Verhaltensmuster des Kunden erkannt - zum Beispiel männlich, Alter zwischen 28 und 40, risikofreudig, hohes Einkommen, interessiert an Versicherungsverträgen oder anderen beratungsintensiven Dienstleistungen - kann sich daraufhin über Telefon- und, im nächsten Schritt, Videokonferenz ein Experte persönlich hinzuschalten. Das ermöglicht den Unternehmen, auch komplizierte Produkte oder Dienstleistungen, beispielsweise von Banken und Versicherungen, über das Internet anzubieten.

Der Kunde ist also nicht länger auf sich selbst gestellt, wenn er das, was er sucht, auch finden will, sondern er wird persönlich beraten, zielgerichtet geleitet und kann nicht nur kleine Transaktionen, sondern umfangreiche Abschlüsse über das Netz tätigen - und das ganz ohne Ladenschlußgesetze.

Angeklickt

Marketing-Fachleute sehen sich vor der schwierigen Aufgabe, individuelle Kundenansprache mit der anonymen Vielfalt der Web-Besucher vereinen zu müssen.

Der Auftritt soll Investoren, neugierigen Surfern, zukünftigen Mitarbeitern und Kunden verschiedenster Branchen mit unterschiedlichsten Interessen gleichsam gerecht werden. Die vermeintliche Lösung: ein seriös-flippiges, konservativ-innovatives, dynamisches und übersichtliches Design mit kurzen Ladezeiten, der Content für alle verständlich und ansprechend.

Kein Wunder also, daß die Sites mit Informationen geradezu vollgestopft sind, um all diesen Interessen gerecht zu werden. Unübersichtlichkeit ist die Folge. Die Besucher sind frustriert und klicken sich zur Konkurrenz. Jedoch ist es mit Hilfe von Data-Mining-Verfahren und intelligenten Web-Agenten durchaus möglich, die Kunden aufgrund ihrer Verhaltensmuster nach relativ kurzer Zeit zu klassifizieren und den gesamten Netzauftritt entsprechend anzupassen.

*Marie-Louise Schütt ist Leiterin der Presse- und Öffentlichkeitsarbeit bei Iqena (ehemals Neurotec & Chips at Work) in Bonn.