CRO Prozesse mit Data Mining Optimieren
5 gefällt mir1,634 aufrufe
Das Dokument behandelt die Optimierung von Conversion-Rate-Optimierung (CRO) durch den Einsatz von Data Mining. Es werden verschiedene Methoden und Algorithmen vorgestellt, um Datenmuster zu erkennen und Hypothesen zu validieren, wobei betont wird, dass erfolgreiche Tests auf soliden Datenanalysen basieren sollten. Zudem wird die Notwendigkeit hervorgehoben, Data Mining als festen Bestandteil des Unternehmensprozesses zu implementieren, um signifikante Verbesserungen zu erzielen.
CRO Prozesse mit Data Mining Optimieren
- 1. CRO ProzessemitData Mining optimierenLaurent MüllenderDirector Traffic Monetization1. September 2011
- 2. Sedo GmbH© Sedo, 20112Buy, Park, Sell - Full-Service Domain-Handelsplatz
- 4. Niederlassungen in Deutschland (Köln), UK (London) & USA (Boston)
- 5. 150 Mitarbeiter aus mehr als 30 Nationen
- 6. Tochterfirma der Sedo Holding AG im Verbund der United Internet AG
- 7. Weltweit größter Marktplatz für Domain Namen
- 8. 14 Millionen Domains zum Verkauf
- 9. 6,5 Millionen Domains bei Sedo geparkt zur Monetarisierung
- 10. 1 Million Kunden weltweit
- 11. Awards: Domain Name Wire Survey Winner 2007-2009, Webhost Directory Award, Domainers Choice Award 2008, Ernst & Young Entrepreneur des Jahres 2007
- 12. In House Secure Transfer/Escrow TeamDer CRO Prozess© Sedo, 20113
- 13. Key elements & Tools© Sedo, 20114
- 14. Siekennen die Tools, die best practices, Siebeherrschen das Testen/Optimierenaber…© Sedo, 20115Testen ist teuer!
- 15. Erkennen Sie die wirklichen Schwachstellen?
- 16. Wer die Schwächen kennt, der kennt noch lange nicht den Grund!
- 17. Viele Tests scheitern weil statistisch nicht relevant.Ruleofthumb: nichts testen was nicht mindestens 10% erhoffte Verbesserung bringt
- 18. Erfolgreich getestete Effekte/Verbesserungen verwässern oder lassen sich nach roll out nicht mehr beobachten. Testbed != LiveOftmals weil man den Grund und die Wechselwirkungen nicht kannte.
- 19. Viele Optimierungspotentiale bleiben unerkannt.
- 20. „ 5 von 6 Tests scheitern. Es ist also wirklich noch viel zu verbessern da draußen. Durch Ausprobieren wird man kein CRO-Champion – es geht darum, die richtigen Hypothesen zu entwickeln“Jos Meijerhof, PM Conversion & Usability, Google Deutschland, Conversion Camp 2010Hierliegtihr Potential:© Sedo, 20116CRO ist nicht Testen. Tests sind nur Werkzeuge um Hypothesen zu validieren!
- 21. KlassischeIdentifikation von Testhypothesen:© Sedo, 20117Oftmals nur das offensichtliche, das Leichte, das „Gut-feeling“. Aber ist es auch das Richtige?
- 22. NutzenSie das ganze Potential ihrerDaten?© Sedo, 20118 Um wirklich die Prozesse zu verstehen und somit die richtigen Hypothesen zu finden, müssen Sie Ihren Datenschatz erkennen und nutzen.
- 23. Was wärewenn …© Sedo, 20119… Sie wüssten WARUM Effekt „A“ auftritt?
- 24. … Sie im Vorfeld schon wüssten was genau die Einflussfaktoren sind, welche Hebel es wirklich anzusetzen gibt, WAS zu testen ist unabhängig von Meinungen und mit Daten belegt?Data Mining: explorativ und prädiktiv© Sedo, 201110Unter Data Mining [...] versteht man die systematische Anwendung von Methoden, die meist statistisch-mathematisch begründet sind, auf einen Datenbestand mit dem Ziel, neue Muster zu erkennen. Hierbei geht es vor allem um die Verarbeitung sehr großer Datenbestände (die nicht mehr manuell verarbeitet werden könnten), wofür effiziente Methoden benötigt werden, deren Zeitkomplexität sie auch für große Datenmengen geeignet macht. (Quelle: Wikipedia) Warum sind die Beobachtungen so wie sie sind und welche Beobachtungen sind zu erwarten? Ursachen erkennen und verstehen („Muster“) und prädiktive Auswertungen ableiten
- 25. Verwendete Data Mining Algorithmen© Sedo, 201111Klassifikationen (Prädiktiv)= Zuweisung von ElementenzubestehendenKlassen (“supervised learning”). VoraussageeinerVariabelbasierend auf den Attributen des Datensets.Beispiel: Identifizierung von Handwerker-Käufern (Variabel) mittels Attribute des Kaufverhaltens (Views, Clicks, Marken, Uhrzeit, AOV, Zahlungsmodell,…)Regressionsanalysen (Prädiktiv)= Ermittlung von Beziehungenzwischen (un)abhängigenVariabeln/Attributen, das Finden des bestenerklärendenModells.Beispiele: Cart Optimierungen, Erklärung von Ergebnissen, KorrelationenzwischenElementen, Umsatz-/Verkaufsvorhersagen,…
- 26. Verwendete Data Mining Algorithmen© Sedo, 201112Cluster Analysis (Ursachen)=(Neue) Strukturierung von ähnlichenElementen, Mustererkennungen in DatensätzenohneStrukturwissen (“unsupervised learning”)Beispiele: Kundensegmentebilden, Click Verhalten, Kaufverhalten, Kampagnenerfolge, Targeting, Niche/Market IdentifikationenAnomaly Detection (Ursachen)=Math VerfahrenzurPrüfung von Datensätzen, Erkennen von SchwachpunktenoderungewöhnlichenWerten. MessfehleroderunerwartetesErgebnis?Beispiele: Prüfung von Tests & Hypothesen, Verbesserung der Datensätze, Fraud detectionAssoziationen= A zieht B nachsich. “WereinSpielzeugkauft, kauftauch in 20% der FälleBatterien” “Funnel Weg X führtzu Y”Beispiele: Sequenz/Funnel Analysen, Vorhersagen von Verkäufen, Warenkorbanalysen, Crossmarketing, Pricing. Oft erstaunlicheResultate!
- 27. Data Mining Prozess© Sedo, 201113CRISP(Cross-Industry Standard Process for data mining)DMAIC(Six-Sigma)SEMMA(SAS Institute)Definieren(Define)Verständnisder DatenStichprobe(Sample)Sachver-ständnisMessen(Measure)Datenexplo-ration (Explore)Datenaufbe-reitungModellierungAnalysieren(Analyze)Modifikation(Modify)EvaluationVerbessern(Improve)Modellbildung(Model)DeploymentSteuern(Control)Beurteilung(Assess)
- 29. AbbruchsratenimKaufprozess© Sedo, 201115Preisist in diesem Fall die bestimmendeGrößebeiAbbruchsraten (bedingtdurcheinAktionsangebot)
- 30. Möglichdurch Anomaly detection & Decision Trees
- 31. WichtigmitRohdatenzuarbeitenvsaggregiertenDaten!Ermittlung von PrädiktorenfürSessions mitKlicks© Sedo, 201116(Top Level) Kategorie und BrowsertyperklärenUser Sitzungenmit Clicks auf Ads mehralsz.b. das gewählte Template der Landing Page (!)Template und Clicks Sitzungensindjedochkorreliert. HebelIdentifikation. Optimierungz.b. fokussieren auf den interessantenKategorien (Folgeanalyse) lohntsichdeutlich.
- 32. Neubewertung von Layout performance© Sedo, 201117EineweitereKonsequenzaus den vorherigenResultaten (überraschendePrädikatoren und Korrelation Template und Clicks) war eineerneuteÜberprüfung der KPI unserer Landing page layouts aus der sichz.b. ergabdasseinbestimmtes layout unterbewertet war in der PerformanceAnpassung von Auto Optimierungsroutinenmöglich
- 33. DM AnalysenführenzuteilweiseunerwartetenErgebnissen und stossenweiteresinnvolleAnalysen anKlickwahrscheinlichkeit und Browsertyp© Sedo, 201118>Die Klickwahrscheinlichkeit auf Ads istbei Sessions mit MSIE Browser höheralsbei den anderen. Optimierungen je nach Browser Typ
- 34. Erklärung von Spam / Fraud© Sedo, 201119Identifikationeines stark erklärendenPrädiktorsfür Spam/Fraud!DieserPrädiktorist in jedem Shop wiederzufinden(Werte und Prädiktorunkenntlichgemacht)
- 35. Data Mining imUnternehmeneinführen© Sedo, 201120DM istwie CRO ein Mindset was eingeführtwerden muss.Esbedarfeinesreellencommitments.DM istforschen und ResultatekönnenimVorfeldnichtsichersein.DM wie CRO: hohe potentielle Verbesserungsraten. DM unterstützt wesentlich CRO durch Validierung der Resultate, Hebelidentifikation und HypothesenbildungHoher ROI, Investitionen in der Regel schnell amortisiert durch den gelieferten Output.
- 36. Data Mining NutzenimUnternehmen© Sedo, 201121 Je nachGröße und Organisationfindet Data Mining in vielenBereichenAnwendung
- 37. Data Mining: Anbieter© Sedo, 201122SPSS (Modeler)SAS Enterprise MinerStatistica Data MinerKNIME (OS)RapidMinerEinzellösungen(Marketing Engineering, Cluster 3.0, S+SpatialStats,…)Bedarf und Budget ermittelnKompetenzenprüfen.
- 38. Schlusswort© Sedo, 201123Business Analyse / DM als fester Bestandteil des CRO Prozesses.VersuchenSieimmerzuerklären WARUM etwas so istwieesistansonstentesten und optimierenSie blind.SchaffenSiesich die Tools und das Know How um Hebelzuidentifizieren.Ermöglichen und nutzenSie das volle Potential allerIhrerDatenInvestierenSie in Business Analyse!