Web-Log-Mining

Web-Log-Mining Web-Log-Mining Dr. Peter Gluchowski Wirtschaftswissenschaftliche Fakultät Heinrich-Heine-Universität Düsseldorf MIS 2001 7. Kongressmesse für DW und BI 26.09.2001 Web-Log-Mining Gliederung •• Internet und E-Commerce Internet und E-Commerce •• Aufbau und Inhalt von Web-Log-Dateien Aufbau und Inhalt von Web-Log-Dateien •• Betriebswirtschaftlicher Aussagegehalt Betriebswirtschaftlicher Aussagegehalt •• Spezifische Analyseprogramme und Spezifische Analyseprogramme und OLAP-Werkzeuge OLAP-Werkzeuge •• Derzeitige Probleme und Ausblick Derzeitige Probleme und Ausblick Web-Log-Mining Internet und E-Commerce Internet und E-Commerce 110 Mio (EMEA) 160 Mio 85 Mio 429 Mio Menschen nutzen das Internet (Computerwoche 22.06.2001) Technologie Push Zeit- und Ortsunabhängigkeit durch Informations- und Kommunikationssysteme Web-Log-Mining Internet - Dienste • WWW (World Wide Web): Integration unterschiedliche Dienste unter einer graphischen Benutzungsoberfläche (Hypermedial) • telnet: Zugriff auf Anwendungen auf anderen Rechnern • E-Mail: Elektronische Post • ftp (file transfer protocol): Dateitransfer • News: Nachrichten- und Diskussionsforen • Real-time-Audio- und Videoübertragung • Austausch von Geschäftsdokumenten Web-Log-Mining E-Commerce Web-Log-Mining E-Commerce-Einsatzbereiche Web-Log-Mining E-Commerce-Anwendungen Web-Log-Mining ... und die Zukunft ? Web-Log-Mining Nutzung von Internet-Technologien in MIS Nutzung von Internet-Technologien in MIS Web-Log-Mining Protokolle des Zugriffsverhaltens: Log-Dateien Protokolle des Zugriffsverhaltens: Log-Dateien Dokumentieren in standardisierter Form und mit genormtem Format einzelne Interaktionsschritte des zugreifenden Nutzers Inhalte: • (IP-)Adresse des Zugriffs (bzw. Domänenname) Protokoll-Optionen im Protokoll-Optionen im • Zugriffszeit Internet Information Server Internet Information Server • Herkunfts-URL (zuvor abgefragte Seite) • ... Web-Log-Mining Protokolle des Zugriffsverhaltens: Log-Dateien Protokolle des Zugriffsverhaltens: Log-Dateien Log-Datei-Datenvolumen bei Yahoo ca. 200 Gigabyte/Tag Log-Datei-Datenvolumen bei Yahoo ca. 200 Gigabyte/Tag Web-Log-Mining Personalisierung von Zugriffen Personalisierung von Zugriffen • Erforderlich bei geschäftlichen Transaktionen oder geschlossenem Benutzerkreis • Incentives für die freiwillige Informationspreisgabe • Freischaltung geschützter Bereiche der Website • Zusendung von Werbegeschenken • Gewinnspiele • ... Web-Log-Mining Technische Nutzenpotenziale • Akzeptanz und Nutzung der Web-Site • Analyse von Zugriffszahlen und Verweildauern • Identifikation von Einstiegs- und Ausstiegsseiten • Clickstream-Analyse • Analyse der Search-Page Verbesserung von Inhalt und Struktur einer Web-Site Frühzeitige Erkennung von Kapazitätsengpässen Aufdeckung unbefugter Zugriffe (Hacker) Web-Log-Mining Betriebswirtschaftliche Nutzenpotenziale Analyse der Herkunftsseite Effizienz von Marketing-Kanälen (z.B. Banner-Werbung) Clickstream-Analyse Zugriffshäufigkeit bzw. Entfernung von Profit-Seiten Profiling / Segmentierung Gruppenspezifische Angebote Cross- und Up-Selling One-to-One-Marketing Individuelles Werbeangebot Zusammenführung mit anderen Datenbeständen Effizienz von Marketing-Kampagnen Vision des „gläsernen Kunden“ Web-Log-Mining Spezifische Analyseprogramme • Tabellarische und/oder grafische Aufbereitung der Log-Dateien als html- oder doc-Dokumente Beispiel: Webalizer • Analyse von Zugriffen nach • Tageszeit • Abgerufene Dateien • Geografische Herkunft • Verwendetem Browser • ... • Produkte • WebTrends (webtrends.com) • WebSuxess (exody.net) • Webalizer (mrunix.net) • ... Web-Log-Mining Spezifische Analyseprogramme Beispiel: WebTrends Web-Log-Mining Spezifische Analyseprogramme ?Spezialisiert, leistungsfähige Werkzeuge ?Vielfältige Standardberichte ?Teilweise kostenlos verfügbar ?Begrenzte Anpassbarkeit an individuelle Erfordernisse aufgrund starrer Berichtsstrukturen ?Keine Verknüpfung mit anderen Datenquellen Web-Log-Mining Einsatz von OLAP-Tools ?Anerkannte, stabile Werkzeuge ?Möglicherweise bereits im Controlling im Einsatz ?Verknüpfung mit anderen Datenquellen Beispiel: Hyperion Web Analysis Suite ?Implementierungsaufwand ?Softwarekosten Web-Log-Mining Derzeitige Probleme und Ausblick ? Technische Schwierigkeiten bei der Identifi- kation und Verfolgung einzelner Benutzer ? Spezialanbietern (www.anonymizer.com, www.rewebber.com) anonymisieren Internet-Zugriffe ? Verbot der Verknüpfung von Protokolldaten mit personen- bezogenen Daten durch Bundesdatenschutzgesetz bzw. Teledienstedatenschutzgesetz Trends: ? (Ökonomische) Sinnhaftigkeit der Analyse wurde erkannt ? Zukünftige Internet-Server mit entsprechender Funktionalität ? Kombination mit Data Mining-Tools Web-Log-Mining Weitere Informationen German OLAP und Data Warehouse Forum Competence Center Data Warehouse Rhein-Ruhr http://olap.winf.ruhr-uni-bochum.de/ http://www.winf.ruhr-uni-bochum.de/ccdwrr/