Mit Web Intelligence wird das Ziel verfolgt, Software-Tools, Methoden und Prozesse zu implementieren, um damit (Kunden-)Daten systematisch zu sammeln, auszuwerten und letztlich wertvolles Wissen zu gewinnen.

Der Erkenntnisgewinn über das Unternehmen oder die eigenen Produkte bzw. Dienstleistungen ist für Entscheidungsträger in den Bereichen E-Commerce, (Online-)Marketing, Social Media-Marketing, CRM und Marktforschung von hohem Interesse.

Es stellt sich hierbei die Frage, welche Daten wirklich relevant sind und wie und wo diese gesammelt werden können. Generell können die Daten aus dem eigenen Web Analytics-Tool (Server- oder Client-basierte Daten), CRM-System oder Data Warehouse stammen.

Darüber hinaus aber auch aus quasi allen frei verfügbaren Quellen im Internet, wie z. B. aus Sozialen Netzwerken, Communities, Foren oder Portalen. Insbesondere das Social Web liefert viele Informationen für das Web Intelligence, wenngleich insbesondere hierbei auf die Relevanz geachtet werden muss. Hier ist Näheres zum Social CRM von meinem Kollegen Michael Frankrone zu lesen.

Entscheidend ist zudem, dass diese sehr großen Datenmengen (Big Data) immer einer automatisierten Vorverarbeitung und Analyse unterzogen werden, z. B. mittels innovativen Data Mining-Methoden, und das neue Wissen eingänglich präsentiert und konkrete Handlungsempfehlungen abgeleitet werden. Web Intelligence im Social Web geht über bisherige Web Analytics-Tools hinaus, da das Social Web und zugehörige mögliche Datenquellen einer dynamischen Entwicklung unterliegen und somit permanent Anpassungen des eigenen Web Intelligence-Systems nötig sind. Ebenso sind neue und in den üblichen Web-Analytic-Tools nicht implementierte Analysemethoden nötig, z. B. aus dem Text Mining, um entsprechende Meinungen über das eigene Unternehmen und/oder die eigenen Produkte im Social Web erfassen und analysieren zu können (sog. Sentimentanalyse).

Auch das Sammeln weiterer nutzergenerierter Inhalte (sog. ‚User-generated Content‘), z. B. Ratings, Bilder, Berichte, etc., und das zugehörige Aufbereiten der Daten stellt Manager und Anwender vor große Problematiken. Hier ist darauf zu achten, dass im Vorfeld ganz eindeutig das Analyseziel herausgearbeitet wird, damit tatsächlich die richtigen Daten gesammelt werden und gleichzeitig die notwendige Datenqualität vorhanden ist. Ein Beispiel für ein Projekt zum Web Intelligence im Social Web (Daten: Logfiles, Untersuchungsobjekt: nutzergenerierte Social Shopping-Features, Methodik: Logistische Regression) ist hier zu finden: IJEC Web Intelligence Social Commerce.

Web Intelligence im Social Web bedeutet also: Konvertieren von Daten in relevantes Wissen für Entscheider! Aus meiner praktischen Web Intelligence-Erfahrung kann ich u. a. die Big Data Analytics von SAS empfehlen.

Was sind Deine Erfahrungen mit Web Intelligence im Social Web? Welche Fragestellungen interessieren Dich und welche Tools nutzt Du?

Share:

Facebook

Twitter

Google

Pinterest

Linkedin