Aktuelle Online Marketing Inhalte.

Perspektiven des Online Marketing

Datengetriebenes Online Marketing

Nach Integration der Inhalte von OnlineMarketingScience.com, dem ursprünglichen Online Marketing Blog, befinden sich hier nun im Insights-Bereich alle Inhalte von skyscraper sowie des veralteten Blogs. Das Themenspektrum ist groß, d.h. es kann helfen, die Schlagwörter zu verwenden.

Kostenlose Online Marketing Tools für digitalen Erfolg

Oft muss es schnell gehen. Viele tägliche Aktivitäten im Online-Marketing lassen sich durch vielerlei Gratis-Software meistern. Wir geben einen Überblick über kleine Tools, die im Alltag helfen. IT-Sauberkeit, HTML-Struktur, Seitengeschwindigkeiten ScreamingFrog (https://www.screamingfrog.co.uk/seo-spider/) [free/premium] Desktop-Anwendung, um beliebige Websiten zu crawlen. Berichte zur Seitentiefe, HTTP-Status, Dokumentengrößen, vorhandene Alt-Attribute der Medien sowie Crawl-Graphen (bis zu 500 URLs einer…

Apriori-Algorithmus | Online Marketing Basics

Der Apriori-Algorithmus wird im Rahmen einer Assoziationsanalyse durchgeführt. Es wird versucht, logische Zusammenhänge zwischen Objekten, beispielsweise Waren in verschiedenen Warenkörbe, zu entdecken. Die Begriffe Prämisse und Konklusion sind an dieser Stelle wichtig. Es gilt folgender Zusammenhang: Ia -> Ib, wobei Ia als Prämisse bezeichnet wird und Ib als Konklusion. Ein einfaches Beispiel des Apriori Algorithmus…

Einfache Fluktuationsrate | Online Marketing Basics

Die Fluktuationsrate gibt die relative Änderung an, wie viele Ergebnisse der Seite 1 für ein bestimmtes Keyword für zwei verschiedene Zeitpunkte identisch sind, d.h. wie stark Google die Rankings hier durcheinander wirbelt.

Test auf Normalverteilung der Daten | Online Marketing Code Snippets

Bei einem Test auf die Normalverteilung der Residuen lässt sich erahnen, ob im vorliegenden Datensatz Ausreißer vorhanden sind. Bei einer linearen Regression nehmen wir an, dass die Residuen normalverteilt sind. Das spiegelt sich in zwei für den Test relevanten Größen wider:

ROTL-Strategie (Rest-On-The-Laurels-Strategie) | Manipulation im E-Commerce

Reputationssysteme im E-Commerce setzen auf die algorithmische Verarbeitung von Vergangenheitsdaten, d.h. die Berechnung von Reputationswerten erfolgt logischerweise auf Signalen der Vergangenheit. Ein Ruf lässt sich nur schwer vorhersagen. Eine geplante Verhaltensänderung im Zuge der ROTL-Strategie ist demnach nur schwer zu messen. Die genannte Lösung ist mehr als fraglich.

Keyword-Clustering mit dem Levenshtein-Algorithmus

Teil des intern verwendeten Data Mining Boards ist das Keyword-Clustering, das auf dem Levenshtein-Algorithmus basiert. Was sich im Zuge eines SEO-Audits als einmalige Fleißarbeit betiteln lässt, wird bei der Analyse von wöchentlichen und anders getakteten Reportings zu einer zeitaufwendigen Herausforderung. Der Levenshtein-Algorithmus kann ein grobes, aber automatisiertes Keyword-Clustering im Vorfeld erzeugen, sodass bei drei- bis…

Bayessche Conversion Rate Optimierung

Conversion Rate Optimierung nach Bayesscher Statistik kam bereits 2013 einmal auf. Damals hat Chris Stucchio in seinem Beitrag dargelegt, wie man mithilfe von Wahrscheinlichkeitsverteilungen die Optimierung von CTR-Raten realisieren kann.

Social Media Metriken in Relation zu unternehmenseigenen KPIs

(Auszug aus “Social Media Metrics” (Jörs et al. 2016)) Social Media spielt zunehmend eine bedeutsamere Rolle für die Unternehmen bei der Gestaltung des Media Mix (Peters et al. 2013). So geht man beispielsweise davon aus, dass Social Media Marketing bis zum Jahr 2019 21.4% des gesamten Marketingbudgets in den USA ausmachen wird (Soat 2014). Dennoch…

Dense-Fog-Index (DFI) | Online Marketing KPI | Online Marketing Basics

Der Dense-Fog-Index (DFI) ist eine inoffzielle KPI, die das Verhältnis der Anzahl an Top10-Keywords zu Top100-Keywords misst. Die KPI ist einfach zu berechnen, sie steht allerdings in der Kritik für eine labile Aussagekraft bei stetig hohem Zuwachs an Dokumenten.

Digitale Warenkorb-Analyse durch multiple Regression

Ursprünglich war der Einsatz von bestehenden Python-Bibliotheken zur Durchführung einer multiplen Regression auf verschiedene digitale Metriken vorgesehen. Danach hat’s aber so sehr Spaß gemacht, da habe ich die Regressionsberechnung und viele Untersuchungsmethodiken in Python einfach eigenhändig umgesetzt.