Meine Kollegin Sara Kenton hat mir heute ein sehr gutes und einfach verständliches Beispiel geschickt in dem Sie beschreibt warum die Bildung von Segmenten auf historischen Daten so manchmal sehr wichtig sein kann.

Content-Websites leben oftmals davon, dass sie Anzeigen verkaufen. Wie machen sie das? Sie versuchen Kunden und Agenturen davon zu überzeugen, dass sie die richtige Zielgruppe für deren Produkte haben. Und wie überzeugen Sie die Kunden? Indem sie die eigenen Daten analysieren und dem Kunden zur Verfügung stellen.

An dem Punkt kommt die Segmentierung ins Spiel. Angenommen ein Interessent möchte eine Kampagne für die Zielgruppe der 18-24jährigen in der Region Hamburg schalten und kommt damit auf ein großes Content-Portal zu. Der Betreiber des Content-Portals kann nun das Segment mit Alter 18-14 Jahre und Geo-Location Hamburg bilden und dieses auf den vorhandenen Datenbestand loslassen um herauszufinden wieviele User in das Segment fallen, wie lange sie sich auf der Site aufhalten, wie oft sie wiederkehren und auf welchen Content-Bereichen sich die User hauptsächlich aufhalten. Aus den Informationen kann man dem Anzeigen-Kunden ein sehr zielgerechtes Angebot machen, welches sowohl die erwarteten Userzahlen als auch die ideale Platzierung der Anzeige enthält.

Ein gute Datengrundlage schafft bei dem Anzeigenkunden vertrauen und lässt keinen Zweifel darüber offen, dass er genau bei diesem Kunden sein Geld lassen investieren soll.

Was ist der Punkt an der Geschichte? Der Betreiber der Content-Site kann im Voraus nicht wissen mit welchen wünschen Anzeigenkunden in Zukunft auf ihn zukommen. Daher muss das Web Analytics Tool in der Lage sein heute ein Segment auf den historischen Datenbestand der letzten Monate zu bilden. Einige Web Analytics Tools erlauben zwar sehr flexibel Filter und Segmente zu erzeugen, oftmals stehen die segmentierten Daten dann aber erst ab diesem Tag zur Verfügung. Man müsste nun also erst Wochen oder Monate warten bis man fundierte Daten hat auf die man sein Angebot stützen kann.

Das Beispiel zeigt ganz gut, dass es durchaus von Vorteil sein kann, wenn man auch historische Daten noch flexibal analysieren kann. Wenn Sie sich in einer ähnlichen Situation befinden, dann nehmen Sie dieses Feature doch mal mit in Ihren Anforderungskatalog auf.

About Patrick Ludolph

Ich beschäftige mich privat und beruflich mit der Suchmaschinenoptimierung. Viele kleinere private Projekte nutze ich zum testen verschiedener Maßnahmen, um diese dann später in realen Projekten einsetzen zu können.

View all post by Patrick Ludolph