59
1 Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und Wirtschaftsinformatik Universitätsstraße 15/F3 8010 Graz Inhalt Business Intelligence-Grundlagen Grundbegriffe Business Intelligence-Rahmenkonzept Competitive Intelligence (CI) Spektrum von CI-Anwendungen Datenerhebung Observation Human Intelligence Internet und Datenbanken Competitive Intelligence Datenquellen Datenauswertung (grundlegende Auswertungsverfahren) Fallstudie: Web Intelligence am Beispiel von Ford Deutschland

Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

  • Upload
    others

  • View
    9

  • Download
    0

Embed Size (px)

Citation preview

Page 1: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

1

Business Intelligence (WS 201617)

Teil Schloumlgl

ao Univ-Prof DI Dr Christian Schloumlgl

Institut fuumlr Informationswissenschaft

und Wirtschaftsinformatik

Universitaumltsstraszlige 15F3

8010 Graz

Inhalt

bull Business Intelligence-Grundlagen

ndash Grundbegriffe

ndash Business Intelligence-Rahmenkonzept

bull Competitive Intelligence (CI)

bull Spektrum von CI-Anwendungen

bull Datenerhebung

ndash Observation

ndash Human Intelligence

ndash Internet und Datenbanken

bull Competitive Intelligence Datenquellen

bull Datenauswertung (grundlegende Auswertungsverfahren)

bull Fallstudie Web Intelligence am Beispiel von Ford Deutschland

2

Inhalt

bull Competitive Intelligence ndash Web-Datenquellen und -dienste (ausgewaumlhlte Beispiele)

ndash Suchmaschinen

ndash Google Trends

ndash Social Media Quellen

bull Bewertungsportale

bull WeblogsBlogs

bull Web-Foren

bull Soziale Netze

bull Competitive Intelligence ndash Tools

BUSINESS INTELLIGENCE

GRUNDLAGEN

3

Grundbegriffe

bull Begriff bdquoIntelligenceldquo ndash laumlsst sich eigentlich nicht direkt ins Deutsche uumlbersetzen

ndash Stammt urspruumlnglich aus dem militaumlrischen Sprachschatz

ndash Beste Uumlbersetzung mit (Fruumlh- bzw Feind)Aufklaumlrung

bull Business Intelligence (BI) ndash Verschiedene Begriffsverstaumlndnisse z B

ndash bdquoUnter Business Intelligence wird ein integrierter unternehmensspezifischer IT-basierter Gesamtansatz zur betrieblichen Managementunterstuumltzung verstandenldquo (Kemper amp Baars 2006 S 9)

==gt bull Wirtschaftsinformatik-Sichtweise

bull Eine BI-Loumlsung ist stets organisationsspezifisch zu konzipieren

bull Nur die WerkzeugeTools koumlnnen am Markt kaumluflich erworben werden

Grundbegriffe

bull Competitive Intelligence (CI)

ndash bdquoAls bdquoCompetitive Intelligenceldquo (CI) wird hellip der systematische

Prozess der Informationserhebung und ndashanalyse bezeichnet durch den aus fragmentierten (Roh-)Informationen uumlber Maumlrkte Wettbewerber und Technologien den Entscheidern ein plastisches Verstaumlndnis fuumlr ihr Unternehmensumfeld und damit eine Entscheidungsgrundlage geliefert wirdldquo (Michaeli 2006 in Anlehnung an Tyson 1986)

==gt bull Fokus auf Unternehmensumwelt

bull bdquoIntelligenceldquo kann nach dieser Definition auch das Endresultat dieses Prozesses bezeichnen naumlmlich das Wissen uumlber Markt und Wettbewerb

bull Teilweise synonyme Begriffe Konkurrenzanalyse Wettbewerbsanalyse Wettbewerberanalyse Fruumlhaufklaumlrung Umfeldanalyse (environmental scanning)

4

Grundbegriffe

ndash bdquoCompetitive Intelligence bezeichnet einen systematischen der Ethik verpflichteten Ansatz zum Erwerb und zur Analyse von Informationen uumlber Wettbewerber und Markttrends um die eigenen Unternehmensziele zu erreichenldquo (Kemper amp Baars 2006 in Anlehnung an Kahaner 1996)

==gt

bull Ein der Ethik verpflichteter Ansatz Competitive Intelligence Werksspionage

ndash Society of Competitive Intelligence Professionals (SCIP) (httpwwwsciporg) (weltweit ca 3500 Mitglieder)

bull Deutsches Competitive Intelligence Forum (DCIF) (httpwwwdcifde)

bull Journal of Competitive Intelligence

Grundbegriffe

Business Intelligence

Competitive Intelligence

Web Intelligence

Gegenstand der

Lehrveranstaltung

5

Business Intelligence Rahmenkonzept

Data Mart

Core Data Warehouse

Operational Data Store

Content und

Dokumenten-

management

Analysesysteme

Systeme zur Wissens-

verteilung

-bereitstellung

BI-Portal

SCM ERP CRM Ext Daten

Strukturierte und unstrukt Daten

Datenebene

Logikebene

Praumlsentationsebene

Business Intelligence

Datenebene

ndash Data Warehouse

bull Physisch von den operativen Datenbestaumlnden getrennt

bull Daten harmonisiert und bereinigt

bull Zur Unterstuumltzung von dispositiven Informationssystemen

ndash Data Mart bull Kleinere Datawarehouses fuumlr bestimmte Anwendungsbereiche

bull (vor)aggregierte Daten

bull Historienbetrachtungen moumlglich

ndash Operational Data Store bull Im Gegensatz zu Data Marts keine aggregierten Daten

ndash Content- und Dokumentenmanagement bull Bereitstellung von unstrukturierten Daten (Text aber auch Grafiken Bilder Audio- und

Videosequenzen)

6

Business Intelligence

Logikebene

Zur anwendungsspezifischen Aufbereitung Nutzung und Verteilung der Daten

ndash Generische Basissysteme bull Berichtssysteme

ndash Interaktive Reporting-Plattformen

ndash Generierte Berichte (MIS EIS)

bull Freie Datenrecherchen SQL

bull Ad-hoc-Analysesysteme ndash Freie OLAP-Analysen

ndash Gefuumlhrte OLAP-Analysen

bull Modellgestuumltzte Analysesysteme ndash Decision Support Systeme

ndash Expertensysteme

ndash Data Mining

ndash Konzeptorientierte Systeme bull Balanced Scorecard Planung und Budgetierung hellip

COMPETITIVE INTELLIGENCE

Unterscheidungsmerkmale von CI-Analysen (1) (Kemper amp Baars 2006)

ndash Inhalt bull Markt z B Analyse der Konsequenzen des Aufkommens von

Substitutionsprodukten

bull Wettbewerber z B Analyse der Produktpolitik eines Wettbewerbers

bull Technologie z B Analyse von Patentdatenbanken zur Identifikation technischer Trends

bull So Unternehmensumfeld z B Beobachtung politischer Entwicklungen in einem Zielmarkt

ndash Zeitliche Stabilitaumlt bull Unmittelbar obsolet z B Bereitstellung von Aktienkursen zu den

Hauptwettbewerbern

bull Langfristig guumlltig z B Analyse demographischer Entwicklungen im Zielgruppensegment

ndash Analysefrequenz bull Einmalig z B Handlungsoptionen in einer Krisensituation

bull Oumlfters z B Marktanalyse im Rahmen einer Neuproduktentwicklung

bull Regelmaumlszligig z B Benchmarking mit Wettbewerbern

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 2: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

2

Inhalt

bull Competitive Intelligence ndash Web-Datenquellen und -dienste (ausgewaumlhlte Beispiele)

ndash Suchmaschinen

ndash Google Trends

ndash Social Media Quellen

bull Bewertungsportale

bull WeblogsBlogs

bull Web-Foren

bull Soziale Netze

bull Competitive Intelligence ndash Tools

BUSINESS INTELLIGENCE

GRUNDLAGEN

3

Grundbegriffe

bull Begriff bdquoIntelligenceldquo ndash laumlsst sich eigentlich nicht direkt ins Deutsche uumlbersetzen

ndash Stammt urspruumlnglich aus dem militaumlrischen Sprachschatz

ndash Beste Uumlbersetzung mit (Fruumlh- bzw Feind)Aufklaumlrung

bull Business Intelligence (BI) ndash Verschiedene Begriffsverstaumlndnisse z B

ndash bdquoUnter Business Intelligence wird ein integrierter unternehmensspezifischer IT-basierter Gesamtansatz zur betrieblichen Managementunterstuumltzung verstandenldquo (Kemper amp Baars 2006 S 9)

==gt bull Wirtschaftsinformatik-Sichtweise

bull Eine BI-Loumlsung ist stets organisationsspezifisch zu konzipieren

bull Nur die WerkzeugeTools koumlnnen am Markt kaumluflich erworben werden

Grundbegriffe

bull Competitive Intelligence (CI)

ndash bdquoAls bdquoCompetitive Intelligenceldquo (CI) wird hellip der systematische

Prozess der Informationserhebung und ndashanalyse bezeichnet durch den aus fragmentierten (Roh-)Informationen uumlber Maumlrkte Wettbewerber und Technologien den Entscheidern ein plastisches Verstaumlndnis fuumlr ihr Unternehmensumfeld und damit eine Entscheidungsgrundlage geliefert wirdldquo (Michaeli 2006 in Anlehnung an Tyson 1986)

==gt bull Fokus auf Unternehmensumwelt

bull bdquoIntelligenceldquo kann nach dieser Definition auch das Endresultat dieses Prozesses bezeichnen naumlmlich das Wissen uumlber Markt und Wettbewerb

bull Teilweise synonyme Begriffe Konkurrenzanalyse Wettbewerbsanalyse Wettbewerberanalyse Fruumlhaufklaumlrung Umfeldanalyse (environmental scanning)

4

Grundbegriffe

ndash bdquoCompetitive Intelligence bezeichnet einen systematischen der Ethik verpflichteten Ansatz zum Erwerb und zur Analyse von Informationen uumlber Wettbewerber und Markttrends um die eigenen Unternehmensziele zu erreichenldquo (Kemper amp Baars 2006 in Anlehnung an Kahaner 1996)

==gt

bull Ein der Ethik verpflichteter Ansatz Competitive Intelligence Werksspionage

ndash Society of Competitive Intelligence Professionals (SCIP) (httpwwwsciporg) (weltweit ca 3500 Mitglieder)

bull Deutsches Competitive Intelligence Forum (DCIF) (httpwwwdcifde)

bull Journal of Competitive Intelligence

Grundbegriffe

Business Intelligence

Competitive Intelligence

Web Intelligence

Gegenstand der

Lehrveranstaltung

5

Business Intelligence Rahmenkonzept

Data Mart

Core Data Warehouse

Operational Data Store

Content und

Dokumenten-

management

Analysesysteme

Systeme zur Wissens-

verteilung

-bereitstellung

BI-Portal

SCM ERP CRM Ext Daten

Strukturierte und unstrukt Daten

Datenebene

Logikebene

Praumlsentationsebene

Business Intelligence

Datenebene

ndash Data Warehouse

bull Physisch von den operativen Datenbestaumlnden getrennt

bull Daten harmonisiert und bereinigt

bull Zur Unterstuumltzung von dispositiven Informationssystemen

ndash Data Mart bull Kleinere Datawarehouses fuumlr bestimmte Anwendungsbereiche

bull (vor)aggregierte Daten

bull Historienbetrachtungen moumlglich

ndash Operational Data Store bull Im Gegensatz zu Data Marts keine aggregierten Daten

ndash Content- und Dokumentenmanagement bull Bereitstellung von unstrukturierten Daten (Text aber auch Grafiken Bilder Audio- und

Videosequenzen)

6

Business Intelligence

Logikebene

Zur anwendungsspezifischen Aufbereitung Nutzung und Verteilung der Daten

ndash Generische Basissysteme bull Berichtssysteme

ndash Interaktive Reporting-Plattformen

ndash Generierte Berichte (MIS EIS)

bull Freie Datenrecherchen SQL

bull Ad-hoc-Analysesysteme ndash Freie OLAP-Analysen

ndash Gefuumlhrte OLAP-Analysen

bull Modellgestuumltzte Analysesysteme ndash Decision Support Systeme

ndash Expertensysteme

ndash Data Mining

ndash Konzeptorientierte Systeme bull Balanced Scorecard Planung und Budgetierung hellip

COMPETITIVE INTELLIGENCE

Unterscheidungsmerkmale von CI-Analysen (1) (Kemper amp Baars 2006)

ndash Inhalt bull Markt z B Analyse der Konsequenzen des Aufkommens von

Substitutionsprodukten

bull Wettbewerber z B Analyse der Produktpolitik eines Wettbewerbers

bull Technologie z B Analyse von Patentdatenbanken zur Identifikation technischer Trends

bull So Unternehmensumfeld z B Beobachtung politischer Entwicklungen in einem Zielmarkt

ndash Zeitliche Stabilitaumlt bull Unmittelbar obsolet z B Bereitstellung von Aktienkursen zu den

Hauptwettbewerbern

bull Langfristig guumlltig z B Analyse demographischer Entwicklungen im Zielgruppensegment

ndash Analysefrequenz bull Einmalig z B Handlungsoptionen in einer Krisensituation

bull Oumlfters z B Marktanalyse im Rahmen einer Neuproduktentwicklung

bull Regelmaumlszligig z B Benchmarking mit Wettbewerbern

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 3: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

3

Grundbegriffe

bull Begriff bdquoIntelligenceldquo ndash laumlsst sich eigentlich nicht direkt ins Deutsche uumlbersetzen

ndash Stammt urspruumlnglich aus dem militaumlrischen Sprachschatz

ndash Beste Uumlbersetzung mit (Fruumlh- bzw Feind)Aufklaumlrung

bull Business Intelligence (BI) ndash Verschiedene Begriffsverstaumlndnisse z B

ndash bdquoUnter Business Intelligence wird ein integrierter unternehmensspezifischer IT-basierter Gesamtansatz zur betrieblichen Managementunterstuumltzung verstandenldquo (Kemper amp Baars 2006 S 9)

==gt bull Wirtschaftsinformatik-Sichtweise

bull Eine BI-Loumlsung ist stets organisationsspezifisch zu konzipieren

bull Nur die WerkzeugeTools koumlnnen am Markt kaumluflich erworben werden

Grundbegriffe

bull Competitive Intelligence (CI)

ndash bdquoAls bdquoCompetitive Intelligenceldquo (CI) wird hellip der systematische

Prozess der Informationserhebung und ndashanalyse bezeichnet durch den aus fragmentierten (Roh-)Informationen uumlber Maumlrkte Wettbewerber und Technologien den Entscheidern ein plastisches Verstaumlndnis fuumlr ihr Unternehmensumfeld und damit eine Entscheidungsgrundlage geliefert wirdldquo (Michaeli 2006 in Anlehnung an Tyson 1986)

==gt bull Fokus auf Unternehmensumwelt

bull bdquoIntelligenceldquo kann nach dieser Definition auch das Endresultat dieses Prozesses bezeichnen naumlmlich das Wissen uumlber Markt und Wettbewerb

bull Teilweise synonyme Begriffe Konkurrenzanalyse Wettbewerbsanalyse Wettbewerberanalyse Fruumlhaufklaumlrung Umfeldanalyse (environmental scanning)

4

Grundbegriffe

ndash bdquoCompetitive Intelligence bezeichnet einen systematischen der Ethik verpflichteten Ansatz zum Erwerb und zur Analyse von Informationen uumlber Wettbewerber und Markttrends um die eigenen Unternehmensziele zu erreichenldquo (Kemper amp Baars 2006 in Anlehnung an Kahaner 1996)

==gt

bull Ein der Ethik verpflichteter Ansatz Competitive Intelligence Werksspionage

ndash Society of Competitive Intelligence Professionals (SCIP) (httpwwwsciporg) (weltweit ca 3500 Mitglieder)

bull Deutsches Competitive Intelligence Forum (DCIF) (httpwwwdcifde)

bull Journal of Competitive Intelligence

Grundbegriffe

Business Intelligence

Competitive Intelligence

Web Intelligence

Gegenstand der

Lehrveranstaltung

5

Business Intelligence Rahmenkonzept

Data Mart

Core Data Warehouse

Operational Data Store

Content und

Dokumenten-

management

Analysesysteme

Systeme zur Wissens-

verteilung

-bereitstellung

BI-Portal

SCM ERP CRM Ext Daten

Strukturierte und unstrukt Daten

Datenebene

Logikebene

Praumlsentationsebene

Business Intelligence

Datenebene

ndash Data Warehouse

bull Physisch von den operativen Datenbestaumlnden getrennt

bull Daten harmonisiert und bereinigt

bull Zur Unterstuumltzung von dispositiven Informationssystemen

ndash Data Mart bull Kleinere Datawarehouses fuumlr bestimmte Anwendungsbereiche

bull (vor)aggregierte Daten

bull Historienbetrachtungen moumlglich

ndash Operational Data Store bull Im Gegensatz zu Data Marts keine aggregierten Daten

ndash Content- und Dokumentenmanagement bull Bereitstellung von unstrukturierten Daten (Text aber auch Grafiken Bilder Audio- und

Videosequenzen)

6

Business Intelligence

Logikebene

Zur anwendungsspezifischen Aufbereitung Nutzung und Verteilung der Daten

ndash Generische Basissysteme bull Berichtssysteme

ndash Interaktive Reporting-Plattformen

ndash Generierte Berichte (MIS EIS)

bull Freie Datenrecherchen SQL

bull Ad-hoc-Analysesysteme ndash Freie OLAP-Analysen

ndash Gefuumlhrte OLAP-Analysen

bull Modellgestuumltzte Analysesysteme ndash Decision Support Systeme

ndash Expertensysteme

ndash Data Mining

ndash Konzeptorientierte Systeme bull Balanced Scorecard Planung und Budgetierung hellip

COMPETITIVE INTELLIGENCE

Unterscheidungsmerkmale von CI-Analysen (1) (Kemper amp Baars 2006)

ndash Inhalt bull Markt z B Analyse der Konsequenzen des Aufkommens von

Substitutionsprodukten

bull Wettbewerber z B Analyse der Produktpolitik eines Wettbewerbers

bull Technologie z B Analyse von Patentdatenbanken zur Identifikation technischer Trends

bull So Unternehmensumfeld z B Beobachtung politischer Entwicklungen in einem Zielmarkt

ndash Zeitliche Stabilitaumlt bull Unmittelbar obsolet z B Bereitstellung von Aktienkursen zu den

Hauptwettbewerbern

bull Langfristig guumlltig z B Analyse demographischer Entwicklungen im Zielgruppensegment

ndash Analysefrequenz bull Einmalig z B Handlungsoptionen in einer Krisensituation

bull Oumlfters z B Marktanalyse im Rahmen einer Neuproduktentwicklung

bull Regelmaumlszligig z B Benchmarking mit Wettbewerbern

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 4: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

4

Grundbegriffe

ndash bdquoCompetitive Intelligence bezeichnet einen systematischen der Ethik verpflichteten Ansatz zum Erwerb und zur Analyse von Informationen uumlber Wettbewerber und Markttrends um die eigenen Unternehmensziele zu erreichenldquo (Kemper amp Baars 2006 in Anlehnung an Kahaner 1996)

==gt

bull Ein der Ethik verpflichteter Ansatz Competitive Intelligence Werksspionage

ndash Society of Competitive Intelligence Professionals (SCIP) (httpwwwsciporg) (weltweit ca 3500 Mitglieder)

bull Deutsches Competitive Intelligence Forum (DCIF) (httpwwwdcifde)

bull Journal of Competitive Intelligence

Grundbegriffe

Business Intelligence

Competitive Intelligence

Web Intelligence

Gegenstand der

Lehrveranstaltung

5

Business Intelligence Rahmenkonzept

Data Mart

Core Data Warehouse

Operational Data Store

Content und

Dokumenten-

management

Analysesysteme

Systeme zur Wissens-

verteilung

-bereitstellung

BI-Portal

SCM ERP CRM Ext Daten

Strukturierte und unstrukt Daten

Datenebene

Logikebene

Praumlsentationsebene

Business Intelligence

Datenebene

ndash Data Warehouse

bull Physisch von den operativen Datenbestaumlnden getrennt

bull Daten harmonisiert und bereinigt

bull Zur Unterstuumltzung von dispositiven Informationssystemen

ndash Data Mart bull Kleinere Datawarehouses fuumlr bestimmte Anwendungsbereiche

bull (vor)aggregierte Daten

bull Historienbetrachtungen moumlglich

ndash Operational Data Store bull Im Gegensatz zu Data Marts keine aggregierten Daten

ndash Content- und Dokumentenmanagement bull Bereitstellung von unstrukturierten Daten (Text aber auch Grafiken Bilder Audio- und

Videosequenzen)

6

Business Intelligence

Logikebene

Zur anwendungsspezifischen Aufbereitung Nutzung und Verteilung der Daten

ndash Generische Basissysteme bull Berichtssysteme

ndash Interaktive Reporting-Plattformen

ndash Generierte Berichte (MIS EIS)

bull Freie Datenrecherchen SQL

bull Ad-hoc-Analysesysteme ndash Freie OLAP-Analysen

ndash Gefuumlhrte OLAP-Analysen

bull Modellgestuumltzte Analysesysteme ndash Decision Support Systeme

ndash Expertensysteme

ndash Data Mining

ndash Konzeptorientierte Systeme bull Balanced Scorecard Planung und Budgetierung hellip

COMPETITIVE INTELLIGENCE

Unterscheidungsmerkmale von CI-Analysen (1) (Kemper amp Baars 2006)

ndash Inhalt bull Markt z B Analyse der Konsequenzen des Aufkommens von

Substitutionsprodukten

bull Wettbewerber z B Analyse der Produktpolitik eines Wettbewerbers

bull Technologie z B Analyse von Patentdatenbanken zur Identifikation technischer Trends

bull So Unternehmensumfeld z B Beobachtung politischer Entwicklungen in einem Zielmarkt

ndash Zeitliche Stabilitaumlt bull Unmittelbar obsolet z B Bereitstellung von Aktienkursen zu den

Hauptwettbewerbern

bull Langfristig guumlltig z B Analyse demographischer Entwicklungen im Zielgruppensegment

ndash Analysefrequenz bull Einmalig z B Handlungsoptionen in einer Krisensituation

bull Oumlfters z B Marktanalyse im Rahmen einer Neuproduktentwicklung

bull Regelmaumlszligig z B Benchmarking mit Wettbewerbern

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 5: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

5

Business Intelligence Rahmenkonzept

Data Mart

Core Data Warehouse

Operational Data Store

Content und

Dokumenten-

management

Analysesysteme

Systeme zur Wissens-

verteilung

-bereitstellung

BI-Portal

SCM ERP CRM Ext Daten

Strukturierte und unstrukt Daten

Datenebene

Logikebene

Praumlsentationsebene

Business Intelligence

Datenebene

ndash Data Warehouse

bull Physisch von den operativen Datenbestaumlnden getrennt

bull Daten harmonisiert und bereinigt

bull Zur Unterstuumltzung von dispositiven Informationssystemen

ndash Data Mart bull Kleinere Datawarehouses fuumlr bestimmte Anwendungsbereiche

bull (vor)aggregierte Daten

bull Historienbetrachtungen moumlglich

ndash Operational Data Store bull Im Gegensatz zu Data Marts keine aggregierten Daten

ndash Content- und Dokumentenmanagement bull Bereitstellung von unstrukturierten Daten (Text aber auch Grafiken Bilder Audio- und

Videosequenzen)

6

Business Intelligence

Logikebene

Zur anwendungsspezifischen Aufbereitung Nutzung und Verteilung der Daten

ndash Generische Basissysteme bull Berichtssysteme

ndash Interaktive Reporting-Plattformen

ndash Generierte Berichte (MIS EIS)

bull Freie Datenrecherchen SQL

bull Ad-hoc-Analysesysteme ndash Freie OLAP-Analysen

ndash Gefuumlhrte OLAP-Analysen

bull Modellgestuumltzte Analysesysteme ndash Decision Support Systeme

ndash Expertensysteme

ndash Data Mining

ndash Konzeptorientierte Systeme bull Balanced Scorecard Planung und Budgetierung hellip

COMPETITIVE INTELLIGENCE

Unterscheidungsmerkmale von CI-Analysen (1) (Kemper amp Baars 2006)

ndash Inhalt bull Markt z B Analyse der Konsequenzen des Aufkommens von

Substitutionsprodukten

bull Wettbewerber z B Analyse der Produktpolitik eines Wettbewerbers

bull Technologie z B Analyse von Patentdatenbanken zur Identifikation technischer Trends

bull So Unternehmensumfeld z B Beobachtung politischer Entwicklungen in einem Zielmarkt

ndash Zeitliche Stabilitaumlt bull Unmittelbar obsolet z B Bereitstellung von Aktienkursen zu den

Hauptwettbewerbern

bull Langfristig guumlltig z B Analyse demographischer Entwicklungen im Zielgruppensegment

ndash Analysefrequenz bull Einmalig z B Handlungsoptionen in einer Krisensituation

bull Oumlfters z B Marktanalyse im Rahmen einer Neuproduktentwicklung

bull Regelmaumlszligig z B Benchmarking mit Wettbewerbern

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 6: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

6

Business Intelligence

Logikebene

Zur anwendungsspezifischen Aufbereitung Nutzung und Verteilung der Daten

ndash Generische Basissysteme bull Berichtssysteme

ndash Interaktive Reporting-Plattformen

ndash Generierte Berichte (MIS EIS)

bull Freie Datenrecherchen SQL

bull Ad-hoc-Analysesysteme ndash Freie OLAP-Analysen

ndash Gefuumlhrte OLAP-Analysen

bull Modellgestuumltzte Analysesysteme ndash Decision Support Systeme

ndash Expertensysteme

ndash Data Mining

ndash Konzeptorientierte Systeme bull Balanced Scorecard Planung und Budgetierung hellip

COMPETITIVE INTELLIGENCE

Unterscheidungsmerkmale von CI-Analysen (1) (Kemper amp Baars 2006)

ndash Inhalt bull Markt z B Analyse der Konsequenzen des Aufkommens von

Substitutionsprodukten

bull Wettbewerber z B Analyse der Produktpolitik eines Wettbewerbers

bull Technologie z B Analyse von Patentdatenbanken zur Identifikation technischer Trends

bull So Unternehmensumfeld z B Beobachtung politischer Entwicklungen in einem Zielmarkt

ndash Zeitliche Stabilitaumlt bull Unmittelbar obsolet z B Bereitstellung von Aktienkursen zu den

Hauptwettbewerbern

bull Langfristig guumlltig z B Analyse demographischer Entwicklungen im Zielgruppensegment

ndash Analysefrequenz bull Einmalig z B Handlungsoptionen in einer Krisensituation

bull Oumlfters z B Marktanalyse im Rahmen einer Neuproduktentwicklung

bull Regelmaumlszligig z B Benchmarking mit Wettbewerbern

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 7: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

7

Competitive Intelligence

Unterscheidungsmerkmale von CI-Analysen (2)

ndash Analysetiefe

bull Keine Datenaufbereitung z B Bereitstellung von Daten zu Aktienkursen

bull Komplexe Analysen erforderlich z B Analyse einer groszligen Zahl an Nachrichtenmeldungen zu Wettbewerbern aus unterschiedlichen Quellen

ndash Zielgruppen bull Marketing z B kundensegmentbezogene Analyse von Marktdaten

bull Planung z B szenariobasierte Analyse des notwendigen Werbemittelbudgets

bull FampE z B Identifikation potenziell disruptiver Technologien

bull Strategisches taktisches und operatives Management z B branchenbezogene Marktanalysen fuumlr Produktmanager

Datenerhebung

Verfahren zur Datenerhebung (Michaeli 2006)

ndash Observation

ndash Human Intelligence

ndash Online-Datenbanken und Internet

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 8: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

8

Datenerhebung

Observation ndash Alle direkten und indirekten audiovisuellen Maszlignahmen die der

Erfassung relevanter Wettbewerbsaktivitaumlten dienen (NICHT Verwanzen von Buumlroraumlumen Beschattung von Mitarbeitern hellip)

ndash Hoher Aufwand

ndash Gegenstaumlnde und Ziele der Observation bull Materialfluumlsse ( Produktionsniveau) Werksverkehr Laumlger

bull Personen ( zB Schichtstaumlrke) Personenbewegungen bei Schichtwechsel Besucher hellip

bull Anlagen und Gebaumlude ( laufende Aktivitaumlten und (Neu)Ausrichtung eines Wettbewerbers) z B Bauvorhaben

bull Messeauftritt eines Wettbewerbers ( Selbstdarstellung und Standthema eines Wettbewerbers)

bull Konferenzauftritt eines Wettbewerbers ( stateg Positionierung des Wettbewerbers Identifikation von Meinungsbildnern (Referenten) eines Wettbewerbers)

Datenerhebung

Human Intelligence ndash Nutzung von Menschen als Quellen der Information (KEINE

Vortaumluschung von falschen Tatsachen KEINE bdquoMotivationldquo durch bdquofinanzielle Anreizeldquo KEINE Spionage)

ndash Kenntnisse der Gespraumlchspsychologie unabdingbar (kein plumpes Ausfragen)

ndash Gegenstand sind Sachverhalte die auszligerhalb von publizierten Fakten liegen

Beispiel ndash Aussagen uumlber zukuumlnftige Absichten eines Wettbewerbers

ndash Aussagen zur Einschaumltzung des Marktes und Unternehmen die in dieser Branche taumltig sind

ndash Aussagen uumlber die Einschaumltzung von Produkten und Dienstleistungen von Wettbewerbern und dem eigenen Unternehmen

ndash Fuumlhrungsstil und Verhaltensmuster von Fuumlhrungskraumlften

ndash usw

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 9: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

9

Datenerhebung

Moumlgliche Orte fuumlr Human-Intelligence-Aktivitaumlten ndash Messen und Ausstellungen

ndash Konferenzen

ndash Universitaumlten und Fachhochschulen

ndash Kundenbesuche

ndash Institutionen und Verbaumlnde

ndash Behoumlrden und Aufsichtsgremien

Datenerhebung

Internet ndash Mythos 1 Das Internet ist kostenlos

bull Informationssuche und Datenerhebung oft sehr zeitaufwendig hohe Opportunitaumltskosten (Arbeitszeit)

ndash Mythos 2 Im Internet ist alles zu finden man muss nur lange genug suchen

bull Nur bdquoSekundaumlrquellenldquo Observation Human Intelligence nur ein Teil allen Know-hows und aller persoumlnlichen Meinungen im Web zu finden

bull Nicht alle Webseiten in Suchmaschinen indiziert

bull Surface web vs deepinvisible web

bull extrem lange Trefferlisten das Ranking der Suchmaschinen entspricht bei CI-Recherchen oft nicht der Bedeutung der tatsaumlchlich benoumltigten CI-Inhalte

ndash Mythos 3 Das Internet ersetzt Online-Datenbanken bull Online-Datenbanken bieten spezialisierte gut strukturierte und vielfach auch

gepruumlfte Informationen

bull Vor allem auch aus Zeitgruumlnden sind Datenbanken dem Internet in vielen Faumlllen vorzuziehen auch wenn sie in der Regel kostenpflichtig sind

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 10: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

10

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (1) ndash (Kontinuierliches) Monitoring und Auswertung der Websites von

Wettbewerbern Lieferanten und Kunden

ndash Internet-Scouting Fruumlherkennung von neuen Anbietern und neuen Produkten durch gezielte Recherche in Publikationen sozialen Netzwerken industriespezifischen Portalen News-Portalen Anbieterverzeichnissen Firmenberichten Marktforschungsberichten oder Patentdatenbanken

ndash Technologie-Monitoring Auswertung von universitaumlren und wissenschaftlichen Aktivitaumlten Konferenzen Forschungszentren Patentdatenbanken etc

Kundenfeedback und Produkt-Reviews Kommentare und Geruumlchte zu Wettbewerbern NewsgroupsWeb-Foren Produktbewertungsportale

Issues-Management (systematische und fruumlhzeitige Erkennung und Bewertung von relevanten Themen (=Issues) Identifikation von sich anbahnenden Krisen und Skandalen Beispiel Pressemeldung dass es Probleme bei der Pruumlfung des Jahresabschlusses gibt

Datenerhebung

InternetDatenbanken ndash Anwendungsbereiche (2) ndash Identifikation von Experten und Primaumlrkontakten Autoren von

Publikationen Vortragende bei Konferenzen hellip

ndash Ad-hoc-Recherchen fuumlr Hintergrundinformationen z B Marktforschungsberichte Guru-Sites

ndash News Feeds (Alert Services) kontinuierliche maszliggeschneiderte aktuelle Informationen

ndash Informationen uumlber Personen (Lebenslaumlufe Publikationen Interviews hellip) Who is Who

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 11: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

11

COMPETITIVE INTELLIGENCE

DATENQUELLEN

Datenbanken

Einteilung von Datenbanken (1)

bull Nach dem Fachgebiet ndash Firmeninformationen

ndash Marktinformationen z B Statistade MarketResearch

ndash Finanzinformationen z B Thomson Reuters MarketWatch

ndash Statistische Informationen z B Statistik Austria Eurostat

ndash Personen

ndash Recht z B RIS CELEX

ndash Nachrichten zB Faktiva APA Defacto WisoNet Presse

ndash Patente Marken Urheberrechte z B WPI Inpadoc Espcenet hellip

ndash Standards z B bdquoInternational Standards and Specificationsldquo bdquoUS Normen fuumlr Fahrzeugtechnikldquo ISIS (Integriertes Statistisches Informationssystem der Statistik Austria)

ndash Wissenschaft und Technik Chemie z B Chemical Abstracts Maschinenbau DOMA Energie und Umwelt z B INIS Landwirtschaft und Ernaumlhrung z B AGRIS hellip

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 12: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

12

Datenbanken

ndash Arten von Firmeninformationen bull Adressinformationen Herold Schober AZ Bertelsmann

bull Unternehmenskurzdossiers Herold Compass Hoppenstedt ABC online Firmenbuch Oumlsterreich Firmen A-Z (WKOuml)

bull Bonitaumltsinformationen KSV Buumlrgel Creditreform Dun amp Bradstreet

bull Finanzinformationen MarketWatch

bull Produktinformationen Wer liefert was Herold ndash Gelbe Seiten

Datenbanken Datenbank-InfoSystem (DBIS)

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 13: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

13

Datenbanken Datenbank-InfoSystem (DBIS)

Gale Directory of Databases bull 38 Auflage 2015 2758 Seiten

bull Nachweis von uumlber 14000 Datenbanken von uumlber 3000 Produzenten weltweit httpwwwcengagecomsearchproductOverviewdoNtt=database+directory|15207096681586815742201590

28251058416891ampN=197ampNtk=APG|P_EPIampNtx=mode+matchallpartial (10 3 2016)

Datenbanken

Einteilung von Datenbanken (2)

bull Nach der Art der Erfassung ndash Bibliographische Datenbanken bibliografische Angaben

Kurzzusammenfassung (Abstract) in der Regel Schlag- oder Stichworte z B WISO-Datenbanken (zB BLISS) ABI-Inform

ndash Volltextdatenbanken ganzer Text oft ohne Bilder und Tabellen z B EBSCO ndash Business Premier

ndash Faktendatenbanken (numerische Datenbanken) bestimmte Zahlen und andere Groumlszligen z B KSV-Datenbank Oumlsterreichisches Firmenbuch Eurostat

ndash Hybrid-Datenbanken eine Mischung aus obigen Datenbanken

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 14: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

14

Datenbanken

Qualitaumltsbeurteilung einer Datenbasis ndash Vollstaumlndigkeit absolut und relativ

ndash Aktualitaumlt

ndash Korrektheit

ndash Strukturiertheit (wie viele Felder gibt es) und Auswertungstiefe (wie viele Felder sind meist ausgefuumlllt)

ndash Inhaltliche Erschlieszligung bull Klassifikation vorhanden z B Branchencodes bei

Firmendatenbanken

bull Beschlagwortung vorhanden z B Standard Thesaurus Wirtschaft bei WISO-Net

bull (Qualitaumlt der) Abstracts (z B Unternehmensbeschreibung

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (1)

1 Marktdaten

bull Suchanfrage-Haumlufigkeiten (z B Google Trends)

bull Statistikaumlmter Statistik Austria Eurostat

bull Andere oumlffentliche Organisationen z B OECD (SourceOECD)

bull Genios Statistiken (nicht mehr von Uni Graz lizenziert)

bull Marktforschungsberichte

ndash httpdestatistacom uumlber 1 Mio Statistiken in aufbereiteter Form

uumlber 60 Banchenreports Statistiken zu einem bestimmten Thema in

Form von Dossiers (gt 1000) Marktstudien (z B e-Commerce)

ndash MarketResearchcom ca 1 Mio Marktforschungsberichte aus 700

(Sub)Branchen von uumlber 200 Produzenten ca 90 der Fortune 1000

nehmen Dienste in Anspruch

ndash markt-studiede

ndash Gesellschaft fuumlr Konsumforschung (GfK) Market Institut The Nielsen

Company

ndash Gartner IDC Forrester AIIM (im IT-Bereich)

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 15: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

15

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (2)

2 Kundenmeinungen (Social Media)

bull Produktbewertungsportale

bull Blogs (die Kundenmeinungen enthalten)

bull Soziale Netzwerke (z B Facebook)

bull Diskussionsforen

Social Media Monitoring Tools (z B APA Genios) Social Media

Suchmaschinen

3 Forschung amp Entwicklung

bull Patentdatenbanken

bull Wissenschaftliche Literatur Web of Science Scopus fachspezifische

Datenbanken

bull Universitaumltsinstitute und Forschungsgesellschaften ndash Preprints

Datenquellen

Fuumlr CI-Analysen speziell relevante Informationen (3)

4 Unternehmensinformationen (von und uumlber Unternehmen)

bull Unternehmens-Websites

bull Firmen- und Produktdatenbanken Bonitaumlt Bilanzen Produkte

bull Analysten-Finanzinformationen MarketWatch FinanzNachrichtende

Google Finance

bull (Firmen)Blogs

5 Presse und Fachzeitschriften

bull ZeitungenPresse z B bdquoWISO Presseldquo (uumlber 120 Mio Artikel) Google News

bull Business News siehe Punkt 4 (MarketWatch FinanzNachrichtende

Google Finance)

bull Fachzeitschriften (Profil Trend Autofachzeitschriften hellip) z B bdquoWISO

Fachzeitschriftenldquo (uumlber 5 Mio)

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 16: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

16

Marktdaten Beispiel Genios Statistiken

Marktdaten Beispiel Statista

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 17: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

17

Marktdaten

Beispiel MarketResearchcom (1)

ndash 1998 gegruumlndet

ndash einer der fuumlhrenden Anbieter von Marktforschungsberichten und ndashdienstleistungen ca 90

der Fortune 1000 nehmen diese Dienste in Anspruch bull Branchenberichte

bull Produktanalysen

bull Unternehmensanalysen

bull Markttrends

ndash bdquoMarketResearchcom is a leading source for market data trends and analysis in all major

industries worldwide Journalists from The New York Times The Wall Street Journal Forbes

The Washington Post and other leading news sources frequently cite MarketResearchcom

in their articles If yoursquore looking for general market information or specific data for editorial

purposes please contact usrdquo (MarketResearchcom)

ndash Berichte werden von uumlber 200 Verlagen und Beratungsfirmen weltweit bezogen Datamonitor

Frost amp Sullivan World Market Intelligence Euromonitor International IDC hellip

Marktdaten

Beispiel MarketResearchcom (2)

ndash ProdukteDienstleistungen

bull MarketResarchcom Academic Enterprise Alerting Service ndash Lizenzierung erforderlich

bull PROFOUND es muumlssen nur die heruntergeladenen Berichte bzw Teile davon (z B Kapitel oder

Tabelle) bezahlt werden

-gt Ca 1 Mio Marktforschungsberichte

bull Durchfuumlhrung von Auftragsforschung

ndash Marktforschungsberichte aus folgenden Bereichen

bull Consumer Goods

bull Food amp Beverage

bull Heavy Industry

bull Life Sciences

bull Marketing amp Market Research

bull Public Sector

bull Service Industries

bull Technology amp Media

bull Company Reports

bull Reports by Country

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 18: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

18

Unternehmensinformationen

Beispiel MarketWatch (1)

ndash Angebot von Finanz-Informationen

bull Business news

bull Aktienkurse

bull Analystenberichte

bull hellip

ndash Tochterunternehmen von Dow Jones (bzw News Corporation)

ndash 17 Mio Nutzer (2012)

ndash Daten uumlber boumlrsennotierte Unternehmen weltweit

Unternehmensinformationen Beispiel MarketWatch (2)

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 19: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

19

Unternehmensinformationen

Beispiel MarketWatch (3)

Unternehmensinformationen Beispiel MarketWatch (4)

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 20: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

20

Unternehmensinformationen

Beispiel MarketWatch (5)

Unternehmensinformationen

Beispiel MarketWatch (6)

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 21: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

21

Unternehmensinformationen Finanzinformationen

Beispiel FinanzNachrichtende

Unternehmensinformationen Finanzinformationen

Beispiel Google Finance

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 22: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

22

AUSWERTUNGSVERFAHREN

Grundlegende Auswertungsverfahren (von Daten aus

elektronischen Medien)

1 Zeitreihen

2 Rangordnungen

3 Informationsflussgraphen

4 semantische Netze

Auswertungsverfahren

1 Zeitreihen

Graphische Darstellungsformen

ndash Liniendiagramme

ndash Balkendiagramme

Beispiele

ndash Zeitreihe fuumlr Bilanzkennzahlenvergleich mit Mitbewerbern

1 Mitbewerber ermitteln z B Wer liefert was

2 gewuumlnschte Kennzahl aus Bilanzdatenbanken von Mitbewerbern recherchieren z B in bdquoCreditreformldquo-Datenbank

3 Zeitreihe ggf vervollstaumlndigen

ndash Zeitreihe fuumlr FampE-Vergleich mit Mitbewerbern

1 in Patentnachweis-DB (z B bdquo World Patents Indexldquo oder bdquoEspacenetldquo) IPC=B65C (Etikettiermaschine)

2 Ranking erstellen z B sechs Unternehmen mit den meisten Patentanmeldungen

3 Zeitreihe fuumlr Hauptmitbewerber erstellen PatentanmeldungenJahr

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 23: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

23

Auswertungsverfahren

2 Rangordnungen

Darstellung

ndash Tortendiagramme

ndash Balkendiagramme

ndash bdquoRanglistenldquo

Beispiele

ndash Forschungsschwerpunkte einer Firma bull z B bdquoWorld Patents Indexldquo in welchen Hauptpatentklassen hat ein Unternehmen Patente angemeldet

bull bibliographische Datenbanken z B bdquoDokumentation Maschinenbauldquo relative Haumlufigkeit der Deskriptoren (Schlagworte)

ndash Suche von Mitarbeitern z B welche Mitarbeiter haben zu einem bestimmten Thema am meisten Publikationen verfasst --gt

Ranking nach publizierenden Autoren z B in bdquoLebensmitteltechnologie-DB

Auswertungsverfahren

3 Informationsflussgraphen ndash stellen Informationsfluumlsse dar (Sender -gt Empfaumlnger)

gerichtete Graphen

ndash sind ein Indikator fuumlr den Wissens- und Techniktransfer

ndash graphische Darstellung

bull gerichtete Graphen

Beispiele

ndash Verbreitung von wissenschaftlichen Innovationen von welchen anderen Publikationen wurde der Aufsatz von Vannevar Bush bdquoAs We May Thinkldquo direkt oder indirekt zitiert

ndash Wissenschaftliche Bedeutung eines Artikels wie oft wird dieser Artikel zitiert wie viele Artikel zitiert der Artikel selbst

ndash Bedeutung einer Website wie viele Inlinks verweisen auf eine Website wie viele Outlinks beinhaltet diese Website

ndash Entwicklungsintensitaumlt eines Unternehmens wie oft werden Patente eines Unternehmens (von wem) zitiert wie viele Patente zitiert das Unternehmen (von wem)

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 24: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

24

Auswertungsverfahren

Semantische Netze

ndash Darstellung von Beziehungen zwischen zwei oder mehreren Items

ndash Je haumlufiger zwei Items gemeinsam auftreten desto staumlrker ist die Beziehung zwischen ihnen

ndash Items koumlnnen zum Beispiel sein bull Zitierte Autoren

bull Zitierte Publikationen

bull (Ko)Autoren

bull Affiliation (Organisation) von Autoren

bull Dekriptoren mit denen Dokumente indiziert werden

bull Titelstichwoumlrter

bull Textstichwoumlrter

ndash Graphische Darstellung bull Ungerichtete Graphen

bull (Wissenschafts)Landkarten

Auswertungsverfahren

Semantische Netze

Erstellung

1 Recherchieren wie oft zwei bdquoSuch-Itemsldquo jeweils gemeinsam auftreten z B bull Wie oft werden zwei Deskriptoren (oder Patentklassen) gemeinsam

zum Beschlagworten verwendet

bull Wie oft kommen zwei Woumlrter gemeinsam im Titel eines Dokuments vor (Ko-Wort-Analyse)

bull Wie oft werden zwei Autoren gemeinsam zitiert (Autoren-Ko-Zitationsanalyse (siehe Wissenschaftslandkarte Informationsmanagement)

2 Ggf statistische Analyse z B Clusteranalyse Faktorenanalyse multidimensionale Skalierung

3 Graphische Darstellung z B mit Hilfe eines eigenen Tools (z B BibTechMon)

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 25: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

25

Auswertungsverfahren

Semantische Netze

Beispiel Autorenkozitationsanalyse IM-Autoren

bull Kozitation zwei Autoren stehen dann in einem Zusammenhang wenn sie vom selben Dokument zitiert werden bzw gemeinsam auf der Referenzliste eines (anderen) Dokuments stehen

bull Vorgehensweise

1 Auswahl der bedeutendsten IM-Autoren

2 Ermittlung der Kozitationshaumlufigkeiten

3 Erstellung der Kozitationsmatrix und Transformation in die Korrelationsmatrix

4 multivariate Analyse

5 Interpretation und Validierung der Ergebnisse

Auswertungsverfahren

Rang erhaltene

Zitate

Autor Rang erhaltene

Zitate

Autor

1 31 HORTON F(W) 11 10 MINTZBERG H

2 17 CRONIN B 14 9 NOLAN RL

3 15 PORTER ME 14 9 SYNNOTT WR

3 15 MARCHAND D(A) 14 9 CASH J(I)

5 14 MCFARLAN FW 17 8 DICKSON GW

6 13 DRUCKER PF 17 8 ROBERTS N

6 13 ROCKART J(F) 17 8 TRAUTH E(M)

8 12 SIMON HA 20 7 HAMMER M

9 11 EARL M(J) 20 7 IVES B

9 11 WILSON T(D) 20 7 KUHLEN R

11 10 LUCAS HC 20 7 VICKERS P

11 10 MARTIN J 20 7 WISEMAN C

Beispiel Autorenkozitationsanalyse IM-Autoren

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 26: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

26

Auswertungsverfahren

Cash

Cronin 1 Cronin

Davenport 43 3 Davenport

Davis 33 5 13 Davis

Dickson 34 1 13 68 Dickson

Drucker 33 14 82 16 18 Drucker

Earl 61 5 86 29 25 30 Earl

Hammer 45 2 401 25 15 136 76 Hammer

Horton 3 20 4 8 3 8 5 0 Horton

Lucas 52 4 23 117 155 17 33 28 13 Lucas

Marchand 4 7 6 4 3 8 6 2 20 13 Marchand

Martin 30 2 44 84 40 54 41 100 10 62 5 Martin

McFarlan 141 4 49 80 66 39 102 53 8 128 11 68 McFarlan

Mintzberg 46 3 72 51 60 355 88 148 8 89 5 154 72 Mintzberg

Nolan 50 2 21 79 51 22 40 26 7 116 13 64 127 46 Nolan

Porter 189 22 120 49 34 293 114 192 9 70 16 105 233 880 81 Porter

Roberts 0 19 1 1 1 7 1 1 7 4 3 4 1 16 1 8 Roberts

Rockart 90 5 86 124 79 60 84 83 10 116 12 116 160 139 117 171 2 Rockart

Simon 13 9 34 86 74 227 20 59 5 92 2 129 34 806 35 338 14 76 Simon

Sprague 21 1 13 65 55 12 16 21 3 83 3 55 43 84 38 39 0 92 185 Sprague

Synnott 11 6 4 11 7 9 13 4 15 18 12 14 15 6 15 21 3 19 1 6 Synnott

Taylor 2 26 5 10 2 10 4 1 23 9 14 7 4 9 6 11 14 7 18 1 6 Taylor

Trauth 3 3 5 7 5 1 4 5 6 6 4 7 3 6 4 4 2 10 3 2 4 4 Trauth

Vickers 1 9 1 2 0 0 2 1 10 3 2 2 3 1 1 4 3 1 1 0 3 4 0 Vickers

Wilson 3 21 4 2 3 3 14 5 5 7 2 6 10 29 4 14 30 9 48 1 0 35 1 4

Autoren-Kozitationsmatrix

Auswertungsverfahren

Beispiel Autorenkozitationsanalyse IM-Autoren

Multidimensionale Skalierung (multivariates Verfahren)

bull Autoren mit hohen Kozitationshaumlufigkeiten geringe

Abstaumlnden Autoren mit groszligen fachlichen Unterschieden

in groszliger Entfernung voneinander gezeichnet

bull Autoren mit bdquoBeziehungen zu vielen anderen Autoren im

Zentrum lokalisiert Autoren mit keinen Verbindungen zu

den meisten anderen Autoren peripher dargestellt

hervorspringende Dimensionen koumlnnen identifiziert

werden

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 27: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

27

Cash

Cronin

Dickson

Drucker

Earl

Hammer

Horton

Ives Kuhlen

Lucas

McFarlan

Marchand

Mintzberg

Roberts

Rockart

Nolan

Wilson

Martin

Simon

Vickers

Wiseman

Synnott

Trauth

INFORMATIONSWISSENSCHAFT

IM-Klassiker

MISStrategie

MISKernautoren

MISGESAMT

MANAGEMENT

Porter

Wissenschaftslandkarte bdquoInformationsmanagementldquo

FALLSTUDIE WEB INTELLIGENCE

bull Praxisprojekt an der FH-Koumlln in Zusammenarbeit mit den Ford Werken Deutschland

bull Ziel im Internet frei zugaumlngliche Informationen uumlber Ford erheben aufbereiten und analysieren

bull Teilprojekte ndash Presseportale

ndash Web-Foren

ndash Bewertungsportale

ndash Domainanalyse

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 28: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

28

Fallstudie Web Intelligence

Ford

10

VW

25

Audi

14

BMW

17

Mercedes

20

Renault

5

Opel

9

Presseportale

Prozentualer Anteil von Berichten auf allgemeinen Presseseiten uumlber

verschiedene Autofirmen (von den uumlber Suchmaschinen und Linkver-

zeichnisse (z B wwwmetagridcom) gefundenen 3180 Webseiten

wurden 29 ausgewertet)

Fallstudie Web Intelligence

Web-Foren (1) ndash Informations- und Meinungsaustausch zwischen Gleichgesinnten

ndash groszlige Anzahl an Menschen kann erreicht werden (einige Foren hatten bis zu 300000 Mitglieder)

ndash Relativ schnelle Reaktionsgeschwindigkeit (einige untersuchte Foren hatten eine Durchschnittsreaktionszeit von ca 25 Minuten)

ndash Vorgehensweise

bull Suche nach geeigneten Foren (ca 750 URLs)

bull Bereinigung der Treffermenge (z B mehrmals vorkommende Links) 247 Foren

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 29: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

29

Fallstudie Web Intelligence

Web-Foren (2) ndash Analyse der 247 Foren nach verschiedenen Merkmalen z B

PageRank Geschaumlftsmodell Benutzeranzahl hellip

ndash Auswahl von 20 Top-Foren zum Thema Ford diese hatten uumlber 300000 Nutzer

ndash Monitoring der drei Top-Foren z B bei Markteinfuumlhrung neuer Modelle

bull Anfertigung von monatlichen Berichten

1 Kennzahlen

2 Themenbildung

3 Stimmung im Forum

Fallstudie Web Intelligence

Web-Foren (3) bull Ad 1 Kennzahlen

ndash Anzahl der Themen (Threads)

ndash Anzahl der Beitraumlge

ndash Anzahl der Visits

bull Ad 2 Themenbildung

ndash Manuelle Einordnung der Beitraumlge in Kategorien

bull Ad 3 Stimmung

ndash Welche Themen waren den Mitgliedern besonders wichtig

ndash Welche Punkte sind besonders zu beachten

ndash Positive und negative Aspekte

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 30: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

30

Fallstudie Web Intelligence

bull Bewertungsportale ndash Von 9 identifizierten Bewertungsportalen wurde schlieszliglich

Ciaocom fuumlr eine detailliertere Analyse ausgewaumlhlt

ndash Produktkategorie Auto 68 Hersteller Ford 142 Automodelle insgesamt gt 2000 Erfahrungsberichte (Stand 52005)

ndash Analyse der Berichte 36 40 14 7 3 ==gt durchschnittliche Gesamtbeurteilung

ndash Analyse wie sich die Fordmodelle im Zeitablauf entwickeln

Fallstudie Web Intelligence

Domainanalyse ndash Wie viele registrierte Fordde-

Domains werden im WWW betrieben

ndash Ergebnis 230 registrierte Web-Seiten

bull am meisten Registrierungen durch Ford-Fans

bull Verletzung von Markenrechten immerhin in 22 Faumlllen ndash Gefahren

ndash Abwerbung von Kunden

ndash Umsatzerloumlse fuumlr Drittfirmen

ndash Imageschaumldigende Aumluszligerungen durch Dritte

Durchfuumlhrung der Domainanalysen in 4- bis 6-monatigen Intervallen

Fan-Award Auszeichnung der besten Fan-Webseite

Ford-eigene

Webseiten 14

Fanseiten 110

Autohaumluser 59

inaktiv 25

Verletzung von

3 Rechten 22

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 31: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

31

COMPETITIVE INTELLIGENCE

AUSGEWAumlHLTE WEB-SOCIAL MEDIA

QUELLEN UND -DIENSTE

SUCHMASCHINEN

Wichtige

Einschraumlnkungs-

moumlglichkeiten

Welche Webseiten haben

einen Link auf die hier

angefuumlhrte Webseite

gesetzt (koumlnnen auch Links

von Webseiten der hier

angefuumlhrten Website sein)

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 32: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

32

Suchmaschinen

bull Einschraumlnkung nach einem Dokumenttyp

bull Einschraumlnkung auf einen bestimmten Teilbereich einer Webseite

Suchmaschinen

PageRank-Algorithmus

ndash Verfahren das ndash neben anderen Kriterien ndash zur Reihung der

Trefferliste bei Google verwendet wird

ndash Grundgedanke

bull Es ist nicht nur wichtig wie viele Inlinks eine Webseite

erhaumllt

bull Es wird auch das bdquoGewichtldquo der Webseiten beruumlcksichtigt

die auf eine bestimmte Seite verlinken

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 33: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

33

Suchmaschinen

PageRank-Algorithmus ndash Beispiel (Quelle Wikipediade)

1 2

3 4

5

E

D F

A B C

1 Unwichtigste

Seiten 1-5 (keine

Inlinks)

2 Wichtigste Seiten

ohne Gewichtung

B E (am meisten

Inlinks) E erhaumllt

allerdings nur von

weniger wichtigen

Seiten Inlinks

Hingegen wird C

zwar nur von einer

einzigen aber

wichtigen Seite

verlinkt

Suchmaschinen

1

16 2

16 3

16

4

16

5

16

E

81

D

39

F

39

A

33 B

384

C

343

PRi = ( 1 ndash d ) N + d ( PRj Cj ) j (ji)

PRi hellip Pagerank Knoten i

N hellip Anzahl der Knoten

Cj hellip Anzahl der Knoten auf die Knoten

j verlinkt

d hellip Daumlmpfungsfaktor (zw 0 und 1)

= Wahrscheinlichkeit mit der

ein ausgehender Link gewaumlhlt

wird Loumlsung eines linearen Gleichungssystems

PageRank ndash Beispiel

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 34: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

34

GOOGLE TRENDS

bull Google Trends ist ein Google-Dienst mit dem die relative Haumlufigkeitsentwicklung von Google-Suchbegriffen sowie von erschienenen Nachrichten dargestellt werden kann ndash bdquoAn understanding of search trends can be useful for advertisers marketers

economists scholars and anyone else interested in knowing more about their world and whats currently top-of-mindrdquo (Matias Evron amp Shimshoni 2009)

ndash Maximal koumlnnen 5 Suchbegriffe einander gegenuumlbergestellt werden

ndash Es werden nicht alle sondern nur ein Teil der Google-Suchanfragen beruumlcksichtigt Stichprobenfehler moumlglich

ndash Fuumlr selten vorkommende Suchbegriffe kann es auch keine Ergebnisse geben

ndash Nichtenglische Suchbegriffe und nichtangloamerikanische Laumlnder werden erst in den letzten Jahren staumlrker beruumlcksichtigt

Google Trends Einschraumlnkung auf LaumlnderRegionen

Einschraumlnkung auf Web- Image-

Google Shopping- Nachrichten- und

YouTube-Suchen) Einschraumlnkung auf Zeitraumlume

(standardmaumlszligig 2004 ndash

aktuell)

Relative Haumlufigkeit des ersten Begriffes

Relative Haumlufigkeit der anderen Begriffe um ersten

bdquonormalisierteldquo

DarstellungAuflistung

der Suchanfragen auf

LaumlnderRegionen

Staumldte und Sprachen

Bezugspunkt kann geaumlndert werden

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 35: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

35

Google Trends

Verwandte Suchbegriffe nach Suchvolumen

(bdquoTopldquo) bzw Trend (bdquoRisingldquo)

Wechsel zwischen Region

(Land) und Stadt

Google Trends

bull Relative Haumlufigkeit des Suchbegriffs die Haumlufigkeit in den einzelnen Teilperioden wird auf die Durchschnittshaumlufigkeit der ausgewaumlhlten Periode bezogen

bull Normalisierte Verteilung nach Laumlndern hier werden unterschiedliche Groumlszligen dadurch normalisiert indem die Haumlufigkeit des betrachteten Suchbegriffs auf alle Suchbegriffe (des Landes der Stadt und der Sprache) bezogen wird

bull Web-Suchen werden in 24 Hauptkategorien (Autos amp Vehicles Business Food amp Beverages hellip) und zahlreichen Subkategorien (z B Hybrid amp Alternative Vehicles Alcoholic Beverages Cooking amp Recipes hellip) durch eine automatische Clustersoftware (z B Suchbegriff bdquocar tireldquo Subkategorie bdquoVehicle tiresldquo) eingeteilt

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 36: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

36

Google Trends

Google Trends

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 37: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

37

Google Trends

Google Trends

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 38: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

38

Google Trends - Standortvergleich

Google Trends - Standortvergleich

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 39: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

39

Google Trends

ACHTUNG

ndash electric vehicle (standardmaumlszligig AND-Verknuumlpfung) bringt mehr

Ergebnisse als ldquoelectric vehicleldquo (Phrasensuche)

ndash detto e car ne ldquoe carldquo ne e-car

ndash Es sollten alle moumlglichen Synonyme beruumlcksichtigt werden (OR-

Verknuumlpfung ndash in GoogleTrends ein Plus-Zeichen) bdquoelectric

vehicleldquo + bdquoelectric carldquo + bdquoe carldquo + hellip

ndash Homonymproblematik z B bdquoTeslaldquo

Google Trends

Anwendungsmoumlglichkeiten - Beispiele ndash Auswahl wirksamer Werbebotschaften z B welche

Weineigenschaften sind gefragt

ndash Untersuchung von saisonalen Abhaumlngigkeiten

ndash Erschlieszligung neuer Maumlrkte (z B anhand der graphischen Darstellung)

ndash Prognose von Naumlchtigungszahlen (z B wie viele Suchanfragen mit dem Inhalt bdquoAustrialdquo in der Kategorie bdquoTravelldquo kommen aus welchen Laumlndern)

ndash Prognose von Umsaumltzen (wie haumlufig werden welche Marken nachgefragt)

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 40: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

40

Google Trends

Quelle Hyunyong Choi Hal Varian (2009) Predicting the present with Google Trends

Google Trends ndash andere Dienste

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 41: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

41

Google Trends ndash Top-Suchanfragen je Land (je Tag)

Google Trends - Top Charts (pa)

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 42: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

42

Google Correlate

SOCICAL MEDIA QUELLEN

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 43: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

43

BEWERTUNGSPORTALE (Online-

Bewertung)

bull Plattformen in denen Verbraucher Informationen und Erfahrungen uumlber Produkte und Dienstleistungen austauschen ndash eigene Plattformen

ndash Rezensionen bei elektronischen Marktplaumltzen z B amazoncom

bull In der Regel keine Expertenmeinungen sondern persoumlnliche Erfahrungsberichte die von den einzelnen Nutzern selbst erstellt und bearbeitet werden keine unmittelbare Beeinflussbarkeit durch das jeweilige Unternehmen

bull Betreiber der Bewertungsportale lehnen Uumlbernahme der Verantwortung ndash die Inhalte der Bewertungen betreffend ndash ab

bull Durch bdquoBonussystemldquo (Punktevergabe bei hilfreichen Bewertungen) teilweise finanzielle Anreize Gutschriften

bull Beispiele Wikis Blogs Foto- und Videoportale Schulen und Lehrer (spickmichde) Professoren (meinprofde) Arztpraxen Arbeitgeber (jobvotingde) Preisvergleichsportale soziale Online-Netzwerke spezielle Produktbewertungsportale

Produktbewertungsportale

Ciaocom bzw ciaode ndash Eines der groumlszligten Shopping-Portale in Europa

ndash Community von gt 1 Million Mitgliedern

ndash Mehr als 7 Mio Bewertungen uumlber gt 1 Produkte und Dienstleistungen

ndash gt 38 Mio Besucher pro Monat

ndash Geschaumlftsmodell

bull Online-Werbung

bull Verlinkung mit Online-Shops

bull Online-Marktforschung fuumlr andere Unternehmen

ndash Fuumlr das Schreiben von Erfahrungsberichten gibt es bei den als solchen gekennzeichneten Produkten eine Verguumltung (z B 05 1 oder 2 Cent Anzahl der als bdquohilfreichldquo bdquosehr hilfreichldquo oder bdquobesonders hilfreichldquo abgegebenen Bewertungen)

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 44: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

44

Produktbewertungsportale

Weitere Beispiele ndash Dooyoo

ndash Qype Meinungsportal fuumlr regionale Plaumltze (Staumldte) Schwerpunkt Restaurants und Gastronomie

ndash Yopide

ndash AlaTest

ndash Epinionscom

ndash Consumerreviewscom

ndash RateItAll

ndash Ratingsnet

Produktbewertungsportale

ndash ReviewCentrecom

ndash Shared Reviews

ndash wwwtestde Testberichte (gegen geringes Entgelt) von

Stiftung Warentest

ndash Speziell fuumlr (Elektro)Autos

bull KBB (Kelley Blue Book) Experten- und Kundenbewertungen

- httpwwwkbbcomelectric-

carvehicleclass=newcarampintent=buy-newampfilter=hasereview

bull autosmsncom - Unterpunkt bdquoreviews amp articlesldquo

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 45: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

45

Produktbewertungsportale

Problem bdquoManipulationsversucheldquo ndash Bewusst falsche Darstellung durch ein Unternehmen

ndash Diesbezuumlgliche Dienste auch schon von Unternehmen angeboten

ndash Anstellung von bdquoFake Bloggerldquo

Checkliste ndash Mindestanzahl von Bewertungen bdquoWeisheit der Masseldquo

ndash Redaktionelle Kontrolle Kontrolle durch Betreiber des Onlineportals auf Schmaumlhkritik Stimmigkeit etc

ndash Infos uumlber Bewerter jede Bewertung sollte mit Namen oder Pseudonym versehen sein idealerweise sollte Profil des Bewerters einsehbar und dieser kontaktierbar sein

BLOGS (WEBLOGS)

bull Meist Eintraumlge uumlber Aspekte des eigenen Lebens (Online-Tagebuch) oder Meinungen zu spezifischen Themen persoumlnliche Informationen

bull aber zum Teil auch Blogs mit fachlich interessanten und wertvollen Informationen

bull Eintraumlge sind umgekehrt chronologisch sortiert (aktuellster Eintrag zuletzt)

bull Meist oumlffentlich einsehbar

bull Leser koumlnnen Kommentare hinterlassen direkte KommunikationInteraktion moumlglich flieszligende Grenze zu Webforen

bull Blog-Typen - Unterscheidungsmerkmale ndash Inhalt Politik Reisen Technologie juristische Themen (Blowgs)

ndash Medium Vlogs (Video) Linklogs (groszligteils Linklisten) Photologs (Photos)

ndash Betreiber Privatpersonen Unternehmen (corporate blogs z B Produkt-Blog Projekt-Blog CEO-Blog hellip)

ndash Endgeraumlten Blogs fuumlr mobile Endgeraumlte (Moblogs)

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 46: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

46

Blogs

VorteileNutzen

ndash Aktualitaumlt die aktuellsten Suchergebnisse sind meist nur wenige Minuten alt

ndash Trenderkennung (graphische Darstellung durch einzelnen Suchmaschinen)

ndash durch den informalen Charakter der Blog-Inhalte und dadurch dass jeder Eintrag eine genaue zeitliche Zuordnung hat ist es leicht moumlglich sich ein Bild uumlber die oumlffentliche Meinung zu einem bestimmten Zeitpunkt zu machen (auch im Nachhinein da Posts archiviert werden

Anwendungsmoumlglichkeiten im Bereich der Marktforschung ndash Firma hat eine Werbekampagne gestartet und moumlchte sich ein

schnelles Bild uumlber das oumlffentliche Feedback darauf machen

ndash Analyse von Blogs statt herkoumlmmlicher Marktforschung

Entsprechende Analysen werden auch von speziellen Firmen wie z B Nielsen angeboten

Blogs

Einschraumlnkungen ndash Blogger sind zumindest zur Zeit noch nicht in der Regel fuumlr die

untersuchte Grundgesamtheit nicht repraumlsentative

ndash Abdeckung von Blog-Suchmaschinen oft nicht eruierbar

ndash Abdeckung abhaumlngig von Sprache und Land

Blogs bieten Moumlglichkeit um bull bdquoquick and dirtyldquo Einsichten uumlber die oumlffentliche Meinung zu gewinnen

bull Sachverhalte zu analysieren die sonst nicht untersucht werden koumlnnen (z B oumlffentliche Meinung im Jaumlnner 2006 hellip)

sollten aber durch andere Analysen ergaumlnzt werden

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 47: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

47

Blogs

Blog-Suchmaschinen - Beispiele ndash Google

ndash bdquoAlteldquo Google Blog Search (nur mehr versteckt)

ndash Regatorcom

ndash httpsocialmentioncom

ndash BlogPulse (eingestellt)

ndash httpresearchbloggingorg (Forschungsbeitraumlge)

ndash httpstwittercomtechnorati

ndash httptopsycom (Twitter)

(Neue) Google Blog-Suche

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 48: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

48

(Neue) Google Blog-Suche

Problem

Die bdquoneueldquo Blogsuche von

Google wertet nur einen

Bruchteil der urspruumlnglichen

Blogs aus

(Alte) Google Blogsuche

Uumlber nachfolgende

URL angeblich Zugriff

auf die urspruumlngliche

Blocksuche moumlglich

httpwwwgoogleco

msearchtbm=blg

Alte Blogsuche liefert

wesentlich mehr Treffer

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 49: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

49

(Alte) Google Blogsuche

Blogs

Achtung

Bei bdquoAdvanced Searchldquo

wird Blogsuche auto-

matisch verlassen

Bei Klick auf bdquoSearch

tools wird werden weitere

Einschraumlnkungsmoumlglich-

keiten bei der Blogsuche

eingeblendet

Google Blog Search (httpwwwgooglecomblogsearch)

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 50: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

50

Blogs

Bei Klick auf bdquoHomepagesldquo

wird die Suche auf Blognamen

(die Elektroauto enthalten)

eingeschraumlnkt

Blogs

Bei Klick auf bdquoany timeldquo kann

die Trefferliste zeitlich stark

eingeschraumlnkt werden (nur

bei bdquoPostsldquo moumlglich)

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 51: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

51

Blogs

WEBFOREN

bull Alternative Bezeichnungen Foren Internetforen Diskussionsforen

bull Kommunikationsaspekt steht im Vordergrund virtueller Raum im Web fuumlr Menschen die sich uumlber bestimmte Themen (asynchron) auszutauschen wollen (bdquovirtuelle Gemeinschaftldquo bdquoOnline-Communityldquo)

(Aufgrund der Speicherung der Beitraumlge kommuniziert man allerdings mit einer Vielzahl von Personen)

bull Uumlblicherweise sind die Themen (hierarchisch) strukturiert ndash Beispiel

Forum

Mazda

Rubrik 1

Mazda 2

Rubrik 2

Mazda 3

Rubrik 3

Mazda 5

Thread 1

hellip

Thread 2

hellip

Thread 4

hellip

Thread 3

hellip

Thread 5

hellip

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 52: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

52

Webforen

bull Arten von Webforen ndash Foren die sich ausgehend von einem Hauptthema im Laufe einer

Diskussion in viele Unterthemen aufsplitten (bdquothreaded boardsldquo)

ndash Foren die von Anfang an in einzelne Themen unterteilt sind (bdquolinear boardsldquo)

bull Rollen in Webforen ndash Gast kann nach Beitraumlgen suchen und in der Regel Beitraumlge lesen

(falls es sich um keine geschlossene Community handelt)

ndash Mitglied muss sich registrieren lassen dadurch ist es moumlglich bull eigenes Profil anzulegen

bull Beitraumlge zu verfassen und zu kommentieren

bull auf andere Beitraumlge zu verlinken

ndash Moderator kann bull Beitraumlge aumlndern und loumlschen (sorgt fuumlr Wahrung der Netiquette)

bull Themen (threads) schlieszligen oumlffnen verschieben oder loumlschen

ndash Administrator houmlchste Kontrollfunktion bull kann jede Aktion im Forum unterbinden

bull Rechte festlegen

bull Forum umstrukturieren

Webforen

Suche nach relevanten

Webforen (Forenname)

Suche nach in (allen)

Webforen diskutierten

Inhalten

httpsgroupsgooglecomforumbrowse

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 53: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

53

Webforen

Webforen

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 54: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

54

Webforen

einzelne Themen (Threads)

Webforen

Posts insgesamt

Themen insgesamt

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 55: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

55

Webforen

Webforen

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 56: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

56

Webforen

Webforen

Detailierte Suche innerhalb einer

Gruppe (auf Pfeil im Suchfenster

klicken)

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 57: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

57

Webforen

BoardReadercom provides ldquosearch engine services to

enable you to search message boards websites blogs

and other social media (collectively Boards) graphische

Darstellung

Omgilicom findet viele Threads in unterschiedlichsten

Sprachen Einschraumlnkungsmoumlglichkeiten bei der Suche

forum-kompassde Meta-Forum-Suchmaschine

Webforen

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 58: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

58

SOZIALE NETZWERKE

bull Facebook

ndash httpsearchfbcom

bull Allroundler ndash httpwwwsocial-searchercom Facebook Google+ Twitter

ndash httpwwwicerocketcom Facebook Blogs Twitter

LITERATUR

Business Intelligence - Grundlagen

bull Fank Matthias Riecke Wolfgang WebIntelligence Die Bedeutung des Kunden im Internet am Beispiel der Ford Werke Deutschland GmbH in Information ndash Wissenschaft und Praxis 2007 Bd 58 Heft 6-7 S 355-360

bull Gluchoswski Peter Gabriel Roland Dittmar Carsten Management Support Systeme und Business Intelligence Computergestuumltzte Informationssysteme fuumlr Fach- und Fuumlhrungskraumlfte 2 Aufl Springer 2008 (elektronische Ressource)

bull Kemper Hans-Georg Baars Henning Business Intelligence und Competitive Intelligence IT-basierte Managementunterstuumltzung und markt-wettbewerbs-orientierte Anwendungen in HMD (Handbuch der modernen Datenverarbeitung) 2006 Heft 247 (Schwerpunktheft uumlber Business Intelligence) S 7-20

bull Michaeli Rainer Competitive Intelligence Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz- Markt- und Technologieanalysen Springer 2006

bull Stock Wolf Wirtschaftsinformationen aus informetrischen Online-Recherchen in Nachrichten fuumlr Dokumentation 1992 Heft 5 S 301-315

bull Thelwall M Vaughan L Bjorneborn L Webometrics In Annual Review of Information Science and Technology Vol 39 2005 81-135

bull Thelwall Mike Ruschenburg Tina Grundlagen und Forschungsfelder der Webometrie in Information ndash Wissenschaft und Praxis 2006 Bd 57 Heft 8 S 401-406

bull Thelwall Mike Bibliometrics to webometrics In Journal of Information Science Vol 34 Iss 4 2008 605-621

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl Kapitel 11 (Business Intelligence and Decision Support) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Hg) Web Intelligence Springer 2003

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003

Page 59: Business Intelligence - static.uni-graz.at · Business Intelligence (WS 2016/17) Teil Schlögl a.o. Univ.-Prof. DI. Dr. Christian Schlögl Institut für Informationswissenschaft und

59

Literatur

Business Intelligence ndash Datenerhebung Datenquellen Analysen

bull Bazzell Michael Open Source Intelligence Techniques Resources for Searching and Analyzing Online Information Paperback 2015 4 Aufl 432 Seiten CreateSpace Independent Publishing Platform ISBN-10 1508636338 ISBN-13 978-1508636335

bull Stuart David Web Metrics for Library and Information Professionals Facet Publishing London 2014

bull Almind TC Ingwersen P Informetric analyses on the World Wide Web Methodological approaches to webometricslsquo In Journal of Documentation Vol 53 Iss 4 1997 404-426

bull Bjorneborn L Ingwersen P Perspectives of webometrics In Scientometrics Vol 50 Iss 1 2001 65-82

bull Bjorneborn L Ingwersen P Toward a basic framework for webometrics In Journal of the American Society for Information Science and Technology Vol 55 Iss 14 2004 1216-1227

bull Chakrabarti Soumen Mining the Web Discovering Knowledge from Hypertext Data Morgan Kaufmann 2003

bull Hyunyoung Choi Hal Varian Predicting the Present with Google Trends URL httpstaticgoogleusercontentcomexternal_contentuntrusted_dlcpwwwgooglecomengoogleblogspdfsgoogle_predicting_the_presentpdf (3 3 2015) Google Inc April 2009

bull Schmidt Torsten Vosen Semeon Forcasting private consumption Survey-based indicators vs Google Trends URL httprepecrwi-essendefilesREP_09_155pdf (3 3 2015) RUHR Economic Papers 2009

bull Thellwall Michael Introduction to Webometrics Quantitative Web Research for the Social Science Morgan amp Claypool 2009 DOI 102200S00176ED1V01Y200903ICR004

bull Turban Efraim Volonino Linda Information Technology for Management 8 Aufl - Kapitel 8 (Web 20 and Social Media) Wiley 2012

bull Zhong Ning Liu Jiming Yao Yiyu (Eds) Web Intelligence Springer 2003