Upload
eberhard-zand
View
108
Download
1
Embed Size (px)
Citation preview
Internet Ökonomie
Portale, Push - Technologieund Personalisierung
Michael Augustin 26.6.2003
Gliederung
Portale Das Tor zum WWW Wirtschaftseinblick
Push-Technologie Funktionsweise Unicast und Multicast Push is still alive
Personalisierung Der gläserne Kunde Vorführung von Bitlog
Data Mining Einführung Der KDD- Prozess Verfahren
Portale
Das Tor zum WWW
Portale
Wichtige Kriterien
Hilfe für Einstieg, Weiterführung und Orientierung im World Wide Web
Anlauf- und Rückkehrstelle für das Browsen bieten wichtige und allgemeine Web- Services auf persönliche Belange zugeschnitten Sprungbrett für weiteres Surfen im Netz
Portale
Portale
Einteilung nach eBusiness-Aktivitäten Consumer-Portal
offener Nutzerkreiskundenspezifisch orientierthochfrequentierte Web-Einstiegsseiten im Internetleistungsstarker Suchdienst als wesentliches Element
Enterprise-Information-Portal offener Nutzerkreisunternehmensspezifisch ausgerichtetEinstiegsseiten für Web-Site eines UnternehmensInformationen des Unternehmens im Web anbieten
Portale
Extranet-Portal geschlossener Kundenkreis Zielgruppe: potentiell kooperierende Geschäftskunden berücksichtigt spezielle Services wie Bestell- und
Liefervorgänge
Intranet Portal geschlossener Kundenkreis unternehmens-intern orientiert für Mitarbeiter ein konsistenter Blick auf das Unternehmen direkter und angepasster Zugriff auf
Unternehmensapplikationen und Intranetinhalte
Portale
Bedeutsame Faktoren für das Marketing
Ausbau zu attraktivem Werbemedium Gewinnen und Auswerten nutzerspezifischer
Informationen Professioneller Auftritt im WWW Etablierung und Sicherung des Portals als
Marke mit positiven Markenassoziationen Product, Place, Price, Promotion
Portale
Wirtschaftseinblick
Portale
Geschätzte Werbeausgaben der 4 wichtigsten Weltregionen
Portale
Nr. Name URL Mtl. Nutzer in Mio
1 Yahoo www.yahoo.com 30,893
2 AOL www.aol.com 29,141
3 MSN www.msn.com 22,046
4 GO (Disney) www.go.com 19,484
5 Netscape www.netscape .com 18,676
Top 5 der Web-Portale 1999
Push - Technologie
Funktionsweise
Push - Technologie
Rückblick
1997 das Jahr der Push - Technologie Vorreiter: Individual Inc., Cryan Verfahren, um Nutzer mit gewünschten
Informationen zu versorgen Manuelles Suchen war nicht mehr zumutbar Verwendet Konzepte des traditionellen
Verlagwesens (Abonnement- Modell) Gegenstück zu Pull
Push - Technologie
Funktionsweise
Benutzer (Abonnent) wird Mitglied bei einem Anbieter oder speziellen Informationskanal (Channel) mittels senden eines Informationsprofils
Einstellen wann Anbieter senden soll Anhand des Zeitplans verbindet sich der user-PC zum
Server im Internet und holt sich von da seine Informationen
Information speichern Benutzer über neue Information benachrichtigen
Push - Technologie
Unicast und Multicast
Push - Technologie
Unicast TCP - Basierend viel Bandbreite nötig für jeden Nutzer eigene Verbindung,
auch bei identischen Anforderungen
Browser Server
Inhalt anzeigen
„Pull“ Datenanforderung
Inhalt auf PC laden
Push - Technologie
Unicast TCP - Basierend viel Bandbreite nötig für jeden Nutzer eigene Verbindung,
auch bei identischen Anforderungen
Server
Profil übermitteln
Entsprechende Information herunterladen
Benachrichtigung
Client
Push - Technologie
3 Modelle der Informationszustellung bei Unicast Unterschiede dieser Modelle
BenutzerprofilfähigkeitenAufwand zur Integration in bestehende Strukturen der
Informationszustellung der Anbieterandere Bereiche, die Anbieter als Notwendig erachten
Computer Computer ComputerContent Agents
Push ClientPush ClientPush Client
Channel Content Channel Content Channel Content
Push Server Web ServerWeb Servers
Push - Technologie
Multicast ein Server sendet Daten zu mehreren Clients in
einem einzelnen Transfer UDP basierend weniger Bandbreite wird verbraucht ermöglicht ereignisgesteuerte Echtzeitdaten und
Updates Intranet- Administrator kann selbst für diese
Fähigkeit seines Netzes sorgen in Blöcke und Frames geteilte Daten werden vom
Server kontinuierlich gesendet
Push - Technologie
Verdeutlichung von Multicast
Content Source
Internet Backbone
Primary Distribution Servers
Secondary Distribution Servers
Clients
PoP
ISP
Intranet
Push - Technologie
Push is still alive
Push - Technologie
Weiterentwicklung
Bloomer oder Skycom bieten Möglichkeit per PCI-to-Satelite-Adapter (30 MBit/sec) Text, Video, Audio und komplette Webseiten zu verarbeiten
Airmedia ermöglicht kabellose Zustellung von Daten über das Rundfunknetz 24 Stunden/Tag
Microsoft - übertragen von Updates Spam
Push - Technologie
Siemens - Vertriebsabteilung
Nutzung der Backweb-Software keine Informationsangebote mehr
durchgehen Aufteilung des eigenen Informationsangebots
in unterschiedliche ChannelsHotline entlastetSupport nicht mit Anrufen Überflutet
Personalisierung
Der gläserne Kunde
Personalisierung
Ziele
Informationen über Kunden sammeln durch sehr spezielle Datenauswertung
individuelle, dynamische und gewinnbringende Beeinflussung auf Kaufverhalten ausüben
Angebote auf Ansprüche der Nutzer zuschneiden
diskrete Manipulation
Personalisierung
Der Personalisierungsprozess
Profiling Match Making
Explizite Daten
(Postanschrift, Präferenzen ...)
Implizite Daten
(Click-Stream,Verweilzeiten ...)
dynamisch
(Agentenansatz, Collaborative Filtering)
statisch
Data Mining
Data Mining
Einführung
Data Mining
Nutzen und Anwendung
gezielte/ themenbezogene Datensuche Strukturen und Zusammenhänge finden die
nicht bekannt sind Verfahren für Unternehmens und
Wettbewerbsdaten, aber auch in der Medizin und im Sport von Notwen-digkeit
Wissenschaft für sehr komplexe Datenmengen
Data Mining
Ich habe eine Box, die gut in die Hand paßt
Es ist eine leichte Box
Im Supermarkt gibt es sie in vielen Farben
Auf meiner Box steht ein Name
Die Box kann man öffnen
Öffnet man sie, entdeckt man etwa 20 Stäbchen
Wilhelm
Data Mining
Einsatzmöglichkeiten
Konstellationen und Ausprägungen von Marketinginstrumenten ermitteln
frühzeitiges erkennen von Trendwechseln Herausfinden von kauffreudigen Kunden Erkennen von abwanderungsgefährdeten Kunden Feststellen von Gründen für Produktionsfehler Kategorisierung von Kunden Webseiten-Optimierung
Data Mining
Der KDD- Prozess
Data Mining
Der Knowledge Database Discovery Prozess
1) Daten sammeln
2) Daten vorbereiten (Data-preprozessing)
3) Anwendung der Data Mining Verfahren
4) Auswertung
Informationsgewinn (neue Erkenntnisse)
Data Mining
Datensammlung Vorkommen und Formen von Daten erkennen
In der Natur- Ca Calcium - Mg Magnesium
- He Helium
Neu generierte Daten
- Strichcode ...- Texte
Historische Daten
Operationale Daten
Informational Data
Metadaten
Data Mining
Datenhaltung Flat Files Tabellenkalkulationen Datenbanken - relational
Strukturen• indexstrukturiert• B-Baum• Data Warehouse
Data Mining
Datenaufbereitung
Gründe: Daten sind ungeordnetunbrauchbare Daten sind enthaltenExistenz von Lücken in der Datensammlung
Data Mining
Preprocessing:
Data Formatting Data Cleaning Data Filterning Behandlung von invalid
values Behandlung von
Ausreißern Behandlung von missing
values Behandlung von sparse
columns/tables
Sampling Berechnung neuer
Variablen Festsetzen von valid values Gebrauch von Taxonomien Name Mapping Value Mapping Diskretisierung Pivotisierung Data Coding/Neuronale
Netze
Data Mining
Methoden Assoziationen (Warenkorbanalysen)
suchen nach Regelnfür jede Regel Support und Confidence
finden
Wie oft alle Elementeder Regel in der Da-tenbank vorkommen
Durchschnitt vonHead und Body
if then
Data Mining
Klassifikationen Neuronale Netze Baumklassifikationen
Wohnort
Bremen
Berlin
Gehalt
Schlechter KundeGuter Kunde
< 5000> 5000
Data Mining
Clustering
Gruppierung von DatensätzenGruppen von Datensätzen zusammensuchen,
die gemeinsame Merkmale aufweisenDistancemaß entscheidet Ähnlichkeit von
Objektenbeim Punkte Cluster räumliche Entfernung der
Punkte betrachtenähnlich mit Farben (orange rot) (grün blau)
Vielen Dank für die Aufmerksamkeit
Quellenangabe
www.cs.uni-potsdam.de/~borchiwww.iicm.edu/thesis/hforstinger/
Kapitel6.htmlwww.8ung.at/mobileworkshop/
artikel_id65.htmwww.networkworld.dewww.ibusines.de/shop/db/shop.0472hr.html