Dr. Amit Ghosh

Analytics: Sinnvolle Verknüpfung von Analytics und SEO Messung des Effekts von Ereignissen

13.10.2011

OMCap 2011 - Online Marketing Konferenz Berlin

1

OMCap 2011 - Online Marketing Konferenz Berlin

Agenda 1. 2. 3. 4. 5.

13.10.2011

Daten-Beispiel Fragestellung(en) Zerlegung einer Zeitreihe in Komponenten Residuen-Analyse Fazit

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

2

13.10.2011 Dr. Amit Ghosh - Messung des Effekts von Ereignissen Aug 2011

Jul 2011

Jun 2011

Mai 2011

Apr 2011

Mrz 2011

Feb 2011

Jan 2011

Dez 2010

Nov 2010

Okt 2010

Sep 2010

Aug 2010

Jul 2010

Jun 2010

Mai 2010

Apr 2010

Mrz 2010

Feb 2010

Jan 2010

Dez 2009

Nov 2009

Okt 2009

Sep 2009

Aug 2009

Jul 2009

Jun 2009

Mai 2009

Apr 2009

Mrz 2009

Feb 2009

Jan 2009

OMCap 2011 - Online Marketing Konferenz Berlin

Daten-Beispiel Impressions

350.000

300.000

250.000

200.000

150.000

100.000

50.000

0

3

OMCap 2011 - Online Marketing Konferenz Berlin

Fragestellung(en) • An welchem Wochentag haben wir besonders viele/wenige Impressions? • Gibt es ausgeprägte saisonale Effekte? • Welchen Einfluss haben SEM/Display? • Lässt sich der Effekt einer TV-Kampagne quantifizieren? 13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

4

OMCap 2011 - Online Marketing Konferenz Berlin

Wochentage 140000

120000

100000

80000 Mittelwert Modell

60000

40000

20000

0

Mo

Di

Mi

Do

Fr

Impressions – Durchschnitt über 4 Wochen (09.05.-05.06.2010) 13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

5

OMCap 2011 - Online Marketing Konferenz Berlin

Saisonale Effekte • Gesamteffekt ist bekannt, dieser setzt sich aus verschiedenen (z.T.) nicht unmittelbar beobachtbaren Teileffekten zusammen

13.10.2011

6

OMCap 2011 - Online Marketing Konferenz Berlin

Saisonale Effekte Bsp.: Montag, 12.10.2009

350000

Residuum Herbstferien

300000

250000

200000

150000

100000

Vorlesungsbeginn Trend Oktober

durch Modell erklärt

Wochentag: Montag

50000

0

Vorlesungszeit

-50000 Zerlegung

13.10.2011

Modell

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

Beobachtet

7

OMCap 2011 - Online Marketing Konferenz Berlin

Einfluss von SEM/Display • Zielvariable: Impressions, Conversions, Käufe, etc. • Zuordnung z.B. auf eine Kampagne i.d.R. problemlos möglich (z.B. Google Analytics u. AdWords) • Stichwort: „Customer Journey“ • Zuordnung bereitet Probleme, die durch das statistische Modell umgangen werden 13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

8

OMCap 2011 - Online Marketing Konferenz Berlin

TV-Kampagne • Zuordnungsproblem: direkte Eingabe der URL über Suchmaschine erhöhte Klickrate …

• Lösung: Analyse der Residuen im Kampagnenzeitraum und danach • Ideal: Einbettung in Quasi-Experiment 13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

9

-50000

0

0.0

Residuen 50000

2009-01-03 2009-01-17 2009-01-31 2009-02-14 2009-02-28 2009-03-14 2009-03-28 2009-04-11 2009-04-25 2009-05-09 2009-05-23 2009-06-06 2009-06-20 2009-07-04 2009-07-18 2009-08-01 2009-08-15 2009-08-29 2009-09-12 2009-09-26 2009-10-10 2009-10-24 2009-11-07 2009-11-21 2009-12-05 2009-12-19 2010-01-02 2010-01-16 2010-01-30 2010-02-13 2010-02-27 2010-03-13 2010-03-27 2010-04-10 2010-04-24 2010-05-08 2010-05-22 2010-06-05 2010-06-19 2010-07-03 2010-07-17 2010-07-31 2010-08-14 2010-08-28 2010-09-11 2010-09-25 2010-10-09 2010-10-23 2010-11-06 2010-11-20 2010-12-04 2010-12-18 2011-01-01 2011-01-15 2011-01-29 2011-02-12 2011-02-26 2011-03-12 2011-03-26 2011-04-09 2011-04-23 2011-05-07 2011-05-21 2011-06-04 2011-06-18 2011-07-02 2011-07-16 2011-07-30 2011-08-13 2011-08-27

0

13.10.2011 Korrelation

0.2

Ergebnis: ca. 47.000 Impressions pro Tag in einem Zeitraum von drei Wochen sind auf die Kampagne zurückzuführen 0.1

200000

Impressions 50000 100000

0.3

300000

OMCap 2011 - Online Marketing Konferenz Berlin Modellierung Korrelationsanalyse

Impressions Modell

Verzögerung: ca. 40 Tage

0

Dr. Amit Ghosh - Messung des Effekts von Ereignissen 20 40 60 80 100

Verzögerung [Tage]

10

OMCap 2011 - Online Marketing Konferenz Berlin

Analyse der Residuen • Ausreißer in den Rohdaten sind oft erklärbar, erschweren aber die Erkennung der eigentlichen Anomalien • Entscheidend: Ausreißer/Anomalien in den Residuen – hier geschieht etwas, was sich nicht erklären lässt!

13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

11

-100000

-50000

0

Residuen 50000

13.10.2011 2011-06-04 2011-06-18 2011-07-02 2011-07-16 2011-07-30 2011-08-13 2011-08-27

2010-12-04 2010-12-18 2011-01-01 2011-01-15 2011-01-29 2011-02-12 2011-02-26 2011-03-12 2011-03-26 2011-04-09 2011-04-23 2011-05-07 2011-05-21

2010-07-03 2010-07-17 2010-07-31 2010-08-14 2010-08-28 2010-09-11 2010-09-25 2010-10-09 2010-10-23 2010-11-06 2010-11-20

2009-11-07 2009-11-21 2009-12-05 2009-12-19 2010-01-02 2010-01-16 2010-01-30 2010-02-13 2010-02-27 2010-03-13 2010-03-27 2010-04-10 2010-04-24 2010-05-08 2010-05-22 2010-06-05 2010-06-19

2009-06-06 2009-06-20 2009-07-04 2009-07-18 2009-08-01 2009-08-15 2009-08-29 2009-09-12 2009-09-26 2009-10-10 2009-10-24

2009-04-25 2009-05-09 2009-05-23

2009-01-03 2009-01-17 2009-01-31 2009-02-14 2009-02-28 2009-03-14 2009-03-28 2009-04-11

100000

200000

Impressions 300000

OMCap 2011 - Online Marketing Konferenz Berlin

In den Residuen erscheinen andere Effekte als auffällig!

12

OMCap 2011 - Online Marketing Konferenz Berlin

Fazit • Analytics-Daten en masse vorhanden • einfache Standardauswertungen erschließen nicht das Potenzial in den Daten • Zerlegung der Zeitreihe:  Einfluss einzelner Komponenten  Basis für Erkennung/Analyse besonderer Events

• spezielle Events können berücksichtigt werden 13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

13

OMCap 2011 - Online Marketing Konferenz Berlin

Vielen Dank für die Aufmerksamkeit!  [email protected]

13.10.2011

Dr. Amit Ghosh - Messung des Effekts von Ereignissen

14