Prof. Dr. Klaus D. Wilde ist Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik an der Katholischen Universität Eichstätt. Dr. Hajo Hippner und Melanie Merzenich sind Mitarbeiter an seinem Lehrstuhl. Zusammen gelten sie als anerkannte Spezialisten in den Bereichen Data Mining im Marketing, Web Mining und Customer Relationship Management.

• 1 Grundlagen des Web Mining.- Grundlagen des Web Mining — Prozess, Methoden und praktischer Einsatz.- 2 Der Web Mining Prozess.- 2.1 Datenerhebung.- 2.1.1 Aufzeichnung des Nutzerverhaltens — Erhebungstechniken und Datenformate.- 2.1.2 Einbindung von Zusatzinformationen — Nutzerregistrierung und Online-Umfragen.- 2.1.3 Datenschutz im Web Mining — Rechtliche Aspekte des Umgangs mit Nutzerdaten.- 2.2 Datenaufbereitung und deskriptive Analysen.- 2.2.1 Vorverarbeitung von Web-Daten — Pre-Processing.- 2.2.2 Deskriptive Logfile-Analysen — Durchführung und Einsatzpotenziale.- 2.3 Data Mining Methoden.- 2.3.1 Assoziations- und Pfadanalyse — Entdeckung von Abhängigkeiten.- 2.3.2 Segmentierung im Online-Marketing.- 2.3.3 Einsatz von Klassifikation und Prognose im Web Mining.- 2.3.4 Kausale Netze — Vorgehensweise und Einsatzmöglichkeiten.- 2.4 Umsetzung der Ergebnisse.- 2.4.1 Web Controlling und Recommendersysteme.- 2.4.2 Website-Optimierung — Aufgabenstellung und Vorgehensweise.- 2.4.3 Personalisierung der Kundenbeziehung im Internet — Methoden und Technologien.- 3 Web Mining in der Praxis.- 3.1 Web Mining in der Praxis — eine empirische Untersuchung.- 3.2 Web Mining für Marketinganwendungen — Pilotprojekt der DaimlerChrysler AG.- 3.3 Web Mining mit Kausalen Netzen für das online-Computermagazin tecChannel.- 3.4 Ableitung von Kaufempfehlungen aus anonymen Session-Informationen bei Jubii.- 3.5 Wie werden Surfer zu Kunden? — Navigationsanalyse zur Ermittlung des Konversionspotenzials verschiedener Sitebereiche.- 3.6 Kennzahlenbasiertes Web Controlling mit einer Web Scorecard.- 3.7 Web Mining für die Personalisierung von e-Portalen.- 3.8 Aufbau einer e-Intelligence-Architektur für das Personality-Portal koepfe.de.- 3.9 PersonalisierendeWeb-Beratungsfunktionen als Komponente eines interaktiven Dialogmarketings.- 3.10 Web Mining Application Service Providing — Erfahrungen und Erfolgsfaktoren.- 4 Ausblick.- Entwicklungsperspektiven zum Web Mining.

Prof. Dr. Klaus D. Wilde ist Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik an der Katholischen Universität Eichstätt. Dr. Hajo Hippner und Melanie Merzenich sind Mitarbeiter an seinem Lehrstuhl. Zusammen gelten sie als anerkannte Spezialisten in den Bereichen Data Mining im Marketing, Web Mining und Customer Relationship Management.

• 1 Grundlagen des Web Mining.- Grundlagen des Web Mining — Prozess, Methoden und praktischer Einsatz.- 2 Der Web Mining Prozess.- 2.1 Datenerhebung.- 2.1.1 Aufzeichnung des Nutzerverhaltens — Erhebungstechniken und Datenformate.- 2.1.2 Einbindung von Zusatzinformationen — Nutzerregistrierung und Online-Umfragen.- 2.1.3 Datenschutz im Web Mining — Rechtliche Aspekte des Umgangs mit Nutzerdaten.- 2.2 Datenaufbereitung und deskriptive Analysen.- 2.2.1 Vorverarbeitung von Web-Daten — Pre-Processing.- 2.2.2 Deskriptive Logfile-Analysen — Durchführung und Einsatzpotenziale.- 2.3 Data Mining Methoden.- 2.3.1 Assoziations- und Pfadanalyse — Entdeckung von Abhängigkeiten.- 2.3.2 Segmentierung im Online-Marketing.- 2.3.3 Einsatz von Klassifikation und Prognose im Web Mining.- 2.3.4 Kausale Netze — Vorgehensweise und Einsatzmöglichkeiten.- 2.4 Umsetzung der Ergebnisse.- 2.4.1 Web Controlling und Recommendersysteme.- 2.4.2 Website-Optimierung — Aufgabenstellung und Vorgehensweise.- 2.4.3 Personalisierung der Kundenbeziehung im Internet — Methoden und Technologien.- 3 Web Mining in der Praxis.- 3.1 Web Mining in der Praxis — eine empirische Untersuchung.- 3.2 Web Mining für Marketinganwendungen — Pilotprojekt der DaimlerChrysler AG.- 3.3 Web Mining mit Kausalen Netzen für das online-Computermagazin tecChannel.- 3.4 Ableitung von Kaufempfehlungen aus anonymen Session-Informationen bei Jubii.- 3.5 Wie werden Surfer zu Kunden? — Navigationsanalyse zur Ermittlung des Konversionspotenzials verschiedener Sitebereiche.- 3.6 Kennzahlenbasiertes Web Controlling mit einer Web Scorecard.- 3.7 Web Mining für die Personalisierung von e-Portalen.- 3.8 Aufbau einer e-Intelligence-Architektur für das Personality-Portal koepfe.de.- 3.9 PersonalisierendeWeb-Beratungsfunktionen als Komponente eines interaktiven Dialogmarketings.- 3.10 Web Mining Application Service Providing — Erfahrungen und Erfolgsfaktoren.- 4 Ausblick.- Entwicklungsperspektiven zum Web Mining.

Prof. Dr. Klaus D. Wilde ist Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik an der Katholischen Universität Eichstätt. Dr. Hajo Hippner und Melanie Merzenich sind Mitarbeiter an seinem Lehrstuhl. Zusammen gelten sie als anerkannte Spezialisten in den Bereichen Data Mining im Marketing, Web Mining und Customer Relationship Management.

• 1 Grundlagen des Web Mining.- Grundlagen des Web Mining — Prozess, Methoden und praktischer Einsatz.- 2 Der Web Mining Prozess.- 2.1 Datenerhebung.- 2.1.1 Aufzeichnung des Nutzerverhaltens — Erhebungstechniken und Datenformate.- 2.1.2 Einbindung von Zusatzinformationen — Nutzerregistrierung und Online-Umfragen.- 2.1.3 Datenschutz im Web Mining — Rechtliche Aspekte des Umgangs mit Nutzerdaten.- 2.2 Datenaufbereitung und deskriptive Analysen.- 2.2.1 Vorverarbeitung von Web-Daten — Pre-Processing.- 2.2.2 Deskriptive Logfile-Analysen — Durchführung und Einsatzpotenziale.- 2.3 Data Mining Methoden.- 2.3.1 Assoziations- und Pfadanalyse — Entdeckung von Abhängigkeiten.- 2.3.2 Segmentierung im Online-Marketing.- 2.3.3 Einsatz von Klassifikation und Prognose im Web Mining.- 2.3.4 Kausale Netze — Vorgehensweise und Einsatzmöglichkeiten.- 2.4 Umsetzung der Ergebnisse.- 2.4.1 Web Controlling und Recommendersysteme.- 2.4.2 Website-Optimierung — Aufgabenstellung und Vorgehensweise.- 2.4.3 Personalisierung der Kundenbeziehung im Internet — Methoden und Technologien.- 3 Web Mining in der Praxis.- 3.1 Web Mining in der Praxis — eine empirische Untersuchung.- 3.2 Web Mining für Marketinganwendungen — Pilotprojekt der DaimlerChrysler AG.- 3.3 Web Mining mit Kausalen Netzen für das online-Computermagazin tecChannel.- 3.4 Ableitung von Kaufempfehlungen aus anonymen Session-Informationen bei Jubii.- 3.5 Wie werden Surfer zu Kunden? — Navigationsanalyse zur Ermittlung des Konversionspotenzials verschiedener Sitebereiche.- 3.6 Kennzahlenbasiertes Web Controlling mit einer Web Scorecard.- 3.7 Web Mining für die Personalisierung von e-Portalen.- 3.8 Aufbau einer e-Intelligence-Architektur für das Personality-Portal koepfe.de.- 3.9 PersonalisierendeWeb-Beratungsfunktionen als Komponente eines interaktiven Dialogmarketings.- 3.10 Web Mining Application Service Providing — Erfahrungen und Erfolgsfaktoren.- 4 Ausblick.- Entwicklungsperspektiven zum Web Mining.