Niemand schläft beim ersten Date mir dir (bis auf wenige Ausnahmen)
Ein Feuerwerk an Optimierungen von Google Analytics zur Messung des Contents einer Website zündeten Dave Sottimano und Simo Ahava. Webseitenbetreiber sollten wissen, welcher Content von den Besuchern gesehen wird und wie dieser in der Customer Journey zum Erfolg beiträgt. Die Journey zu kennen, ist wichtig, da der Abschluss beim ersten Kontakt sehr unwahrscheinlich ist (wie auch beim ersten Date, so Avinash Kaushik). Möglichkeiten zur Messung des Scrollverhaltens bietet z. B. ein Plug-In (http://scrolldepth.parsnip.io), welches Events bei Überschreiten von 25 %, 50 %, 75 % und 100 % der Seitenlänge in Analytics generiert.
Neben dem Scrollverhalten ist bedeutsam, wie stark ein Besucher mit der Website interagierte. Mittels des Google-Tag-Managers können Metriken geniert werden, welche bspw. zeigen, wie lange ein Nutzer wirklich auf einer Webseite aktiv war (mittels Messung der Mausbewegungen), welcher Tab im Browser aktiv war und welcher Teil des Textes tatsächlich gelesen wurde – die Betrachtung des Funnels vom Pageview bis zum gelesenen Content. Auf Ahavas Blog sind die notwendigen Schritte zur Messung des aktiven Tabs im Browser (http://einfach.st/ahava2) bzw. Content-Engagement einfach.st/simo2) detailliert erläutert. Gerade die Idee, Content als Enhanced E-Commerce zu messen (http://einfach.st/simo), ist skurril und gleichzeitig genial.
Machine Learning: How to?
Das Thema „Machine Learning“ war auf der SMX insgesamt sehr präsent. Leider ist es nicht so einfach, wie es auf den ersten Blick klingt. Tools, APIs und Lernhilfen wurden in einer eigenen Session für „Geeks“ präsentiert. Als Ausgangspunkt/Überblick für ein Eigenstudium dieser Materie auf Hochschulniveau empfiehlt sich bspw. ein Kurs der Carnegie-Mellon-Universität (http://einfach.st/cmu2). Jan-Willem Bobbink erläuterte, wie durch diverse API-Tools (http://einfach.st/api9) bspw. automatisiert Hotelbewertungen von Websites extrahiert und einer Sentimentanalyse unterzogen werden können. Automatische Texterstellung ist dabei nur ein weiterer Teilaspekt, der maschinelles Lernen ermöglicht – gleichzeitig Zukunftsvision und gelebte Realität.