Effiziente Online- und Offline-Werbung dank Media Analytics
Angesichts der wachsenden Bedeutung von Online-Werbung über Banner, Websites oder Apps wird der effiziente Einsatz des Werbebudgets immer wichtiger. Die weiter abnehmende Wirksamkeit von TV-Werbung führt dazu, dass sich viele Unternehmen fragen: Welchen Einfluss haben welche Werbemaßnahmen auf welchen Kanälen auf typische Zielgrößen wie Umsatz, Deckungsbeitrag oder Gewinn? Wie sollte dabei das Werbebudget auf die zahlreichen möglichen Werbemedien verteilt werden? Die diesjährige Data Mining Studie des BI-Analysten- und Beraterhauses mayato widmet sich der Beantwortung dieser Fragen durch Media Analytics. Dazu traten vier Analyseprodukte gegeneinander an: IBM SPSS Statistics Professional 21, STATISTICA Professionell 12 von StatSoft, der SAS Enterprise Guide 5.1 sowie RapidMiner 5.3 / R von Rapid-I. Die Studie ist ab sofort zu einem Preis von 299 Euro für Unternehmen und 99 Euro für Studenten und Hochschulen unter www.mayato.com erhältlich.
Szenario Media Analytics
Der Praxistest wurde anhand einer Stichprobe aus den realen Datenbeständen des App-Anbieters für Last-Minute-Hotelbuchungen JustBook (http://www.justbook.com/) durchgeführt: Eine Offline-Kampagne von JustBook im TV umfasste mehrere hundert Ausstrahlungen auf dem Nachrichtensender N24, zu verschiedenen Zeiten, mit unterschiedlichen Zuschauerreichweiten und variierenden Spotlängen. Gleichzeitig wurde intensiv auf den Mobile-Marketingkanälen für die App geworben. Und auch das Ranking der App in einem Online-Portal wie dem App Store von Apple hat Einfluss auf die Nachfrage der Nutzer. Im Rahmen von mayatos Media-Analytics-Ansatz wurden Offline- und Online-Daten verknüpft, um den Einfluss der unterschiedlichen Werbemaßnahmen auf Online-Zielgrößen – im vorliegenden Fall die Anzahl der iOS-Installationen – sichtbar zu machen.
Testfeld & Marktüberblick
Die Bewertung der Tools im Test stützt sich auf eine breite Anzahl praxisrelevanter Einzelkriterien. Sie decken sowohl Funktionalitätsaspekte (Funktionsumfang in den Kategorien Datenvorverarbeitung, Analyseverfahren und Parametrisierung, Ergebnisvisualisierung, Gesamteffizienz) als auch die Benutzerfreundlichkeit (Stabilität, Ausführungsgeschwindigkeit, Dokumentation, Bedienung) ab. Neben den ausführlichen Testergebnissen enthält die Studie einen Marktüberblick von 80 aktuell verfügbaren Data-Mining-Produkten.
Ergebnisse der Praxistests
Die Gesamtbewertungen liegen – verglichen mit den Ergebnissen der Data Mining Studien der letzten Jahre – vergleichsweise nahe beieinander. Die durchweg hohe Funktionsmächtigkeit und die vielfältigen Parametrisierungsmöglichkeiten führen allerdings zu vergleichsweise langen Einarbeitungszeiten. Daraus ergeben sich in einigen Bereichen deutliche Unterschiede zwischen den Testkandidaten, zum Beispiel bei der Benutzerfreundlichkeit:
Hier führt STATISTICA Professionell von StatSoft das Testfeld an, vor allem dank seiner modernen, über alle Analyseaufgaben und -produkte einheitlichen Oberfläche. Die Funktionalität ist als hoch zu bewerten, wird jedoch von der des Enterprise Guide von SAS noch übertroffen. Dieser bietet dem Statistikexperten den großen Funktionsumfang von SAS/STAT und überzeugt auch durch die eingängige grafische Workflow-Oberfläche. Dagegen weicht dieses Bedienkonzept stark von dem verwandter SAS-Produkte ab: Nutzer, die etwa zusätzlich den Enterprise Miner verwenden, müssen sich auf ein anderes Oberflächenkonzept einstellen.
In Statistics Professional von IBM SPSS ist insbesondere die Visualisierung der Ergebnisse besonders gelungen: Sie bietet hohe Flexibilität bei der Erstellung von Grafiken und ungewöhnlichen, aber übersichtlichen Ergebnisausgaben. Allerdings ist die Funktionalität des SPSS-Produktes insgesamt geringer als die der weiteren Testkandidaten. Bei der Bedienung fällt die etwas angestaubt wirkende Oberfläche auf – sie kann bei intensiver Nutzung schnell unübersichtlich werden.
RapidMiner hat sich – als einziges Open-Source-Tool im Test – den kommerziellen Analyseprodukten vor allem dank der neu konzipierten, im Vergleich zu vorherigen Versionen übersichtlicheren Bedienoberfläche spürbar angenähert. Jedoch gibt es nach wie vor Verbesserungspotenzial: An vielen Stellen im Analyseprozess sind zeitaufwändige, manuelle Eingriffe und Korrekturen erforderlich. Auch die im Superlativ beworbene Bereitstellung von Metadaten erwies sich im Test als noch nicht ausgereift. Die fehlende automatische Erzeugung von Grafiken zur Ergebnisvisualisierung kann man immerhin zum Teil durch die diesbezügliche Verwendung von R kompensieren – die Integration in RapidMiner kann trotz kleiner Schwächen als gelungen angesehen werden.
Szenario Media Analytics
Der Praxistest wurde anhand einer Stichprobe aus den realen Datenbeständen des App-Anbieters für Last-Minute-Hotelbuchungen JustBook (http://www.justbook.com/) durchgeführt: Eine Offline-Kampagne von JustBook im TV umfasste mehrere hundert Ausstrahlungen auf dem Nachrichtensender N24, zu verschiedenen Zeiten, mit unterschiedlichen Zuschauerreichweiten und variierenden Spotlängen. Gleichzeitig wurde intensiv auf den Mobile-Marketingkanälen für die App geworben. Und auch das Ranking der App in einem Online-Portal wie dem App Store von Apple hat Einfluss auf die Nachfrage der Nutzer. Im Rahmen von mayatos Media-Analytics-Ansatz wurden Offline- und Online-Daten verknüpft, um den Einfluss der unterschiedlichen Werbemaßnahmen auf Online-Zielgrößen – im vorliegenden Fall die Anzahl der iOS-Installationen – sichtbar zu machen.
Testfeld & Marktüberblick
Die Bewertung der Tools im Test stützt sich auf eine breite Anzahl praxisrelevanter Einzelkriterien. Sie decken sowohl Funktionalitätsaspekte (Funktionsumfang in den Kategorien Datenvorverarbeitung, Analyseverfahren und Parametrisierung, Ergebnisvisualisierung, Gesamteffizienz) als auch die Benutzerfreundlichkeit (Stabilität, Ausführungsgeschwindigkeit, Dokumentation, Bedienung) ab. Neben den ausführlichen Testergebnissen enthält die Studie einen Marktüberblick von 80 aktuell verfügbaren Data-Mining-Produkten.
Ergebnisse der Praxistests
Die Gesamtbewertungen liegen – verglichen mit den Ergebnissen der Data Mining Studien der letzten Jahre – vergleichsweise nahe beieinander. Die durchweg hohe Funktionsmächtigkeit und die vielfältigen Parametrisierungsmöglichkeiten führen allerdings zu vergleichsweise langen Einarbeitungszeiten. Daraus ergeben sich in einigen Bereichen deutliche Unterschiede zwischen den Testkandidaten, zum Beispiel bei der Benutzerfreundlichkeit:
Hier führt STATISTICA Professionell von StatSoft das Testfeld an, vor allem dank seiner modernen, über alle Analyseaufgaben und -produkte einheitlichen Oberfläche. Die Funktionalität ist als hoch zu bewerten, wird jedoch von der des Enterprise Guide von SAS noch übertroffen. Dieser bietet dem Statistikexperten den großen Funktionsumfang von SAS/STAT und überzeugt auch durch die eingängige grafische Workflow-Oberfläche. Dagegen weicht dieses Bedienkonzept stark von dem verwandter SAS-Produkte ab: Nutzer, die etwa zusätzlich den Enterprise Miner verwenden, müssen sich auf ein anderes Oberflächenkonzept einstellen.
In Statistics Professional von IBM SPSS ist insbesondere die Visualisierung der Ergebnisse besonders gelungen: Sie bietet hohe Flexibilität bei der Erstellung von Grafiken und ungewöhnlichen, aber übersichtlichen Ergebnisausgaben. Allerdings ist die Funktionalität des SPSS-Produktes insgesamt geringer als die der weiteren Testkandidaten. Bei der Bedienung fällt die etwas angestaubt wirkende Oberfläche auf – sie kann bei intensiver Nutzung schnell unübersichtlich werden.
RapidMiner hat sich – als einziges Open-Source-Tool im Test – den kommerziellen Analyseprodukten vor allem dank der neu konzipierten, im Vergleich zu vorherigen Versionen übersichtlicheren Bedienoberfläche spürbar angenähert. Jedoch gibt es nach wie vor Verbesserungspotenzial: An vielen Stellen im Analyseprozess sind zeitaufwändige, manuelle Eingriffe und Korrekturen erforderlich. Auch die im Superlativ beworbene Bereitstellung von Metadaten erwies sich im Test als noch nicht ausgereift. Die fehlende automatische Erzeugung von Grafiken zur Ergebnisvisualisierung kann man immerhin zum Teil durch die diesbezügliche Verwendung von R kompensieren – die Integration in RapidMiner kann trotz kleiner Schwächen als gelungen angesehen werden.