Vorige week plaatste Kevin Hilstrom van MineThatData een post waarin hij een aantal losse gedachten opschreef. Een daarvan bepleit het gebruiken van Business Intelligence methodieken in web analytics. Wat kan de samenwerking van deze twee disciplines opleveren? Hier een aantal voorbeelden:

Het klikgedrag van bezoekers op een site verloopt zelden zo gestructureerd als de salesfunnelrapportages ons willen doen geloven. Hierdoor is er vaak weinig tot geen voorspellende waarde uit dit klikgedrag te halen. Door de klant nu in de tijd te gaan volgen ontstaat een reeks aan bezoeken aan de site. Uit deze reeks is wel voorspellende waarde te halen, bijvoorbeeld over wel/niet kopen van een bepaald product op je site.

Het gebruik van web analytics binnen business intelligence kan ook veel meerwaarde opleveren. Stel: je geeft een krant uit en hebt pakweg een half miljoen abonnees. Het kost je in de huidige markt veel moeite om abonnees te behouden, dus wil je graag weten welke abonnees een grotere kans hebben om de krant op te zeggen. Je weet dat gedrag uit het verleden de beste voorspeller is van gedrag in de toekomst, dus ga je daar mee aan de slag. Probleem is dat de enige gedragsvariabele die je zo ongeveer tot je beschikking hebt de betaling eens per kwartaal is. Voor je churnmodel ben je nu aangewezen op demografische en afgeleide gegevens en dat komt je model niet ten goede.

Op internet heb je voor abonnees allemaal extra diensten gratis beschikbaar gesteld. Hiervoor moet wel op de site worden ingelogd, dus je weet precies wie, wanneer, hoe vaak en wat op je site bezoekt. Door deze gegevens nu aan je mining table toe te voegen heb je toch een groot aantal gedragsvariabelen en zal je churnmodel sterk verbeteren.

De samenwerking van deze twee disciplines kan veel meerwaarde opleveren. De toekomst van web analytics ligt wat mij betreft in verdere integratie met business intelligence.

Plaats een reactie