machine-learning bzw maschinelles Lernen Teil 1

Alles rund um die Webanalyse und Suchmaschienen Marketing

machine-learning bzw maschinelles Lernen Teil 1

Machine Learning

Machine Learning bzw Maschinelles Lernen und die Weboptimierung

In diesem ersten Tutorial geht es vor allem um die Grundlagen am Beispiel eines A/B Tests. Welcher in späteren Tutorials an Komplexität gewinnt. Der Ausgangspunkt ist die Bewertung direkt auf die Seite zu übertragen und nicht erst im Analysesystem zur Anwendung zu bringen.

Maschinelles lernen ist im Grunde nichts anderes als einem Code das “Lernen” zu ermöglichen. Dabei schafft man im Vorfeld die Bedingungen wie der Code oder Komplexer das Programm lernen kann. Dabei verwenden man in der Regel Gewichtungen. Diese Gewichtungen werden entweder in Metriken berechnet oder man bedient sich ua. auch Quotienten (Brüche).

Maschinelles lernen und Tests

Wenn man machine learning runterbrechen möchte auf größtmögliche Einfachheit, dann kann man es am Besten verdeutlichen wie z.B A/B Tests funktionieren. Nehmen wir hier das Beispiel eines Bildes im Kopfbereich einer Webseite (Header). Gehen wir davon aus ich habe 3 Bilder die ich für die Landingpage verwenden möchte. Nennen wir diese einfach:

  • Bild 1
  • Bild 2
  • Bild 3

Jetzt haben wir die Bilder aber wissen nicht, wie sich diese im Verhältnis auf das Ziel auswirken oder aber welche wie oft gezeigt werden sollten. Als nächstes müssen wir definieren, wie der Code den Erfolg der Bilder Bewerten soll.

Der Erfolg auf der Seite ist z.B. dass die Abbruchrate auf der Seite geringer wird bzw. die Verweildauer länger. Es könnte bei Shops auch der Verkauf oder bei Dienstleistungen die Kontaktaufnahme über die Landingpage sein. Im endeffekt stehen immer mehrere größen in Korrelation zueinander die wir hier nicht verwenden werden um die Komplexität gering zu halten. Sei das Ziel die minimierung der Abbruchrate (Absprungrate).

Absprungrate Exkurs Die Absprungrate = AR ist definiert durch einen Seitenaufruf = SA auf dem keine Interaktion = IA stattfindet und die Verweildauer = VD die zuvor definiert wurde unterschritten wird. Also ist AR definiert durch –> SA mit der echten Teilmenge –> IA oder der echten Teilmenge VD. Oder anders der Besucher kommt auf unsere Webseite macht nichts und geht wieder bevor die mindestverweildauer erreicht ist. In Google Analytics ist die Mindestverweildauer z.B. 30 Minuten.Exkurs Ende

Formel

Der Quotient (Bruch) der den Erfolg mist, lautet:  Besucher ohne Absprung geteilt durch Besucher gesamt oder kurz –> Besucher ohne Absprung/Besucher gesamt

Zusammenfassung / Konklusion

Nun haben wir 3 Bilder und die Formel –> Besucher ohne Absprung/Besucher gesamt. Fassen wir dieses nun zusammen. Die Bilder haben bei Beginn eine Bewertung von 100%.

  • Bild 1 = 100%
  • Bild 2 = 100%
  • Bild 3 = 100%

Ein Besucher kommt jetzt auf unsere Seite und Sieht Bild 1 und Springt wieder ab. bedeutet Bild 1 verändert sich im ranking. Dann haben wir Bild 1 = Besucher ohne Absprung/Besucher Gesamt (0/1) => Bild 1 = 0/1  => Bild 1 = 0%. Dieses Bild hat am Anfang einen Erfolg von 0. Nun würde dann als nächstes Bild 2 oder 3 angezeigt werden, weil beide noch 100% haben. Bedeutet der Code muss immer das Bild mit der besten Erfolgsbewertung nehmen. Wenn die nächsten beiden benutzer auch direkt wieder abspringen, haben alle 0 und es wird wieder gewählt aus allen 3. Wenn jetzt aber ein Wert auf null gesenkt wurde und bei einem Bild das Ziel erreicht wird, Erreicht dieses niemals mehr den Wert null. Die Frage die sich jetzt stellt, wie kann man die gewichtung so optimieren, das dieses dilemma nicht passiert.

Nennen wir es die phase des Lernens, wo der code keine Entscheidung trifft, bis jedes Bild mindestens einmal das Ziel erreicht hat. Wenn jedes Bild mindestens einmal das Ziel erreicht hat, kann man jetzt immer das Bild mit dem höchsten Erfolg wählen bis dieses unter ein anderes Ranking fällt oder gleich ist. Man kann natürlich auch eine Mindestanzahl von Erfolgen festlegen wie es auch bei Smart Campaigns bei Adwords (Google Ads) der Fall ist.

Bewerten Sie

Javascript beispiel nur auf anfrage

Ihre Emailadresse wird nach dem versenden der Email wieder gelöscht.

Hiermit stimme ich der Verarbeitung meine Daten laut DSGVO zu.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.