Data Driven Marketing ist ein Teil des Online-Marketings, bei dem die Kunden und vor allem ihre Daten im Mittelpunkt stehen. Dazu zählen zum Beispiel demografische Daten oder das Verhalten von Kunden auf Websites oder in Online Shops. Die Daten werden zu einer bestimmten Zielerreichung (Konversion) genutzt, beispielsweise zur Steigerung der Reichweite oder zur Verbesserung des Vertriebs. In diesem Kurs erlernen die Studierenden die Grundlagen des Data Driven Marketings und erhalten einen vollumfänglichen Einblick in die zugehörigen Disziplinen, wie Big Data oder Künstliche Intelligenz. Aus einem Verständnis für Daten als solche, beschäftigen sich die Studierenden mit deren Einsatz zur Verbesserung, Individualisierung und Personalisierung der Kundenerfahrung und gehen der Frage nach, wie Unternehmen mit Hilfe von Kundendaten Muster erkennen und implementieren können. Kompetenzen zur effizienten Kollaboration im Data Driven Marketing runden diesen Kurs ab.

1. Einführung ins Data Driven Marketing
   1. Data Driven Marketing: Definition und Abgrenzung
   2. Data Driven Marketing und die VUCA-Welt
   3. Arten und Aufbereitung von Daten
   4. Speicherkapazität, Digitalisierung und Vernetzung – historische Entwicklung von Datenmengen und Datenübertragung
   5. Wertschöpfung durch Customer Intelligence
2. Big Data
   1. Big Data: Definition und Dimensionen
   2. Big Data als Grundlage für Künstliche Intelligenz und algorithmische Entscheidungsfindung
   3. Eigene Datenquellen und Daten von Drittanbietern für Data Driven Marketing
   4. Data Mining und Predictive Analytics
   5. IT-Systeme und Analyse-Tools
3. Künstliche Intelligenz (KI)
   1. Künstliche Intelligenz und Lernende Systeme: Definition und Gruppen
   2. KI in der strategischen Marketingplanung und operativen Steuerung
   3. KI zur Anpassung von Produkten und Services
   4. KI im Performance Management
   5. Machine Learning und Deep Learning
4. Customer Experience
   1. Customer Journey
   2. Sales Funnel
   3. Customer Relationship Management
   4. Multivariate Tests und A/B-Tests
   5. Mustererkennung
5. Conversion-Optimierung durch Individualisierung und Personalisierung
   1. Mass Customization und Smart Customization
   2. Datengetriebenes E-Mail- und Messenger-Marketing
   3. Targeting für datengetriebene Online-Kampagnen
   4. On-Site-Personalisierung (Website, Online-Shop, Landingpage)
   5. Programmatic Advertising
6. Marketing Attribution
   1. Regelbasierte Attribution
   2. Datengetriebene Attribution
7. Kompetenzen für Data Driven Marketing
   1. Agilität und Analytik
   2. Holokratie und Kundenorientierung
   3. Storytelling
   4. Unternehmerisches und ethisches Denken und Handeln

Web-Analytics ist die Untersuchung des Benutzerverhaltens im Web, in der Regel bezogen auf die Interaktionen mit einer bestimmten Website oder Web-Anwendung. So lässt sich beispielsweise erkennen, wie viele Besucher auf die eigene Seite kommen, was sie dort machen und wo sie die Seite wieder verlassen. Auch Transaktionen und ihre Herkunft werden auf diese Weise gemessen. So lässt sich der Erfolg von Online-Marketing-Aktionen messen.

Dennoch steckt Web Analytics bei vielen Unternehmen immer noch in den Kinderschuhen. Das Problem: In vielen Fällen reicht es nicht aus, lediglich ein Analytics-System auf einer Website einzubauen. Die eigentliche Arbeit beginnt bereits vorher mit diversen individuellen, businessabhängigen Fragestellungen. Für welches Tool entscheide ich mich? Welche Kennziffern sind wichtig? Welche Aktionen kann ich aus den generierten Zahlen ableiten? Hierzu benötigt man fundiertes Wissen und die entsprechenden Hintergründe.

Der Kurs Web-Analytics vermittelt das passende Hintergrundwissen, um Website-Daten korrekt zu ermitteln, umfassend zu analysieren und mit den daraus gewonnenen Ergebnissen das Online-Marketing bestmöglich zu optimieren.

1. Grundlagen
   1. Definitionen und Abgrenzung zu Digital Analytics
   2. Grenzen und Möglichkeiten
   3. Marktteilnehmer
   4. Auswahl eines Analytics-Systems
2. Datensammlung, Datenspeicherung und Datenauswertung
   1. Praxisbeispiel
   2. Methoden der Datensammlung
   3. Methoden der Datenspeicherung
   4. Methoden der Datenauswertung
   5. Rechtliche Aspekte
3. Metriken
   1. Praxisbezug
   2. Hits
   3. Seitenaufrufe
   4. Besuche
   5. Besucher
   6. Weitere Metriken
4. Key Performance Indicators (KPIs) der Web-Analyse
   1. Publikum
   2. Traffic-Quellen
   3. Inhaltsnutzung
   4. Conversion und Kosten
   5. KPIs spezifischer Inhalte und digitale Kanäle
5. Attribution und Attributionsmodelle
   1. Einleitung
   2. Attribution und Customer Journey
   3. Statische und dynamische Attributionsmodelle
   4. KPIs der Marketing-Attribution
   5. Datenbasierte Budget-Allokation
6. Erfolgsmessung und -optimierung
   1. Zieltypen
   2. Zielfindung und -definition
   3. Zielorientierte Digitalkanal-Aktivitäten und Messgrößen
   4. Identifikation, Selektion und Implementierung von von KPIs
   5. KPIs und Dashboards
   6. Optimierung anhand von Analytics-Erkenntnissen

Mit dem Begriff „Suchmaschinenoptimierung“, kurz SEO, werden alle Aktivitäten bezeichnet, die dazu führen, dass die eigenen Online-Angebote (i. S. der online gestellten Inhalte einer Website) eine bessere Platzierung in den organischen bzw. redaktionellen Trefferlisten der Suchmaschinen erzielen. Dies wird über sogenannte On- und Offpage-Optimierung und ständiges Monitoring erreicht. Zur OnPage-Optimierung zählen dabei alle Maßnahmen, die auf der eigenen Internetpräsenz vorgenommen werden, wie z.B. technische, inhaltliche und strukturelle Maßnahmen. Zur OffPage-Optimierung gehören Maßnahmen außerhalb der eigenen Webpräsenz. Hierbei spielt u.a. der Aufbau von Backlinks eine große Rolle.

Der Kurs schafft das notwendige Grundwissen, wie die zu betreuende Seite in Bezug auf On- und OffPage optimiert und mittels geeigneter Software überwacht werden kann. Ziel des Kurses ist es, die Studierenden in die Lage zu versetzen, Webseiten in Suchmaschinen – insbesondere Google – besser zu positionieren.

1. Grundlagen der Suchmaschinenoptimierung
   1. Begriffsdefinition & Gegenstand des Suchmaschinenmarketings
   2. Suchmaschinenmarketing im Wandel
   3. SEO-Tools und SEO-Software
2. Keyword-Recherche
   1. Grundlagen
   2. Keyword-Strategie: Shorttail und Longtail
   3. Schritte einer Keyword-Recherche
   4. Keyword-Datenbanken
   5. Keywords: Arten und Eigenschaften, Mapping
   6. Keyword-Potenzialanalyse
3. On-Site-Suchmaschinenoptimierung
   1. Grundlagen
   2. Inhaltliche Aspekte – Content is King!
   3. Strukturelle Aspekte
   4. Technische Aspekte
4. Off-Site-Suchmaschinenoptimierung
   1. Grundlagen
   2. Linkbuildung: Methodiken des Linkaufbaus
   3. Backlinking: Prüfung und Bereinigung
   4. Linkkauf
   5. Webkataloge, Webverzeichnisse, Weblogs, Satellitendomains, Web 2.0
   6. Penaltys und Linkabbau
5. SEO-Spezialthemen
   1. Google und Universal Search
   2. International SEO
   3. Local SEO
   4. Website Relaunch
   5. Social Media
6. Monitoring, Controlling und Tracking
   1. Grundlagen
   2. Erfolgskriterien
   3. Google Analytics

SEA wird auch als Suchmaschinenwerbung, Keyword Advertising oder Sponsored Links bezeichnet und steht für das Schalten von (Text-)Anzeigen in Suchmaschinen wie Google, Yandex, Baidu, Oath (Yahoo) und Bing. Werbung in Suchmaschinen hat sich als eine der wichtigsten Maßnahmen im Onlinemarketing etabliert. Vor allem die Schaltung von Anzeigen auf der Suchergebnisseite von Google und auf den Websites von Google-Partnern (Affiliates) ist ein hervorragendes Mittel, um zielgerichtet, d.h. ohne große Streuverluste, Interessenten auf eine Website oder in einen Online-Shop zu lenken. Dabei gibt es viel zu beachten, um Suchmaschinenwerbung erfolgreich zu nutzen.

In diesem Kurs lernen die Studierenden, wie Suchmaschinenwerbung funktioniert, wie erfolgreiche Anzeigen konzipiert und bei Google geschaltet werden. Zudem erfahren sie, welche Kennzahlen für die Suchmaschinenwerbung relevant sind, wie man den Erfolg einer Kampagne messen und diese optimieren kann. An einem vorgegebenen Fallbeispiel wird das Erlernte direkt in Google Ads umgesetzt und der Erfolg in Google Analytics gemessen. Zudem bereitet der Kurs optimal auf den Test zur Erlangung des Google Ads-Zertifikats vor.

1. Grundlagen des Search Engine Advertising (SEA)
   1. Definition, Funktionsprinzip, Bedeutung, Vorteile, juristische Aspekte
   2. Anbieterstruktur in Deutschland
2. Google Ads
   1. Einstieg und Grundlagen
   2. Strukturelle Aspekte
   3. Technische Aspekte
   4. KPIs für SEA
   5. Passende Keywords zu Anzeigen ermitteln
   6. Landingpages: Besucher zu Kunden machen
3. Auswertung und Optimierung von Kampagnen
   1. Kampagnenstatistiken und Berichtsabfragen
   2. Conversions, ROI und Gewinnmaximum
   3. Search Funnel und Conversion-Pfad
4. Interne und externe Tools und Software
   1. Kampagnenentwürfe, Kampagnentests und automatisierte Regeln
   2. Webanalyse und Google Analytics
   3. Landingpage und Conversion-Optimierung
   4. SEA-Software
5. Display-Werbenetzwerk
   1. Erfolgreiche Strategien und Optimierungen
   2. Ausrichtungsoptionen und erweiterte Einstellungen
   3. Remarketing und interessenbezogene Kampagnen
6. Anzeigenerweiterungen
   1. Sitelinks und Google Merchant Center
   2. Lokale Anzeigen, Google MY Business, ROPO
   3. Mobile Anzeigen, Click-to-Call, AdMob

In einer kundenorientierten Organisation spielt die Architektur von Datentypen, Daten Touchpoints, Datenflüssen und Datennutzung eine zentrale Rolle. Diese kundenzentrierte Datenarchitektur soll in diesem Kurs nähergebracht werden. Angedacht ist die Ausarbeitung einer Case Study Analyse, der Case kann auch das Unternehmen des Studierenden sein, in welcher die Studierenden identifizieren an welchen Touchpoints ein interaktiver Austausch mit dem Kunden stattfindet und Kundendaten gesammelt werden können. Die Studierenden definieren, welche Datentypen im Rahmen einer „Customer centered“ Organisation benötigt werden. Des weiteren skizzieren die Studierenden, wie Kundendaten zusammengeführt und ausgewertet werden können und wer darauf zugreifen soll.

1. Daten als Erfolgsfaktoren für Customer Centricity
   1. Der Kunde im Zentrum
   2. Daten generieren und Kundenerlebnisse differenzieren
2. Benötigte Daten
   1. Ziele definieren
   2. Zielkundenspezifikation
3. Vorhandene Daten
   1. Kunden Touchpoints
   2. Weitere Kundenschnittstellen
4. Datenquellen
   1. Neue Quellen
   2. Neue Touchpoints
5. Datenarchitektur
   1. Daten zusammenführen
   2. Auswertungsmöglichkeiten
6. Datenverwertung
   1. Anwendung
   2. Verantwortlichkeiten

Die Suche nach künstlicher Intelligenz (KI) hat das Interesse der Menschheit seit vielen Jahrzehnten begeistert und ist seit den 1960er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge der KI sowie über moderne Ansätze in der Entwicklung der künstlichen Intelligenz.

Dieser Kurs gibt eine Einführung in das bestärkende Lernen, einem Prozess, der dem ähnelt, wie Menschen und Tiere die Welt erleben: die Umwelt zu erforschen und die beste Vorgehensweise abzuleiten.

In diesem Kurs werden auch die Prinzipien der natürlichen Sprachverarbeitung und der Computer Vision (computerbasiertes Sehen) behandelt, beides Schlüsselkomponenten für eine künstliche Intelligenz, die in der Lage ist, mit ihrer Umgebung zu interagieren.

1. Geschichte der KI
   1. Historische Entwicklungen
   2. KI-Winter
   3. Expertensysteme
   4. Bedeutsame Fortschritte
2. Moderne KI-Systeme
   1. Schwache versus allgemeine KI
   2. Anwendungsbereiche
3. Bestärkendes Lernen
   1. Was ist bestärkendes Lernen?
   2. Markov-Ketten und Wertfunktion
   3. Zeitdifferenz und Q-Lernen
4. Verarbeitung natürlicher Sprache (NLP)
   1. Einführung in NLP und Anwendungsbereiche
   2. Grundlegende NLP-Techniken
   3. Vektorisierung von Daten
5. Computer Vision
   1. Pixel und Filter
   2. Feature-Erkennung
   3. Verzerrungen und Kalibrierung
   4. Semantische Segmentierung