p-Werte, R-Quadrat-Werte und gleitende Durchschnitte

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Diese Übung ist Teil des Kurses

Marketing Analytics in Tableau

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

In Kapitel 1 bekommst du ein fundiertes Verständnis der Grundlagen von Marketingdaten und -analysen – beginnend damit, wie Daten erzeugt und gespeichert werden. Du lernst Marketingkanäle und Journeys kennen und wie sie definiert sind. Am Ende dieses Kapitels kannst du Daten so umstrukturieren, dass du diese Journeys identifizierst und Interaktionen mithilfe verschiedener Attributionsmodelle bewertest.

Exercise 1: Marketing-Analytics in Tableau Exercise 2: Cookie-Funktionalität Exercise 3: Beispiel für Webdaten Exercise 4: Identifizierbarer Traffic Exercise 5: Kundensegmentierung Exercise 6: User Purchase Flag Exercise 7: Touches, Journeys und Attribution Exercise 8: Attributionsmodelle Exercise 9: Daten-Offset Exercise 10: Vorheriger Touch Exercise 11: Nächster Touchpoint Exercise 12: Touch-Klassifizierung Exercise 13: First vs. Last Touch

In Kapitel 2 tauchst du tiefer in zwei spezifische Marketingkanäle ein: E-Mail und Paid Social. Du lernst die Strategien hinter jedem Kanal, typische Anwendungsfälle und die Bausteine, aus denen jede Art von Marketing besteht. Am Ende dieses Kapitels kannst du die Performance anhand mehrerer, für jeden Kanal typischer Kennzahlen analysieren und verstehen, wie du Daten nutzt, um Verbesserungsmöglichkeiten zu erkennen.

Exercise 1: Marketing-Funnel Exercise 2: Änderung der Click-through-Rate Exercise 3: Aggregation berechneter Felder Exercise 4: Click-Through-Rate Exercise 5: Öffnungsrate Exercise 6: E-Mail-Diagnose Exercise 7: Paid Social und A/B-Testing Exercise 8: A/B-Testing Exercise 9: Analytics-Operations Exercise 10: Click-back-Rate Exercise 11: Engagement- und Kaufraten Exercise 12: Creative Exercise 13: Follower-Metriken

In Kapitel 3 baust du auf den Analysen aus Kapitel 2 auf, um zwei weitere stark genutzte Kanäle besser zu verstehen: Paid Search und Organic Marketing. Du erfährst, wie diese Kanäle funktionieren, welche Gemeinsamkeiten und Unterschiede sie haben und warum Webseiten und digitale Strategien so wichtig sind. Außerdem untersuchst du Beziehungen zwischen Datenvariablen und lernst, Daten (qualitativ und quantitativ) für Analysen aufzubereiten. Am Ende dieses Kapitels kannst du die Performance anhand verschiedener, für jeden Kanal typischer Kennzahlen analysieren und verstehen, wie Änderungen in einem Kanal einen anderen beeinflussen können.

Exercise 1: Paid Search Exercise 2: Überblick: Paid Search Exercise 3: String-Operationen Exercise 4: Ausgaben nach Keyword Exercise 5: Mobile vs. Desktop Exercise 6: Click-through-Rate Exercise 7: Was ist organischer Traffic Exercise 8: Ranking in der organischen Suche Exercise 9: p-Werte, R-Quadrat-Werte und gleitende Durchschnitte

Aktuelle Übung

Exercise 10: Engagement-Rate Exercise 11: URL-Gruppe Exercise 12: Metrik-Korrelation Exercise 13: Channel-Korrelation

In Kapitel 4 kombinierst du, was du in den vorherigen Kapiteln gelernt hast, um LTV, CAC und ihr Verhältnis zu berechnen und zu analysieren. Du lernst, wie diese Kennzahlen – etwa durchschnittlicher Bestellwert, Alter und Lebensdauer – aus ihren Bestandteilen aufgebaut sind und wie sich Veränderungen darin auswirken. Mit Bezug auf die Arbeit zu Paid Marketing analysierst du Veränderungen im CAC über die Zeit anhand eines vereinheitlichten Datensatzes und lernst so zusammengeführte Datensätze in Tableau kennen. Zum Abschluss des Kurses berechnest du LTV/CAC.

Exercise 1: Einführung in LTV Exercise 2: LTV-Einblicke Exercise 3: DATEDIFF und DATEPARSE Exercise 4: Churn-Flag Exercise 5: Churn-Rate Exercise 6: Bestellgröße Exercise 7: Einführung in CAC Exercise 8: B2B vs. B2C CAC Exercise 9: Vereinigte Daten Exercise 10: Paid Social CAC Exercise 11: Paid Search CAC Exercise 12: Gesamter CAC Exercise 13: LTV/CAC Exercise 14: Abschlussvideo