KI in der Web-Analyse

KI-Anwendungen wie ChatGPT setzen sich im Marketing immer mehr durch und vereinfachen insbesondere bei der Content-Erstellung eine Vielzahl von Prozessen. Auch in der Software-Entwicklung helfen KI-Code-Assistenten bei der Programmierung mit erstaunlicher Qualität.

Dass Verfahren der künstlichen Intelligenz mittels neuronaler Netzwerke auch für die Analyse von strukturierten Web-Analyse-Daten geeignet sind, steht außer Frage. Grundsätzlich stehen bislang folgende Mittel für Auswertungen zur Verfügung:

• Reporting in der Analytics-Lösung (etracker Analytics, GA…)
• BI-Lösungen (Tableau, Looker Studio, Power BI…)
• Statistik-Software (R, SPSS…)

Gerade der Weg über Statistik-Software ist sehr aufwändig und erfordert viel Know-how. ChatGPT & Co. schickt sich an, dies zu ändern und jedermann mittels Sprachbefehlen (Prompts) zu ermöglichen.

Aber wie sehr sind in diesem Umfeld KI-Anwendungen bereits für den Praxiseinsatz nutzbar? Und was ist bei deren Nutzung zu beachten?

1. ChatGPT im Web-Analyse-Praxistest

Ob allgemeiner „Prompt“ wie

„Hier ist die csv-Datei des Datensatzes. Führe eine datengesteuerte Analyse dieser Daten durch. Führe maschinelles Lernen zusammen mit einer grundlegenden Analyse durch, um Trends und Anomalien zu erkennen. Führe auch eine explorative Analyse (EDA) durch und gib mir einige datengestützte Vorschläge.“

oder konkretere Eingabe wie

„Ich möchte die Daten clustern. Ich möchte Cluster für die Besucher meiner Website finden. Wie kann ich das tun?… Gib jedem Cluster einen einprägsamen Namen. Für jedes Cluster: Schreibe eine Strategie zur Steigerung der Umsätze in diesem Segment.“

Die Ergebnisse sind in den von uns getesteten Fällen erstaunlich gut. Insbesondere, weil die Antworten sehr systematisch erfolgen mit Vorschlägen zu weitergehenden Analysen, Zusammenfassungen, Empfehlungen – und zwar in Dialogform, wie man es in der Zusammenarbeit mit einem menschlichen Data Scientist auch erwarten würde. Zudem fällt positiv auf, dass nicht nur die Datenstruktur „verstanden“ wird, sondern auch der Kontext im Zusammenhang mit Website-Besuchen.

Aber es gilt zu beachten:

• Wenn Daten zu Analyse-Zwecken hochgeladen werden, hat dies rechtliche Auswirkungen, wenn die Daten personenbezogen sind. Außerdem sollte das Thema Datenhoheit bedacht werden, da man die Daten und Erkenntnisse gewissermaßen aus der Hand gibt.
• Derzeit ist nur ein begrenzter Upload von Daten möglich (50 MB), was größere und insbesondere granulare Datensätze ausschließt.
• Die Formulierung der Fragen bzw. „Prompts“ erfordert auch Know-how und Übung.
• Die Qualität der Analysen ist nicht 100%ig zuverlässig und basiert nicht auf spezifischem Verständnis der jeweiligen Branche und Hintergründe.

2. Alternative: Skript-Generierung mit ChatGPT

Egal, ob es um Visualisierungen, Wahrscheinlichkeiten, Abhängigkeiten und Zusammenhänge, Muster und Trends oder Big Data-Analysen wie „Clustering“ geht, man kann hierfür auch zweistufig vorgehen und sich von ChatGPT helfen lassen, um sich Python-Skripte erstellen zu lassen, die dann lokal die Analysen realisieren.

Wie dies genau geht, erklärt der CTO von etracker, Frank Meies, in einem Tech-Webinar.

Ein wenig Programmier-Know-how ist allerdings hierfür erforderlich. Dann stehen einem aber nahezu unbegrenzte Auswertungsmöglichkeiten zur Verfügung einschließlich grafischer Darstellungen mittels kostenfreier Open-Source-Bibliotheken wie plotly oder matplotlib.

3. Alternative: KI-Daten-Analyse-Tools

KI-Funktionalitäten halten nach und nach Einzug auch in Web-Analyse-Lösungen selber und sind heute schon in BI-Lösungen wie Tableau in ersten Ansätzen vorhanden. Daneben erscheinen fast täglich Spezial-Anwendungen mit künstlicher Intelligenz für Daten-Analysen und Daten-Management. Dazu zählen Lösungen wie Rows, Channel oder n8n.

Vorsicht vor „Garbage In, Garbage Out“

Natürlich hängt die Qualität der Analysen nicht nur vom KI-Modell ab, sondern wesentlich von der zugrundeliegenden Qualität der Daten. Datenschutzfreundliche Lösungen wie etracker Analytics können Daten trotz Ablehnung im Cookie-Banner und sogar trotz aktiver Ad Blocker rechtskonform erfassen. Dies sorgt für bestmögliche Datenqualität ohne unnötige Rechtsrisiken etwa durch manipulativ gestaltete Consent-Banner.

Fazit

Die Möglichkeiten von KI in der Web-Analyse liegen auf der Hand, erfordern heute aber noch Spezial-Know-how und Ausprobieren. Unternehmen sollten aber schon heute die Weichen stellen, um von der KI-Entwicklung zu profitieren und

👉 Ihre Datenbasis nachhaltig Cookie- und Einwilligungs-unabhängig aufstellen.

👉 Lösungen für das Daten-Management erkunden wie bspw. Tableau und/oder Pandas DataFrames.

👉 Mit Analyse-Prompting „spielen“ und sich rund um Advanced und Big Data Analytics „schlau machen“.

Quelle Titelbild: Adobe Stock / Daniel CHETRONI