Dieses Webinar fue Unternehmensblogger findet am 18. Maerz 2010 statt.

Corporate Blogs sind das Herzstück erfolgreicher Unternehmens-Websites und ein effizientes Mittel im Online-Marketing. Lernen Sie die neuesten Techniken um LeserInnen und Kunden mit dem Weblog zu gewinnen.

Mit Fallbeispielen aus der Praxis ermoeglicht das Webinar Teilnehmern neue Erkenntnisse auf dem Gebiete des Benchmarking. Es zeigt auf, wie man mit Hilfe von strategischen Kennzahlen zur groesseren Effektivitaet des Online Investments kommt.

Bitte registrieren Sie sich gleich hier:

==> kostenloses Webinar: Benchmarking und Erfolg von Corporate-Blogs messbar machen

In diesem Webinar lernen Sie, wie man Blogs konsequent für seine geschäftlichen Ziele einsetzen kann. Nach diesem Webinar wissen Sie, wie man die Anziehungskraft von Blogs zur Neukundengewinnung noch effektiver nutzt. Das spezielle Augenmerk ist dabei auf die Messung des Erfolges von Unternehmens-Blogs gerichtet.

18. Maerz 2010 um 10:30 MEZ (07:30 Rio de Janeiro / 09:30 London / 11:30 Kairo / 12:30 Moskau / 17:30 Singapor). Wir laden Sie herzlich zu unserem Webinar ein, an welchem wir anhand von Fallstudien aufzeigen, wie erfolgreiche Corporate Blogs in Industrie, Food-Branche oder Einzelhandel neue Leser gewinnen und deren Bindung an das Unternehmen foerdern.

Professor Dr. Urs E. Gattiker, Spezialist für Benchmark—Optimierung von und für soziale Medien, zeigt Ihnen, wie Sie die Wertschoepfung für den Corporate Blog steigern koennen und stellt Ihnen eine Vielfalt an sehr effektiven Techniken vor.

Ob ein Unternehmen gross oder klein ist, ob es aus der Industrie- oder der Dienstleistungsbranche kommt kann Ihnen dieses Webinar die effektivsten Straegien fuer Blogging und Marketing mit Hilfe sozialer Medien aufzeigen. Es wird Ihnen dabei helfen, eine Anzahl neuer Strategien besseren Nutzung von sozialen Medien im Unternehmen umzusetzen.
Wenn ueber Facebook, Twitter und Corporate-Blogs die richtigen Daten gewonnen werden, koennen sie effektiver genutzt werden. Dieses Webinar zeigt die neuesten Trends und wie sie eingesetzt werden koennen.

Aus dem Webinarinhalt:
- Benchmarking und Erfolg von Corporate-Blogs messbar machen
- Lernen aus Fehlern anderer
- Einsetzung von ‘push’ und ‘pull’Marketing mit dem Weblog
- Messung der 5 wichtigsten Kennzahlen zur besseren Leistung des Firmen-Blogs
- Fallstudien von Weblogs analysieren unter anderem auch solche welche im FT ComMetrics Blog Index aufgefuehrt sind
- Verstaendnis foerdern für soziale Medien
- Nutzung von Corporate-Blogs als effektive und wichtige Instrumente der Unternehmenskommunikation
- Vermeidung der klassischen Fehler im Weblog Benchmarking

Referent:
Urs E. Gattiker, Ph.D., Ph.D., ist ein Enthusiast der sozialen Medien, erfolgreicher Buchautor und Blogger. Er ist der Gründer und Chief Executive Officer von CyTRAP Labs GmbH. CyTRAP Labs bietet seinen Kunden Dienstleistungen auf dem Gebiete ‘Corporate Governance’ und  social media an. Die Abteilung ComMetrics spezialisiert sich auf Analyse und Messung des Erfolges von sozialen Medien (e.g., Entwicklung des FT ComMetrics Blog Index – – der Industriestandard zum Ranking von  Corporate Weblogs der FT Global 500 und Fortune 500 Unternehmen).

Um an diesem kostenlosen Webinar teilnehmen zu koennen muessen Sie sich bitte hier registrieren (eMail Adresse genuegt):
==>  Jetzt Teilnahmeplatz sichern – Corporate-Blogs: Effektives Benchmarking 11. Maerz, 10:30 Uhr MEZ

Download this document: http://commetrics.com/download/20/

Ihr Vorteil
Sie erhalten einen praxisrelevanten Leitfaden aus der ComMetrics eBook Serie, um Benchmarking von Weblogs sofort und erfolgreich in Ihrem Unternehmen einzusetzen.

Ihr Bonus
Freien Zugang zum My.ComMetrics.com Benchmarking Tool – Messen und Tracking der Performance zur Leistungssteigerung von Firmenblogs.

Um sich für dieses Webinar zu registrieren, besuchen Sie die unten angegebene Seite – tragen Sie eine eMail Adresse ein, um somit den Zugangscode zu erhalten

Bitte registrieren Sie sich jetzt da die Teilnehmerzahl limitiert ist (eMail Adresse genuegt)

Auf Englisch gibt es das Webinar hier: FREE webinar: Know which analytics to measure and which to ignore

P.S. – Besuchen Sie My.ComMetrics (register yourself – benchmark your blog(s) => improve performance). You can get updates for this blog on Twitter by following @ComMetrics or get a free subscription by RSS, or get new posts via email:

Late on October 14, blogging directory and rankings site Technorati discontinued its Technorati Rankings and related data. ComMetrics used Technorati Ranking as part of its ComMetrics Footprint calculations.

Due to Technorati’s decision, we had to remove this measure from our ComMetrics Footprint.

Technorati Authority still exists, but now focuses much more on data from the last 30 days. The given Authority rank is somewhere between 1 – 1,000.

Scoring factors that are considered in this metric are:
- posting frequency,
- context,
- linking behavior, and
- ‘other inputs’.

This results in more volatile score, since blogs can frequently move up or down on the 1 – 1,000 scale.

Technorati explained the decision in a recent blog post:

“With the new algorithm, the resulting Authority will better reflect the fast-changing nature of the blogosphere. Its new inherent volatility will also show which blogs are rising and falling in authority, rewarding authors on posting frequency, context and linking behavior, as well as other data inputs.”

Currently, Technorati provides little, if any, information about how it calculates its Technorati Authority score for the blogs in the ranks. Furthermore, the Application Programming Interface (API) is still unavailable (difference between a widget and an API explained in plain English).

We have therefore removed Technorati rankings from our calculations, at least for now. We will consider re-introducing them as soon as Technorati again makes this feasible.

Get Your API Right – ropes to skip, API 101 #things2read#tips2follow

When data are missing, the appropriate missing data analysis procedures do not generate something out of nothing but do make the most out of the data available

One of the most common forms of analysis with missing data involves simply substituting the mean for the variable whenever a value is missing. Unfortunatley, mean substitution can produce very wrong estimates of variances and covariances. In general, substituting the mean for the missing value has the effect of underestimating the magnitude of both variances and covariances

“1. Whenever possible, use the EM algorithm (or other maximum likelihood procedure, including the multiple-group structural equation-modeling procedure or, where appropriate, multiple imputation) for analyses involving missing data.2. If other analyses must be used, keep in mind that they produce biased results and should not be relied upon for final analyses. Recommmending:

a. Never use mean substitution, even for preliminary analyses.

b. With minimal missing data, analysis of complete cases may be a reasonable solution.

c. If data are missing completely at random, pairwise deletion or complete cases analysis may be a reasonable solution.

d. If data are not missing completely at random and the cause of missingness has been measured, complete cases may produce unbiased e2stimates, although it is a generally less powerful approach than the EM algorithm or multiple-group procedure.”

John W. Graham, Scott M. Hofer, and Andrea M. Piccinin (1994). Analysis With Missing Data in Drug Prevention Research L. M. Collins & L. A. Seitz (eds.), Advances in Data Analysis for Prevention Intervention Research (13-63). NIDA Research Monograph 142 Bethesda, MA: U.S. Department of Health and Human Service

Accordingly, mean substitution:

1. artificially decreases the variation of scores, in turn, this decrease in individual variation for each of the variables is proportional to the number of missing data – in turn, the more missing data, the more “perfectly average scores” will be artificially added to the data set; and

2. substitutes missing data with artificially created “average” data points – this can result in considerably changing the values of correlations.

We have tried to minimize this issue with calculating the mean value for those variables with the same Google Page Rank only (e.g., take all means from variable x for those blogs with Google PageRank 4 only – calculate the average score – use it). In turn, this reduces the impact outliers – high and low – may have on our results. For more see also:

what we do with missing values

We are currently in the process of finding ways for doing multiple – imputations. Want to support our efforts, get in touch and/or leave a comment below.We are wondering how we can integrate this program:

Schafer, J. Software for Multiple Imputation

with our work. Suggestions are welcome.

We need to find a way to run it without using any of the statistical packages to do the job for us – any advice – please leave a comment we need your expertise and appreciate any help we can get.

other resources

Allen, E. I., & Sharpe, N. R. (2005) Demonstration of Ranking Issues for Students: A Case Study. Journal of Statistics Education Volume 13, Number 3

Karen Grace-Martin – writes The Analsis Factor blog – you should subscribe – it is refreshing and very helpful indeed