Vita
Als Head of Data Science führt Dr. Julia Engelmann die Disziplinen Data Analytics, Web Analytics, Statistik und Data Science. Dabei kümmert sie sich vor allem darum, relevante Erkenntnisse über das Nutzerverhalten aus den Daten und Modellen für wirksame Optimierung und Personalisierung der digitalen Customer Journey zu gewinnen.Die beliebtesten 4 Beiträge von Julia
Seit September 2015 hat Julia 11 Artikel veröffentlicht
-
E-Book: Die Entmystifizierung der Personalisierung mit dem 4-Stufen-Modell
Mit unserem 4-Stufen-Modell geben wir dir ein systematisches Framework an die Hand, mit dem du Personalisierung erfolgreich in die Praxis überführst.
-
Data for Growth – Diese 10 Tipps machen Dich zum Goldgräber!
So machst auch Du aus Daten Gold! Lerne in diesem Artikel mit 10 Tipps, wie Du Daten…
-
So bewertest du die Business-Potenziale von Personalisierung und leitest das konkrete Vorgehen ab (Praxisbeispiel e.on)
Praktische Einblicke, wie e.on Personalisierung entwickelt hat. So analysierst du Revenue Streams, Zielgruppen und legst deine Personalisierungs-Roadmap fest.
-
Wie C&A in drei einfachen Schritten ihren Onlineshop personalisieren
Im Praxisbeispiel zeigt C&A, wie mittels Design-Prozess Personalisierung im Fashion E-Commerce für erfolgreiches Customer Experience Management entwickelt wird.
-
70% deiner A/B-Tests sind “underpowered”: So rockst du die Statistik
Schon wieder ein Test ohne Uplift. Auch dieses Mal kannst du nicht verstehen was schief gelaufen ist?…
-
Data-to-Persona Modell: Data Analytics und Personae verbinden
Bereits das Wort ‘Personalisierung’ löst bei vielen Projektleitern Schweißperlen aus. Das vielschichtige Thema ist jedoch in den…
-
Datenanalysen auf Knopfdruck: Mit Augmented Analytics wirst auch Du Analytics-Profi
Bist Du auch genervt von langwierigen Analytics Projekten, die nicht die erhofften Erkenntnisse bringen? Wünschst Du Dir nicht…
-
10 Statistik-Fallen beim Testing – Der ultimative Guide für Optimierer
Auch A/B-Tests mit guten Testkonzepten führen mit falschen Statistikansätzen schnell und in jeder Testing-Phase zu nicht aussagekräftigen…
-
In 4 Schritten vom A/B-Test zur Personalisierung
Der Test ist gestoppt, der Uplift im Tool signifikant und alle sind zufrieden. Super. Ziel erreicht, nächster…
-
4 Schritte, wie man Kundendaten für eine erfolgreiche Personalisierung nutzt
Frank steht auf Schnäppchen. Wenn Frank neue Schuhe braucht, geht er in den Laden und sucht nach…
-
Testing Insights: Was steckt hinter der Signifikanz in meinem Testing Tool?
Optimizely mit seiner neuen Stats Engine macht es schon. Google Experiments sowieso. Und auch VWO hat vor…
