Seit im Frühjahr Google mit einem großen Update den US-Index und wenig später auch den britischen Index aufgeräumt hat, wurde gerätselt, wann denn das Panda-Update in Deutschland zuschlagen würde. Einem Beitrag im Google-Blog zufolge ist es nun auch hierzulande soweit: Der Panda ist in Deutschland angekommen!

Doch wie wirkt sich das Panda-Update bei uns aus? Ich habe einen kleinen Schnellvergleich von vier Preis- bzw. Produktvergleichsseiten durchgeführt. Basis waren vier Sets von jeweils 15 Keywords, zu denen die betrachteten Websites vor Panda auf Platz 1 zu finden waren. In der Tabelle habe ich nun die Situation nach Panda dargestellt:

So konnte Idealo.de von seinen fünfzehn Platz-Eins-Platzierungen dreizehn verteidigen – und die beiden “Verlierer” ranken immer noch in den Top 10. Doch auch die Sites, die von Panda Deutschland erwischt wurden, scheinen nicht so schwer getroffen zu sein wie die Verlierer beim US-Panda. Zwar verlor dooyoo.de für alle untersuchten Keywords Platz eins, rankt aber immer noch für all diese Suchbegriffe in den Top 10. Insgesamt ist von den betrachteten sechzig Rankings nur ein Ranking aus den Top 10 gerutscht.

Bestätigt sich der Trend dieser ersten Schnellmessung, scheint sich Panda in Deutschland anders auszuwirken als im englischsprachigen Raum. Dort war der Anteil der Rankings, die komplett abgestürzt sind, weitaus größer.

Und ganz frisch kommen auch schon die ersten Zahlen von Sistrix rein:
Panda-Verlierer in Deutschland

Denn das Update zielt auf die (oftmals eben nicht vorhandene) inhaltliche Qualität und diese Qualität hat wenig mit Brands zu tun. Wir müssen uns nur einmal erinnern, mit welch spammigen Seiten so manche Online-Ableger von bekannten Printmedien in den letzten Jahren angetreten waren. Das Brand-Update 2009 hatte ja eine ganz andere Zielsetzung: Damals hatte Google offenbar festgestellt, dass viele Nutzer bei der Suche nach generischen Begriffen – etwa Drucker – bekannte Brands wie Canon oder Brother vermissten. Für diese Zielsetzung ist die Auswertung des Brandtraffics sinnvoll. Im Farmer-Update geht es hingegen darum, die Seiten vorne anzuzeigen, die bessere Qualität haben. Überlegen wir deshalb einmal, wie diese Qualität algorithmisch gemessen werden könnte.

Semantische Analyse

Auf den ersten Blick naheliegend wäre es, die inhaltliche Qualität eines Textes automatisiert zu bewerten. Doch kann das wirklich funktionieren? Werfen wir dazu einen Blick auf folgenden Pseudo-Ratgeber-Text:
Gartenteich anlegen
Um im eigenen Garten einen Gartenteich anlegen zu können, benötigen wir eine Teichfolie, manchmal auch einfach Teichplane genannt. Viele Heimwerker würden nun hergehen und ein Loch graben, doch wir sparen uns diese Arbeit. Wir schichten einfach einen runden Sandwall auf und legen die Folie hinein. Nun durchlöchern wir unsere Teichfolie, denn das befördert den Sauerstoffaustausch und verhindert die Algenbildung. Wenn wir jetzt noch unseren Tümpel mit Wasser aus dem Schlauch füllen, ist unser selbstgemachter Gartenteich auch schon fertig.

Dieser Text ist sprachlich ordentlich geschrieben und setzt sogar einige Synonyme ( für die Freunde der Latent Semantischen Optimierung) ein. Trotzdem ist jedem Menschen klar, dass so nie ein Gartenteich funktionieren würde. Aber kann tatsächlich eine Maschine erkennen, dass der Sandwall dem Wasserdruck nicht standhielte und eine durchlöcherte Folie nicht für bessere Sauerstoffversorgung sorgte? Bis wir soweit sind, dürften noch einige Jahrzehnte vergehen.

Nutzerverhalten

Ich habe in einem früheren Artikel bereits die Möglichkeiten, die Google hat, das Nutzerverhalten zu bewerten, einmal dargelegt. Die dort geschilderten Möglichkeiten ließen sich auch einsetzen, um die Qualität von Artikeln auf Contentfarmen zu bewerten. Allerdings ist die Analyse dieser Daten sicherlich nicht so ganz einfach. Wer einen Gartenteich anlegen möchte, wird bei der Recherche meist mehr als nur einen Artikel lesen. Wenn also der Nutzer auf die Ergebnisse eins, zwei und drei geht und dann (von Googles Radar) verschwindet, heißt das, dass eins und zwei schlecht, Artikel drei aber gut war? Oder einfach nur, dass der Nutzer nach dem dritten Artikel bemerkt hat, dass alle wesentlichen Hinweise ähnlich sind und er somit seine Recherche abbrechen kann?

Für so weitreichende Entscheidungen wie sie offensichtlich beim Farmer-Update getroffen wurden, erscheinen mir die Daten des Nutzerverhaltens auf den Google-Suchergebnisseiten zu schwammig zu sein als dass Google diesen Daten alleine vertrauen würde.

Social Media Signale

Allerdings ist das Web heute voll von Hinweisen auf das Verhalten von Nutzern – und Google kann viele davon abgreifen. Denn Nutzer stellen heute mit guten Inhalten alles mögliche an: Sie twittern URLs, sie stellen Artikel in Bookmarking-Dienste wie Mister-Wong ein oder sie teilen sie mit ihren “Freunden” auf Facebook.

Anzahl von Backlinks auf die beispielhaft ausgewählten Content-Farms.

Um einen Eindruck davon zu bekommen, ob sich daraus Rankingsignale für unseren Zweck ableiten ließen, habe ich für jeweils drei zufällig ausgewählte Farmer-Verlierer und -Gewinner über Yahoo die Backlinks aus den drei Social-Diensten Twitter, Facebook und Mister-Wong ermittelt und aufgelistet. Mir ist bewusst, dass die Erhebung dieser Zahlen über Yahoo alles andere als zuverlässig ist. Aber ich möchte hier ja auch keinen Beweis antreten, sondern lediglich einen Denkanstoß geben. Und die Zahlen deuten an, dass das Farmer-Update womöglich in diese Richtung gehen könnte.

Ich höre schon den Einwand, dass diese Dinge ja einfach manipuliert werden könnten. Und ja, das ist richtig. Das gibt Matt Cutts im Wired-Interview explizit zu:

But for example, our most recent algorithm does contain signals that can be gamed. If that one were 100 percent transparent, the bad guys would know how to optimize their way back into the rankings.

Diese Aussage legt zudem nahe, dass es keine tiefsinnigen semantischen Analysen gibt und auch die Auswertung des Nutzerverhaltens auf den Google-SERPs nicht das zentrale Kriterium ist – beide Punkte wären nicht so einfach zu manipulieren. Getwitterte und gefacebookte URLs sind hingegen recht einfach zu beeinflussen; auch wenn Google garantiert detailliertere Analysen macht als nur die pure Anzahl an Erwähnungen zu bewerten. So wäre eine erste Verbesserung, nicht die pure Anzahl an Social-Mentions heranzuziehen, sondern diese in Relation zur Anzahl vorhandener (oder in einem bestimmten Zeitraum veröffentlichter) Artikel zu setzen. Ich kann mir jedenfalls gut vorstellen, dass solche Analysen zumindest als Teil der Spam-Signale mit eingeflossen sind. Und wer meint, solch vage Zahlen eignen sich nicht als Ranking-Parameter, der möge nochmals meinen Artikel über Spam-Signale und Ranking-Faktoren lesen.

Sobald das Farmer-Update (oder Panda-Update, wie Google es nennt) auch hierzulande angekommen ist, sollten wir uns leichter tun mit einer Analyse. Wenn auch die Geschichte der letzten großen Updates – Mayday, Brand – zeigt, dass es uns Google immer schwerer macht, die Änderungen zu durchschauen.

Weiterer Lesestoff

Zusammenstellung der Gewinner und Verlierer
Offizieller Google-Post
Algorithmus-Änderung: Google sucht nach Qualität
Zahlen zu den Gewinnern und Verlierern

Trotzdem können wir daraus viel lernen: Wenn DAUs schreien, das Internet sei kaputt, dann ist ausnahmsweise Google nicht erreichbar. Und wenn wir SEOs schreien, Google macht schon wieder Update, dann hat ausnahmsweise Sistrix falsche Daten …

Anfang Mai gab’s das Mayday-Update, das zu etlichen Verlusten etablierter Websites im Longtail-Bereich führte. Davon waren auch Websites von Kunden betroffen, so dass ich seither neben diesen Kundensites eine Menge an Websites regelmäßig begutachte, die eine ähnliche Charakteristik aufweisen. Wie ich heute beim Check dieser Websites feststelle, haben sich die Sichtbarkeitsindizes gerade der Sites deutlich verschlechtert, die beim Mayday-Update vor drei Monaten relativ ungeschoren davon kamen.

Hier eine Auflistung von Websites und deren aktuelle Verluste des Sichtbarkeitsindex gegenüber der Vorwoche. In der dritten Spalte zum Vergleich die Änderungen während des Mayday-Updates vom 26. April bis zum 17. Mai.

Diese Websites stammen aus drei verschiedenen Branchen. Der Sichtbarkeitsindex reicht von 7 bis etwa 80. Auch bei den aktuellen Änderungen scheinen vor allem wieder die Longtail-Rankings eine Rolle zu spielen. Allen ist gemeinsam, dass die Anzahl der Keywords, unter denen sie in den Top100 zu finden waren, deutlich weniger wurden. Und alle Websites haben eine nicht unerhebliche Menge an Seiten mit sehr wenig Content im Index – es passen also wieder genau jene Beschreibungen wie bereits zum Mayday-Update. Habt Ihr ähnliche Erfahrungen? Beobachtungen? Erklärungen?

PageRank (..) is just one of over 200 signals that can affect how your site is crawled, indexed and ranked

Was aber ist mit Signal gemeint? Google wendet sich damit gegen das verbreitete Schwarz-Weiß-Denken: Eine Seite hat viele Footer-Links, also ist sie Spam. Eine Seite hat sehr hohen Trust, also kann sie kein Spam sein. Vielmehr geht es darum, eine Vielzahl von Hinweisen oder Merkmalen – Signale eben – auszuwerten und fürs Ranking zu benutzen. In gewisser Weise sind Signale nichts anderes als “weiche” Rankingfaktoren: Sie können einen Einfluss haben, müssen aber nicht. Erst wenn mehrere Signale zusammenwirken, hat das Einfluss auf die Position der bewerteten Seite. Insbesondere wenn’s um die Spamerkennung geht, sind Signale für Google wichtig. Ein böser Link alleine führt kaum zu einer Abwertung. Erst wenn Google sieht, dass viele böse Links vorhanden sind, aber wenige gute, kann das Auswirkungen haben.

Dabei ist der Umgang mit Signalen nichts, was Google erfunden hätte. Das grundlegende Vorgehen wird seit Jahren in E-Mail-Spamfiltern angewendet. In einer ansonsten tadellosen E-Mail wird das einmalige Vorkommen von “viagra” nicht zur Bewertung als Spam führen. Kommen aber zum Signal “viagra” noch weitere Signale (eine zweifelhafte Absender-IP, weitere böse Wörter usw.) hinzu, wird der Spamfilter die E-Mail irgendwann als Spam deklarieren.

Übertragen wir doch dieses Vorgehen einmal auf die Spamerkennung von Suchmaschinen. Wo E-Mail-Filter mit bösen Wörtern hantieren, muss sich der Google-Algorithmus mit Spamsignalen herumschlagen. Dazu könnten Signale gehören wie “Zu viele böse Backlinks”, “Zu hohe Keyword-Dichte” oder “Zu viele externe Footer-Links”. Wir nennen diese drei Kriterien k₁, k₂ und k₃. Alle Kriterien gemeinsam bezeichnen wir als K. (In Wirklichkeit gibt es natürlich viel mehr als nur drei solcher Signale, ich möchte das ganze hier aber relativ einfach halten.)

Nun haben die Google-Anti-Spam-Mitarbeiter fleißig hunderttausende von bösen und guten Seiten untersucht, entsprechend eingeteilt und dabei folgende Wahrscheinlichkeiten festgestellt:

Die Tabelle sagt aus, dass lediglich auf 10 Prozent der guten Seiten (“Ham”) zu viele böse Backlinks gefunden wurden, aber auf 80 Prozent der bösen Seiten (“Spam”). Entsprechendes gilt für die anderen beiden Kriterien. So sehen wir auf einen Blick, dass das Kriterium “Böse Backlinks” ein gutes Signal für eine Spamseite ist. Würde Google nun aber eine Regel aufstellen, die sagt: “Wer zu viele böse Backlinks hat, ist Spam!”, dann würden zehn Prozent aller guten Seiten fälschlicherweise als Spam deklariert. Eine derart hohe Fehlerrate dürfte Google sicherlich zu hoch sein. Würde Google aber umgekehrt verlangen, dass alle drei Kriterien erfüllt sein müssen, kämen zu viele böse Seiten in den Index.

Falsche Wahrscheinlichkeiten

Unser Problem liegt nun darin, dass wir die “falschen” Wahrscheinlichkeiten haben. Die obige Tabelle zeigt uns, dass 80% der Spamseiten zu viele böse Backlinks haben. Etwas mathematischer ausgedrückt heißt das:

Das liest sich in etwa so: Die Wahrscheinlichkeit, dass das Kriterium k₁ unter der Voraussetzung “Spam” erfüllt ist, liegt bei 0.8.

Uns interessiert aber genau die “umgekehrte” Wahrscheinlichkeit! Also die Wahrscheinlichkeit, dass eine Seite unter der Voraussetzung K “Spam” ist:

Für diese Umkehrung gibt es (unter bestimmten Voraussetzungen) eine bereits seit dem 18. Jahrhundert bekannte Formel, der berühmte Satz von Bayes, der dem Bayes-Filter seinen Namen verlieh.

Was sind nun aber die beiden Wahrscheinlichkeiten P(Spam) und P(K)? P(Spam) gibt an, wie wahrscheinlich es ist, dass eine Seite “Spam” ist – das entspricht also einfach dem Anteil der Spamseiten an allen Seiten im Google-Index. Wir nehmen an, ähnlich wie im klassischen E-Mail-Spamfilter, dass sich gute und böse Seiten die Waage halten, die Spamwahrscheinlichkeit also bei 50 Prozent liegt:

P(K) hingegen ergibt sich aus der Signal-Tabelle. Da entsprechend unserer Annahme “Ham”- und “Spam”-Seiten gleichverteilt sind, erhalten wir:

Setzen wir nun die Daten ein, ergibt sich diese kleine Rechnung:

Das Ergebnis überrascht uns noch nicht wirklich. Eine Seite, die zu viele böse Backlinks hat, ist mit einer Wahrscheinlichkeit von 89 Prozent eine Spamseite. Da die obige Tabelle sagt, dass zehn Prozent der guten Seiten böse Backlinks haben, sollten wir eine Spamwahrscheinlichkeit von etwa 90 Prozent erwartet haben. Spannender wird die Rechnerei aber, wenn wir diese Formel auf mehrere Kriterien verallgemeinern. Dazu müssen wir annehmen, dass die einzelnen Kriterien voneinander unabhängig sind. Ist dies der Fall, dürfen wir die Einzelwahrscheinlichkeiten einfach multiplizieren:

(Diese “naive” Annahme, dass die einzelnen Kriterien unabhängig sind, verleiht dem hier vorgestellten Bayes-Filter seinen korrekten Namen “Naiver Bayes-Filter”. Naiv ist die Annahme deshalb, weil ein Spammer, der zu viele böse Backlinks setzt, wohl auch eine zu hohe Keyword-Dichte einsetzt und schon sind beide Kriterien nicht mehr statistisch voneinander unabhängig.)

Nach einiger Rechnerei, die z.B. hier genauer aufgeführt ist, erhalten wir diese Formel, in die wir einfach unsere Daten aus der Signaltabelle einsetzen können:

Als erstes rechnen wir mit dieser Formel nochmals zur Kontrolle unsere Spamwahrscheinlichkeit für eine Seite aus, auf der lediglich das Kriterium k₁ (“Zu viele böse Backlinks”) erfüllt ist:

Nun betrachten wir die Wahrscheinlichkeit, wenn die ersten beide Kriterien (“Backlinks”, “Keyword-Dichte”) erfüllt sind:

Die Spamwahrscheinlichkeit steigt deutlich an; sicher sind wir nun in einem Bereich, in dem Google auf das Spamming reagieren wird.

Was aber passiert, wenn unsere Seite auch noch Kriterium 3 (“Footer-Links”) erfüllt?

Hier ändert sich nicht mehr viel. Das hat natürlich damit zu tun, dass das dritte Kriterium zwar auf 90% der Spamseiten zu finden ist, aber auch auf sehr vielen (60%) der guten Seiten – und damit ist dieses Kriterium wenig unterscheidungskräftig.

Deutlicher wird das Ganze, wenn wir uns ansehen, was bei den beiden Kriterien zwei und drei passiert:

Hier erhalten wir eine Spamwahrscheinlichkeit von lediglich 82 Prozent.

Fazit

Aber sollten 82 Prozent nicht gut genug sein, eine Seite abzustrafen? Im Einzelfall mag das womöglich plausibel erscheinen. Aber stellen wir uns mal eine Million Seiten vor, auf denen die beiden Kriterien zwei und drei erfüllt sind. Ein Spamwahrscheinlichkeit von 82 Prozent sagt hier aus, dass 820.000 Seiten tatsächlich Spam sind. Allerdings würden wir 180.000 gute Seiten zu unrecht abwerten – und das hätte negative Auswirkungen auf unseren Index. Denn Nutzer würden nun gute Seiten nicht mehr finden können.

Umgekehrt heißt das aber auch, dass Seiten, die viele gute Signale haben, locker einige Spam-Signale vertragen, ohne gleich abgewertet zu werden. Wer nun unbekümmert auf seinem neuen, kleinen SEO-Projekt alles nachmacht, was eine Topseite so anstellt, sollte sich nicht wundern, wenn er dafür abgestraft wird. Denn die Topseite retten ihre vielen positiven Signale, während das kleine SEO-Projekt lediglich die negativen Spam-Signale vorweisen kann.

Wichtig an diesem kleinen mathematischen Ausflug sind nicht die Details der Rechnung oder die genauen Ergebnisse. Mir ging es vielmehr darum, an einigen konkreten Beispielen die Wirkungsweise von Spam-Signalen aufzuzeigen. Besonders schön sieht man dies am geringen Einfluss des Signals “Zu viele Footer-Links”; dieses Signal kommt zwar auf 90% aller Spamseiten vor, trotzdem hat es kaum Auswirkungen auf die Spameinschätzung unseres Algorithmus.

Hinweis: Die aufgeführten Spam-Kriterien und ihre Wahrscheinlichkeiten sind pure Fantasie! Ebenso funktioniert der Google-Algorithmus sicherlich anders als hier anhand des Bayes-Filters erklärt. Die Rechnungen dienen lediglich dazu, den mathematischen Sachverhalt anhand einiger konkreter Zahlen zu verdeutlichen.

Jetzt ist es zwar schon mal interessant zu sehen, was Google da so auswirft, die für SEO spannende Frage aber ist, wie das zustande kommt. Offensichtlich gibt Google bekannten Marken einen deutlichen Schub nach oben. Das scheint eine willkürliche Entscheidung zu sein – wobei “willkürlich” hier bedeuten soll, dass der eigentliche Google-Algorithmus das nicht hergibt. Vermutlich hat Google in Tests festgestellt, dass die Nutzer für generische Anfragen die Brands erwarten, bisher aber häufig nicht gefunden haben. Aber woher weiß Google, dass beispielsweise nokia.de für handy einen Boost verdient hat, für drucker aber nicht?

Ich habe kürzlich im Artikel “Wie Google das Nutzerverhalten vielleicht fürs Ranking nutzt” ein paar Methoden vorgestellt, wie Google aus dem Such- und Klickverhalten der Nutzer lernen kann. Zwei dieser Methode möchte ich nochmals herausgreifen, denn sie eignen sich gut, um den Mechanismus hinter dem aktuellen Brand-Boost zu erklären.

Frühere Suchsessions

Google kennt ja den Ablauf ganzer Suchsessions. Da fängt ein Nutzer etwa mit einer Suche nach handy an und klickt auf das eine oder andere Ergebnis. Da er noch nicht zufrieden ist oder auf den angeklickten Seiten Informationen erhalten hat, die ihm eine genauere Suche ermöglichen, sucht er weiter. Nehmen wir an, dass er dabei auf einem Forum landet, in dem ein Beitrag vom Online-Shop auf t-mobile.de schwärmt. Nun sucht er gezielt nach t-mobile und landet auf t-mobile.de.

Die ganze Session sieht also in etwa so aus:

• Suche: handy
• Suche: vertragshandy
• Suche: t-mobile
• Abschließender Klick: t-mobile.de

Was lernt Google daraus, wenn eine derartige Session häufig auftritt? t-mobile.de muss für handy ein guter Treffer sein. Da zudem t-mobile.de ein Brand ist, bekommt t-mobile.de für handy eine entsprechende Aufwertung.

Kookkurrenzen

Besonders einfach lässt sich die Zuordnung einer Marke zu einem generischen Begriff über Kookkurrenzen (mehrere Wörter kommen häufig gemeinsam in einer Query vor) ermitteln. Sucht man im Google Keyword Tool nach handy, so zeigt sicht, dass handy häufig zusammen mit einer Marke gesucht wird:

Google muss sich also nur ansehen, zusammen mit welchen Marken ein Suchbegriff häufig kombiniert wird, um so zu lernen, für welche Suchbegriffe eine vorhandene Marke einen Boost verdienen könnte. Dieser Mechanismus würde auch erklären, warum für girokonto die Postbank und die Sparkasse plötzlich ganz vorne stehen – eine Frage, die Pip in seinem interessanten Post aufgeworfen hat.

Natürlich ist das alles nur Theorie, allerdings finde ich die Zahlen recht überzeugend. Vielleicht kann ja mit diesen Thesen der eine oder andere SEO seinen Kunden ein wenig beruhigen. Jedenfalls ist auch mit dieser gravierenden Ranking-Änderung SEO beileibe nicht tot, aber der Ansatz muss erst recht weiter gefasst werden. SEO ist mehr als Linkaufbau.

Google hat die Nutzerdaten

Erst kürzlich hat Google erklärt, dass personalisierte Suche nun Standard ist und nur per Opt-out abgeschaltet werden kann. Das bedeutet, dass Google von (fast) jedem Nutzer die Suchanfragen und die dazu gehörigen Ergebnisklicks kennt. Und über die diversen anderen Google-Angebote von Google Analytics bis hin zu Doubleclick kann Google sogar noch nachvollziehen, was der Nutzer auf den angeklickten Seiten treibt. An den Daten soll’s also nicht scheitern.

Google hat ein Patent auf die Auswertung von Nutzerverhalten

Am 27. Oktober 2009 bekam Google das Patent “Rank-adjusted content items” zugesprochen. Dieses Patent beschreibt ein Verfahren, wie komplette Suchsessions ausgewertet und fürs künftige Ranking benutzt werden.

Google hat die Nutzung bestätigt

Zumindest für die Auswahl und das Ranking der Google News-Ergebnisse hat Google bereits bestätigt, dass das Nutzerverhalten eine Rolle spielt.

The ranking of these articles will be subject to the same criteria as all sites in Google, whether paid or free. (..) It’s simply based on the popularity of the content with users and other sites that link to it.

Quelle: Google News Blog: “Google and paid content”

I would say another really important signal for us in recent quarters has been the user behavior. Their behavior has become a really helpful signal for us in trying to determine that same trusted quality of a given source.

Quelle: Josh Cohen Interviewed by Eric Enge

Warum sollte Google ein derart sinnvolles Rankingkriterium lediglich für Google News nutzen, für die Websuche aber außen vor lassen?

Das Nutzerverhalten und SEO

Nachdem nun alle überzeugt sind, dass Google das Nutzerverhalten ins Ranking einfließen lässt, stellt sich die Frage, welche Mechanismen dabei eine Rolle spielen und wie das für die Suchmaschinenoptimierung auszunutzen ist.

Beliebtheit von Websites

Für Google am einfachsten umzusetzen ist die Beliebtheit von Websites als Signal fürs Ranking zu verwenden. Sobald auf einer Website Google Analytics oder AdSense eingebunden ist, weiß Google genau, wie viele Besucher und wie viele PageImpressions die Site hat. Für alle anderen Sites kann Google über die Toolbar und alle anderen Extensions, die automatisiert den PageRank abfragen, ebenfalls eine ordentliche Schätzung abgeben. Das ermöglicht Google, die Besuchshäufigkeit einer Website als ein Rankingkriterium zu nutzen.

Click-Thru-Rate auf ein Ergebnis

Ebenfalls einfach auszuwerten sind die Klickraten auf ein bestimmtes Suchergebnis. Google kennt ja die durchschnittlichen Klickraten auf ein Ergebnis, abhängig von dessen Position (Platz 1, Platz, 2, etc.) , den umgebenden Suchergebnissen (Steht vor dem Online-Shop die Konkurrenz oder Wikipedia?), dem Suchanfragetyp (Navigational oder Transactional Query?) und der Einblendung von Universal Search Ergebnissen. Wird nun beispielsweise für die Suchanfrage fernseher das Ergebnis auf Position fünf häufiger angeklickt als dies aufgrund der oben genannten Faktoren zu erwarten wäre, so ist das für Google ein Signal, diese Seite künftig besser zu platzieren. Für Ergebnisse, die recht weit hinten stehen und deshalb selten angezeigt werden, ist es möglich, sie vereinzelt weiter vorne anzuzeigen und dann das oben beschriebene Klickverhalten auszuwerten.

Wer nun aber glaubt, er brauche nur ein Klickscript zu schreiben und das auf Google loszulassen, der sollte sich unbedingt Julians Artikel zu den Mythen übers Userverhalten durchlesen.

Einfluss früherer ähnlicher Suchsessions

Das bereits erwähnte Patent “Rank-adjusted content items” funktioniert in etwa so: Google stellt fest, dass Nutzer, die in einer Session nach fernseher, breitbild und lcd-tv gesucht haben, anschließend häufig samsung.de besuchten. Wenn nun Google während einer aktuellen Suchsession sieht, dass ein Nutzer nach tv-gerät, breitbild und lcd-tv sucht, dann geht Google davon aus, dass samsung.de ein sinnvoller Treffer ist – auch wenn die Suchsessions nicht identisch sind. Letztlich ist das nur eine Erweiterung des zuvor beschriebenen Verfahrens, da hier nun mehr als nur eine Suchanfrage benutzt wird.

Die Bounce-Rate (Absprungrate)

Auch die Absprungrate kann als Rankingkriterium benutzt werden. Diese Größe gibt an, wie viele Besucher nur eine einzige Seite dieser Website betrachtet haben. Eine geringe Absprungrate kann als Indiz für eine interessante Website gewertet werden – aber auch als Hinweis für eine schlechte Usability. Deshalb greift der Ansatz “hohe Bounce-Rate gleich schlechteres Ranking” viel zu kurz. Um das Verhalten sinnvoll einfließen zu lassen, muss Google berücksichtigen, was der Nutzer nach der Rückkehr von der angeklickten Seite macht. Geht er auf den nächstplatzierten Treffer und kommt erst nach längerer Zeit wieder auf die Google-Startseite, ist das ein Hinweis darauf, dass dieser nächste Treffer seine Suchanfrage besser bedient hat. Bricht er aber unmittelbar nach der Rückkehr seine Suchsession ab, könnte das heißen, dass der angeklickte Treffer gleich auf der ersten Seite das geliefert hat, was der Nutzer finden wollte.

Kookkurrenz in Suchanfragen

Das gleichzeitige Auftreten (Kookkurrenz) von Wörtern in Suchanfragen ist ein deutliches Indiz dafür, dass diese Begriffe etwas miteinander zu tun haben. Typische Beispiele dafür sind etwa nokia handy oder bmw gebrauchtwagen. Stellt Google fest, dass Suchanfragen der Art Marke + Generischer Begriff häufig vorkommen, so kann Google daraus schlussfolgern, dass die Marke zu diesem generischen Begriff gehört und somit eine erhebliche Bedeutung dafür haben kann. Spekulationen sagen, dass auf diese Weise das Nutzerverhalten ausgenutzt wird, um den bekannten Brand-Boost zu ermitteln.

Wie groß ist der Einfluss des Nutzerverhaltens?

Mit Sicherheit nutzt Google alle möglichen Nutzerdaten aus, um damit die Suchergebnisse zu verbessern. Da Google ja auch im internationalen Vergleich viel häufiger genutzt wird als konkurrierende Suchmaschinen, hat Google hier ein Alleinstellungsmerkmal, das keine andere Suchmaschine aufzuweisen vermag. Allerdings bleibt die Frage, wie groß der Einfluss dieser Daten aufs Ranking tatsächlich ist.

Auf der diesjährigen SES gab’s einen schönen Vortrag über die Klickwahrscheinlichkeit in Abhängigkeit von der Platzierung. Dort wurde am Beispiel der Suchanfrage auto gezeigt, dass mobile.de auf Platz 3 eine höhere Klickwahrscheinlichkeit aufweist als auto.de auf Platz 1 – während im Normalfall Platz 1 etwa fünfmal so viele Klicks abbekommt wie Platz 3. Trotzdem reicht dieses deutliche Nutzervotum nicht aus, mobile.de auf Platz 1 zu hieven. Ein anderes Beispiel zeigt mir eines meiner Testblogs, das mit einem Keyword weit vorne platziert ist. Der einzige ersichtliche Grund dafür sind einige Kommentare, die ich in anderen Blogs hinterlassen habe, wovon die meisten aber sogar auf Nofollow gesetzt sind.

Als Fazit lässt sich festhalten, dass das Nutzerverhalten einen Einfluss aufs Ranking hat. Allerdings sollte dieser Einfluss nicht überbewertet werden. Denn um allzu simple Manipulationen auszuschließen, kann Google nur grobe Trends erfassen. Deshalb ist auch hier der wohl beste Tipp: Bau’ sinnvolle Websites für die Nutzer und optimiere sie mit Sinn und Verstand.

Um diese Frage zu beantworten, habe ich einen kleinen Blick in meine Datenbank geworfen und mir die Websites herausgefischt, die die meisten Top-Platzierungen in Google erreichen. Als Suchbegriffe habe ich die zehntausend häufigsten Suchanfragen der letzten Jahre (Quelle: meine Keyword-Datenbank) zugrunde gelegt. Diese Liste geht von google bis planetarium und sollte den “Short Head” der deutschen Suchanfragen umfassen.

Jeder, der Google zumindest hin und wieder mit offenen Augen benutzt, wird über die bestplatzierte Website wenig erstaunt sein. Ganz vorne ist natürlich die gute und gar nicht mal so alte Wikipedia. Überraschend aber war für mich dann doch die Dominanz: Für ein Viertel aller Top-Suchanfragen rankt wikipedia.org auf Platz eins. Auf Platz zwei der Auflistung folgt denn gleich die englischsprachige Wikipedia-Version. Das liegt daran, dass auch eine ganze Reihe englischer Suchanfragen unter den Top-Anfragen vorkommen, etwa professionals oder holidays.

Als bestplatzierte Seite deutschen Ursprungs (also ohne eine internationale Mutter im Hintergrund, die Trust verleihen könnte) findet sich Idealo auf Platz vier. Der Titel für die beste Suchmaschinenoptimierung hierzulande gebührt also dem Berliner Preisvergleich. Eine ausführliche Liste mit den 1.000 bestplatzierten Websites habe ich hier als Excel-Datei bereit gestellt.

Bewertet man allerdings nicht nur den ersten Platz, sondern zählt alle Top-Ten-Platzierungen zusammen, ergibt sich ein teilweise sogar deutlich anderes Bild. In dieser Wertungsweise ist plötzlich spiegel.de ganz weit vorne und auf Platz vier die beste deutsche Website. In der Zählung der Platz-1-Platzierungen lag Spiegel Online nur auf Rang 43. Den größten Sprung macht hier aber Mister Wong. War der Online-Bookmark-Dienst in der obigen Wertung nur auf Rang 448, so rangiert er nun auf Platz 7.

Auch für die Top-10-Platzierungen habe ich eine ausführliche Liste zusammengestellt, die sich hier als Excel-Datei herunterladen lässt.

Die Vorträge, die ich besuchen konnte, waren allesamt höchst interessant und boten einen weiten Bogen an Themen: Von Saschas Datenfeed-Veredelung über Dominiks Vortrag zu Expired Domains bis hin zu Matthias’ Theorie der Semantik war alles dabei – und alles höchst interessant.

Ob meine beiden Vorträge auch so gut waren, müssen andere beurteilen. Mir hat es jedenfalls großen Spaß gemacht. Für meinen Vortrag zu den Google Ranking Faktoren (PDF, 314 KB) hatte ich ja gehörig getrickst und mir zwei Seo-Spezialisten par excellence hinzugeholt: Johannes und Marcus.

(Foto geklaut von Gerald)

Johannes Beus (links), Marcus Tandler (rechts) und meine Wenigkeit

Dank Johannes und Marcus ergab sich eine wunderbare Session und ich hoffe, alle Zuseher und Zuhörer haben ähnlich viel gelernt wie ich selbst. Vielen Dank Johannes! Vielen Dank Marcus!

Am zweiten Tag war ich dann beim Thema Keyword-Recherche (PDF, 286KB) auf mich alleine gestellt. Spaß gemacht hat’s mir trotzdem.

Die SeoCampixx selbst war perfekt organisiert. Der Infostand ständig besetzt, Essen, Trinken, Musik, Räumlichkeiten, Networking hervorragend vorbereitet und die T-Shirts für jeden Teilnehmer mit Namen eine wundervolle Idee. Vielen Dank Marco für die tolle Veranstaltung und die mustergültige Vorbereitung! Ich freu’ mich schon auf die Herbstausgabe …

Und hier noch der Link zu den Auswertungsdaten meines Google-Ranking-Vortrags.
google-ranking-analyse_20090301.zip
Es handelt sich dabei um zwei Dateien im JSON-Format, die mit json_decode(FILE, true) mit jeder halbwegs modernen PHP-Version in ein assoziatives Array umgewandelt werden können.

Die Struktur der Daten ist relativ simpel: Es handelt sich um einen zweifach verschachtelten Hash (PHP=assoziatives Array, Python=Dictionary), der zunächst nach Google-Position, dann nach den im Vortrag erwähnten Eigenschaften geschachtelt ist. Ein Beispiel: $array[14]['body_dens'] ergibt die Liste der Werte für die Keyword-Dichte (body_dens) aller Treffer, die auf Position 14 gefunden wurden. Für den Fall der Blockbuster-Keywords waren das 796 Werte.

>>> $f=file_get_contents("blockbuster_20090301.json")
>>> $array=json_decode($f,true)
>>> count($array[14]['body_dens'])
796

Viel Spaß beim Experimentieren!

PS: Wer noch mehr Berichte über die SeoCampixx lesen möchte: Pagemania – SeoCampixx

Dafür ist unser neuer Freund Twitter am besten geeignet. Deshalb bitte ich euch alle, einen Tweet loszulassen, in dem ihr eure Ranking-Faktoren-Gewichtung in Prozent angebt. Auch wer nicht an der Campixx teilnimmt, kann natürlich mitmachen.

Als Vorlage benutzt Ihr bitte diesen Text:
#seocampixx #googleranking linkpop:00% linktext:00% domainage:00% title:00% headlines:00% body:00% rest:00% http://tinyurl.com/arupdp

Kurz die einzelnen Faktoren erklärt:
linkpop: Hierunter zähle ich die gesamten Verlinkungsfaktoren. Also IP-Popularity, Domain-Popularity, Güte der jeweiligen Links.
linktext: Einfluss der Linktexte – ist natürlich nicht komplett vom Faktor linkpop zu trennen, ich weiß.
domainage: Alter der Domain (und sonstige Trustfaktoren einer Domain, die nichts mit der Verlinkung zu tun haben)
title: Der Titel einer Seite.
headlines: Die Überschriften (also alles von H1 bis H6)
body: Anzahl der Keywords im Text bzw. Keyworddichte
rest: Sonstiges

Gerne dürft ihr natürlich weitere Angaben machen, sollte ich etwas wesentliches vergessen haben. Aber macht es nicht zu kompliziert – ich muss das bis morgen Mittag ja auch noch auswerten. Das Ergebnis werde ich morgen Nachmittag in der Session bekannt geben und natürlich auch hier veröffentlichen.

Und an alle Haarspalter: Ich weiß, dass die Verhältnisse der einzelnen Paramter variieren, je nachdem welche Suchbegriffe benutzt werden. Es geht nur um eine grobe Einschätzung.