Ein großer Teil Ihrer aktuellen und zukünftigen Kunden nutzt wahrscheinlich Suchmaschinen wie Google, um Sie im Web zu finden. Somit ist die Analyse der Suchanfragen, die an Google gestellt werden, ein mächtiges Werkzeug in Ihrer Markt- und Wettbewerbsanalyse. Wie Sie Umsatztreiber identifizieren und Ihre Website bzw. Ihren Shop entsprechend anpassen können, zeigen die beiden SEO-Experten Jens Fauldrath und David Richter in diesem Beitrag.
Jede Suchanfrage, die an eine Suchmaschine gestellt wird, steht für ein konkretes Bedürfnis, das der jeweilige Nutzer im Moment der Suche hat. Sicher sind nicht alle dieser Bedürfnisse direkt kommerziell verwertbar und noch weniger dieser Suchanfragen sind für Ihr konkretes Geschäft von Wert. Dennoch reden wir von über 100 Millionen Suchanfragen am Tag, die in Deutschland von Suchmaschinen beantwortet werden. Dieser unglaublich große Datenbestand an konkreten Wünschen, Absichten und Interessen ist von unschätzbarem Wert für die Marktforschung, aber auch für die konkrete Gestaltung und Entwicklung Ihrer Website und Ihres Geschäfts.
Leider hat sich im SEO der Begriff Keywordanalyse eingebürgert. Dieser Begriff ist mehr als unglücklich, da die strategische Bedeutung hinter einer eher technischen und operativen Bezeichnung versteckt wird.
Die Implikationen, die sich aus einer Analyse der Suchanfragen ergeben, wirken sich direkt auf Ihre komplette Onlinestrategie aus. Sie können jederzeit prüfen, welche Produkte in welcher Ausführung und zu welchem Zeitpunkt wirklich nachgefragt werden. Sogar die regionale Verteilung der Nachfrage können Sie feststellen. Aus diesem Grund gehört die Analyse der Suchanfragen, also die Erhebung der aktuellen und früheren Nachfrage zu Ihren Produkten und Dienstleistungen, zu Ihren strategischen Aufgaben. Aus den jeweiligen Erkenntnissen leiten sich mannigfaltige Möglichkeiten ab.
In diesem Artikel beschränken wir uns auf die konkrete Analyse von Mustern in Suchanfragen, um die grundlegende Informationsarchitektur eines Webshops zu definieren. Ziel ist es, die Rankings und Klickraten Ihrer Treffer in Google zu wichtigen Umsatztreibern nachhaltig zu verbessern.
Es gibt unterschiedliche Klassifikationssysteme für Suchanfragen. In der Regel orientieren sich diese an den Motivationen der Suchenden. Wir nutzen die von Vanessa Fox in ihrem Buch „Marketing in the Age of Google“ vorgeschlagene Klassifikation:
Oft wird Google dazu genutzt, schon bekannte Seiten wieder aufzurufen. So will jemand, der nach „Jens Fauldrath Twitter“ sucht, meist keine Informationen darüber, wie ich zu Twitter stehe. Vielmehr wird meine Präsenz bei Twitter gesucht sein. Der Suchende will also zu einer definierten Seite navigieren.
Diese Art der Suchanfragen hat zum überwiegenden Teil keinen kommerziellen Wert. Der Nutzer will zu einer bestimmten Seite, und wenn wir nicht diese Seite sind, dann können wir diese Besucher nur selten konvertieren.
Wenn der Suchende auf einer Website eine oder mehrere Aktionen durchführen will, dann sprechen wir von aktionsorientierten Suchanfragen. Gegenüber den früheren transaktionsorientierten Suchanfragen muss dabei nicht zwingend eine Transaktion durchgeführt werden. Wer nach lustigen Katzenvideos sucht, der möchte bestimmt eine kurzweilige Unterhaltung und keine wissenschaftliche Abhandlung über die Wirkung von lustigen Katzenvideos.
Wenn ein Informationsbedürfnis als Motivation einer Suchanfrage vorliegt, spricht man von informationsorientierten Suchanfragen. Hierbei können sowohl Fakten wie die Höhe des Eiffelturms als auch Meinungen wie Kommentare zu aktuellen Themen oder umfangreiche Abhandlungen gesucht werden.
Auch diese Suchanfragen lassen sich selten direkt kommerziell nutzen. Indirekt können aber gute Inhalte zu informationsorientierten Suchanfragen mittel- bis langfristig die Verlinkung Ihrer Website erhöhen.
Diese Gruppe der ebenfalls informationsorientierten Suchanfragen betrachten wir gesondert, da diese einen hohen kommerziellen Wert aufweisen. Sie sollten für Ihre Produkte die Suchanfragen kennen, die Nutzer stellen, bevor sie sich für ein bestimmtes Produkt entscheiden.
Mehrwortanfragen mit den Worten „Testbericht“ oder „Vergleich“ sind typische Vertreter dieser Klasse von Suchanfragen.
Suchanfragen nach konkreten Produkten oder Dienstleistungen bezeichnen wir als kommerzielle Suchanfragen. Oft werden diese Suchanfragen ergänzt um Begriffe wie „kaufen“, „mieten“ etc.
In diesem Artikel beschäftigen wir uns mit der Identifikation der kommerziellen Suchanfragen. Diese Suchanfragen zeichnen sich durch eine sehr hohe Conversion-Rate aus. Das bedeutet, dass viele Besucher, die mit einer Suchanfrage wie „Produktname kaufen“ zu Ihrem Webshop kommen, in der Regel das gesuchte Produkt auch kaufen wollen. Aber schon Suchanfragen nach konkreten Produktbezeichnungen wie „Sony Bravia KDL-40EX725BAEP“ können teilweise den kommerziellen Suchanfragen zugerechnet werden.
Da diese Suchanfragen einen hohen kommerziellen Wert für uns haben, stehen sie im Fokus unserer SEO-Strategie und im Mittelpunkt dieses Artikels.
Die Abbildung 1 – SEO-Konversionspfad – zeigt, welche Schritte notwendig sind, um einen Abverkauf (oder anderweitige Konversion) zu erzielen.
Nachfolgend werden wir den SEO-Konversionspfad rückwärtsgehen. Wir werden uns die Suchanfragen ansehen, die zu Abverkäufen geführt haben. Diese Suchanfragen sind offensichtlich kommerzielle Suchanfragen und für uns von großem Wert. Eine Optimierung unserer Rankings für diese Suchanfragen führt mit einer sehr hohen Wahrscheinlichkeit zu steigenden Umsätzen.
Kritisch muss ich an dieser Stelle natürlich anmerken, dass dieser Ansatz nur gute Ergebnisse liefert, wenn Sie ausreichenden Traffic über SEO bekommen. Ohne diesen fehlt die Datengrundlage für die folgende Analyse. In diesem Fall hilft aber etwas gesunder Menschenverstand weiter, um mögliche Ergebnisse für Ihre Website zu generieren.
Nach der langen Vorrede scheint das vorgeschlagene Vorgehen recht einfach. Wir prüfen, welche Suchanfragen die meisten Abverkäufe nach sich zogen.
Die Analyse der Verteilung der Suchanfragen, die an einem Tag im Oktober 2011 bei Gamesload zu Verkäufen führten, ergibt folgendes Bild:
Die Tagesanalyse zeigt, dass 12 Suchanfragen für ca. 58 % des Umsatzes an diesem Tag verantwortlich sind. Diese Tagesanalyse ist typisch für das Geschäft von Gamesload, da aufgrund der Produktpalette oft aktuelle Spiele für einen Großteil der Umsätze eines Tages stehen.
Wenn wir aber einen kompletten Monat analysieren, dann ergibt sich ein abweichendes Bild.
Auch hier ist der Monat Oktober typisch. Die Top 12 der Suchanfragen stehen nur noch für 14 % der Umsätze. Eine Optimierung auf diese Top 12 ist zwar sicher sinnvoll, aber für eine massive Steigerung der Umsätze einfach nicht ausreichend.
Erfolgversprechender ist die Analyse aller Suchanfragen, die zu Umsätzen führten, um Muster innerhalb dieser Suchanfragen zu finden. Ziel dieser Analyse ist es, Wortbestandteile von Suchanfragen zu identifizieren, die in unserem Fall typisch für kommerzielle Suchanfragen sind.
Wir versuchen nicht, den Traffic für unseren Webshop zu maximieren, sondern unsere Verkäufe zu steigern.
Die Basis für eine gute Suchmaschinenoptimierung liefert die Informationsarchitektur Ihrer Website. Sie definiert die Ordnung Ihrer Inhalte innerhalb Ihrer Website mit dem Ziel, diese für Ihre Nutzer schnell und einfach zugänglich zu machen.
Sowohl damit die Nutzer sich innerhalb Ihrer Website leicht orientieren können (Usability) als auch zur einfachen Auffindbarkeit Ihrer Website in Suchmaschinen (SEO) ist es notwendig, die Ergebnisse der Keywordanalyse bei der Entwicklung (oder Weiterentwicklung) Ihrer Informationsarchitektur maßgeblich zu berücksichtigen.
Der Artikel „Nutzerorientierte Navigationselemente“ aus der ersten Ausgabe der Website Boosting (05-06.2010, Seite 43-50 (oder unter einfach.st/nne) beschreibt ausführlich, wie eine Informationsarchitektur auf Basis einer Keywordanalyse aufgebaut werden kann.
Wichtig für uns ist im Moment, dass wir drei unterschiedliche Seitentypen innerhalb eines Webshops unterscheiden:
Gamesload verfügt über einige Hundert Produktdetailseiten und ist damit hinsichtlich der Seitenanzahl sicher ein eher kleiner Shop. Dennoch zeigt die Analyse der monatlichen Suchanfragen bereits eine erheblich Tendenz zum Long Tail.
Das Ziel der nachfolgenden Analyse ist es, die Mehrwortanfragen zu identifizieren, die wir dann systematisch für die Optimierung unserer Produktdetailseiten verwenden.
Generell nutzen wir das in Abbildung 4 dargestellte Schema, um einen Teil unsere Anforderung an die Informationsarchitektur einer Website zu definieren:
Einige der Einträge sind beispielhaft und müssen an den jeweiligen Shop angepasst werden. So gibt es beispielweise nicht für jedes Produkt einen Medientyp oder eine Größe.
Im Rahmen der hier durchzuführenden Musteranalyse wollen wir typische sekundäre Suchanfragen finden, damit wir unsere Anforderungen an Titel, Description und Überschrift der einzelnen Seitentypen definieren können.
Wir prüfen mit dieser Analyse nicht, ob der Name einer Kategorie an sich schon optimal ist (Beispiel: Waschvollautomat vs. Waschmaschine). Die Antwort auf diese Fragen liefert i. d. R. eine normale Keywordanalyse im Vorfeld.
Auch definieren wir mit dem oben angegebenen Schema nicht das Navigationskonzept der Website. Wie Sie dieses definieren können, wird ebenfalls ausführlich in dem bereits oben erwähnten Artikel beschrieben.
Abbildung 5 zeigt eine beispielhafte und recht einfallslose Definition für Gamesload. Diese ist so nicht implementiert, aber leider bei vielen anderen Webshops vorzufinden.
Oft werden die Titel (und andere SEO-relevante Felder) recht lieblos mit dem Kategorie- oder Produktnamen, gefolgt von dem Shopnamen, befüllt. Somit fehlen sowohl die Angaben zum Mehrwert als auch die Handlungsaufforderung. Schlimmer noch, der Suchende kann nicht erkennen, ob er das Produkt bei Ihnen kaufen kann oder ob Sie Informationen zum Produkt anbieten. Eine bezahlte Anzeige bei Google würden Sie sicher besser formulieren. Warum sich also mit solchen schlechten Werbetexten für Ihren Shop zufriedengeben, immerhin entstehen auch für SEO Kosten.
Am Beispiel Gamesload wird nachfolgend die Musteranalyse durchgeführt und die daraus folgenden Erkenntnisse werden aufgezeigt. Als Basis der Analyse werden Webanalyse-Daten verwendet, welche zur besseren Bearbeitung als CSV heruntergeladen und in Excel importiert werden. Alle zusätzlichen Metriken und Leistungskennzahlen, die bei der Analyse zu betrachten sind, müssen im Zusammenhang mit den Suchanfragen stehen.
Die Auswahl der Suchmuster, die zu Conversions führen, erfolgte im Fall von Gamesload über Erfahrungswerte und Erkenntnisse aus der operativen Arbeit. Wie in der nachfolgenden Grafik zu sehen, werden vier verschiedene Wortgruppen unterschieden, um herauszufinden, welche der Wortgruppen über welchen Wertbeitrag verfügen. Dieses Wissen liefert wichtige Erkenntnisse zur gezielten Steigerung des Wertbeitrags im SEO, so zum einen für die Informationsarchitektur, die Keyword- sowie die Linktext-Verwendung. Zum anderen wird der Sinn für das Informationsbedürfnis sowie das Suchverhalten der Nutzer im Zusammenhang mit den eigenen Produkten und Dienstleitungen geschärft.
Im Fall von Gamesload wurden die folgenden vier Wortbestandteile in Suchanfragen unterschieden und betrachtet, um Rückschlüsse auf wichtige Conversion-Treiber innerhalb des eigenen Keywordsets zu ziehen:
Wichtige Muster im eigenen Keywordset können, wie beschrieben, über Erkenntnisse aus der operativen Arbeit oder über einen Analyseansatz (welcher im Verlauf des Artikels noch vorgestellt wird) identifiziert werden. Hier werden auch weiterführende Informationen zur exakten Abgrenzung von Wortbestandteilen gegeben.
Durch die Aufbereitung der Daten wurden die Umsatz- und Visit-Anteile, d. h. der Wertbeitrag, des Gamesload-Keywordsets zu den definierten Wortbestandteilen deutlich. So machen allgemeine Suchanfragen, ohne die Begriffe „Download“ und „Kaufen“, 71,85 % der Visits, aber nur 37,9 % des Umsatzes aus. In der Ergebnismenge dieser Betrachtungsweise sind sehr generische Short-Tail-Anfragen enthalten, welche teilweise auch hohe Conversion-Anteile haben, sowie Long-Tail-Anfragen, welche aber keinen Bezug zu einem der definierten Wortbestandteile haben. Im Sinne der Klassifikation von Vanessa Fox handelt es sich also um informative, aktionsorientierte sowie kommerzielle Suchanfragen, bei denen der kommerzielle Bezug jedoch nicht eindeutig hergestellt werden kann.
Die nachfolgenden Beispiele verdeutlichen die Besonderheiten:
Generische Anfrage: „Anno 2070“
Long-Tail (ohne Wortbestandteil): „Anno 2070 wie bekomme ich Ingenieure“
Über die Analyse kann der Wertbeitrag einzelner Suchmuster oder Suchmotivationen sehr gut herausgestellt werden. So ist es möglich, den Wertbeitrag der zu analysierenden Suchanfragen zu bewerten, auch wenn man zu Beginn einer initialen Keywordrecherche noch nicht bestimmen konnte, welche Bedürfnisse Nutzer mit den Suchanfragen verfolgen. Zur gezielteren Klassifikation werden die zu analysierenden Suchanfragen mit weiteren Leistungskennzahlen verknüpft. Dies ist sehr hilfreich, um ein besseres Verständnis für die Nutzerbedürfnisse zu erlangen.
Aus den absoluten Visit- und Umsatzkennzahlen der Wortgruppen wird als Metrik für die weitere Analyse der Umsatz pro Visit abgeleitet. Diese Metrik wird als Basis für den Vergleich der weiteren Wortbestandteile sowie der Leistungskennzahlen verwendet und soll zeigen, dass nicht zwingend nur Begrifflichkeiten mit einem hohen Suchvolumen für die eigene Optimierung interessant sind – gerade wenn die Zielsetzung, wie im Fall dieser Analyse, die Steigerung des Wertbeitrags im Bereich SEO ist.
Die Analyse des zweiten Begriffssets verdeutlicht, dass es Wortmuster gibt, die eine höhere Conversion-Fähigkeit aufweisen. So bringen Suchanfragen mit den Bestandteilen „Download“ zwar deutlich weniger Traffic (22,52 %), im Gegenzug ist aber der Anteil der Conversions höher (42,39 %). Folglich liegt der Umsatz pro Visit über SEO um über 250 % höher als im allgemeinen Suchmuster. Dies zeigt, dass Begriffskombinationen mit „Download“ durch die Spezifikation des Bedürfnisses sehr viel geeigneter sind, um Conversions zu steigern. So ist bei der Wortgruppe schon eher ein kommerzieller Bezug der Suchanfragen vorhanden, dennoch umfassen diese Suchanfragen auch Anfragen, welche nicht auf den kostenpflichtigen, sondern auf den kostenlosen (d. h. illegalen) Download eines Spieles abzielen.
Eine mögliche Suchanfrage in diesem Mustertyp wäre beispielsweise: „Anno 2070 Download“.
Schaut man sich die Kennzahlen des dritten Suchmusters an, wird ersichtlich, dass der Anteil des Traffics, der über SEO auf die Plattform Gamesload.de gelangt, deutlich auf 4,4 % gesunken ist. Im Gegenzug hat der Umsatzanteil aber weniger Einbußen (15,3 %) zu verzeichnen, was den Umsatz pro Visit, um 554,5 % im Vergleich zum Basismuster weiter steigert. Zu beachten ist dabei, dass bei Suchanfragen wie „Anno 2070 kaufen“ ein eindeutig kommerzieller Bezug vorherrscht. Das Bedürfnis des Nutzers, zu kaufen, wird schon klarer formuliert, was auch eine vergleichsweise höhere Conversion-Fähigkeit der Wortgruppe bedingt. Dennoch decken sich das Bedürfnis des Nutzers und das Angebot von Gamesload noch nicht eineindeutig – der Nutzer könnte ja statt des Downloads auch die physische Version des Spiels kaufen wollen. So ist denkbar, dass ein Nutzer auf der Suche nach einem für ihn geeigneten Anbieter womöglich auch einen Download-Shop besucht, aber erst dann merkt, dass dieses Angebot nicht seinem Bedürfnis entspricht. Um die eigenen Inhalte erwartungskonform im Sinne des Nutzers auszuzeichnen, wird in der später aufgeführten Default-Regel zur Befüllung der Titles auf Gamesload.de noch der Wortzusatz „online“ aufgenommen. So soll Nutzern gleich ersichtlich werden, dass ein Spiel auf Gamesload nur online gekauft und heruntergeladen werden kann. Dies stellt sicher, dass ein Klick in der Suchergebnisseite auch mit einer zu erfüllenden Erwartung einhergeht.
Eine mögliche Suchanfrage in diesem Mustertyp wäre beispielsweise: „Anno 2070 kaufen“.
Bei Betrachtung der finalen Gruppe von Wortbestandteilen werden alle Suchanfragen untersucht, welche die Begriffe „Download“ und „Kaufen“ beinhalten. Das letzte Keywordset umfasst Anfragen von Nutzern, die ihr kommerzielles Bedürfnis sehr explizit formulieren. Diese Anfragen decken sich bestmöglich mit dem kommerziellen Spiele-Download-Angebot von Gamesload, da Nutzer ein Spiel käuflich als Download erwerben wollen. Sie haben ggf. schon mal in einem Download-Shop eingekauft oder sich rund um Download-Shops informiert, was auch die vergleichsweise hohe Conversion-Fähigkeit erklärt und vermeintlich ideale Ansätze zur Optimierung bietet. Natürlich bedingt der Fokus auf eine derart spitze Zielgruppe, dass der Anteil am Traffic nur noch bei 1,1 %, der Anteil am Umsatz jedoch immerhin noch bei beträchtlichen 4,34 % liegt. Dies führt dazu, dass der Umsatz pro SEO-Visit im Vergleich zum Ausgangsmuster um 590 % höher ist. Im Sinne der eingangs vorgestellten Klassifikation handelt es sich bei dieser Wortgruppe ausschließlich um kommerzielle Suchanfragen.
Eine mögliche Suchanfrage in diesem Mustertyp wäre beispielsweise: „Anno 2070 Download kaufen“.
Natürlich könnte eine noch granularere Unterscheidung von Mustern in den Suchanfragen vorgenommen werden. Um die Mechanik zu verdeutlichen und nicht unnötig komplex zu gestalten, wird die Analyse jedoch auf diese vier Muster beschränkt. Ist das Ziel nicht die Conversion-Steigerung, kann die Analyse weiterer oder alternativer Merkmale des Keywordsets sinnvoll sein. Dabei gilt es, immer die unterschiedlichen Suchintentionen zu beachten und bei der Auswertung der Daten einzubeziehen. Um die Erkenntnisse der Analyse auch in der operativen Arbeit zu adaptieren, sollte man sich der möglichen Skalierungseffekte in den jeweiligen Wortgruppen bewusst sein. Dazu sind Kennzahlen wie Impressions, Klicks, CTR und aktuelles Ranking beispielsweise aus den Google-Webmaster-Tools zu betrachten, um besser einzuschätzen, wie mögliche Maßnahmen noch zu skalieren sind. Basierend auf einer Einschätzung der Skalierungsmöglichkeiten aus der operativen Arbeit bei Gamesload können folgende Ableitungen getroffen werden:
Wortgruppe I bietet hohe Skalierungseffekte, da die generischen Begrifflichkeiten vergleichsweise hohe Suchvolumina haben. Zu beachten ist darüber hinaus jedoch, dass die Konkurrenz sehr hoch ist. So sind Optimierungsmaßnahmen langfristig anzusetzen und es sind im Vergleich zu den Wortgruppen II-IV durch den höheren Anteil an informativen Suchanfragen geringere Conversion-Raten zu erwarten. Spezielle informative Landingpages können dazu genutzt werden, vorab beispielsweise Mailadressen von Interessenten zu generieren oder eine Community aufzubauen. Hier wird schnell klar, dass die eigenen Inhalte sich den Erwartungen der Nutzer anpassen müssen, was einen entsprechenden Ressourceneinsatz erfordert. Die Optimierung der kommerziellen Keywordsets sollte deshalb immer Vorrang haben, wenn dort entsprechende Potenziale unerschlossen sind.
Optimierungsmaßnahmen in den Wortgruppen II bis IV weisen eine höhere Conversion-Fähigkeit auf, haben aber ein geringeres Suchvolumen. Dennoch bieten die Wortgruppen II und III noch ausreichende Skalierungsmöglichkeiten und eignen sich demnach sehr gut, um die eigenen Umsätze zielgerichtet zu steigern. Wortgruppe IV bietet zwar die beste Conversion-Fähigkeit, aufgrund der spitzen Zielgruppe aber auch nur sehr geringe Skalierungseffekte, da die Nachfragesituation in diesem Bereich geringer ist. Nutzen Sie eine Analyse also, um wichtige Wortgruppen zur Steigerung des Wertbeitrags im eigenen Keywordset zu identifizieren, und prüfen Sie mit ergänzenden Leistungskennzahlen, ob Optimierungsmaßnahmen ausreichend skalierbar sind. Das ermöglicht, seitenweite und regelbasierte Optimierungsansätze zu wählen, welche maßgeblich zur Conversion- und Umsatzsteigerung beitragen.
Um die Erkenntnisse der Analyse unter Beachtung der Umsatzzusammensetzung (siehe Abbildung 2 und 3) seitenweit durchzusetzen, ist es wichtig, dass Default-Regeln für die Befüllung der vorhandenen Seitentypen zu definieren sind. Eine globale Regel für die Generierung des Titels einer Produktseite kann beispielsweise wie folgt aufgebaut werden:
[PRODUKTBEZEICHNUNG] als Download online kaufen – [WEITERE WICHTIGE ASPEKTE]
Natürlich bildet die Ausnahme bei solchen Analysen auch immer die Regel. Bei wichtigen Produkten muss demnach immer geprüft werden, ob individuelle Aspekte seitens der Nutzer nachgefragt werden, die ebenfalls zur Conversion-Steigerung in das eigene Keywordset sowie die Maßnahmenplanung integriert werden müssen. Somit muss sich eine Default-Regel pro Seite durch individuelle Angaben überschreiben lassen.
Aufbauend auf den Erkenntnissen der Analyse lassen sich neben dem besseren Verständnis für die Bedürfnisse der Nutzer also auch einige Anforderungen an das Shop- bzw. Content-Management-System ableiten:
Wenn beide Punkte umsetzbar sind, dann können alle Produktdetailseiten auf konversionsstarke und produktnahe Mehrwortanfragen optimiert werden. Gleichzeitig besteht die Möglichkeit, die Titel und Descriptions der absoluten Top-Seller gesondert und individuell zu optimieren.
Anhand einer eigenen Analyse
Anforderung an ein Shop-System
Wie sollte man also vorgehen, um eine identische Analyse der wichtigen Suchmuster für das eigene Keywordset durchzuführen? Wie bereits erwähnt: Legen Sie zunächst Ihre Ziele fest, nach denen Sie Suchanfragen bewerten wollen. Es gibt verschiedene Fragestellungen, die über eine solche Analyse und eine Verknüpfung von Suchanfragen sowie weitere Leistungskennzahlen beantwortet werden können. Beispiele wären:
Je nach Zielsetzung und Datenlage können beliebige Analyseansätze gewählt werden. Deshalb der Tipp: Exportieren Sie aus Ihrem Webanalyse-Tool neben den Keyworddaten so viele ergänzende Metriken und Kennzahlen wie möglich. Dadurch haben Sie eine bestmögliche Datenbasis und können bei Bedarf ergänzende Analysen durchführen ohne eine erneute Abfrage der Daten vollziehen zu müssen. Merken Sie, dass wichtige Metriken für eine gezielte Analyse fehlen, sollten Sie versuchen, diese schnellstmöglich in die Webanalyse zu implementieren.
Kennt man das zu analysierende Keywordset nicht gut, möchte aber dennoch Suchmuster in den eigenen Keyworddaten transparent machen, kann man sich mit einfachen Tag-Cloud-Generatoren (siehe Abbildung 9) behelfen. (Wichtiger Hinweis: Prüfen Sie, ob diese Tools die einzelnen Worte in Mehrwortanfragen gesondert auswerten. So können Sie sicherstellen, dass wichtige Suchmuster vom Tool aufgezeigt werden.) Die folgenden zwei Tag-Cloud-Generatoren wurden im Vorfeld getestet und sind für die Analyse des Keywordsets nutzbar (http://www.wordle.net/create und tagcrowd.com/). Das nachfolgende Schaubild verdeutlicht häufig vorkommende Muster in den Keyworddaten und hilft, gerade bei einer Erstanalyse, einen schnellen Überblick zu erlangen.
Natürlich fehlt noch der Bezug zu den Umsatzdaten oder anderen Metriken, welche die eigene Zielsetzung unterstützen. Sind zu Beginn der Analyse auch ergänzende Leistungskennzahlen vorhanden, welche den Wert eines Keywords für die eigene Zielsetzung weiter spezifizieren, ist es möglich, auch diese Gewichtungen bei der Erstanalyse mithilfe des Tag-Cloud-Generators einzubinden (dazu bitte den folgenden Link verwenden: www.wordle.net/advanced). Im weiteren Verlauf der Musteranalyse werden die nachfolgenden Schritte der Datenaufbereitung in Excel vollzogen. Nach dem Import der zu analysierenden Daten und mit der Kenntnis über die wichtigsten Wortgruppen kann mit der Datenanalyse begonnen werden.
Im Fall von Gamesload wurde ein Tabellenblatt pro Wortgruppe angelegt, welches jeweils das gesamte Keywordset und die ergänzenden Metriken enthält. Im nächsten Schritt sollten mithilfe benutzerdefinierter Filter die Keyworddaten hinsichtlich der wichtigen Suchmuster gefiltert werden. Dabei ist es wichtig, Inkonsistenzen auszuschließen, d. h. über die Filterlogik müssen doppelte Zählungen ausgeschlossen werden. Wenn man bspw. nach „Download“ filtert, ist also der Begriff „Kaufen“ auszuschließen, da es auch Suchanfragen gibt, welche beide Begriffe enthalten. Diese Wortgruppe wird gesondert betrachtet, um das Ergebnis der Analyse nicht zu verfälschen.
Benutzerdefinierter Filter I: ENTHÄLT NICHT „Download“ (UND) ENTHÄLT NICHT „Kaufen“
Benutzerdefinierter Filter II:ENTHÄLT „Download“ (UND) ENTHÄLT NICHT „Kaufen“
Benutzerdefinierter Filter III:ENTHÄLT „Kaufen“ (UND) ENTHÄLT NICHT „Download“
Benutzerdefinierter Filter IV:ENTHÄLT „Kaufen“ (UND) ENTHÄLT „Download“
Hat man die Wortgruppen über die benutzerdefinierten Filter abgegrenzt, werden mithilfe der Funktion =TEILERGEBNIS(9;[Zu Addierende Spaltenwerte])/SUMME([Zu Addierende Spaltenwerte]) die Kennzahlen, also beispielsweise der Umsatz der Ergebnismenge, addiert. Zur besseren Übersichtlichkeit sollte man sich noch ein zusätzliches Tabellenblatt integrieren. Dort können mithilfe übergreifender Verknüpfungen die Daten übersichtlich dargestellt werden (siehe Abbildung 10 und 11). Zur Berechnung weiterer Kennzahlen, wie der Conversion-Rate oder der Bounce-Rate einer der Wortgruppen, muss statt mit der Formel zur Berechnung des Umsatzes einer Wortgruppe die abgewandelte Funktion =TEILERGEBNIS(1;[Ergebnismenge, aus welcher der Mittelwert berechnet werden sollte]) verwendet werden. So kann statt der Summe der Mittelwert der Ergebnismenge berechnet werden.
Mithilfe von Prüfmengen (siehe Spalte C und D in der nachfolgenden Abbildung), sieht man schnell, ob die Abgrenzung der Begrifflichkeiten über die benutzerdefinierten Filter stimmig ist und ob es Inkonsistenzen in der Filterung gibt. Ergänzende Metriken, wie beispielsweise der Umsatz pro Visit, werden ebenfalls in der Gesamtübersicht errechnet, um die Relationen der Wortgruppen zueinander einfacher nachvollziehen zu können.
Als Basis aller Relationen (rot markiert) wird die Wortgruppe herangezogen, die keine vermeintlich Conversion treibenden Begrifflichkeiten enthält. Über die Berechnug einer prozentualen Steigerung in Relation zur Basiswortgruppe wird letztlich eine Aussage zur Leistungsfähigkeit der zu vergleichenden Wortgruppen getroffen. Dies sollte man nicht nur für den Umsatz pro Visit im Bereich SEO machen, sondern das kann auch mit ergänzenden Metriken, wie beispielsweise der prozentualen Steigerung der Conversion-Rate oder der Reduktion der Bounce-Rate in den jeweiligen Wortgruppen, durchgeführt werden (siehe Abbildung 10).
Ein anderer interessanter Analyseansatz liegt in der richtigen Aussteuerung der Keywords anhand ihrer Wortlänge sowie ihrer entsprechenden Wertbeiträge. Auch für die zuletzt genannte Analyse bietet Excel sehr gute Anwendungsmöglichkeiten, da über die Integration einer zusätzlichen Spalte und die Zählung der Wortlänge sowie eine Aufbereitung wie bei den Wortgruppen der Wertbeitrag der Phrasenlängen sehr gut zu bewerten ist. Dazu muss man, wenn die Keywords in Spalte A stehen, eine neue B-Spalte einziehen und die nachfolgende Formel zur Bestimmung der Wortzusammensetzung in diese Spalte einfügen. Als Ergebnis wird die Anzahl der Wörter in den Suchanfragen ausgegeben. Aufbauend auf einer definierten Abgrenzung bzw. Unterteilung können durch eine Filterung und die Funktion =TEILERGEBNIS, die Wertbeiträge der jeweiligen Wortlängen herausgestellt werden.
=WENN(LÄNGE(GLÄTTEN(A1))=0;0;LÄNGE(GLÄTTEN(A1))-LÄNGE(WECHSELN(A1;" ";""))+1)
Abbildung 11 zeigt die Ergebnisse einer solchen Analyse:
Auch andere Analyseansätze können interessante Impulse für die Bewertung der Wertschöpfung des Long Tails bzw. einzelner Merkmale liefern. So ist es denkbar, Traffic-Skalen zu bilden, um die Struktur des eigenen Keywordsets hinsichtlich der Traffic-Zuführung zu analysieren. Hier kann man ebenfalls ergänzende Kennzahlen und Metriken wie Bounce-Rate, Page Impressions pro Visit etc. heranziehen, um den definitiven Wertbeitrag bei verschiedenen Betrachtungsweisen und Zielsetzungen der Analyse näher zu bestimmen. Dazu kann beispielsweise mithilfe einer verschachtelten =WENN-Funktion gearbeitet werden. Mit dieser Funktion kann, je nachdem, in welche Skala ein Keyword einzuordnen ist, ein eindeutiger Identifier generiert werden, welcher später zur Filterung der Daten, zur Berechnung mit =TEILERGEBNIS und zur Aufbereitung in einer Gesamtübersicht wichtig ist.
Wie eingangs schon erwähnt, helfen SEO-Kennzahlen wie Ranking, Impressions und Klicks dabei, die Positionierung gegenüber dem Wettbewerb zu bestimmen und mögliche Skalierungseffekte in den Wortgruppen zu bewerten. Auch hierbei eignen sich Excel und die Funktion =SVERWEIS sehr gut, um einen Datenabgleich aus verschiedenen Tools vorzunehmen und die Daten in einer Matrix einander gegenüberzustellen. Dies hilft, diese Daten gerade bei nicht tief greifenden Kenntnissen hinsichtlich der eigenen Wettbewerbsfähigkeit im Bereich SEO bei der Handlungsableitung zu beachten.
Die beschriebenen Analyseansätze helfen, wichtige Aspekte und Handlungsoptionen zur Steigerung des Wertbeitrags im Bereich SEO zu identifizieren. Die anschließende Implementierung der Erkenntnisse in das Daily Business ist individuell zu gestalten, sollte aber in jedem Fall erfolgen, um zielgerichtet zu optimieren und entsprechend der größtmöglichen Wertschöpfung zu arbeiten.