Spamfilterbau: Mach mir den Pinguin!

Dass Links nach wie vor großes Gewicht insbesondere bei Google haben, wenn es um die Bewertung der Wichtigkeit und der Relevanz einer einzelnen Webseite geht, ist in Expertenkreisen so gut wie unumstritten. Links und deren Ankertexte waren schon immer das Salz in der Websuppe, mit dem Google versuchte, ein externes Votum für die Beurteilung mit einfließen zu lassen. Googles Problem: Das hat sich mittlerweile bis zum Kirmeslosverkäuferauszubildenden herumgesprochen. Und während immer mehr Agenturen und SEOs fleißig Link um Link zum vermeintlichen Kundenwohl aufbauten, heckten die Indexhüter rund um Matt Cutts in Mountain View mal wieder etwas aus, das Seiten, die „künstlich“ im Ranking nach vorn getrieben wurden, wieder auf unattraktive Plätze zurücksetzt, wo sie nach Googles Meinung hingehören. Dass dies passieren würde, war durchaus absehbar, und Website Boosting hatte im letzten Editorial auch davor gewarnt.

Um den oft falsch angesetzten Zweckoptimismus, den man häufig in der Branche findet („Das ging bisher auch immer gut.“ „Da werden nur wieder Nebelkerzen von Matt Cutts geworfen.“), soll es an dieser Stelle aber gar nicht gehen, sondern darum, wie solche „Filter“ – genauer eigentlich „Updates im Bewertungsalgorithmus“ – gebaut werden und wie sie wirken. Dabei kämpfen die Suchmaschinen prinzipiell an zwei Fronten. Zum einen geht es darum, eine immer feinere Relevanzmessung vorzunehmen. Mit anderen Worten: Welche Seiten sind die besten, wenn jemand einen Suchbegriff bzw. eine Suchphrase eingibt? Hierzu werden viele Signale herangezogen und die produzierten Ergebnisse werden mittels sog. A/B-Tests (etwa einem Prozent der Suchenden werden anders berechnete Ergebnisse gezeigt und die Verhaltensveränderung gegenüber den normalen Ergebnissen gemessen) und durch die Überwachung von Bounce-Rates (eine schnelle Rückkehr zur Ergebnisliste nach einem Klick auf einen Link, die in der Regel bedeutet, dass der Suchende nicht zufrieden war) ständig überwacht und ggf. weiter optimiert.

Degree of Dependence

Die zweite große Front ist die Klärung von Verwandtschaftsverhältnissen und die Erkennung bewusster Manipulationen von Bewertungssignalen. Es gilt, maschinell den wahren Grund herauszufinden, warum die Webseite A der Domain X einen Link auf Website B der Domain Y setzt. Linkt X auf Y, weil man sich kennt oder es gar die eigene Tochterfirma ist, oder kennen sich X und Y mit hoher Wahrscheinlichkeit überhaupt nicht und der Linkgrund ist tatsächlich, dass Y etwas Nützliches auf seiner Website B hat, auf das man aufmerksam machen möchte.

Alle Zahlen in diesem Beispiel sind natürlich fiktiv. Aber sie zeigen recht gut die Mechanik, die hinter den Spam-Algorithmen steht. In der Realität kann man davon ausgehen, dass Google hier sicherlich viele Hundert Signale auswertet und verarbeitet. Dabei werden auch die „Schrauben“ transparent, an denen die Spamfighter drehen können. Normierungswerte und Gewichtung können und werden sich sicherlich im Lauf der Zeit ändern. Kann man ein Signal durch neue Techniken genauer bestimmen oder hat zusätzliche Erkenntnisse über die zunehmende Verwendung auf Spamseiten, dann kann man neben der Normierung auch die Gewichtung anpassen. Natürlich lässt sich auch mit dem Schwellwert (im Beispiel 3,0) arbeiten. Bedenkt man nun, dass Google in der Realität auch noch unterschiedliche Arten von Strafen verwendet (auf Domainebene, aber auch auf Einzelkeywords oder einzelnen Verzeichnissen) und diese unterschiedlich ausprägbar sind (Verbannung aus dem Index, De-Ranking um z. B. 30, 60 oder 90 Positionen nach hinten), dann wird deutlich, wie komplex das System ist und wie filigran es steuerbar ist. Schließlich kommt am Ende zu diesen Überlegungen auch der Umstand hinzu, dass Google sicher im Lauf der Zeit auch unterschiedlich tolerant gegenüber bestimmten Spam-Techniken wird und daher auch die Toleranzwerte für die Punktevergabe ändert. Und sicherlich sind auch Signale vorstellbar, die im Extremfall als Ausnahme allein durch ihr singuläres Auftreten andere Signale überdecken, wie z. B. das Cloaking oder die Verwendung sog. Brückenseiten.

Es wird aber auch deutlich, warum zum Teil lange Zeit augenscheinlich eine bestimmte Art von Spamseiten noch immer im Index zu finden ist: Es ist gar nicht so einfach bzw. im Regelfall unmöglich, aufgrund weniger Signale (auch wenn sie für das menschliche Auge beim ersten Blick „leicht“ erkennbar sind) zu entscheiden, ob tatsächlich Spam oder ein Manipulationsversuch des Webseitenbetreibers vorliegt. Ein Beispiel: Eine Website ändert das Design und die frühere Hintergrundfarbe wird neben anderen Dingen von einem Grauwert auf Weiß gesetzt. Vielleicht gibt es noch ein Set von Unterseiten, auf denen teilweise aus optischen Gründen weiße Schrift verwendet wird, die sich vorher von dem grauen Hintergrund ganz gut abhob. Durch die Umstellung auf den nun weißen Hintergrund sind diese Textteile nicht mehr sichtbar. Weiße Schrift auf weißem Grund war früher eine klassische Spamtechnik, um Text vor Besuchern zu verbergen, aber dem Robot der Suchmaschine genügend relevanten Text zu liefern. Nach der Änderung liegt ein Verstoß gegen die Richtlinien von Google vor – unsichtbare Schrift. In diesem speziell konstruierten Fall liegt allerdings nun aber keine manipulative Absicht vor, sich einen Vorteil beim Ranking zu verschaffen.

Dies ist der Grund, warum größere Updates augenscheinlich oft so lange auf sich warten lassen. Die Auswirkungen der Aufnahme neuer Signale oder die Änderung von Gewichtungen müssen sauber getestet werden. Dies kann unter anderem eben auch mithilfe der oben genannten Domainpools vorgenommen werden. Mit ihrer Hilfe kann Google testen, wie viele Spamdomains durch die Änderung „erwischt“, aber vor allem eben auch, wie viele Domains aus dem Pool mit nützlichen Domains zu Unrecht weggefiltert würden! Ziel muss es sein, mit den jeweils neuen Algorithmen möglichst wenige Kollateralschäden zu verursachen. Sicher lässt sich trefflich darüber streiten, was denn nun besser wäre: X Prozent weniger Spam im Index zu haben, dafür aber Y Prozent von den Suchenden als sehr nützlich empfundene Seiten aus den Ergebnissen zu verbannen – und dies eben nur, weil sie zufällig, aus welchen Gründen auch immer, ähnliche Signale senden.

Google ändert seinen Algorithmus praktisch täglich

Auch dies wird häufig vergessen: In der Regel bemerkt man nur größere Änderungen, die als „Update“ auch einen Namen bekommen wie Vince-, Panda- oder Penguin-Update. Tatsächlich aber werden pro Jahr Hunderte Verbesserungen eingespielt. So hat Google offiziell für den Januar dieses Jahres 17 Änderungen publiziert, allerdings nur die „Highlights“ (http://einfach.st/gjan). Man darf getrost davon ausgehen, dass es eine ganze Reihe weiterer Änderungen gab. Im Dezember 2011 gab es z. B. 30 solcher Änderungen (http://einfach.st/gdez) und im April dieses Jahres gar 52 (http://einfach.st/gapr). Eine Zuordnung einer beobachteten Änderung muss sich also nicht nur auf die großen Updates beziehen, sondern kann praktisch auch wenige Tage vorher oder nachher durch eine der vielen kleineren Änderungen verursacht worden sein. Im April änderte Google z. B. die Art und Weise, wie inhaltlich zusammengehörige Seiten indexiert werden, die über Blätternavigationen aufgeteilt wurden. Diese werden seither als zusammengehörig betrachtet. Hat eine Domain viele solcher aufgeteilten Contentseiten, kann sich das spürbar auf das gesamte Ranking auswirken. Dies ist auch der Grund, warum Analysen und Studien von außen so schwierig sind. Zum einen ändern sich z. B. die anderen Webseiten, die auch im Ranking eine Rolle spielen, inhaltlich und aufgrund dessen ändert sich die betrachtete Position der eigenen Webseite – ohne dass es dort Änderungen gegeben hätte. Zudem wirken die vielen kleinen Updates sich natürlich in Summe auch an dieser Stelle aus. Von einer Bewegung der eigenen Webseite im Ranking kann also nur mit extremer Unsicherheit auf die einem selbst bekannte vorgenommene Änderung an dieser Website geschlossen werden. Viel wahrscheinlicher könnte mittlerweile sein, dass Änderungen in der Bewertung von Google vor allem auch Auswirkungen auf andere Seiten haben und die eigene nur von deren Positionsveränderungen rauf oder runter verschoben wird. Dies sollte man immer auch kritisch im Hinterkopf behalten, wenn der eine oder andere Vortragende auf Konferenzen einfachste Ursache-Wirkungs-Beziehungen eigener Experimente vorstellt.   

Algorithmusopfer oder Strafgefangener?

Stellt man plötzliche Verschlechterungen im Ranking fest, empfiehlt sich, eine fundierte Ursachenanalyse durchzuführen oder durchführen zu lassen. Es macht einen wesentlichen Unterschied, ob die Site „nur“ durch eine Verschärfung des Algorithmus (oder eines Teils dessen) spürbar Positionen verloren hat oder ob Google tatsächlich eine spezifische Domain-, Keyword- oder Verzeichnisstrafe verhängt hat.

Gibt man in den Suchschlitz „site:domain.de“ ein und erhält keinerlei Treffer, dann liegt eine domainweite Strafe vor. Eine Strafe für ein einzelnes Verzeichnis lässt sich ebenfalls auf diesem Weg leicht erkennen, indem man den Verzeichnisnamen an „domain.de/verzeichnis“ anhängt. Um Probleme bei einzelnen Keywords zu diagnostizieren, muss man vorab bereits eine Überwachung geschaltet haben, um die Rankingverläufe und damit drastische und plötzliche Abfälle bei den Positionen sehen zu können. Eine punktuelle Abfrage bringt hier in der Regel wenig Erkenntnisgewinn. Wer professionelle SEO-Tools nutzt, ist hier natürlich besser gewappnet, denn die meisten der Tools überwachen die eigenen definierten oder auch generell passenden Keywords und deren Positionen automatisch. Man kann sich eine Strafe so vorstellen, dass Google aufgrund von Vorkommnissen für ein einzelnes Keyword ein sog. Flag setzt, das bewirkt, dass dieses Keyword eben nicht besser als z. B. Position 30 ranken darf. Liegt eine so geartete Strafe vor, muss man den Grund suchen und beheben. Anschließend stellt man einen Antrag auf Wiederaufnahme (http://einfach.st/rqantrag). Ist man jedoch von einem Update wie z. B. Penguin betroffen, muss ein solcher Antrag nicht gestellt werden bzw. ist nutzlos. Zwar muss man natürlich auch hier die (vermutlichen) Gründe für das plötzliche Abfallen im Ranking beseitigen, aber gute Rankings kommen dann von allein wieder. Ein Update verändert grundsätzlich die Art und Weise, wie Google Ergebnisse berechnet. Es handelt sich hier also nicht um eine „Strafe“, sondern schlicht um eine (auch zukünftig!) andere Kalkulation. Es könnte hier z. B. reichen, einige qualitativ hochwertige Links aufzubauen oder auch minderwertige Links (ja, auch das kann ein Grund für ein schlechteres Ranking durch Penguin sein, denn zu einem natürlichen Linkprofil gehören eben nicht nur Top-Links, sondern auch genügend Links, die in der Branche als „Backfill“ bezeichnet werden). Schon ändert sich die Bewertung (siehe Beispiele oben) und die Domain kann zu alter Stärke erblühen. Liegt hingegen eine echte Strafe vor, nützen in der Regel auch die besten Links nichts mehr: Gesetzte Flags verhindern generell ein gutes Ranking.

Panda oder Penguin?

Ob Zufall oder wohlkalkuliert: Einige wenige Tage vor dem Rollout von Penguin (24. April) hatte Google auch das Panda-3.5-Update gestartet(19. April). Demensprechend schwierig war und ist es, Änderungen genau auf eines dieser beiden Updates zurückzuführen. Zum besseren Verständnis sei erwähnt, dass Google die Panda-Updates häufiger ausrollt. Die Version 3.5 war schon die zehnte Version, für den deutschsprachigen Raum die fünfte. Die Versionsnummern enthalten übrigens Sprünge, was möglicherweise darauf zurückzuführen ist, dass Google ihnen unterschiedliche Umfänge beimisst. Das erste Panda-Update 1.0, das allerdings nur US und UK betraf, war am 24.02.2011.

Während das Panda-Update aller Wahrscheinlichkeit nach für die Beseitigung von sog. „Thin-Content“ (also Seiten mit spärlichen, schlechten oder wenig Inhalten) zuständig ist, zielt Penguin auf überoptimierte Seiten ab. Viele Experten sind der Meinung, dass Panda vor allem auch das Verhalten von Usern mit einbezieht, die sich bekanntermaßen von unnützen, oft auch noch mit Werbung vollgepackten Seiten abwenden. Hier genügt es also nicht, am Linkaufbau zu werkeln oder einfach frischen Content nachzuliefern. Die meisten Seiten, die von Panda betroffen waren oder sind, würden auch Besucher mit hoher Übereinstimmung aus dem Index herauswählen. Kurz vor Redaktionsschluss gab es am 25. Mai ein weiteres Penguin-Update 1.1. Hier hat Google nochmals nachgebessert und es heißt, wessen Domain sich jetzt nicht spürbar erholt hat, wird es möglicherweise auch nie mehr tun.

Bei Seiten, die von Penguin betroffen sind, ist die schnelle Erkennung per Augenschein nicht ganz so einfach. Hier sollte die gesamte Site, vor allem ihr Linkprofil, einem professionellen Audit unterzogen werden. Anschließend müssen alle erkannten unnatürlichen Signale entfernt bzw. entschärft werden. Das Erkennen, welches Update einen Absturz im Ranking verursacht hat, ist also essenziell für die Therapie der Site!

Wer übrigens glaubt, dass ihn das Penguin-Update zu Unrecht erwischt hat, kann hier (http://einfach.st/peng1) unter Angabe des Suchwortes ein Formular ausfüllen und das Ganze mit einem Kommentar als Feedback an Google senden.