Content & SEO: Failure is predictable

Durch einen kurzen Ausflug in die Statistik wird schnell klar, warum herkömmliche Optimierungsansätze häufig nicht zu den gewünschten positiven Ergebnissen führen.

Statistische Stichprobenverzerrung

Im England zu Zeiten des Zweiten Weltkriegs überlegten sich englische Ingenieure, wie sich die Überlebensrate der eigenen Kampfpiloten steigern ließe. Sie warfen einen genauen Blick auf die Verteilung der Einschusslöcher bei zurückgekehrten Flugzeugen. An den am stärksten betroffenen Stellen wurde anschließend die Panzerung verstärkt.

Allerdings ergab sich hierdurch keine Verbesserung der Überlebensrate. Wäre es nicht sinnvoller gewesen, die Flugzeuge dort stärker zu panzern, wo wenige oder keine Einschusslöcher zu finden waren? Denn dies waren ja offensichtlich die problematischen Stellen, die wahrscheinlich den Absturz auslösten. Auch damals wurde der falsche Blickwinkel erkannt, vom Mathematiker Abraham Wald.

Ebenso betrachten SEOs gerne die Top 10 oder Top 100 in Google und ziehen Schlussfolgerungen aus entsprechenden Analysen. Hierdurch entstehen einerseits die bekannten Fehlschlüsse von Korrelation auf Kausalität. Andererseits sind die Algorithmen in Zeiten von Machine Learning längst zu komplex, als dass man durch den Blick auf „nur die Gewinner“ in den Top-Platzierungen valide und gestützte Handlungsanweisungen ableiten könnte.

Viele Basics der Suchmaschinenoptimierung sind eigentlich Hygienefaktoren und erzeugen gar nicht initial selbst positive Ranking-Verbesserungen.

Die „Verlierer“ zeigen aber üblicherweise eindeutige Fehler, die daran schuld sind, dass die gewünschten Rankings nicht erreicht werden können. Diese fehlende Sichtbarkeit ist meist ursächlich auf mindestens eine der folgenden drei Fehlerquellen zurückzuführen. In handwerklich sauber aufgesetzten Tests kann man diese Fehler häufig mit relativ wenig Aufwand signifikant als ursächlich nachweisen.

Termgewichtungsanalyse des Dokuments

Welches Buch bekommt man in einer guten Buchhandlung, wenn man nach einem Reiseführer für Rom fragt – einen Reiseführer durch Europa, einen für die schönsten Städte in Italien oder die Spezialausgabe für Rom selbst?

Die höchste Wahrscheinlichkeit auf zufriedene Kunden wird durch die Spezialausgabe für Rom selbst erreicht. Die anderen vom Thema übergeordneten Ausgaben enthalten ggf. auch Reiseinfos zu Rom, doch liegt nur bei der Spezialausgabe für Rom der Fokus klar und eindeutig!

Auch bei Webdokumenten können die Fokussierung und das Themengebiet leicht und zuverlässig über Termgewichtungsanalysen erkannt werden. Dafür werden die Dokumente in die einzelnen Wort-Bestandteile zerlegt (Tokenizing) und diese Terme anschließend mittels Stammformreduktion (Stemming) auf ihren Wortstamm reduziert, damit Konjugationen und Deklinationen bestmöglich zusammengefasst und nicht getrennt erfasst werden.

Jetzt lassen sich die Relevanz-Algorithmen aus der TF-IDF-Klasse (in Deutschland gerne WDF*p*IDF genannt) anwenden. Verpasst man diesen Termen (oder genauer Wortstammgruppen) nun eine Ranglistensortierung, erhält man auf den ersten Plätzen zuverlässig die prägenden Terme des analysierten Textes oder Dokumentes. Im Vector-Space-Modell aus der Information-Retrieval-Theorie werden diese TF-IDF-Relevanzen z. B. als Values für den Dokumenten-Vektor benötigt.

Die Algorithmen aus der TF-IDF-Klasse sind eigentlich seit einigen Jahrzehnten fest verankert im Information Retrieval, obwohl sich unter SEOs eher fehleranfällige Konzepte wie Keyword-Dichte aufrechterhalten haben. Auch finden sich diese Algorithmen in den meisten Open-Source-Suchlösungen wie z. B. Lucene, ElasticSearch oder Solr.

Exemplarische Termgewichtungsanalyse der drei Reiseführer:

• Europa: Spanien, Italien, Mittelmeer, Strandurlaub, …
• Italien: Toskana, Venedig, Florenz, Rom, …
• Rom: Rom, Vatikanstadt, Kolosseum, Petersdom, Tiber, …

Algorithmisch ist der beste Treffer zur Suchanfrage „Rom“ somit klar der Spezialreiseführer über Rom, weil hier der prägende Term „Rom“ direkt an erster Stelle vorkommt. So lassen sich Web-Dokumente inhaltlich erfolgreich verorten und anschließend Suchanfragen zuordnen.

Wer einen Blick in die Richtlinien von Google wirft und sich das Beispiel (siehe Abbildung 3) zum verbotenen Keyword-Stuffing („überflüssige Keywords“) ansieht, stellt schnell fest, dass das Ziel dieser Taktik eine künstliche Erhöhung der Relevanz-Ausprägung der Ziel-Terme „individuelle Humidore für Zigarren“ ist. Heute im Übrigen längst keine sinnvolle Optimierungs-Taktik mehr.

Text-Platzierung: Main Content (Hauptinhalt)

Aber auch, in welchen Seitenbereichen die Elemente und Inhalte auf der Webseite vorkommen, ist von Wichtigkeit. Denn genauso wie nicht jeder Bereich, nicht jeder Satz und schon gar nicht jedes Wort subjektiv die gleiche Wertigkeit durch den Leser erhält, bewertet auch eine Suchmaschine die verschiedenen Layout-Positionierungen (Title, Menü, Teaser, Footer, Sidebar oder Hauptinhalt) unterschiedlich.

So finden nicht alle Terme auf der Webseite die gleiche Gewichtung im Dokumenten-Vektor. Hierdurch wird erfolgreich sichergestellt, dass die Webseite vor allem für die Hauptinhalte und nicht für Nebenthemen oder untergeordnete Elemente gefunden wird.

In den Google Quality Rater Guidelines (https://static.googleusercontent.com/media/www.google.com/de//insidesearch/howsearchworks/assets/searchqualityevaluatorguidelines.pdf) lässt sich ein Blick auf die Einordnung aus Sicht von Google in die drei Bereiche Main Content (Hauptinhalte), Supplementary Content (Zusatzinhalte) und Advertisements (Werbung) werfen.

Eine sinnvolle und korrekte HTML-Tag-Struktur und ein eindeutiges Layout unterstützen sowohl die Suchmaschine bei der algorithmischen Zuordnung der Seitenbereiche als auch den Leser beim Konsumieren der Webseiten.

Treffe ich das SERP-Thema? (Ähnlichkeit)

Woran merkt der Lehrer sofort, dass ein Schulaufsatz nicht vom vorgegebenen Thema handelt? Natürlich wenn keine der in diesem Kontext sinnvollen Wörter enthalten sind!

Auch als SEO kann man sich diese Logik zunutze machen. Und glücklicherweise ist es nicht nötig, aufwendig Reverse Engineering zu betreiben. Die dahinterliegenden Algorithmen der Suchmaschine müssen weder identifiziert noch verstanden werden. Denn über die Suchergebnisse selbst zeigt Google nämlich freizügig, wie der Kontext der entsprechenden Suchanfrage intern eingeschätzt wurde.

Dieser Kontext erschließt sich in einer Analyse der Term-Kookkurrenzen. Mit Term-Kookkurrenz ist das gemeinsame Auftreten zweier Wörter im nahen Kontext bzw. im gleichen Dokument gemeint. Siehe Abbildung 4 am Beispiel der von Google für Keyword-Stuffing genutzten Query „Humidore für Zigarren“.

Enthält der zu überprüfende Inhalt nicht genügend dieser in der Suchergebnis-Analyse festgestellten kookkurrenten Terme, dann sinkt die Wahrscheinlichkeit dramatisch, dass die Suchmaschine das getestete Dokument als validen Treffer für die entsprechende Suchanfrage einschätzt. Ein echter Mensch wird ohne die üblichen und erwarteten Wörter von diesem Inhalt gleichermaßen wenig begeistert sein.

Google Panda-Update

Spätestens seit dem Panda-Update im Jahr 2011 hat Google Verfahren implementiert, die qualitativ schlechte Inhalte datengetrieben erkennen sollen. Abseits der thematischen Ähnlichkeit sind auch grammatikalische oder gar semantische Term-Abhängigkeiten ursächlich für das gemeinsame Term-Auftreten im engen Kontext (Kollokation).

Mithilfe von N-Gram-Algorithmen ist diese Prüfung relativ unaufwendig. Diese finden zuverlässig alleine auf Basis der statistischen Daten aus den N-Gramen heraus, welche Inhalte von der Norm abweichen. Daraus kann dann eine deutlich höhere Wahrscheinlichkeit für mindere Qualität gefolgert werden.

Anmerkung: Ein schönes Beispiel, dass nicht immer eine künstliche Intelligenz (KI) beteiligt ist, wenn für den Betrachter von außen der Eindruck entsteht, dass Google Grammatik oder gar Semantik versteht und nutzt.

Suchabsichten

Vor allem seit dem Hummingbird-Update richtet Google seine Algorithmen und Ranking-Faktoren immer mehr auf die eigentlichen Suchabsichten der Suchenden aus. Viele SEOs nehmen an, dass vor allem Rankbrain Google dabei hilft, den User-Intent (also die Informationsabsichten des Suchenden) besser einzuschätzen.

Wer den User-Intent der Suchanfrage nicht berücksichtigt und bestmöglich befriedigt, hat heute längst keine Chancen mehr auf Top-Rankings. Außerdem macht es selten Sinn, unterschiedliche Intents in einem einzigen Dokument zu vermischen. Diese negativen Auswirkungen lassen sich z. B. bei Webshops beobachten, die plötzlich als informationelle Treffer eingeordnet werden und damit die vorderen Platzierungen bei transaktionalen Suchanfragen verlieren.

Schon bei der Keyword-Recherche empfiehlt sich also die Bestimmung der jeweiligen Suchabsicht hinter dem Keyword. Der Blick auf die bisher in den Top 10 rankenden Seiten verrät schnell, wie Google bislang den Intent einschätzt und deswegen entsprechend ausliefert. Wichtig ist mehr die eigene Zielsetzung der Webseite und weniger die spezifische Reichweite des Keywords.

Task Completion Probability

Außerdem sollten Metriken zu Messung der Suchqualität selbst nicht unterschätzt werden. Eine wichtige Metrik ist die sog. „Search Task Completion Probability“, also die Wahrscheinlichkeit, dass durch die Suchergebnisseiten das Informationsbedürfnis eines Suchenden gestillt wurde. Erfassen lassen sich solche Metriken in ausreichender Aussagekraft nur durch die Suchmaschine selbst – vor allem über die Nutzersignale und die Interaktion mit den Suchtreffern.

Möglichst viele der vorhandenen Features des adressierten Keyword-Intents abzudecken, kann vor allem bei informationeller Ausrichtung mit den sog. holistischen Dokumenten eine sinnvolle Optimierungstaktik sein. Rein statistisch gesehen ist das eine Verdrängungsstrategie von bereits existierenden Treffern mit geringer thematischer Breite oder inhaltlicher Tiefe.