Inhaltsverzeichnis:

Die User Signal-Debatte: Wie das Nutzerverhalten die Sichtbarkeit beeinflusst

Die User Signal-Debatte: Wie das Nutzerverhalten die Sichtbarkeit beeinflusst

Lesezeit: 18 Min | Autor: Niels Dahnke

Die Diskussion über Nutzerverhalten als direkter oder indirekter Ranking-Faktor spaltet die Lager der SEO-Welt. Dies liegt unter anderem an Googles öffentlichen, teils paradoxen Äußerungen zu dem Thema. Um so wichtiger ist es, die vorliegenden Informationen zusammenzutragen und eine Einordnung zu ermöglichen.

Zunächst die theoretische Grundlage der Debatte: User Signals sind Signale, welche der User durch die Art seiner Nutzung von Online-Inhalten an die Suchmaschine schickt – beispielsweise durch sein Klickverhalten, die Time-on-Site oder die Return-to-SERP-Rate. Einige Experten nehmen an, dass solche Signale einen Einfluss auf das Ranking einer Seite haben. Dieser Gedanke rührt aus der logischen Kausalität zwischen der Qualität oder Relevanz eines Suchergebnisses und dem User-Verhalten. Theoretisch liefern User-Signale also wertvolle Anhaltspunkte für die Bewertung von Webseiten, um die Relevanz der Suchergebnisse je nach Suchanfrage für den Nutzer zu optimieren. Es stellt sich die Frage, ob oder wie Google diese Daten nutzt.

Foto: Lukasz Szmigiel | Unsplash

Foto: Lukasz Szmigiel | Unsplash

 

Das Instrumentarium für die User-Signal-Auswertung – wie Google Websites aufgrund von User-Signalen theoretisch evaluieren könnte:

  • Referrers: Durch den Referrer kann Google herauslesen, welche Teile einer Website durch welche User besonders stark besucht werden. Dies bietet hilfreiche Hinweise dafür, was von den Usern als relevant oder interessant empfunden wird.
  • Chrome: Google Chrome besitzt einen weltweiten Marktanteil von 50 %. Das Unternehmen hat in der Vergangenheit zwar bestritten, die User-Daten aus dem Browser zu untersuchen, jedoch mangelt es hier generell an Transparenz. Die Datensätze sind vorhanden. Daher muss die Frage gestellt werden, was mit ihnen geschieht. Zumindest besteht die Möglichkeit, dass Google sie anonymisiert für die Analyse und Bewertung von Seiten nutzt.
  • Return-to-SERP: Die Return-to-SERP-Rate definiert den Prozentsatz der User, die von einer angeklickten Seite wieder zurück auf die Ergebnisseite springen. Diese Kennzahl lässt auf die Qualität des Suchergebnisses schließen und wird von Google genutzt, um die Platzierungen der Ergebnisse in den SERPs entsprechend anzupassen. Besonders wichtig ist in diesem Zusammenhang die Überprüfung, ob der User nach der Rückkehr zu den Suchergebnissen seine Suche verfeinert – in dem Fall war die Zielseite vermutlich hilfreich – oder ob ohne Änderung der Suche ein anderes Suchergebnis angeklickt wird. Gleiches gilt für die Zeit zwischen dem Klick auf ein Suchergebnis und den Rücksprung in die SERPs.
  • Google Analytics: Die Nutzung der Google Analytics-Daten einzelner Webseiten scheint ebenfalls eine logische Maßnahme zu sein, um die allgemeine Relevanz einer Webseite zu ermitteln. Warum sollte die Suchmaschine nicht jene Seiten mit mehrheitlich positiven Signalen bevorzugt ausspielen? Zwar profiliert Google den User aufgrund seiner persönlichen Suchhistorie, die Suchmaschine besitzt jedoch darüber hinaus das Anliegen, dem Nutzer je nach User Intent die relevantesten Inhalte anzuzeigen. Einerseits könnte dies eine verstärkte Rolle bei den SERPs von Usern ohne eine Suchhistorie zu dem jeweiligen Begriff spielen. Andererseits kann die Personalisierung der SERPs für den User in Kombination mit den allgemeinen Analytics-Daten einer Seite zu einem optimalen Relevanz-Match führen. Zwar wurde von Google in der Vergangenheit eine Nutzung der Analytics-Daten für das Ranking verneint; doch es war nie klar, ob Google damit auch anonymisierte Daten meint, mit denen man bei steigenden Datenverarbeitungs-Anforderungen User-Ansprüche besser bedient werden können.

Die Bedeutung der oben genannten Signale für das Ranking ist nicht eindeutig; ein direkter Einfluss der Signale auf das Ranking kann nicht nachgewiesen werden. Dementsprechend sind einige SEO-Experten der Meinung, dass Nutzer-Signale keinen Einfluss auf das allgemeine Ranking von Seiten haben. Mir ist es deshalb wichtig, die Fakten sowie unterschiedlichen Meinungen zum Thema User-Signale repräsentativ zu erörtern. An dieser Stelle möchte ich Olaf Kopp nennen, den ich in diesem Zusammenhang um ein Zitat gebeten habe:

“Laut den Aussagen aus dem Hause Google ist es unbestritten, dass Nutzersignale für die Nutzung bei der Evaluierung von Algorithmus-Änderungen zum Einsatz kommen. Damit haben sie in breiter Masse auch indirekten Einfluss auf die Rankings. Aber sie werden nicht für das Scoring einzelner Websites und damit nicht als direkter Rankingfaktor genutzt, sondern nach meiner Meinung eher für eine breit angelegte Identifikation von Seiten-Merkmalen, die auf nutzerfreundliche Websites hinweisen. Es geht weniger um Metriken wie Klickraten, Absprungraten oder Verweildauer bei Inhalten. Deshalb macht nach meiner Meinung ein Optimieren auf Metriken wie Absprungrate oder Verweildauer aus SEO-Sicht nur wenig Sinn – erstens, weil die Aussagen von Google einheitlich dagegen sprechen; zweitens, weil die gängigen Web-Analyse-Tools hier eh kein differenziertes Bild zulassen, es sei denn man arbeitet mit sehr vielen Micro-Events. Mit Blick auf das gesamte Online-Marketing bzw. Abschlussraten natürlich schon.”

Olaf hat ja recht, wenn er auf die Limitation von Web-Analyse Tools bei der Analyse von Nutzer-Signalen hinweist. Jeder Ranking-Faktor ist zudem extrem kontextabhängig und kann nicht pauschalisiert werden.  Aber sprechen die Aussagen von Google wirklich so eindeutig gegen Nutzer-Signale? Für mich ergibt sich aus den Aussagen und Patenten von Google ein weniger klares Bild als das Zitat von Olaf vermuten lässt.

Fakten auf den Tisch! Was sagt Google?

Seit Jahren gewinnt die Diskussion um die Bedeutung der User Signale für das Ranking immer wieder neuen Zündstoff; die einen glauben, dass User Signale einen Einfluss auf das Ranking haben, die anderen nicht. Dazwischen scheinen die Meinungen mit ihren Schattierungen hin und her zu pendeln. Klarheit gibt es nicht. Statt Meinungen sollten daher zunächst ein paar Fakten auf den Tisch.

  • 2012 steht in einem FTC Report mit Zeugenaussagen von Google-Ingenieuren, dass Google Klickdaten nutzt (Seiten 14, 26 und 82). Die Federal Trade Commission (FTC) hat eine Untersuchung gegen Google durchgeführt. Innerhalb dieses Verfahrens hat sich Google offiziell zu den Fragen der Untersuchungskommission geäußert. Die Unterlagen stehe auf dem Server des Wall Street Journals zum Download zur Verfügung. Hier sind drei Stellen im FTC-Bericht besonders relevant, in denen ganz klar gesagt wird, dass Nutzer-Signale sehr wohl das Ranking beeinflussen.
Federal Trade Commission (FTC) - Seite 14

Federal Trade Commission (FTC) – Seite 14

 

Federal Trade Commission (FTC) - Seite 26

Federal Trade Commission (FTC) – Seite 26

 

Federal Trade Commission (FTC) - Seite 82

Federal Trade Commission (FTC) – Seite 82

 

  • 2015 verkündete John Mueller, Webmaster Trends Analyst bei Google, dass es scheinbar zu komplex sei, die sogenannten noisy signals – ein Begriff, der an späterer Stelle wieder aufgegriffen wird – für eine effektive Analyse und Interpretation heranzuziehen: “So there are very different intents and combining them makes for a really, really noisy signal and I don’t think that would make sense there.”
  • 2016 präsentierte Paul Haar (Ranking Engineer von Google) einen Beitrag zum Thema “How Google works.” Darin hat er ein Beispiel aufgezeigt, welches auf das Live-A/B Testing von Algorithmen hinweist. Interessanterweise handelt es sich um ein CTR-Beispiel. Klar: Es ist “nur ein Beispiel”; zudem ist es ein Beispiel dafür, wie schwierig es ist, Live-Experimente durchzuführen. Gleichzeitig ist interessant, dass er gerade dieses Beispiel heranzieht, welches schon zuvor als Systematik im FTC Report erwähnt wurde.
SMX-Slide
  • 2017 traf Fionn Kientzler, Managing Partner bei suxeedo, John Mueller selbst und hakte nach. Mueller gab einen wichtigen Hinweis: “Wir benutzen User-Signale zum A/B-Testing von Algorithmen.” Folglich kann man niemand behaupten das User-Signale als Rankingfaktor kategorisch ausgeschlossen sind. Zudem validiert es das obige Beispiel von Paul Haar als aussagekräftig.
  • Ebenfalls 2017 wurde ein Google-Patent angemeldet (NO 9,727,653 B2), welches die Mutmaßungen über den Zusammenhang von Noisy Signals durch User mit dem Ranking von Inhalten auf eine neue Ebene hob. Das Patent verfolgt folgendes Ziel: “Learn a correct ranking from noisy expressions of user preferences.” Die Zeiten ändern sich auch bei der Entwicklung von Google rapide. Sollte also eine relativ vage Aussage von 2015 immer noch der zentrale Orientierungspunkt für SEOs sein?
  • 2018 antwortete John Mueller auf die Frage, wo sein persönlicher Fokus liegen würde, wenn er eine Seite optimieren müsse: “Die höchste Priorität hätte für mich die Usability. Im ersten Schritt würde ich nicht den HTML-Code oder die interne Verlinkung optimieren, sondern wirklich mit Benutzern zusammen anschauen, wie sie zum Ziel kommen. Wie kommen sie zurecht, wo liegen die Probleme oder tauchen Unklarheiten auf? Wenn Benutzer nicht wissen, was sie machen müssen, wissen es die Suchmaschinen meist auch nicht.”
  • Interessant ist ein aktuelles Statement (01.02.2019) , welches von einem Google-Mitarbeiter in einem Webmaster Central Hangout zum Thema UX abgegeben wurde. Hier wurde vermittelt, dass Usability ein Faktor im Ranking sei, aber nicht der wichtigste

 

Wie kann man Usability messen außer mit User Signalen? Und wer aufgepasst hat: Bedeuten die Statements nicht, dass Google User-Signale jetzt nicht mehr als Ranking Faktor bestreitet? 

  • Im Hangout vom 01.02.2019 wird folgender Vergleich herangezogen, um die Relation von Usability auf das Ranking darzustellen: “Sofern alle Seiten einen ähnlich hohen Pagespeed haben, spielen kleine Unterschiede im Pagespeed keine Rolle.” Gemeint ist: Wenn die meisten Seiten zu einem Suchbegriff eine ähnlich gute Usability haben, fallen kleine Vorteile in der Usability nicht ins Gewicht. Bedeutet das nicht im übertragenen Sinne: Wenn alle anderen Faktoren relativ ähnlich sind, kann die Usability den entscheidenden Unterschied für das Ranking bedeuten?
  • In einer Reddit AMA Session vom 07.02. 2019 sagt Gary Illyes von Google, dass CTR, Verweilzeit und ähnliche Theorien  “erfundener Mist” seien und die Algorithmen nach viel einfacheren Mechanismen arbeiten
    reddit-screenshot
    Illyes bezieht sich mit diesem Statement auf eine von Rand Fishkin getätigte Aussage. Hier sollte jedoch die Frage erlaubt sein, ob Illyes so tiefe Einblicke in den Ranking-Algorithmus und in RankBrain hat, um diese Aussage fachlich beantworten zu können. Zudem geht aus der Aussage von Illyes nicht hervor, ob oder wie RankBrain mit Daten aus dem Nutzerverhalten umgeht. Jedenfalls erscheint es widersprüchlich, solche historischen Daten aus der Suche zu nutzen und gleichzeitig zu sagen, User Signale würden nicht berücksichtigt.

Hat Google ein Interesse daran, dass User-Signale als Rankingfaktor nicht berücksichtigt werden? Schon jetzt wird in Blackhat-Foren über VPN und Crowd-basierte Klick-Manipulationen diskutiert. Dort heißt es, dass solche Manipulationen durchaus erfolgreich sind. Dies könnte zu einem ähnlichen Problem werden wie Spam-Links, dessen Vermeidung Google sehr viel Geld gekostet hat. Ist es da aus Sicht der Suchmaschinenbetreiber nicht strategisch klug, nach außen hin halbe Wahrheiten zu verbreiten, um nervige Spammer auf die falsche Fährte zu leiten?

Welche Rolle spielt die UX?

Kausalitäten bei Rankingfaktoren zu determinieren ist unmöglich. Deshalb ist es auch so einfach, Rankingfaktoren basierend auf subjektiven Präferenzen zu nihilieren. Was übrig bleibt, sind Beobachtungen, die man aufgrund von konkreten Entwicklungen macht, anhand derer man vorsichtige Hypothesen aufstellen kann. Grundsätzlich gibt es auch im SEO eine akzeptierte Mehrheitsmeinung. Diese beinhaltet, dass Content, Links und Pagespeed zu den zentralen Ranking-Faktoren gehören. Einige dieser Faktoren wurden ja mittlerweile von Google-Mitarbeitern bestätigt. Zusätzlich hat Google mit den sogenannten “UX Playbooks” Empfehlungen zum Nutzungserlebnis verschriftlicht.

In den UX Playbooks werden all jene Komponenten und Attribute einer Website erläutert, die aus Google-Sicht eine optimale User Experience je nach Themenfeld und Branche ausmachen – beispielsweise für “Content und News”, “Finance” oder “Travel”. Die PDFs sind auf Googles Webserver hinterlegt und für jedermann zugänglich sowie für die Google-Suche indexiert. Die Auseinandersetzung mit den UX Playbooks ist absolut zu empfehlen, da die PDFs einen eindrucksvollen Einblick in Googles Vorstellungen und Erwartungen an die User Experience vermitteln. Denn oft genug scheint die User Experience einer Website eine größere Hebelwirkung für das Ranking zu entfalten, als allgemein angenommen wird. Spannend ist, wenn also eine Website zu einem Top-Money-Keyword rankt, obwohl sie bei all diesen Faktoren schlechter dasteht als die Konkurrenz – außer bei der UX.

AO-Waschmaschinen: Schlägt die UX Pagespeed, Content und Linkprofil?

Auf dem Seoday verglich Fionn Kientzler verschiedene, üblich kolportierte Ranking-Faktoren für den Suchbegriff “Waschmaschine.” Es handelt sich dabei um einen hart umkämpften, transaktionalen Begriff; Branchenriesen wie Saturn, Otto oder Amazon dominieren das Feld. Doch auf den zweiten Blick entdeckt der User einen relativ unbekannten Anbieter auf den vorderen Plätzen in den SERPs: AO befindet sich auf Platz 2, noch vor Otto und Saturn. Hier lohnt der nähere Blick, denn AO ist hierzulande weder eine bekannte Brand, schon gar nicht auf Augenhöhe mit Otto, noch bietet die Seite an sich einen starken Content (Termlabs.io-Analyse). Auch das Linkprofil (LRT Analyse) und der Pagespeed (PageSpeed Insights) sind im Vergleich schwächer. Gerade im Vergleich mit Otto, Saturn oder Amazon ist die AO-Seite signifikant benachteiligt. Was sind also die Kriterien, welche die Seite scheinbar trotzdem zu einem relevanten Suchergebnis für den User machen? Dazu wurde die User Experience der Seite evaluiert, diese der von der Otto-Seite gegenübergestellt und ein paar spannende Anhaltspunkte gefunden:

omt-artikel-ao
  • Farbgebung: Zu Beginn wurde der Einsatz weißer Fläche auf den beiden Seiten analysiert. Das Ergebnis: Bei Otto besteht ein Weißraum, welcher 41,52 % der Produktseite ausmacht. Bei AO sind es 69,54 %. Je mehr Weißraum, desto reduzierter wirkt der Inhalt auf der Produktseite. Das Produkt ist im Fokus; dies entspricht dem User Intent, welcher an der Stelle transaktional ist. Der Nutzer besitzt ein klares Ziel, möchte etwas kaufen, will die Produkt-Details lesen, und keine Inhalte, die ihn von seinem Anliegen ablenken. So kann man argumentieren, dass die farbliche Reduktion für den User in diesem Kontext als angenehm empfunden wird.
  • Angebotsstruktur: Die Angebote werden übersichtlich dargestellt. Der Nutzer kann durch die Angebote browsen, ohne die Kontrolle über die Vorauswahl, die ihm angezeigt wird, zu verlieren.
  • Incentivierung: Dem User werden Incentivierungen angezeigt, welche sich gestalterisch stark vom Rest der Seite abheben, jedoch nicht störend auf den Betrachter wirken.
  • Filter Usability: Die Bedienung des Filters, um das gewünschte Produkt zu finden, ist für den User intuitiv und einfach gestaltet. Die Einstellungen und Optionen sind visuell aufbereitet. Zugleich wird dem User simultan zu seinen Einstellungen die Anzahl der vorhandenen Geräte neben dem Filter angezeigt.
omt-artikel-ao-2
  • Ratgeber-Elemente: Weiter unten auf der Seite werden kurz und knapp Ratgeber-Inhalte, die dem User bei seinem Einkauf helfen sollen, angeteasert – durch eine Headline, ein passendes Icon und einen weiterführenden Link.
  • Produkt-Darstellung: Die Produkte sind ansprechend visuell aufbereitet.
  • Testimonials: An prominenter Stelle werden dem User Testimonials eindrucksvoll präsentiert – Kundenmeinungen mit Sterne-Bewertungen, welche einen glaubwürdigen Charakter vermitteln.
omt-artikel-ao-3

Die Otto-Seite besitzt all diese Elemente; die User Experience lässt jedoch bei vielem zu wünschen übrig:

  • Die Angebote sind unübersichtlich.
  • Die Ratgeber-Inhalte sind im Grunde genommen SEO-Textwüsten.
omt-artikel-4
  • Die Incentivierung hebt sich nicht ab, sondern wirkt wie ein störendes Element von vielen, was die Seite überladen erscheinen lässt.
  • Die Filterfunktion erscheint vergleichsweise kompliziert und klinisch.
  • Die Kundenbewertungen sind als ein kleines Detail von vielen neben dem jeweiligen Produkt platziert und wirken verloren.
  • Die Produktdarstellung wirkt uninteressant; die Produkte erscheinen verwechselbar.

 AO bietet weder inhaltlich noch aufgrund des Linkprofils oder des Pagespeeds einen Grund für einen Ranking-Vorsprung vor Otto. Auch als Brand ist AO den anderen Anbietern nicht gewachsen. Jedoch hebt sich die UX besonders positiv von den Wettbewerbern ab.

2015-seokomm-thomas-rafelsberger

Übrigens ist diese Erkenntnis, dass die Fokussierung auf die Bedürfnisse und Erwartungen der User relevant für das Ranking sein kann, nicht neu. Thomas Rafelsberger hat auf der SEOkomm 2015 in Salzburg eine Folie gezeigt, die einen ähnlichen Sachverhalt veranschaulicht. Nachdem der lange “SEO-Text” (linker Screenshot) von einer Frisör-Seite entfernt und die eigentliche Galerie mit den Kurzhaarfrisuren vergrößert wurde (rechter Screenshot), konnte laut Rafelsberger eine Verbesserung der Nutzer-Signale sowie der Auffindbarkeit bei Google erreicht werden. Diese Beobachtungen machen mich nachdenklich in Bezug auf die Wirkung von User Signalen, auch wenn wir hier und sowieso nie bei Rankingfaktoren von Kausalitäten sprechen können.

Berücksichtigt Google Mobile-Daten für
das Ranking von lokalen Inhalten?

Zusätzlich muss die Frage gestellt werden, ob und wie Google die mobilen Daten für die Sichtbarkeit von Seiten auf lokaler Ebene nutzt. Werden Geschäfte, welche nicht nur in der Desktop-Suche oft angeklickt, sondern vom User auch tatsächlich besucht werden, auf Google Maps bevorzugt angezeigt? Ich bin selbst Google Local Guide und habe ein paar Muster beobachtet.

Bei einer ganzen Reihe von Geschäften, die hoch frequentiert sind, kann man Beiträge im Knowledge Graph neben den Suchergebnissen finden und die entsprechende Kundenfrequentierung einsehen. In Ballungsräumen, in denen eine hohe Dichte an Geschäften besteht, ist zu beobachten, dass oft jene Geschäfte mit den höchsten Frequenzen bei Google Maps bevorzugt angezeigt werden. Für den User können also nicht alle Geschäfte auf einen Blick auf Maps dargestellt werden; es muss eine Vorauswahl durch Google stattfinden. Dabei ergibt es allerdings Sinn, dem User nicht nur stark frequentierte Geschäfte anzuzeigen, sondern vor allem Ergebnisse auszuspielen, die dem User Intent entsprechen. Welche Geschäfte also zu dem User und seinem Suchbegriff passen, und welche nicht, kann einerseits durch die Suchhistorie ermittelt werden, andererseits könnten auch hier User Signale einfließen. Theoretisch besitzt Google die Möglichkeit, die Bewegung von Usern zu tracken. Kann es sein, dass Google die Mobile-Daten heranzieht, um herauszufinden, ob jemand nach einem Geschäft nicht nur gesucht hat, sondern auch tatsächlich dort hingefahren ist? Wieso sollte Google dies nicht tun? Diese Daten könnten Google dabei helfen, die Qualität und Relevanz der Geschäfte differenziert einzuschätzen und dementsprechend passgenau auf den User auszuspielen. Denn warum sollte Google dem User Läden anzeigen, zu denen eigentlich niemand hinfährt?

supermarkt-hannover-google-suche

Wer nach “supermarkt hannover” sucht, wird in der Local-Box (aka “Local Pack”) drei direkt dargestellte Treffer (2x Rewe 1x Edeka) finden. Bei einem weiteren Blick auf die Ergebnisse in Google Maps fällt auf, dass andere Märkte mehr und bessere Bewertungen haben. Trotzdem werden diese im Local Pack nicht angezeigt.

supermarkt-hannover-google-suche-2

Der Platz zur Darstellung in der Karte wäre theoretisch möglich. Aufgrund von beobachteten Veränderungen in diesen lokalen Treffern liegt der Schluss nahe, dass hier Daten aus Google Maps als Faktor berücksichtigt werden. Dabei geht es vermutlich nicht um die reine Suche nach einem lokalen Unternehmen. Vielmehr kann Google leicht erkennen, ob die Maps-Nutzer anschließend den jeweiligen Ort tatsächlich besucht haben.

Hinzu kommt die Frage, welchen Einfluss das Medic Update von Google auf das Ranking lokaler Unternehmen hat. Bei dem Core Update spielen die Autoritäts- und Trust-Faktoren eine zentrale Rolle. Bei einigen meiner ehemaligen lokalen Kunden konnte ich nach dem Medic Update einen Sichtbarkeitsverlust beobachten, wobei es sich um regional bekannte Unternehmen mit etablierten Marken handelte. Der Sichtbarkeitsverlust rührt womöglich aus einer Kombination der Google Maps-Nutzerdaten und den Daten aus der Google-Suche; sollte Google die Datensätze zusammenführen, würde dies die Entwicklungen erklären.

Was bedeuten User-Signale für die Zukunft von Google?

Die User-Signale, ihre Analyse und akkurate Interpretation zur Optimierung scheint immer mehr in das Zentrum aller Google-Bemühungen zu rücken. Google CEO Sundar Pichai kündigte bereits an, wohin die Reise geht: “Der nächste große Schritt wird sein, dass das Konzept eines Geräts sich auflöst. Mit der Zeit wird der Computer – welche Form auch immer er annehmen wird – zu einem intelligenten Assistenten, der Sie durch den Tag führt.” Damit die Suchmaschine ein intelligenter Assistent sein kann, muss sie die Signale des Nutzers in der Zukunft vermutlich besser interpretieren und auf die Signale individueller reagieren können als sie es gegenwärtig kann. Die Kompetenz der intelligenten User-Signal-Verarbeitung ist demnach nur eine Frage der Zeit. Wieso sollte diese Kompetenz nicht für das Ranking von Seiten berücksichtigt werden?

omt-artikel-6
  • Im März 2018 publizierte das Innovations-Lab X Development LLC von Google ein Patent (NO US20180077095A1) mit dem Titel “Augmentation of Communications with Emotional Data”. Google beschäftigt sich mit der Psychologie des Users und greift dabei auf die Signale des Users zurück, die sogenannte “Emotional Data”. Dies könnte auf beide Seiten der Search Experience Auswirkungen haben: Einerseits könnten die Ergebnisse in den SERPs passgenauer an die Interessen und Intentionen des Users ausgespielt werden. Andererseits könnten Seiten aufgrund des User-Verhaltens im Kontext des Themas ein differenzierteres Scoring erhalten.

Google möchte die menschliche Kommunikation immer besser verstehen. Die wissenschaftliche Analyse der menschlichen Kommunikation nennt man Linguistik. Modernes SEO heißt also auch, sich mit der Linguistik auseinanderzusetzen, um besser auf die Bedürfnisse der Nutzer eingehen zu können. In diesem Beitrag beschreiben die Linguistin Lea Manthey (damals Senior Manager Social Media und Influence bei Searchmetrics) und Fionn Kientzler, warum sich die Auseinandersetzung mit der Linguistik lohnt.

Fazit: User-Signale – eine ungenutzte Opportunity?

Bei der Frage, welche Bedeutung die User Signals für das Ranking besitzen, gehen die Meinungen stark auseinander. Dabei muss das Thema differenziert betrachtet werden. Meine Beobachtungen zu den Google-Updates und Innovationen der letzten Jahre sowie diverse Statements von Google-Verantwortlichen deuten auf eine Tendenz hin zur User-Signal-Auswertung von Webseiten. Warum sollte Google nicht daran interessiert sein, den User und seine Signale besser zu verstehen? Warum sollten die Erkenntnisse nicht dazu dienen, um die Relevanz von Webseiten zu bestimmten Themen zu ermitteln? Und warum sollten die womöglich technologisch bedingten Limitierungen der Vergangenheit ein Credo für die Gegenwart und Zukunft bilden? Mit der sich weiter entwickelnden Technologie werden sich zumindest auch die Kompetenzen und die Kapazitäten erweitern, um User Signale zu analysieren und diese für die Bewertung von Webseiten heranzuziehen. Gerade im Hinblick auf den “intelligenten Assistenten” im Alltag ergibt die User Signal-Auswertung zwecks Website-Scoring Sinn. Schließlich steigt die User Experience mit dem Mehrwert, den die Maschine dem einzelnen User bieten kann – ein Mehrwert, welcher einerseits auf dem individuellen Suchverhalten und andererseits auf einer allgemeinen, von der Ziel-Usergruppe “empfundenen”, Relevanz basiert.