Beat the Knowledge Graph! SEO mit Entitäten richtig nutzen

Das bedeutet also, dass Google bei einem Viertel aller Suchanfragen klare Fakten und Entitäten liefert. Aktuellen Statistiken nach sind das täglich rund 6 Milliarden Anfragen. Und aus genau diesen Suchanfragen und Kombinationen von Entitäten, der Semantik, um den Kern der Suche zu verstehen, und allen Daten, die wir auf Webseiten bereitstellen, lernt Google tagtäglich dazu.

Im Google Patent mit dem Namen „Generating insightful connections between graph entities“ heißt es dazu:

„Implementierungen bieten ein erweitertes Suchergebnis, um das Sucherlebnis des Nutzers zu verbessern. Zum Beispiel kann das Ergebnis aufschlussreiche, für die Suchanfrage relevante Informationen beinhalten, die zwar nicht ausdrücklich angefragt wurden, der Nutzer aber interessant finden könnte, wie etwa Beziehungen zwischen zwei Entitäten passend zur Suchanfrage […]. Einzigartige Fakten können hervorragende Attribute für eine Entität darstellen, wie etwa beispielsweise der größte Schauspieler, der älteste Präsident, die teuerste Aktie, etc. […].“

Wie stellt Google Entitäten dar und wo kommen die Daten her?

Google nutzt mehrere Quellen für Entitäten-Ergebnisse. Wikipedia und Freebase beispielsweise, wobei die Freebase Datenbank noch dieses Jahr abgeschaltet und in die Wikimedia umgezogen werden soll, dienen als offizielle Quellen. Doch greift man hier sicherlich auch auf die Daten aller Webseiten im Suchmaschinenindex zurück. Der Grund, weshalb Google Entitäten und Fakten in Form von Knowledge Graphen darstellt, ergibt durchaus Sinn. Google will dem User damit Klicks auf Webseiten und das Suchen der Information ersparen, wenn die Suchanfrage nur eine simple, aber präzise Antwort verlangt. Beispielsweise das Geburtsdatum von Jan Böhmermann. Es wäre wenig nutzerfreundlich, wenn der User erst den Wikipedia-Artikel oder andere Quellen aufrufen und dort danach suchen müsste. Die Suchmaschine macht es uns also einfacher und schneller. Und doch betrachten viele Webseitenbetreiber gerade diese Graphen in den SERPs als große Gefahr.

Abbildung 1: Knowledge Graph zur Suche nach "Apple"

Die Herausforderung vor die sich Google selbst stellt, ist zu erkennen wonach gesucht wird. Ob und wie Google das Zwischen-den-Zeilen-Lesen versteht wird besonders bei Entitäten deutlich. Meine Suche nach „Apple“ (Englische Suche) könnte auch einen Apfel meinen. Bezieht Google aber meinen Suchverlauf und meine Interesse anhand meiner Browserdaten, Historien, Google+ Informationen und anderen Daten mit ein, so geht der Trend eher in eine technische, als biologische Richtung. Ich bin der Meinung, dass die Suchmaschine so Hintergründe einer Suchanfrage pro Nutzer individuell besser verstehen kann. Ein anderes Beispiel wäre „Jaguar“: Hier ist sich Google scheinbar nicht 100% sicher und bietet mir daher unterhalb des Automobil-Marken Knowledge Graphs auch Informationen über das Tier.

Ist der Knowledge Graph wirklich eine Gefahr für Webseitenbetreiber?

Als Google die Knowledge Graphen 2013 ausrollte und für einen Großteil der Entitäten-Suchanfragen verwendete, litt vor allem eine Webseite darunter: Die Wikipedia. Wenn man nach Entitäten sucht, ist die Wikipedia grundsätzlich unter den Top-Ergebnissen. Die deutsche Wikipedia verzeichnete allein im 4. Quartal 2013 einen Besuchereinbruch von 17%.

Abbildung 2: Zugriffsstatistik der deutschen Wikipedia (2008 bis 2014) reportcard.wmflabs.org

Und als Anfang 2014 die Knowledge Graphen wieder seltener wurden, stiegen auch die Zugriffe auf die Wikipedia wieder rasant an. Vor allem auf mobilen Endgeräten ist die Darstellung in den SERPs beliebt. Auf dem Smartphone ist jeder ersparte Klick bzw. Touch für den User noch bequemer, da die Ladezeit oft deutlich höher als auf Desktop-Geräte sind.

Abbildung 3: Knowledge Graph Anzeigen - Anfang 2014 (mozcast.com)

Die Frage ist nun: Bleibt bei Wikipedia und Knowledge Graph noch Traffic für andere Webseiten übrig, wenn es um Entitäten geht? Aus meiner Sicht, definitiv JA! Den Grund dafür werde ich am Beispiel von NEO Magazin Royale Moderator Jan Böhmermann erklären:

Jan Böhmermann ist eine Entität über die ausreichend faktisches, referenziertes Wissen vorhanden ist. Kurz gesagt: Jan hat einen Knowledge Graph. Im letzten Monat wurde bei rund 88% aller Suchanfragen, die eindeutig die Entität ‚Jan Böhmermann‘ betreffen, dieser Graph eingeblendet.

Abbildung 4: Statistik: Suchanfragen mit & ohne Google Knowledge Graph

Das heißt aber nicht, dass nur mehr bei 12% dieser Suchanfragen auf Suchergebnis-Links geklickt wurde. Und noch weniger bedeutet es, dass die Suche nach Entitäten zwangsläufig immer auf Wikipedia endet, wie ein Blick auf die Zugriffszahlen des Artikels über Jan Böhmermann in der Wikipedia im selben Zeitraum zeigt.

Abbildung 5: Artikelaufrufe des Wikipedia-Artikels "Jan Böhmermann

Den 26.120 Seitenaufrufen des Wikipedia-Artikels stehen 74.350 Suchanfragen mit Knowledge Graph gegenüber, wobei nur ein Teil der 26.120 Aufrufe über Google generiert wurde. Ohne den genauen Anteil der organischen Verweise auf den Wiki-Artikel zu kennen, gehe ich von einem Verhältnis von 80/20 aus. Bei ca. 80% der Suchanfragen mit Knowledge Graph wird in diesem Fall also nicht auf das Wikipedia-Ergebnis geklickt.

Abbildung 6: Statistik: Google Knowledge Graph vs. Wikipedia-Seitenaufrufe

Die Angst vor einer „Google-Wikipedia-Verschwörung“, die uns Webseitenbetreibern die Klicks verwehrt, ist also nicht nachvollziehbar. Sicher verzeichnen einige Webseiten Einbrüche in den Besucherzahlen, doch heißt das nicht, dass daran der Knowledge Graph Schuld ist.

Die Zusammenfassung der Auswertung zum Suchbegriff „Jan Böhmermann“ im Dezember 2014:

Tabelle 1: Statistiken zur Suchanfrage "Jan Böhmermann"

Semantik macht’s möglich!

Die Semantik spielt in der Verbindung von Entitäten eine wichtige Rolle. Für Google gilt zu aller erst die Intention der Suchanfrage genau zu verstehen. Nur so kann der Knowledge Graph korrekt ausgegeben werden. Sucht man beispielsweise nach „Wer gründete Apple?“ muss Google wissen, dass hier eigentlich nicht Apple, sondern die Gründer Steve Jobs und Steve Wozniak gesucht werden. Ausgangspunkt ist in diesem Fall also die Entität Apple, als Ergebnis werden aber andere Fakten erwartet.

Abbildung 7: Google-Suche nach "Wer gründete Apple?"

Drehen wir nun die Suchanfrage um, kann Google damit entweder nicht richtig umgehen oder sich bei mehreren Entitäten-Ergebnissen einfach nicht entscheiden. Die Suchanfrage „Welche Unternehmen gründete Steve Jobs?“ ergibt kein Knowledge Graph Ergebnis. Dafür sind Platz 1 und 2 mit Wikipedia-Artikeln zu Steve Jobs und NeXT belegt. Von Apple ist jedoch erstmal nicht viel zu sehen.

Abbildung 8: Google-Suche nach "Welches Unternehmen gründete Steve Jobs?"

Ein anderes Beispiel zeigt noch deutlicher die Zusammengehörigkeit von Begriffen in einer übergeordneten Entitätenkategorie. Suchen wir nach „Sehenswürdigkeiten in Salzburg“ hebt Google schon in den SERPs alle weiteren Entitäten, die durch diese Kategorie miteinander verknüpft sind, hervor. Vergleicht man die Ergebnisse im Karussell über der Linkliste mit den fett-dargestellten Begriffen in den Seitenbeschreibungen, stellt man fest, dass sich diese decken. Google zeigt uns hier, dass die Verbindung der Entitäten nicht nur für die Knowledge Graphen wichtig sind. Auch auf Webseiten erkennt die Suchmaschine recht schnell, ob zu einem Thema die dazugehörigen Begriffe enthalten sind.

Abbildung 9: Google Knowledge Graph & Karussell zu "Sehenswürdigkeiten in Salzburg

Noch deutlicher wird das semantische Verständnis von Zusammenhängen bei Ex-Fußballer Rudi Völler. Zur Suche nach dessen Spitznamen „Tante Käthe“ erscheint derselbe Knowledge Graph, wie zur Suche nach „Rudi Völler“. Wirft man einen Blick auf die verwandten Suchanfragen steht an oberster Stelle „Tante Käthe Rudi Völler“. Google lernt vor allem daraus, dass diese Begriffe eine Gemeinsamkeit haben.

Abbildung 10: Knowledge Graph zu Rudi Völler

Um herauszufinden, welche Entitäten mit dem Thema unserer Webseite verbunden sind, gibt es mehrere Möglichkeiten:

Die einfachste Möglichkeit ist es den Knowledge Graph auf verwandte Ergebnisse zu untersuchen. Die Entitäten unter „Wird auch oft gesucht“ ergeben sich einerseits aus der Häufigkeit der Suchanfragen, die diese beiden Begriffe enthalten, aber auch aus dem gemeinsamen Vorkommen auf Webseiten im Suchmaschinenindex.

Abbildung 11: Knowledge Graph zu Jan Böhmermann

Eine weitere Möglichkeit ist es den Wikipedia-Artikel des Themas nach internen Links zu anderen Artikeln zu untersuchen. Nach meiner Erfahrung stehen im Text weiter oben verlinkte Artikel der Entität näher, als weiter unten angesiedelte Links. Zudem bietet Wikipedia eine Möglichkeit alle internen Links auf einen Blick zu sehen.

Abbildung 12: Interne Links der Wikipedia-Artikel

Mit dem RelFinder lassen sich diese Zusammenhänge visualisieren. Gibt man zwei Entitäten ein, lässt sich erkennen, ob die beiden in irgendeiner Relation zueinander stehen. Ein recht einfaches Beispiel ist die Verbindung zwischen „Steve Jobs“ und „NeXT“. Hier werden auch indirekte und weniger starke Verbindungen gezeigt.

Abbildung 13: Entitäten-Verbindungen mit dem RelFinder

Wie kann man auf Basis dieser Verbindungen Entitäten aufbauen?

Zuerst muss man verstehen, dass das primäre Ziel im Aufbau von Entitäten nicht sein solle, seinen eigenen Knowledge Graphen zu bekommen. Wie oben gezeigt sind auch im Falle eines Knowledge Graphs Webseitenlinks in den SERPs wichtiger. Wenn du also die passenden Entitäten zu deinem Thema und die Verbindungen dieser Begriffe recherchiert hast, kannst du dich an die Arbeit machen deine Seite darauf zu optimieren.

Reicht ein Wikipedia-Link aus?

Nein. Wer immer noch denkt, dass ein Verweis eines Wikipedia-Artikels zum selben Thema einen genialen Rankingschub, wenn nicht sogar einen Platz im Knowledge Graph verspricht, der irrt. Nach der Untersuchung der externen Links von 100 Wikipedia-Artikeln komme ich zu dem Schluss, dass nur offizielle Weblinks dieser Entität in den Top-Ergebnissen ranken. Einzelnachweise und Referenzen mit lediglich 6% jedoch kaum.

Abbildung 14: Statistik: Wikipedia-Weblinks in Google SERPs

Immerhin 82% aller Webseiten, die als offizielle Weblinks zum Wikipedia-Beitrag genannt sind, befinden sich in den SERPs auf der ersten Seite zur dieser Suchanfrage.

Abbildung 15: Statistik: Wikipedia-Referenzen in Google SERPs

94% aller Webseiten, die im Wikipedia-Artikel als Referenz bzw. Einzelnachweis verlinkt sind, ranken nicht unter den Top-10 Ergebnissen in den SERPs zur gleichnamigen Suchanfrage. Sie helfen also auch nicht weiter.

Am Beispiel Jan Böhmermann findet man unter den Top-5 Ergebnissen einen Artikel des ‚Süddeutsche Zeitung Magazins‘. Das Besondere daran ist, dass dieses Ergebnis das erste ist, das keine offizielle Webseite des Moderator bzw. seiner Show, kein Wikipedia-Artikel und kein sozialer Kanal ist (abgesehen von Google News).

Abbildung 16: Ergebnisse zur Suchanfrage "Jan Böhmermann"

Zugegeben, die Position ist nicht ideal, da sie unter dem Knowledge Graph steht. Doch wenn man sich diesen Artikel genauer ansieht, so wird man sich fragen, wieso dieses Ergebnis so gut rankt. Eigentlich besteht der Artikel aus zwei Teilen, die außer durch einen Link nicht miteinander verbunden sind. Ich habe den im Bild rankenden ersten Teil unter die Lupe genommen. Mir ist aufgefallen, dass etwa der Name der Entität nicht in der H1 platziert wurde, der Text mit nur knapp über 700 Wörtern nicht sonderlich lang ist, keine Links im Fließtext positioniert sind … unterm Strich ist die OnPage-Optimierung des Beitrags meiner Meinung nach nicht überdurchschnittlich gut. Allerdings tauchen bereits in diesen 700 Wörtern mehr als 30 weitere Entitäten auf, die in direktem Zusammenhang mit Jan Böhmermann stehen.

Ist das wirklich das Geheimnis?

Sicher nicht allein. Eine nicht unwesentliche Rolle dabei spielt auch die generelle Autorität und Popularität der Webseite. Vergleicht man diesen Beitrag aber mit weiteren Webseiten, die auf Seite 1 zu „Jan Böhmermann“ in Google ranken, fällt auf, dass dort kaum weitere Entitäten genannt und erklärt werden, die mit der Person zusammenhängen.

Es scheint also, dass aufgrund des semantischen Verständnisses der Suchmaschine auch die „Entitäten-Dichte“ eine große Rolle spielt. Schreibt man etwa einen Artikel über „Sehenswürdigkeiten in München“ sollte man Entitäten, wie den Englischen Garten, die Alte Pinakothek, das Hofbräuhaus am Platzl, usw. unbedingt in direkter Nähe zur übergeordneten Entität verwenden.

Unterstützend zur textuellen Aufbereitung kann man auch je Entität auf Schema Markups zurückgreifen, um wirklich wichtige Informationen und Themen für Suchmaschinen stärker hervorzuheben. Personen oder Unternehmen können mit schematischen Strukturen in den Mittelpunkt gerückt werden, um das Verständnis der Suchmaschine zu stärken.

Zum Schluss: 3 Key Takeaway

• Der Knowledge Graph ist nichts wovor sich Webseitenbetreiber fürchten sollten. Lerne ihn für deine Zwecke zu nutzen. Es muss nicht immer Wikipedia sein!

• Reichere deine Artikel und Themen mit zugehörigen Entitäten an und zeig Google & Co., dass du alle relevanten Informationen zusammengetragen und beschrieben hast.

• Linkaufbau allein in der Wikipedia wird nicht helfen. Baue weiterhin Links von vertrauenswürdigen Autoritäten auf und achte auch hierbei auf passende Verbindungen zwischen Entitäten.