• ✓ individuelle SEO-Beratung & -Betreuung
  • ✓ keine Abnahmeverpflichtung
  • ✓ zertifizierte SEO-Experten
  • ✓ transparente & faire Arbeitsweise
  • ✓ nachhaltige SEO-Strategien

Mit der Musteranalyse von Suchanfragen die SEO Umsätze steigern!

Inhaltsverzeichnis

Nahezu jeder Ihrer aktuellen und zukünftigen Kunden nutzt Google. 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. Shop entsprechend anpassen und Ihre SEO-Umsätze steigern können zeigen wir Ihnen in diesem Artikel.

Einleitung: Musteranalyse von Suchanfragen

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 Keyword-Analyse 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 wirklich nachgefragt werden, ich welcher Ausführung und zu welchem Zeitpunkt. Ja 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 unseren Produkten und Dienstleistungen, zu einer strategischen Aufgabe. Aus den jeweiligen Erkenntnissen leiten sich mannigfaltige Aufgaben 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 dabei die Rankings und Klickraten Ihrer Treffer in Google zu wichtigen Umsatztreibern nachhaltig zu verbessern.

Von der Keyword Analyse zum Abverkauf im eCommerce

Es gibt unterschiedliche Klassifikationssysteme für Suchanfragen. I.d.R. 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:

Navigationsorientierte Suchanfragen

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 stehen. 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.

Informationsorientierte Suchanfragen

Wenn ein Informationsbedürfnis als Motivation einer Suchanfrage vorliegt, spricht man von Informationsorientierten Suchanfragen. Hierbei können sowohl Fakten wie die Höhe der Eifelturms aber 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.

Suchanfragen zur Kaufvorbereitung

Diese Gruppe der ebenfalls Informationsorientierten Suchanfragen betrachten wir gesondert, da sie einen hohen kommerziellen Wert aufweisen. Sie sollten für Ihre Produkte die Suchanfragen kennen, die Nutzer suchen bevor sie sich für ein bestimmtes Produkt entscheiden.

Mehrwortanfragen mit den Worten „Testbericht“ oder „Vergleich“ sind typische Vertreter dieser Klasse von Suchanfragen.

Kommerzielle 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 Konversionsrate auf. Das bedeutet, viele der Besucher die mit einer Suchanfrage wie „Produktname kaufen“ zu Ihrem Webshop kommen, wollen in der Regel auch das gesuchte Produkt kaufen. Aber schon die Suchanfrage 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.

SEO Konversionspfad
Abbildung 1: SEO Konversionspfad

1. Suchen

Zuerst muss jemand nach dem zu verkaufenden Produkt suchen. Je mehr kommerzielle Mehrwortsuchanfragen wir für unsere Produkte identifiziert haben, desto mehr Suchen können wir mit unseren Landingpages abdecken.

2. Ranken

Das Thema „Ranking in Suchmaschinen“ füllt ganze Bücher. In diesem Artikel beschränken wir uns darauf, dass wir durch die Nutzung der identifizierten kommerziellen Mehrwortsuchanfragen natürlich auch das Ranking zu diesen steigern wollen und werden.

3. SERP-Snippet

Der Begriff SERP-Snippet bezeichnet die Darstellung eines Suchergebnisses in einer Suchergebnisseite (SERP – Search Engine Result Page). Da sie nie alleine auf einer Suchergebnisseite sind, hat der Suchende immer weitere Alternativen. Wie ein gutes Werbemittel muss also Ihr SERP-Snippet überzeugen. Ihr Snippet sollte deshalb relevant sein, einen Mehrwert vermitteln und eine klare Handlungsaufforderung enthalten.

Relevant wird Snippet wenn es die Worte der Suchanfrage aufgreift. Der Nutzer erkennt dann sofort, dass er bei Ihnen das Gesucht finden kann.

Der Mehrwert hängt von ihrem Geschäft ab. Der kostenlose Versand oder einer verlängerte Garantier fallen in diesen Bereich. Die Handlungsaufforderung kann durch ein einfaches „gleich bestellen“ oder „online kaufen“ formuliert werden.

Wichtig ist, dass unsere Keywordanalyse die notwendigen Anhaltspunkte liefert um die Titel und die Descriptions unserer Zielseiten so zu formulieren, dass wir eine optimale Klickrate für unsere Snippets erzielen.

4. Seiteninhalt

Wenn wir in unserem Snippet ein Produkt erwähnen und Mehrwerte anpreisen, dann müssen diese auch der Zielseite wiederholt werden. Der Nutzer hat sich aufgrund der Information in unserem Snippet für unsere Seiten entschieden. Zeigen wir ihm jetzt, dass wie dieses Versprechen auch schnell und einfach einlösen.

Eine versprochene Garantieverlängerung oder ein kostenloser Versand sollten sich leicht auf der Zielseite wiederfinden. Somit wirkt das Ergebnis der Keywordanalyse ebenfalls auf die Inhalte Ihrer Website aus.

5. Konversion

Am Ende muss der Suchende natürlich bestellen, kaufen etc. Das bedeutet sie benötigen eine überzeugende Zielseiten, gute Produktbilder, einen einfach zu findenden Kaufbutton sowie marktübliche Preise und einen einfachen Bestellvorgang etc.

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 antizipieren.

Auswirkung des Long-Tail der Suchanfragen auf den eCommerce

Nach der langen Vorrede scheint das vorgeschlagene Vorgehen recht einfach. Wir prüfen welche Suchanfragen zu den meisten Abverkäufen geführt haben.

Die Analyse der Verteilung der Suchanfragen die an einem Tag im Oktober 2011 bei Gamesload zu Verkäufen geführt haben ergibt folgendes Bild:

Suchanfragen nach Verkäufen am Tag
Abbildung 2. Suchanfragen nach Verkäufen am Tag

Die Tagesanalyse zeigt, dass 12 Suchanfragen für ca. 58% des Umsatzes für diesen 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.

Suchanfragen nach Verkäufen im Monat
Abbildung 3. Suchanfragen nach Verkäufen im Monat

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.

Erfolgsversprechender ist die Analyse aller Suchanfragen die zu Umsätzen geführt haben um Muster innerhalb der Suchanfragen zu finden die zu Umsätzen geführt haben. Ziel dieser Analyse ist es, dass wir Wortbestandteile von Suchanfragen identifizieren die in unserem Fall typisch für kommerzielle Suchanfragen stehen.

Wir versuchen nicht den Traffic für unseren Webshop zu maximieren sondern unsere Verkäufe zu steigern.

Optimierung von Produktdetailseiten

Die Basis für eine gute Suchmaschinenoptimierung liefert die Informationsarchitektur Ihrer Website. Die Informationsarchitektur definiert die Ordnung ihrer Inhalte innerhalb ihrer Website mit dem Ziel diese für ihre Nutzer schnell und einfach zugänglich zu machen.

Damit die Nutzer sich sowohl innerhalb ihrer Website einfach orientieren können (Usability) als auch zur einfachen Auffindbarkeit Ihrer Website in Suchmaschinen (SEO) ist es notwendig, dass die Ergebnisse der Keywordanalyse bei der Entwicklung (oder Weiterentwicklung) ihrer Informationsarchitektur maßgeblich berücksichtigt werden.

Der Artikel Nutzerorientierte Navigationselemente aus der ersten Ausgabe der Websiteboosting (05-06.2010, Seite 43-50) 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:

1. Die Startseite

Die Startseite eines Shops soll primär zum Namen des Shops gefunden werden. Sie ist also Ziel der navigationsorientierten Suchanfragen.

Wenn der Webshop nur eine Produktart (z.B. Brillen oder Schuhe) führt, dann kann die Startseite auch die Zielseite für diese generischen Begriffe sein.

2. Kategorien oder Subkategorie

Eine Kategorie listet alle Produkte einer bestimmten Gattung oder Ausprägung auf. Kategorieseiten sind deshalb die idealen Landingpages für diese Gattungsbegriffe wie beispielsweise „Damenschuhe“ oder „Sonnenbrillen“ etc.

3. Produktdetailseite

Die Produktdetailseite beschreibt ein bestimmtes Produkt, liefert detaillierte Informationen und ermöglicht den Kauf. Oft werden auch Nutzerbewertungen, alternative Produkte oder Produktergänzungen nachgefragt. Die Produktdetailseite ist somit die Zielseite für Suchanfragen nach dem konkreten Produkt und gleichzeitig die Seiten mit einer klaren Kaufaufforderung. Kein Wunder also, dass Suchmaschinennutzer die auf Produktdetailseiten landen i.d.R. eine erhöhte Konversionsrate aufweisen.

Gamesload verfügt über einige hundert Produktdetailseiten. Damit ist Gamesload hinsichtlich der Seitenanzahl sicher ein eher kleiner Shop. Dennoch zeigt die Analyse der monatlichen Suchanfragen bereits eine erheblich Tendenz zum Longtail.

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:

Schema zur Definition von Teilen der Informationsarchitektur
Abbildung 4: Schema zur Definition von Teilen der Informationsarchitektur

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 die 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.

Beispielhafte Definitionen für Gamesload
Abbildung 5: Beispielhafte Definitionen für Gamesload

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 zufrieden geben, immerhin entstehen auch für SEO Kosten.

Musteranalyse am Beispiel von Gamesload

Am Beispiel Gamesload wird nachfolgend die Musteranalyse durchgeführt sowie die daraus erfolgten Erkenntnisse 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 in Zusammenhang mit den Suchanfragen stehen.

Import Webanalyse Daten in MS Excel (Eigene Darstellung)
Abbildung 6: Import Webanalyse Daten in MS Excel (Eigene Darstellung)

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 Graphik 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 werden zum einen wichtige Erkenntnisse für die Informationsarchitektur, die Keyword- sowie die Linktext-Verwendung gewonnen. 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 Keyword-Sets zu ziehen:

Visit-Verteilung der zu analysierenden Wortgruppen (Eigene Darstellung)
Abbildung 7. Visit-Verteilung der zu analysierenden Wortgruppen (Eigene Darstellung)

Wichtige Muster im eigenen Keyword-Set können, wie beschrieben, über Erkenntnisse aus der operativen Arbeit oder über einen Analyse-Ansatz (welcher im Verlauf des Artikels noch vorgestellt wird) identifiziert werden. Hier werden auch weiterführende Informationen zur exakten Abgrenzung von Wortbestandteilen gegeben.

Wortgruppe I: Allgemein

Durch die Aufbereitung der Daten, wurden die Umsatz- und Visit-Anteile, d.h. der Wertbeitrag, des Gamesload Keyword Sets 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 Keyword Recherche noch nicht bestimmen konnte, welches Bedürfnis oder welche Bedürfnisse Nutzer mit den Suchanfragen verfolgen. Zur gezielteren Klassifikation von Suchanfragen 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 den 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.

Wortgruppe II: Download

Die Analyse des zweiten Begriffs-Sets 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 den kostenlosen (d.h. illegalen) Download eines Spieles abzielen.

Eine mögliche Suchanfrage, in diesem Mustertyp wäre beispielsweise: „Anno 2070 Download“

Wortgruppe IV: Download + kaufen

Bei Betrachtung der finalen Gruppe von Wortbestandteilen, werden alle Suchanfragen betrachtet, welche die Begriffe „Download“ und „kaufen“ beinhalten. Das letzte Keyword-Set umfasst Anfragen von Nutzern, welche 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 haben 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“

Gegenüberstellung Suchmuster Gamesload

Gegenüberstellung der verschiedenen Wortgruppen und Leistungskennzahlen zur Bewertung der jeweiligen Wertschöpfung (Eigene Darstellung)
Abbildung 8: Gegenüberstellung der verschiedenen Wortgruppen und Leistungskennzahlen zur Bewertung der jeweiligen Wertschöpfung (Eigene Darstellung)

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 Keyword-Sets 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 über mögliche 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 Potentiale 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, auf Grund 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 Keyword Set 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.

Abweichungen und Behandlung wichtiger Einzelfälle

Analyse berichte Anordnung an ein Shop System

Um die Erkenntnisse der Analyse, unter Beachtung der Umsatzzusammensetzung (siehe Abbildung 2 und 3) seitenweit durchzusetzen ist es wichtig, dass es möglich ist Default-Regeln für die Befüllung der vorhandenen Seitentypen zu definieren. Eine globale Regel für die Generierung des Titles 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 Keyword-Set 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 Handlungen an das Shop- bzw. Content Management System ableiten:

  1. Titel und Descriptions müssen per Default-Regeln definiert werden können.
  2. Diese Default-Regeln müssen im Einzelfall überschrieben werden können.

Wenn beide Punkte umsetzbar sind, dann können alle Produktdetailseiten auf konversionsstarke und produktnahe Mehrwortanfragen optimiert werden. Gleichzeitig besteht die Möglichkeit die Titels und Descriptions der absoluten Top-Seller gesondert und individuell zu optimieren.

How-To für die eigene Website

Wie sollte man also vorgehen, um eine identische Analyse der wichtigen Suchmuster für das eigene Keyword Set 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 weiteren Leistungskennzahlen beantwortet werden können. Beispiele wären:

  • Welche Suchmuster stehen hinsichtlich der Conversion-Anteile in welchen Relationen zueinander? Welchen Umsatz pro Visit kann man über definierte Suchmuster erzielen?
  • Welche Suchmuster weisen welche Bounce Rate auf? Können Erkenntnisse für die eigene Content-Strategie abgeleitet werden?
  • Wie hoch ist der Anteil der Erstbesucher in einem der definierten Suchmuster? Welches Suchmuster hilft die Reichweite der eigenen Webseite vorrangig zu steigern?

Je nach Zielsetzung und Datenlage können beliebige Analyseansätze gewählt werden. Deshalb der Tipp: Exportieren Sie aus Ihrem Webanalyse Tool neben den Keyword Daten 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 Web-Analyse zu implementieren.

Kennt man das zu analysierende Keyword Set nicht gut, möchte aber dennoch Suchmuster in den eigenen Keyword-Daten 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 auswertet. 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 Keyword-Sets nutzbar (http://www.wordle.net/create und http://tagcrowd.com/). Das nachfolgende Schaubild verdeutlicht häufig vorkommende Muster in den Keyword Daten und hilft, gerade bei einer Erstanalyse, einen schnellen Überblick zu erlangen.

Graphische Darstellung der Wortzusammensetzung eines Keyword Sets (Quelle: wordle.net)
Abbildung 9: Graphische Darstellung der Wortzusammensetzung eines Keyword Sets (Quelle: wordle.net)

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 Erst-Analyse mit Hilfe des Tag Cloud Generators einzubinden (dazu bitte den folgenden Link verwenden: http://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, welche jeweils das gesamte Keyword Set und die ergänzenden Metriken enthält. Im nächsten Schritt sollten mit Hilfe von benutzerdefinierten Filtern die Keyword-Daten hinsichtlich der wichtigen Suchmuster gefiltert werden. Dabei ist es wichtig, Inkonsistenzen auszuschließen werden, d.h. über die Filterlogik müssen doppelte Zählungen ausgeschlossen werden. So ist es wichtig, wenn man bspw. nach „Download“ filtert, den Begriff „Kaufen“ auszuschließen. Da es auch Suchanfragen gibt, welche beide Begrifflichkeiten 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 mit Hilfe 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 zur Übersicht integrieren. Dort können mit Hilfe von übergreifenden 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.

Mit Hilfe 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 conversiontreibenden Begrifflichkeiten enthält. Über die Berechnug einer prozentualen Steigerung in Relation zum Basis-Wortgruppe wird letztlich eine Aussage zur Leistungsfähigkeit der zu vergleichenden Wortgruppen herausgestellt. Dies sollte man nicht nur für den Umsatz pro Visit im Bereich SEO machen, sondern kann auch ergänzende Metriken, wie beispielsweise die prozentuale Steigerung der Conversionrate oder die Reduktion der Bouncerate in den jeweiligen Wortgruppen, durchgeführt werden( siehe Abbildung 10).

Übersicht der Leistungskennzahlen definierter Wortgruppen in MS Excel (Eigene Darstellung)
Abbildung 10: Übersicht der Leistungskennzahlen definierter Wortgruppen in MS Excel (Eigene Darstellung)

Ein anderer interessanter Analyseansatz liegt in der richtigen Aussteuerung der Keywords an Hand ihrer Wortlänge sowie ihrer entsprechenden Wertbeiträge. Auch für die zu Letzt genannte Analyse bietet Excel sehr gute Anwendungsmöglichkeiten, da sehr gut über die Integration einer zusätzlichen Spalte und der Zählung der Wortlänge sowie der Aufbereitung wie bei den Wortgruppen, der Wertbeitrag der Phrasenlängen 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 eine definierte 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:

Übersicht der Leistungskennzahlen basierend auf einer Sortierung nach den Längen der Suchanfragen in MS Excel (Eigene Darstellung)
Abbildung 11: Übersicht der Leistungskennzahlen basierend auf einer Sortierung nach den Längen der Suchanfragen in MS Excel (Eigene Darstellung)

Auch andere Analyse Ansätze können interessante Impulse für die Bewertung der Wertschöpfung des Long-Tails bzw. einzelner Merkmale liefern. So ist denkbar Traffic-Skalen zu bilden, um die Struktur des eigenen Keyword Sets 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 mit Hilfe einer verschachtelten =WENN Funktion gearbeitet werden. Mit dieser Funktion kann, je nachdem in welcher 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 eignet 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 tiefgreifenden Kenntnissen hinsichtlich der eigenen Wettbewerbsfähigkeit im Bereich SEO, bei der Handlungsableitung zu beachten.

Die beschrieben 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.

get:traction Geschäftsführer Jens Fauldrath

Jens Fauldrath

Geschäftsführender Gesellschafter

Ich habe von 2006 bis 2012 das SEO-Team für t-online.de aufgebaut. Dabei war es essenziell, Redaktion, Produktmanagement und IT gleichermaßen zu berücksichtigen und in den Veränderungsprozess einzubinden. Dieses haben wir erreicht, indem wir die vorhandenen Prozesse erhoben und SEO möglichst aufwandneutral in diese integriert haben

5/5 - (4 votes)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert