neuer Google Algorithmus - auf was sollte man achten?

Durch den neuen Google Algorithmus soll bewertet werden, welcher Content gut bzw. welcher Content schlecht ist.
Zudem soll der neue Google Algorithmus (2012) Seiten abstufen, die überoptimiert sind.

• Wie kann aber Google zwischen guten- und schlechten Content unterscheiden?

Eine einfache Methode ist natürlich die Bewertung der Bounce Rate.
Falls also die Bounce Rate einer Seite (bspw. Onlineshop) bei 80 % liegt, also von hundert User achtzig User die Seite nach einem Klick innerhalb weniger Sekunden wieder verlassen, dann ist das eindeutig ein schlechtes Zeichen für die Seite.
Jedoch eine deutlich negativere Gewichtung hat es, wenn der User nach dem Verlassen der Seite nach einem Klick (innerhalb weniger Sekunden) gleich auf ein weiteres Suchergebnis klickt.
Das ist für Google ein deutlich Signal dafür, dass der User nicht die richtigen Informationen zu dem Keyword(s) gefunden hat oder die Seite für ihn unseriös wirkte.

Natürlich erkennt Google auch ob in den Texten, Beschreibungen, Titeln etc. Rechtsschreibfehler vorhanden sind.
Trivialerweise sorgen auch Rechtsschreibfehler für eine negative Bewertung der Seite.

• Was kann man also machen?

Natürlich ist eine Lösungsmethode: Erstelle qualitativen guten Content!
Der User sollte nach dem Besuchen der Seite einen Nutzen für sich ziehen können und somit zu einem "returning visitor" werden. Wenn also die Anzahl der wiederkehrenden Besuchern (mit Google Analytics messbar) steigt, dann weiß man dass die Seite an Qualität und besseren Inhalt gewonnen hat.

• Wie kann man seine eigene Seite darauf optimieren?

Wenn man mehrere Rubriken hat sollten man sich die Höhe der Bounce Rate, die durchschnittliche Verweilsdauer (avg. Time on Site), sowie die Anzahl der returning Visitors in einer Excel Tabelle eintragen.
(das mit der Bounce Rate und den verschiedenen Rubriken werde ich später in einem eigenen Artikel erklären)
Diese Kennzahlen sollte man für jede neue Kalenderwoche aufschreiben und zwar mindestens 2 Monate lang.
Nach zwei Monaten kann man die wöchentliche Veränderung leicht durch eine Subtraktion berechnen.
Bsp.:
Views per Article Week 1: 50
Views per Article Week 2: 75
Durch die Subtraktion erhält man dann: 75 - 50 = +25

Die gleiche Rechnung macht man dann noch für die anderen Kennzahlen.

[* Um ein saubereres Ergebnis zu erzielen sollte man die Steigerung der Zahlen für die oben genannten Kennzahlen für den Monat vor der Einführung des neuen Contents notieren. Somit kann man die Steigerungsrate der returning Visitors vor der Einführung des neuen Contents mit der Steigerungsrate nach der Einführung des Contents berechnen.]

Wenn man seine Artikel nach Rubriken aufteilt und diese Rechnung für jede Rubrik durchführt, kann man leicht erkennen, welche Rubriken durch besseren Content verbessert werden sollten.

Natürlich kann man jetzt sagen, dass andere Faktoren für die Steigerung verantwortlich sein könnten.
Deshalb sollte man immer die natürliche Steigerungsrate (Wachstum vor der Einführung des besseren Contents) berechnen (siehe *; Wachstumsrate danch - Wachstumsrate davor = delta Wachstum)

Einführung in die Statistische Begriffswelt - Suchmaschienenoptimierung wissenschaftlich

Ich möchte euch Schritt für Schritt zeigen, wie ihr eueren Youtube Channel oder eueren Blog durch statistische Verfahren bewerten könnt, um dann gezielter Suchmaschienenoptimierung betreiben zu können


1.) Einführung

Statistische Merkmale  - Unterscheidungen der statistischen Merkmale


Was sind nun statistische Merkmale?
Merkmale sind (Zufalls-) Variablen, um genau zu sein statistische Variablen, welches jedem Element aus der Grundgesamtheit einen Zahlenwert zuordent.
Das heisst also, dass ein Merkmal eine Abbildung ist. (Eine Abbildung ist definiert: wenn man zwei Mengen A und B betrachtet und zudem eine Funktion f gegeben hat. Wenn es nun eine Vorschrift gibt, die besagt dass die Funktion f jedem Element a aus A einen Wert b aus B zuordnet, dann nennt man diese Vorschrift (= f) eine Abbildung.)


Wie werden die Werte von statistischen Merkmalen genannt?
Die Werte der statistischen Merkmale werden Merkmalsausprägungen genannt. Man nennt sie auch Realisationsmöglichkeiten, denn diese sind mögliche Werte/Ergebnisse einer konkreten Beaobachtung eines Merkmales.

Als einfaches Bespiel für ein statistisches Merkmal und zwei Realisationsmöglichkeiten ist:

• statistisches Merkmal = X = Geschlecht
• Realisationsmöglichkeit = {m,w} = {0,1}

Diese Zufallsvariable nennt man auch ein alternatives Merkmal, da es nur zwei Möglichkeiten bzw. zwei Ausprägungen gibt und zwar weiblich (w) oder männlich (m).

Natürlich können Zufallsvaribalen auch mehrere Merkmalsausprägungen besitzen. Ein Bespiel dafür ist:

• Miete = X 
• Mietpreis = (100, 200, 300, 400, 500, ......., n)

Welche Typen von Merkmalen gibt es?
Man unterscheidet die statistischen Mermale in quantitive- und qualitative Merkmale.

• Quantitative Mermale lassen sich gut durch Zahlen darstellen. Zum Beispiel die Anzahl der Views auf einem Blog oder die Anzahl der Likes bei einem Youtube Video.

          Sie können diskret oder stetig sein.
    
           Diskrete Zufallsvariablen, sind solche bei denen endlich viele Werte oder höchstens endlich
           abzählbar unendlich viele Werte annehmen können. Das heisst sie nehmen isolierte Zahlen Werte an.

          Ein Beispiel für ein quantitatives Merkmal ist: Besucherzahlen / Views auf deinen Channel.
          Die Menge der Besucher ist aus den ganzen Zahlen bzw. aus den natürlichen Zahlen, wobei es
          keine Grenze nach oben gibt.
       
         Stetige Zufallsvariablen haben einen Wertebereich der überabzählbar ist. Das heisst es können in
         den Intervall in denen die Realisationsmöglichkeiten definiert sind, alle möglichen Zahlen vorkommen.
         Somit ist hier der Wertebereich gleich den reelen Zahlen.
   
         Beipiel: das statistischen Merkmal ist die Zielgruppenbindung auf Youtube Analytics. Hierbei können
         die angenommenen Werte unendlich viele sein. Denn die Möglichkeiten sind im Intervall
         [0%,100%] definiert.

• Qualitatitve Merkmale sollte man nicht durch Zahlenwerte darstellen. Blutgruppen sind hierfür ein Beispiel oder auch die Angabe von verschiedenen Channels.

          Man unterscheidet die qualitativen Merkmala in:
          odinale-, nominiale und metrischen Variable.

1.  ordinale Merkmale: das sind Zufallsvariablen, welche als Ausprägungen unterschiedlich sind, aber  eine lineare Ordnung besitzen.  Zum Beispiel: wenige Views, mittel viele Views, viele Views
2. nominale Merkmale: das sind Zufallsvariable mit unterschiedlichen Realisationsmöglichkeiten, aber diese haben keine lineare Ordnung. Bsp.: User 1 , User 2, ....
3. mertrische Merkmale: hiefür gibt es eine lineare Ordnung, aber auch einen genauen Abstand. Das heisst, 2 Likes sind besser als 1 Like und 1 Like besser als kein Like auf einem Youtube Channel.

Morgen zeige ich euch, wie ihr weitere statistische Verfahren auf euere Suchmaschienenoptimierung anwenden könnt.