Der Quality Rater Guide von Google liefert detaillierte Informationen über mögliche Nutzerabsichten, den User Intent: Die Trefferliste von Google wird relevanter sein, wenn es gelingt, die Suchabsicht des Nutzers korrekt zu interpretieren.
Als Inhalteanbieter sollte man die Suche eines Nutzers «erledigen»: Er soll die gewünschten Informationen finden können und danach müsste die Suche abgeschlossen sein, weil die Inhalte so relevant waren.
Wie man Micro-Moments Analysen umsetzt, habe ich hier auf dem BlueGlass-Blog zusammengestellt.
Google RankBrain
15% der Suchanfragen hat Google in dieser Kombination noch nie gesehen, weiss also auch nicht, was die Suchabsicht ist. Das sind immerhin 500’000’000 Suchanfragen pro Tag. Hier kommt das Google Brain Team zum Einsatz und ihr Algorithmus Google RankBrain, das via Deep Learning versucht, die Suchanfragen vorzustrukturieren auf relevante Micro-Moments und dann an den Suchalgorithmus weitergibt.
Der Standort, das Endgerät, die Sprache, die Historie, Tageszeit, etc. werden herangezogen, um mit Machine Learning bessere Suchresultate zu liefern.
Funktionsweise von Google RankBrain
Google RankBrain ist inzwischen ein integraler Bestandteil des Suchalgorithmus: Beispielsweise wird eine Suche nach «Rüeblichueche» korrekt interpretiert und entsprechende Seiten gelistet. Keine davon enthält das Keyword «Rüeblichueche»…
Suche nach «Rüeblichueche» wird korrekt interpretiert
I Want to Know («BVB», informative Informationssuche)
I Want to Do (Rat einholen)
I Want to Buy («BVB Trikot», also transaktional)
I Want to Go (Zu einer Website gehen, zu einem Ort gehen
Hier eine beispielhafte Micro Moments Analyse von Blueglass Interactive für E-Bikes.
Micro Moment Analyse für E-Bikes
Nicht nur Google ist aber besser geworden, auch die User haben dazugelernt: Je nach Suche sehen sie Werbung nicht mehr. Deshalb zeigt Google Werbung eher für transaktionale Suchen, die einen Kauf beinhalten könnten.
Eye-Tracking Visualisierung für die Google-Trefferlisteanswerthepublic.com ist ein Tool, das verwandte Fragen zu einem Themenblock zurückgibt. Damit können relevante Fragestellungen geclustert und entsprechende, semantisch verwandte Inhalte aufbereitet werden.
Answer the Public Content-Analyse Tool