Knowledge Graph: Eine wertvolle und unterschätzte Quelle für Such-Traffic

Google’s Knowledge Graph gibt es bereits seit zwei Jahren. Damals war es ein beachtlicher Schritt in Richtung künstliche Intelligenz und eine deutliche Entwicklung hin zu einer semantischen Suche, die ihre Nutzer nicht nur mit Suchergebnissen beliefert, sondern deren Suchanfragen auch „versteht“ (soweit eine Maschine das kann). Die Search-Gemeinde war fasziniert und zum Teil begeistert, aber so richtig in den Arbeitsalltag integriert haben die meisten das ständig wachsende Wissensnetz bis heute nicht. Dabei lohnt sich die Knowledge Graph Optimization (KGO), um wertvollen Such-Traffic zu bekommen.

Von Spinnen und Netzen: Wie der Knowledge Graph funktioniert

Um die Arbeit des Knowledge Graph zu verstehen, ist zunächst wichtig, sich klar zu machen, was bei einer Suche passiert. Wenn diese ausgelöst wird, dann wird auf den jeweils hinterlegten Index zurückgegriffen. Das heißt, wenn man beispielsweise auf Google eine Suchanfrage eintippt, wird nicht direkt das gesamte „Web“ durchforstet– sondern der Index.

Der Index setzt sich aus sämtlichen Seiten zu einem bestimmten Keyword zusammen, die vorab gecrawlt und miteinander vernetzt wurden. Die Web Crawler (auch Web Spider genannt) hangeln sich über die Verlinkungen der einzelnen Seiten durchs Netz und helfen somit, den Index zusammenzubauen. Deshalb ist im Rahmen der Optimierungsmaßnahmen auf einer Website die Linkstruktur wichtig. Diese macht es den Spidern leichter, die Seiten zu identifizieren und ihr „Netz zu bauen“. Gleichzeitig hilft das dem Knowledge Graph, ständig zu wachsen.

Mittels verschiedener Algorithmen lernt die Suchmaschine aus den Eingaben der Nutzer (Vertipper, Synonyme, Syntax, Morphologie etc.) und optimiert das Ranking der Suchergebnisse. Auf dieser Grundlage wird auf den Index zugegriffen und die relevanten Treffer herausgepickt. Der Knowledge Graph ermöglicht es, Keywords nicht nur als Begriffe, sondern als Entitäten, also Bedeutungsträger zu identifizieren und auszuwerten. Die Suchmaschine lernt, aus Suchphrasen oder Fragen die richtigen Schlüsse zu ziehen und diese entsprechend mit relevanten Suchergebnissen zu beantworten. Das Ergebnis sind deutlich interaktivere und aus unterschiedlichen Quellen angereicherte Ergebnisse.

Resolutionmedia.com fasst die Bedeutung des Knowledge Graph wie folgt zusammen:

The Knowledge Graph […] provides information on the search results pages based on structured data and what searchers are most commonly looking for. The Knowledge Graph is Google’s attempt to make their search engine understand entities beyond the keywords that represent them. For searchers, this should mean faster and more relevant results. For marketers focusing on delivering relevant, high-quality optimized content this change should only bring more visibility to their sites.

So lieferst Du dem Knowledge Graph Futter

Die Knowledge Graph Optimierung ist weder ein Hexenwerk, noch erfordert sie ein grundlegendes Umdenken. Wichtig ist, dem Wissensgraphen ausreichend Futter mit bewährten Methoden zu liefern. Hier die wichtigsten „Futterquellen“ auf einen Blick:

• „Entitäten-Keywords“: Wichtigster Bestandteil der (Content)-Marketing-Strategie sind und bleiben Keywords. Der Knowledge Graph erkennt und disambiguiert Entitäten anhand der vorhandenen Verlinkungen und Inhalte auf einer Seite. Keywords als kleinste atomare Einheit helfen bei der Disambiguierung, also der eindeutigen Identifizierung und Zuordnung von Bedeutung. Für Werbungtreibende heißt das: Je besser der eigene Content beschrieben wird, desto leichter tut sich der Knowledge Graph – und desto besser wird man von seiner Zielgruppe gefunden.
• Schema.org: Ein Patentrezept für ein erfolgreiches Suchmaschinenmarketing gibt es nicht – stimmt nicht ganz. Mithilfe von Schema Markup liefern Webseitenbetreiber wertvolle Strukturdaten an den Knowledge Graph, wie Neil Patel auf Quicksprout feststellt: „Have a recipe? You can use a markup schema to identify the method of cooking, the type of cuisine, the length of time it takes to prepare the dish, and the ingredients that should be used.“
• Freebase: „Anything that is relatively well known probably has an ID in Freebase“, sagt Neil Patel. Und rät dazu, sich mit Freebase, der Datenbank für „Machine Identification“, vertraut zu machen und relevante Entitäten zu registrieren: „Connecting your brand entity with Freebase provides a way to correlate structured data with Freebase data, aiding entity disambiguation for streamlined KG results“.
• Userverhalten: Weitere wichtige Nahrungsquelle für den Knowledge Graph ist das Verhalten der User. Ob Kundenbewertung, Tweets oder Blogposts: Zielgruppen hinterlassen überall im Web Spüren – und nur durch das User Behavior lernen Maschinen wie Google, Bing & Co., wie Suchanfragen aussehen. Werber sollten ihren Kunden also genügend Raum geben, sich im Social Web auszutoben.