Data-Driven Keywordresearch Oder Wie bekomme ich ein verdammt gutes Keywordset

Wenn man sich den aktuellen Toolmarkt und die Neuerscheinungen anschaut, beherrschen drei Themen das Feld: WDF-Kram, OnPage und Ranktracker. Dabei finde ich es viel wichtiger, das die Basics stimmen. Und das die oftmals nicht stimmen, merke ich, wenn ich als externer Berater und Datenfetischist zu einem Projekt dazugeholt werde.

Oftmals scheitert es schon am guten Keywordset. Da ich auf dem Markt kein gutes Tool gefunden habe, musste ein Inhouse-Tool her, das vernünftige Daten ausspuckt. „Vernünftig“ ist ein sehr dehnbarer Begriff und deshalb starte ich mal mit meinen Anforderungen.

Anforderungen an ein Keywordrecherchesystem

Da ich generell den Data-Driven-Ansatz fahre, möchte ich so wenig wie möglich mit der Keywordrecherche zu tun haben. Es gibt so viele Daten, die strukturiert (in APIs) oder unstrukturiert (auf Websites) rumliegen, das man damit einiges anstellen kann. Das Ziel sollte es sein, dass man nur die Domain, für die man das Set erstellen möchte, reinschmeißt und einen Report mit allen relevanten Keywords zurückerhält. Das ist natürlich ein stück weit Illusion … denn ich weiß natürlich, dass in Zwischenschritten immer noch ein Mensch mit Gehirn über die Liste drüberschauen muss. Das sollte sich aber in Grenzen halten.

Aber man kann dem Ich-tue-so-wenig-wie-möglich-Ansatz recht nahekommen. Deshalb skizziere ich hier mal meinen Workflow einer Keywordrecherche. Achtung, es ist kein Ansatz, den man mal so ebend in Excel nachbauen kann ;-).

Los geht’s:

Eigene Keywords

Am Anfang nehmen wir einfach mal alle Keywords, für die die Seite schon Positionen hat.

Ranking-Apis

Am einfachsten ist es, wenn man eine entsprechende API anzapft. Von dort holt man sich dann alle Keywords, die in den Top20 oder maximal Top30 ranken. Alles über Top30 ist in der Regel nicht mehr so themenrelevant, sodass es uns die Nachbearbeitung erschweren würde. Gerne nehmen wir bei diesem API-Request auch Trafficdaten wie Adwords o. ä. mit. In diesem Schritt importiere ich nicht die Position, die mein Keyword hat, die interessiert für das Set nicht.

Google Analytics

Von Google Analytics holen wir uns die Keywords, die Besuche verursacht haben. Dabei lohnt es, sich folgende Werte mitzunehmen:

  • Besuche
  • Seitenaufrufe pro Besuch

Und wenn es eine Seite ist, die Ziele definiert hat:

  • Transaktionen
  • Durchschnittswert Transaktionen
  • Conversion-Rate

Und für Seiten mit Adsense kann man auch noch den Adsense-Umsatz pro Keyword nehmen. Kommt auf die KPIs an, die man definiert hat (wenn man welche definiert hat ;-))

Google Webmastertools

Aus den Google Webmastertools holen wir uns die Daten zu den Suchanfragen. Dabei sind folgende Felder für die spätere Analyse interessant:

  • Impressions
  • Klicks
  • CTR
  • Durchschnittl. Position

Fremde Keywords

Den ersten Teil mit den rankenden Keywords haben einige Tools schon eingebaut. Aber gerade bei unoptimierten Seiten benötigt man natürlich mehr. Oder auch, wenn man neue Keywords finden möchte.

Rankende Keywords der Mitbewerber

Deshalb ziehen wir uns jetzt die Rankings der Mitbewerber. Hier würde ich nicht über die Top20-Rankings hinausgehen. Wenn man sehr viele Mitbewerber hat, kann man auch die Top10 nehmen. Dann muss man am Ende noch weniger nacharbeiten. Bei den Mitbewerbern ist es extrem wichtig, dass man Mitbewerber nimmt, die nicht über das eigene Thema hinausgehen.

Beispiel: Ich benötige ein Keywordset für einen Shop der Teiche und Teichzubehör anbietet. Die Baumärkte wie Hornbach oder Bauhaus sind natürlich Mitbewerber, aber bringen in dieser Analyse nur einen Haufen Mehraufwand und keine neuen Einsichten. Je besser die Mitbewerber passen, desto besser ist es. Die Mitbewerber dürfen dabei auch nur einen Teilbereich anbieten. Um beim obigen Beispiel zu bleiben: Ein Mitbewerber, der nur Teichfolie anbietet, passt super rein.

Je mehr Mitbewerber man auswählt, desto besser wird die Analyse.

Verwandte Begriffe

Um die zu bewertenden Keywords noch zu erweitern, werden jetzt noch verwandte Begriffe hinzugefügt. Auch dafür gibt es ausreichend APIs. Bitte auch hier nur die wirklich passendsten Begriffe nehmen, sonst gibt es wieder Mehrarbeit.

Zusammenfügen und Anreichern

Jetzt werden alle Keywords mit allen relevanten Daten in eine Datenbank geschmissen. Für alle Keywords, für die noch keine Trafficdaten vorhanden sind (s.o. Adwords o.ä.), werden jetzt noch die entsprechenden Daten geholt.

Je nach Anzahl der Mitbewerber und eigenen Rankings, kann die Datenbank jetzt durchaus zig-tausend Keywords enthalten. Aus Erfahrung kann ich sagen, dass man auch bei relativ kleinen Themenfeldern schnell die 20k Marke überschreitet. Darum müssen wir die Daten noch ein wenig anreichern, damit das Filtern später einfacher wird.

Brand-Detection

Alle Keywords, bei denen Google davon ausgeht, dass es ein Brand ist, werden markiert. Denn in der Regel lohnt es sich nicht auf Brands zu optimieren (es sei denn, man möchte etwas für seinen Sichtbarkeitsindex tun).

Local-Detection

Keywords, bei denen Google glaubt, das es sich um irgendwas lokales dreht, werden auch markiert. Diese Keywords lohnen sich in der Regel auch nicht so extrem.

Rechtschreibfehler

Viele Tools nutzen Adwords-Daten für ihre Keywords. Das ist für die Anzeigenschaltung zwar ganz nett, aber es hilft mir nichts, wenn ich extra auf „Mont Everest“ optimiere, aber es die exakt gleichen Suchergebnisse sind, die ich mit dem Keyword „Mount Everest“ erhalte.

Filtern für die Ausgabe

Jetzt wo wir für alle Keywords entsprechende Daten haben, können wir anfangen zu filtern. Am meisten Spass macht es, wenn man mit Slidern die Werte einstellen kann, aber es geht im Notfall auch einfach über DB-Abfragen. In einem Standardprojekt filtere ich mit folgenden Werten:

  • keine Brands
  • keine Locals
  • keine Rechtschreibfehler

Und die folgenden in einer Oder-Verknüpfung:

  • Adwords-Traffic > x
  • Besucher über Keywords > x
  • Webmastertools-Impressions > x
  • Webmastertools-CTR > x und Webmastertoolsimpressions > x
  • GoogleAnalytics-Transactions > x

Für die entsprechenden Minimal-Werte gibt es keine Standardwerte. Da muss man für jedes Projekt schauen, welche Werte sinnvoll sind.

Als letzten Schritt nimmt man sich diese Liste vor und bewertet jedes Keyword, ob es auch wirklich zur Website passt. Aber zu diesem Zeitpunkt sollte sich die Liste so stark reduziert haben, das eine manuelle Kontrolle wieder möglich ist.

Jetzt haben wir ein perfekt passendes Keywordset und können damit arbeiten. Man kann sich damit einen eigenen Sichtbarkeitsindex, die profitabelsten Keywords oder auch die Quick-Wins berechnen. Da gibt es ganz viele tolle Möglichkeiten!

Achtung Werbung

Wenn du bis hierhin gekommen bist und noch Fragen hast oder wissen möchtest, was man anschliessend mit den Daten machen kann oder wie man den gesamten Prozess automatisieren kann. Ich bin mit zwei Sessions auf der Campixx.

Wenn dich mehr der technische Teil interessiert, dann solltest du zu „100 APIs in 30 Minuten“ kommen. Und wenn dich mehr interessiert, was man dann noch alles mit den Daten machen kann und machen sollte. Dann bist du bei „Big sites, BIG DATA“ genau richtig. Mehr Infos hier: Meine Campixx-Sessions

Foto-Credits: ©panthermedia.net Johan Swanepoel

3 Kommentare

Trackbacks & Pingbacks

  1. […] den vielen Daten mache. Wer nicht in der Campixx-Session war, kein Problem. Die Basics gibt es in diesem Blogpost und in der oben verlinkten […]

  2. […] wieder von Michael Janssen. Er weiss, wie man mit vielen Daten spielt. In seinem Artikel über Data-Driven Keywordresearch kann man Einiges […]

  3. […] baute auf seinem Blogpost “Data-Driven Keywordresearch Oder Wie bekomme ich ein verdammt gutes Keywordse… auf und verriet konkrete Details und Ansätze die deutlich darüber hinaus gingen. Da ich mich mit […]

Hinterlasse einen Kommentar

An der Diskussion beteiligen?
Hinterlasse uns deinen Kommentar!

Schreibe einen Kommentar

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