Google Analytics & SEO

Google Analytics & SEO: Die Online Marketing Welt wird immer vielschichtiger und komplexer. Der beste Kompass um sich mit Buzzthemen, wie Content Marketing, Retargeting, Responsive Design, Mobil, Geotargeting oder Native Advertising zurechtzufinden sind m.E. eine klare Zielformulierung und die richtige Kennzahlensysteme.

Panda Analyse, Bot Traffic und 404

Auch die Entwicklung von Strategien in der Suchmaschinenoptimierung stützt sich immer mehr auf Zahlen. Klassisch aus SEO Tools, wie sistrix oder searchmetrics. Aber auch immer mehr auf Grundlage von Web Analyse Kennzahlen (Google Analytics).

Im Rahmen der SEO Sixt Wiesn habe ich einen Vortrag gehalten zum Thema Google Analytics & SEO: 5 Ansätze für einen besserer datenbasierte Herangehensweise an die Suchmaschinenoptimierung. Kurz umrissen waren dieses die Agenda Punkte:

• addorganic: Universal Analytics & Suchmaschinen
• Dateninterpretation: Google Analytics und Datensampling
• Reporting: 404 Fehler identifizieren
• SEO Analyse: Panda & User Signals
• Bot Traffic: Bouncerate für Direct Traffic sinkt um 800%

addorganic in Universal Analytics

Kurz zum Hintergrund. Eine Reihe von Suchmaschinen erscheinen in Google Analytics mit der korrekten Quelle, aber dem falschen „Medium„. Quelle als Definition bedeutet in Google Analytics, woher kommt der Nutzer.  Medium, ist neben eigengewählten Definitionen (Kampagnentagging) wie folgt:

• cpc: cost per click, also zum Beispiel über Google AdWords
• organic: Traffic der aus den natürlichen Ergebnisse der Suche kommt
• referrral: Nutzer, die über einen Link auf die Seite gekommen sind

Wenn also Nutzer aus der suche.t-online.de kommen erscheint das in den Berichten unter suche.t-online.de / referral. In diesem Fall würde man aber diese Nutzer gerne dem Medium „organic“ zuordnen. Weitere Beispiele für diese falsche Zuordnung sind zum Beispiel noch suche.web.de / referral oder suche.gmx.net / referral

Ziel sollte es somit sein alle wichtige Quellen bei denen es zu einer falschen Zuordnung kommt zu identifizieren und richtig zuzuordnen

2,52% falsch zugeordneter Traffic

Vorgehen: Schritt 1 wäre es im Google Analytics Standarbericht „Verweise“ einen Filter zu setzen der beispielsweise folgende Suchphrasen enthält suche|search|duckduckgo|ecosia|google. Wie viel Traffic werden tatsächlich falsch als referral zugeordnet? Was sind die wichtigsten Quellen?. In einem nächsten Schritt gehen Sie in die Verwaltung Ihrer Property, unter trackinginformationen -> Quellen der organischen Suche und fügen Sie die Domain und den Suchparameter hinzu (siehe nachfolgende Abbildung). Die Veränderungen wird allerdings erst ab dem Zeitpunkt wirksam, ab dem Sie vorgenommen wurde.

Google Analytics Verwalten: addorganic

Weiteres Vorgehen: Überprüfen Sie regelmäßig über einen benutzerdefinierten Bericht, ob es weiterhin Quellen gibt, die flasch zugeordnet sind

Google Analytics und Datensampling

Wer regelmäßige Analysen in Google Analytics macht merkt schnell, das Google immer wieder Daten statistisch hochrechnet (Datensampling). Das Ziel dieses Datensampling ist es Informationen schneller  den Nutzern zur Verfügung zu stellen.

Zum Hintergrund von Datensampling

Vorteil schneller Berichte:

In jeder Google Analytics Property werden die ungefilterten Daten auf täglicher Basis gesammelt. Damit die spätere Darstellung der Daten möglichst schnell vor sich geht, werden die Daten in allen Standardberichten ( pre-aggregated Standardreports) zur Verfügung gestellt. Sobald  aber Segmente oder Filter eingesetzt werden, werde Daten gesampelt:

• Der Standard ist definiert auf 250.000 Sitzungen (basierend auf der Property)
• Über den Schieberegler (rechts oben) kann dies auf 500.000 Sitzungen erhöht werden
• Beispiel: Sie haben jeden Monat 10.000 Sitzungen -> ab einem Betrachtungszeitraum von 25 Monaten werden Daten hochgerechnet. Achtung der Einsatz von Datensampling bezieht sich auf die Propertyebene. Auch in einer gefilterten Datenansicht (Ausschluß von internen Zugriffen) bezieht sich die Berechnung von Google immer auf die Propertyebene
• Bei allen „Flow Reports“, wie zum Beispiel dem Nutzerfluß, Verhaltensfluß etc. ist dies schon bei 100.000 Sitzungen der Fall

Nachteil: Unterschiede und Abweichungen in den Daten

Der Nachteil des Datensamplings ist es das es von Bericht zu Bericht zu unterschiedlichen Werten kommen kann. Das Resultat heisst Verwirrung. Gerade bei der Interpretation von Detailwerten, wie Zielen oder Ereignisse kann es hier zu auffälligen Unterschieden kommen.

Wie kann ich Datensampling im SEO Bereich umgehen

Da Google Analytics in allen Standardberichten ungesampelte Daten zur Verfügung stellt ist eine Möglichkeit, die Erstellung einer Datenansicht, die einen Filter auf Kampagnenmedium organic hat. So muss man später keine Segmente oder Filter auf Berichtsebene anlegen und vermeidet damit das Datensampling. Eine ALternative zu dieser Methode ist es systematisch die Berichtszeiträume zu reduzieren

ProTipp: Für die Verwendung dieser systematischen Berichtszeitraumreduktion gibt es bei Benützung der Google Analytics API ein Tool, das dies automatisch macht. Hier mehr dazu unter Analytics Canvas

Mehr zu Datensampling bei Google Analytics hier bei Google oder in einem Blogbeitrag von Online Behavior

404 Berichte & Google Analytics

404 ist zuerst einmal ein http Statuscode, der immer dann vom Server zurückgegeben wird, wenn ein Nutzer /Browser eine Seite aufrufen wollte, die vom Server auf der Website nicht gefunden werden konnte. Da Fehler immer entstehen können, sollte man zu allererst eine 404 Seite haben. Im Weiteren wäre es natürlich optimal 404 Fehler vermeiden und Strategien zu entwickeln, um den Nutzer eine bestmögliche Nutzererfahrung zu ermöglichen. Die Anforderungen an eine 404 Seite sind:

• Minimalanforderung: Vorhandensein einer 404 Fehler Seite!
• Besser: Vorhandensein einer guten 404 Fehler Seite,
• Noch besser: Vorhandensein einer guten 404 Fehler Seite mit Google Analytics Trackingcode und einem eindeutigen Seitentitel (404, Seite nicht gefunden etc.)

Ziel ist es später neben den Google Webmaster Tools auch Google Analytics zur systematischen Analyse von 404 Seiten zu verwenden mit dem Ziel:

• zu analysieren, wie viele Seitenaufrufe auf fehlerhaften Seiten stattfinden?
• zu analysieren aus welchen Quellen, diese fehlerhafte Aufrufe kommen?
• zu analysieren wie gut die eigene 404 Seite Nutzer hilft (Absprungrate)?

abgeleitete Maßnahmen können dann sein

• Linkjuice zu konservieren und richtig weiterzuleiten (301)
• Fehler z.B. falsche Verlinkung im Newsletter schnellstmöglich zu korrigieren
• die Optimierung der eigenen 404 Seite (geringere Absprungrate)

Die Umsetzung in Google Analytics kann man über folgende Berichte vornehmen:

• Benutzerdefinierter Bericht -> Linkjuice retten (301 / Anruf) – hier ein Link
• Benutzerdefinierter Bericht -> Optimierung 404 Seite ( Bounce) – hier ein Link
• Radarereigniss -> Ziel: Alert bei Zunahme von 404 Seiten

Hier mal ein Beispiel für ein 404 Radarereigniss in Google Analytics:

Panda, User Signals, Similarweb & Google Analytics

Google möchte jede Nutzeranfrage möglichst perfekt beantworten. Neben den algorythmischen Signalen sind auch zunehmen Nutzer-Signale für die Suchmaschine wichtig (siehe auch Searchmetrics Rankingfaktoren 2016). Gerade seit dem ersten Panda Launch im August 2011 in Deutschland sieht man zunehmen, wie wichtig gute, relevante Inhalte für die Beurteilung bei Google von Bedeutung sind. Und so gibt es die logische Schlußfolgerung „Erstellt gute Inhalte“. So könnte man den Prozess der Content Erstellung wie folgt skizzieren:

• Zielgruppen: Welche Inhalte brauchen wir?
• Zieldefinition: Welche Ziele möchte ich mit meinen Inhalten erreichen?
• Erstellung: Strategien zur Erstellung guter Inhalte
• Veröffentlichung: Wie erreiche ich eine hohe Verbreitung meiner Inhalte
• Analyse & Optimierung: Wie kann ich überprüfen ob meine Inhalte gut, relevant und „pandasicher“ sind?

Gerade bei den Nutzersignalen kam man in vielen Pandaanalysen immer wieder zum Schluß, das die Pandaopfer im Vergleich zum  Wettbewerb sehr schlechte Nutzersignale aufgewiesen haben.

Analyse Inhalte

Wie Eric in seinem Artikel Ranking-Faktoren, User Signals und Social Signals schreibt könnte Google die folgenden Parameter zur Messung von Nutzer-Signalen heranziehen

• Normalisierte CTR in den SERPs: Wie ist die erwartete versus tatsächliche CTR?
• Search Return Rate: Wie hoch ist die Rückkehrrate zu Google?
• Time on Site: Wie lange bleiben die Nutzer im Vergleich zum Wettbewerb?

Manchen dieser Werte können wir nicht messen (Normalisierte CTR), bei Werten wie „Time on Site“ gibt es Tools, wie Similarweb oder auch das eigene Analyse Tool zur Analyse und für eine Metrik wie der Search Return Rate müssen wir einen Indikator zur Hilfe ziehen, wie die Absprungrate. Was genau die Absprungrate ist findet Ihr hier einer ausführlicheren Definition der Absprungrate

75% Bounce? Schwerpunkt Absprungraten zur Analysen von Inhalten

Gerade die Absprungrate ist ein starker Indikator zur Messung der Relevanz zwischen der Quelle des Nutzers und der Landeseite. Hohe Absprungraten deuten oft auf mangelnde Relevanz hin. Allerdings ist die Interpretation der Absprungrate nicht immer ganz einfach. Zum einen heisst due rein technische Definition die Prozentzahl der Einseiten Besuche. Und so hängt die Interpretation zum Beispiel von folgende Faktoren ab:

• Welche Funktion hat die Seite (Single Landing Page oder Router Page)?
• Aus welchen Quellen kommt der Nutzer?
• Wie hoch ist die Kongruenz zwischen Zielseite und zuführender Quelle?

Ist also eine Absprungrate von 75% gut oder schlecht. Die klare Antwort es kommt darauf an. Bei Seitenkonzepten bei der es nur eine relevante Landeseite zu einem Thema gibt, ist die Absprungrate in der Regel immer sehr hoch. Was man allerdings über Google Analytics bei solchen Seitenkonzepten standardmäßig nicht analysieren kann, welche Nutzer tatsächlich abspringen und welche sich intensiver mit dem Text auseinandersetzen.

True Reader und Bouncer

Um also diese Unterscheidung gezielter machen zu können im Folgenden zwei Implementierungsvarianten zur besseren Unterscheidung der Nutzer, die sich wirklich mit den Inhalten auseinandersetzen und Nutzern die schnell „abspringen“.

Technische Implementierung

Diese Integration auf der Website führt dazu das auf jeder Seite nach 60 Sekunden ein Event gesendet wird. Die Annahme ist hiermit das Nutzer, die nach 60 Sekunden noch da sind „True Reader“ sind. Während alle, die nicht mehr da sind Abspringer sind. Legt man dieses Ereignis dann noch als Ziel in Google Analytics an, kann man dann in den meisten Analytics Standardberichten (insbesondere Content & Acqusition) sehen, wie hoch die „True Reader“ Conversionsraten sind. Das Ziel ist dann schlechte Kampagnen, Anzeigengruppen, Keywords oder auch Landeseiten (Panda) zu identifizieren die zu einer geringen Anzahl (CVR) an „True Readern“ führen. In der unten eingefügten Slideshare Präsentation beschreiben wir auch noch einmal, wie man die gleiche Integration über den Google Tag Manager realisieren könnte.

Wichtiger Hinweis: Bitte beschäftigt Euch vor der Integration von Ereignissen auf Eurer Website sehr intensiv mit Google Analytics und Ereignisstracking. Bitte überprüft auch unbedingt welche Optionen (true;false) Ihr über den Noninteraction Parameter habt. Die vorgenommen Definition wird nämlich unter Umständen Eure Absprungrate beeinflußen

Im folgenden hier mal die gesamte Präsentation. Gerne downloaden und teilen:

Weitere interessante Informationen zu Google Analytics und SEO:

• 20 Online Marketing Tipps zur schnellen Umsetzung
• Page Speed Optimierung

Hier gibt es auch noch mehr Informationen zu unserem Google Analytics Seminar bzw. unserem SEO Seminar