Alles begann 2013 mit dem Kolibri (engl. = Hummingbird). Noch nie gehört? Kein Problem. Google ist bekannt dafür große und grundlegende Algorithmus-Updates nach Tieren zu benennen. Nach Panda (2011) und Penguin (2012) folgte Hummingbird (2013) und läutete das Zeitalter der semantischen Suche ein.

Kurz gesagt, versucht Google seitdem Beziehungen zu identifizieren, zu verstehen und zu bewerten. Konkret geht es um die Beziehung von sog. Entitäten. Was das genau ist, erklärt Google selbst im entsprechenden Patent:

An entity is a thing or concept that is singular, unique, well-defined and distinguishable. For example, an entity may be a person, place, item, idea, abstract concept, concrete element, other suitable thing, or any combination thereof.

{{divider}}

Wofür benutzt man Entitäten im SEO?

In der Suchmaschinenoptimierung benutzen wir Entitäten für die semantische Content-Optimierung. Wenn wir beispielsweise über den Oscar schreiben möchten, dann existieren in Googles Knowledge-Datenbank bereits andere Entitäten, die in einer Beziehung zum Oscar stehen. Kommen nun diese Entitäten im Text vor, dann versteht Google, dass unser Text relevant zum Begriff „Oscar“ ist.

Auf das Beispiel Oscar bezogen wären dies unter anderem: movie, stage, winner, trophy, award, actress, red carpet, gary oldman und emma stone (quelle: entity explorer).

Gleichzeitig vermitteln wir der Suchmaschine, dass sich unser Text nicht um eine andere Bedeutung des Wortes „Oscar“ dreht. Laut Wikipedia ist Oscar auch eine Sagengestalt aus der irischen Mythologie, eine Stadt in den USA, ein Satellit, eine Automarke, eine Figur aus der Sesamstraße und diverse brasilianische Fußballspieler.

Im nachfolgenden werden fünf Tools vorgestellt, um relevante Entitäten zu finden und den eigenen Content semantisch zu optimieren. Ich stelle alle Tools am Oscar Beispiel vor.

{{divider}}

#1 Entity Explorer

Das Tool ist zu finden auf entityexplorer.com und ist wirklich sehr einfach gehalten. Das kurze Erklärungsvideo auf der Startseite ist nicht unbedingt nötig, weil es auf eine intuitive Nutzung abzielt. Hier das Ergebnis für „Oscar“.

Die farbigen Pfeile lassen sich nach Belieben verschieben. Die Darstellungsweise kann so angepasst und das Ergebnis nach den eigenen Vorstellungen sortiert werden. Zusätzlich können sich weitere Entitäten zu den bereits gefundenen angezeigt werden lassen. Das Ergebnis lässt sich einfach über den Button „export image“ downloaden.

Das Tool funktioniert auch auf Deutsch. Jedoch muss der Begriff eindeutig der deutschen Sprache zugeordnet werden können, was bei Oscar nicht der Fall ist.

{{divider}}

#2 Extractor de entidades

Dieses Tool ist eine Browsererweiterung in Kombination mit der Dandelion API. Wie genau du dir das Setup aufbaust, erklärt Alexander Rus in seinem Video ab Minute 17:01. Dass die Browsererweiterung ursprünglich aus Spanien stammt, wie du vielleicht schon am Namen erkannt hast, hat aber keinen Einfluss auf das Ergebnis.

Sobald du einen Suchbegriff bei Google eingegeben hast, klickst du einfach auf die Browsererweiterung und diese zeigt dir die gefundenen Entitäten direkt in den SERPs an.

Zusätzlich erhältst du rechts in den SERPs noch eine Zusammenfassung der am häufigsten gefundenen Entitäten. Diese lassen wiederum als CSV-Dateien über den entsprechenden Button „Exportar a CSV“ exportieren.

Das Tool funktioniert auch in Kombination mit einer Site-Abfrage. Nehmen wir mal an, du hast deinen Artikel schon veröffentlicht und willst nun die Entitäten feststellen. Dann suchst du einfach nach site:meine-domain.com/artikel und klickst anschließend auf die Browsererweiterung. Das funktioniert nur, wenn sich die URL auch im Google-Index befindet. Stellen wir uns vor mir gehört die Domain dw.com, dann sähe mein Ergebnis folgendermaßen aus.

{{divider}}

#3 Google Docs & Google Natural Language

Diese beiden Tools stammen direkt von Google selbst. Auf der einen Seite haben wir Google Docs, sozusagen das MS Word von Google. Voraussetzung für die Verwendung ist ein Google Account. Auf der anderen Seite haben wir die Demo der Natural Language API.

Beide Tools können dazu verwendet werden, entweder die Entitäten im eigenen Text zu erforschen oder die eines fremden Textes.

Obwohl den meisten wahrscheinlich bekannt ist, wie sie Google Docs erstellen und bearbeiten, wird diese Funktion doch häufig übersehen. In Google Docs kopierst du einfach den Text in ein leeres Dokument. Als Beispiel nehme ich hier den Einleitungstext des Wikipedia-Artikels zum Oscar (Academy Award). Die „versteckte Funktion“, um sich die Entitäten anzeigen zu lassen, siehst du auf dem Screenshot dort, wo die roten Pfeile hindeuten.

Im Anschluss öffnet sich eine Art Knowledge-Graph (je nach Thema des Textes können auch weniger Informationen verfügbar sein). Wenn du nun oben neben Themen auf Mehr klickst, dann bekommst du eine Liste von Entitäten, die Google aus dem Text herausgelesen hat und über die du geschrieben hast.

Die Demo der Natural Language API funktioniert nach demselben Prinzip. Einfach den Text in das dafür vorgesehene Feld einfügen und auf ANALYZE klicken.

Das Ergebnis ist wiederum eine Liste mit Entitäten, die nach dem Salience Score sortiert sind. Der Salience Score hat eine Range von 0 bis 1. Je höher der Salience Score, desto höher die Verbindung des Textes zu dieser Entität. Im Beispiel hat die Entität „Filmpreis“ den höchsten Score mit 0.16, was in Bezug auf einen Text zum Thema Oscar natürlich Sinn ergibt.

{{divider}}

#4 AlsoAsked

Auf alsoasked.com findest du ein Tool, welches dir hilft, die relevanten Fragen zu einer Entität zu finden. Du kennst wahrscheinlich auch die „Nutzer fragen auch“-Box die gelegentlich in den Suchergebnissen auftaucht.

Diese Fragen hat der Algorithmus selbst aus seinem eigenen Verständnis heraus generiert. Die Suchmaschine zeigt uns also, welche Fragen und Themen sie zu der gesuchten Entität beantwortet haben möchte.

Wie du vielleicht weißt, öffnen sich immer neue Fragen, sobald du eine davon angeklickt hast. AlsoAsked hilft dir dabei, den Zusammenhang zwischen den Fragen zu verstehen, diesen zu visualisieren und zu clustern. Wichtig ist, dass du auch Sprache und Land korrekt auswählst.

Das Ergebnis zeigt eine Art Flussdiagramm, das von links nach rechts zu lesen ist. Wie du erkennen kannst, zielt die letzte Frage „Wie alt ist Oscar?“ nicht mehr auf den Filmpreis ab, sondern auf reale Personen. Diese (und die folgenden) Fragen, wären also für einen Text über den Filmpreis Oscar semantisch ungeeignet.

{{divider}}

#5+1 Wikipedia + Google Bildersuche

Abschließend noch zwei Quick Wins. Existiert für einen Begriff ein Wikipedia-Artikel, so lohnt es sich, diesen genauer anzusehen. Es ist kein Geheimnis mehr, dass Google sehr viele Informationen aus Wikipedia zieht und daraus lernt. Nicht zuletzt über die internen Links und die Artikelstruktur lassen sich für die Suchmaschine viele Beziehungen erschließen.

Schauen wir uns die Einleitung an, so sehen wir, dass es eine hohe Überschneidung bei den Ankertexten der internen Links und den Entitäten aus den Google Tools (Google Docs und Natural Language API) gibt.

Die Google Bildersucher kann ebenfalls zum Entdecken der ein oder anderen Entität dienen. Es geht hierbei um die Vorschläge, die zwischen der Suchleiste und den Bildern zu sehen sind.

{{divider}}

Fazit

Entitäten sind eine schöne Sache, um den eigenen Content semantisch zu optimieren und dem Algorithmus zu sagen: Hey schau mal, mein Text ist äußerst relevant zu diesem Thema. Nichtsdestotrotz besteht SEO weiterhin aus vielen Einzeldisziplinen, deren Bedeutungen nicht zu vernachlässigen sind. Vielmehr sollten Keyword- und Entitätenoptimierung Hand in Hand gehen. Abschließend bleibt noch zu sagen, dass man nicht vergessen sollte, den eigenen Kopf dabei einzuschalten. Wer nicht stumpf nach irgendwelchen Tools optimiert, sondern die Tools viel mehr zur Unterstützung nutzt und weiterhin nutzerzentriert arbeitet, der kann sich auch in Zukunft auf Erfolge einstellen.

‍