SEO zur Internen Verlinkungsoptimierung mit Gephi und ......Wert eines Knoten hängt von den Werten...

Interne Verlinkungund die Graphentheorie

2

Übliche Themen „Interne Verlinkungsoptimierung“ unter SEOs

3

Anzahl eingehender Links Anzahl ausgehender Links Linkjuice-Verteilung/Flow

Anchortext Linkplatzierung

(Kopf, Fuß, Fließtext) Thematische Nähe

Qualitative Faktoren Quantitative Faktoren

Häufig aber nur „eingehende Links“ – ist das alles?

Was gibt‘s hier gleich?Inhalt

Kleiner Sonntagskurs „Graphentheorie für SEOs“

Gephi als Tool zur Analyse

Ein Experiment zur internen Verlinkung

Ideen für Praxiseinsatz im SEO-Alltag

Therapiesitzung

4

SONNTAGSKURSGRAPHENTHEORIEfür SEOs

Kurze Einführung in die Graphentheorie

Graph = Knoten und Kanten oder auf schlau: G = (V,E)

Graph = Netzwerk = Twitter, Facebook-Freunde, Influcencer-Netzwerke, URLs auf Website, ganze WWW

Jeder bei Google kennt die Graphentheorie, auch jeder SEO? :)

6

AC

D E

B

Graphen – gerichtet und gewichtetRichtung und Wichtigkeit

7

AC

D E

B

Nachbarn und Pfade

Nachbarn

Pfad von C nach D ist p(C,B,D) oder p(C,D)

8

AC

D E

B

Mathematische Abbildung von Graphen

Adjazenzmatrix: Mathematische Abbildung von Netzwerken für Algorithmen

9

Nur für die mathematisch orientierten SEOs

Wie kann man nun Netzwerktopologien berechnen?

Lage von Knoten

Wichtigkeit von Knoten

Zentralität von Knoten

usw.10

Indegree Zentralität

Anzahl der eingehenden Kanten

11

00

3 2

2

Outdegree Zentralität

Anzahl der ausgehenden Kanten

12

23

1 0

1

Eigenvektor-Zentralitäten (hier PageRank)

PageRank, CheiRank u.a.

Wert eines Knoten hängt von den Werten der umgebenden Knoten ab(nicht nur einfach die Kanten)

Heben bekannte und beliebte Knoten hervor

13

0,10,1

0,3 0,4

0,2

Betweenness Zentralität

Sagt aus, wie wichtig dieser Knoten als Verteiler und Durchlauf ist, also nicht nur Kanten oder Nachbarn, sondern gesamtes Netzwerk!

Auch schön zu verwenden in sozialen Netzwerken oder als Hubanalyse („Was, wenn dieser Knoten wegfällt“)

Gesamtes Netzwerk ist relevant

14

00

2 0

0

TOOL!Gephi als Analysetool

Download von Gephi

https://gephi.org/

Kostenlos, recht komplex

16

Woher Netzwerkdaten nehmen?

Screamingfrog oder Audisto (Tobias anhauen)

Twitter, Facebook usw. auch Plugins/Crawler

Import-CSV mit diesem einfachen Format (aus Kanten werden Knoten generiert)

17

SOURCE; TARGET; ATTRIBUT1; ATTRIBUT2url1; url2; hier; followurl1; url3; dort; followurl2; url5; Produkte; nofollow[…]

Leere Daten…

18

CSV mit Kanten importieren

19

Einstellungen… (fehlende Knoten erstellen!)

20

Daten drin…

21

Hm. Ein Netzwerk.

22

Force Atlas Visualisierung und Gewichtung

23

Information zu einzelnen Knoten

24

Daten, Daten, Daten…

25

26

INTERNE VERLINKUNGDas SEO-Experiment

Häufige Beobachtung

Man hat ein Schwellenkeyword

Man schreibt mehr und tolleren Text, nichts passiert

Man setzt externe Links darauf, wenig passiert

Man baut Unterseiten, thematisch passend und verlinkt diese vom Hauptknoten – Boost!

Was ist passiert?

Qualitativer Anstieg im Themenschwerpunkt?

Oder signifikante Änderung im Linkgraphen?

Folgende Taktik funktioniert sehr häufig…

28

Experiment mit Testgraph

29

E1K1

E2K1

E3K1

E2K4

E3K9

Brusemuckel

Gruseduk

Trukelbummel

Seiteninhalt

Keyword-Permutation

KWs immer an gleicher Stelle

Verlinkung mit 1,2,3

Keine eingehenden Links

30

Graph: Indegree Zentralität

E2K3

Welches URL ranked am besten?

31

Graph: Outdegree Zentralität

E2K1

Welches URL ranked am besten?

32

Graph: PageRank Zentralität

E2K3

Welches URL ranked am besten?

33

Graph: Betweenness Zentralität

E2K1

Welches URL ranked am besten?

34

And the winner is…?

35

36

Betweenness!

Ergebnis im Detail

37

E1K1

E2K1

E3K1

E2K4

E3K9

Gruseduk

Trukelbummel

Brusemuckel

Brusemuckel

Gruseduk

Aaaaber: E3-Ebene noch nicht vollständig indexiert (aber besucht)

Fazit: Pro & Cons Super: Entdeckungszusammenhang:

Explorieren von Website-Strukturen (auch Wettbewerber)

Cluster sehen (visuell als Netzwerk und Cluster-IDs)

Perfekt: Starke Knoten/URLs identifizieren:

Zentralitäten berechnen und fragen: „soll das so?“

Schwer: Bei großen Netzwerken:

Eher Netzwerkanalyse, weniger Knotenanalyse (Segmente nutzen!)

Cluster sehen (visuell als Netzwerk und Cluster-IDs)

Hmpf: Viel Hintergrund-Knowhow nötig (schwer in Prozesse zu integrieren)

Gar nicht: Netzwerkansicht wie „Navigationsbaum“

Herausfordernd: Wie externen Linkjuice mit in Graph integrieren…

38

Vielen Dank!

Sebastian Erlhofer

erlhofer@mindshape.de