Chancenkeywords sind per Definition jene Suchbegriffe, für die man in einem bestimmten Ranking-Bereich liegt und bei denen mit möglichst wenig Aufwand eine signifikante Ranking-Verbesserung herbeigeführt werden kann. Ich persönlich habe die Erfahrung gemacht, dass Anpassungen im Zuge einer Chancenkeyword-Optimierung i.d.R. bereits nach wenigen Tagen eine Auswirkung auf das Ranking in Google haben.
Mit diesem KNIME-Workflow siehst du sofort, welche Chancen deine Domain aktuell hat. Gleichzeitig kannst du die im Vormonat ausgearbeiteten Chancenkeywords archivieren und im Folgemonat einen Vorher-/Nacher-Vergleich erstellen lassen - ideal für die Stakeholder-Kommunikation.
Ausgangspunkt für die Entwicklung des KNIME-Workflows:
Chancenkeywords eignen sich aus meiner Sicht hervorragend für die laufende Arbeit an einer Seite und tragen zu einem kontinuierlichem Wachstum bei.
Der Prozess des Datenaufbereitens ist dabei Monat für Monat derselbe - nur mit aktuellen Ausgangsdaten. Dies eignet sich daher sehr gut für eine semi-automatisierte Aufbereitung über KNIME / python / R.
Dieser KNIME-Workflow unterstützt mich daher wie folgt:
Auf Basis aktueller Daten erhalte ich die gewünschten Chancen auf ein Top 10 / Top 5 / Top 3 Ranking - segmentiert nach Keyword-Wort-Länge sowie nach Brand.
Im Folgemonat erhalte ich für jedes der zuvor definierten Chancenkeywords automatisiert einen Line Plot, welcher mir pro Keyword den Ranking-Verlauf und das Klick-Delta anzeigt. Dies kann dann bei Bedarf an die jeweiligen Stakeholder geschickt werden, um so den Erfolg der umgesetzten Maßnahmen fassbar zu machen.
Das Resultat kann dabei wie folgt aussehen:
Für diesen Workflow benötigst du:
KNIME (zum Download)
Google Search Console Daten als .csv via API
Möglichkeit 1: Search Analytics for Google Sheets - Hier sollten jedoch die Namen der Spalten vor dem Import in den KNIME-Workflow angepasst werden. Siehe Workflow-Annotation.
Möglichkeit 2: GSC-Daten direkt in KNIME abfragen - funktioniert tadellos mit dem Workflow von get:traction. Benötigt jedoch die Python-Erweiterung.
Teil 1: Aufbereitung der aktuellen Chancenkeywords
Im ersten Teil des Workflows kannst du auf Basis aktueller GSC-Daten Chancenkeywords ausgeben lassen. Dabei hast du nachfolgende Möglichkeiten der Datenfilterung bzw. -segmentierung:
Länder-Filter nach Deutschland (deu), Österreich (aut), Schweiz (che), Spanien (esp) sowie Niederlande (nld).
Brand-Name sowie Brand-Filter
Datum
Filterung nach Anzahl an Wörtern in der jeweiligen Suchanfrage. Dies hat folgenden Grund: Wann ein Keyword tatsächlich eine "Chance" ist hängt aus meiner Sicht stark von der Domain und dem SERP-Umfeld ab. Ein #11-Ranking für den Länder-Shorttail "Mallorca" ist hier beispielsweise meiner Meinung nach per Definition kein Chancenkeyword, denn eine Ranking-Verbesserung hierfür geht mit deutlich komplexeren Maßnahmen sowie externen Faktoren einher. Durch das Setzen eines "Das Keyword muss mindestens eine gewisse Anzahl an Wörtern beinhalte--"Filters können hier die Grenzen des "Longtails" für die eigenen Bedürfnisse angepasst werden. Je granularer die Rohdaten bereits aufbereitet werden, desto mehr Zeit spart man sich in der Bewertung hintenraus.
Anschließend hast du drei Tabellen zur Auswahl, welche dir deine aktuellen Chancenkeywords für ein Top-10-/Top-5-/Top-3-Ranking anzeigen.
Innerhalb dieser Tabellen kannst du mit einem Hacken die relevanten Suchbegriffe auswählen und die Auswahl später dann für die weitere Verarbeitung übernehmen (Rechts unten in der JavaScript-Tabelle "Apply" > "Apply settings temporarily"). Dies hat den Grund, dass anschließend alle potenziellen Chancenkeywords aus allen Tabellen zusammengeführt werden, damit du sie dann leichter in eine Platzhalter-Tabelle kopieren kannst.
Teil 2: Visualisierung mittels Line Plots
Kommen wir nun zu dem Aspekt des Workflows, der hauptverantwortlich für die große Zeitersparnis ist: Die Überprüfung der Performance nach der Umsetzung. Während man bei einigen wenigen Suchbegriffen diesen Performance-Check auch relativ schnell über das Google-Search-Console-Webinterface erledigen kann, so dauert das mit zunehmender Keyword-Anzahl um ein Vielfaches länger.
Im zweiten Teil des Workflows musst du nun folgende Daten laden:
Google Search Console Daten des Monats nach / während der Optimierung. Wenn ich also beispielsweise eine Optimierung am 05.05.2020 umgesetzt habe, dann lade ich hier die Daten des gesamten Monats Mai (05/2020). Dies hat den Grund, dass Chancenkeyword-Optimierungen in der Regel bereits wenige Tage nach Umsetzung sichtbar sein können.
Google Search Console Daten des vorherigen Monats. Wenn ich also in den April-Daten eine Chance entdecke (durch den ersten Teil des Workflows), dann lade ich exakt dieselben Daten auch hier wieder vor den Vorher-/Nacher-Vergleich.
In der KNIME-Node "Table Creator" speichere ich Monat für Monat die jeweiligen Chancenkeywords direkt in KNIME. Diese kann ich dann hier für die weitere Bearbeitung dem "Chancenkeywords | Vergleich Exporte"-Knoten zuführen.
Anschließend habe ich in der "Chancenkeywords | Vergleich Exporte" die Möglichkeit einen Dateipfad auszuwählen. Hier kann ich beispielsweise einen zuvor erstellten Order auswählen, in welchen die Line Plots exportiert werden.
Außerdem kann ich hier die gewünschten Dimensionen meiner Plots auswählen - ideal also, um die Größen des Bildes an das Medium anzupassen.
Anschließend looped der Workflow hier durch jedes hinterlegte Chancenkeyword und macht folgendes:
Kalkuliert die durchschnittliche Position pro Tag und stellt die Zeiträume gegenüber
Berechnet die Anzahl an Klicks pro Zeitraum und auf Basis dessen das Klick-Delta
Speichert jedes Keyword als .png-File ab - mit dem Chancenkeyword als File Name.
Das Endresultat kann dann beispielsweise wie folgt aussehen. Hier sieht man auf einen Blick, ob die Optimierungen den gewünschten Erfolg hatten oder ob man noch nachschleifen muss.
KNIME Workflow als Download
Gerne möchte ich dir diesen KNIME-Workflow als Download zur Verfügung stellen. Mit einem Klick auf nachfolgenden Download-Button erhältst du eine .zip-Datei, in welcher der Workflow liegt. Du benötigst für diesen Workflow keine weiteren KNIME-Erweiterungen und kannst ihn direkt "out of the box" testen.
Gerne möchte ich dir diesen KNIME-Workflow als Download zur Verfügung stellen. Mit einem Klick auf nachfolgenden Download-Button erhältst du eine .zip-Datei, in welcher der Workflow liegt. Du benötigst für diesen Workflow keine weiteren KNIME-Erweiterungen und kannst ihn direkt "out of the box" testen.