4.7/5 - (4 votes)

In diesem Beitrag gehe ich auf das Google MUM-Update ein, dass Google 2021 vorgestellt hat. Ich gehe auf die Neuigkeiten ein, die auf die Suchmaschinen-Nutzer und SEOs in den nächsten Jahren durch MUM zukommen werden. Zudem gehe ich darauf ein wie SEOs und Webmaster darauf vorbereiten können.

Was ist Google MUM?

MUM ist die Abkürzung für Multitask Unified Model und ist ein Google Update und eine neue Technologie für die Google-Suche. MUM wurde wurde von Google erstmalig im Mai 2021 im Rahmen der  Google IQ 21  vorgestellt hat. Bei der Search On 21 im Herbst 2021 wurde der bevorstehende Roll Out bekannt gegeben und die Technologie detaillierter beschrieben. MUM arbeitet mit künstlicher Intelligenz und beantwortet komplexe Suchanfragen mit multimodalen Daten. MUM ist mehrsprachig und enthält Informationen in verschiedenen Formaten, um Fragen zu beantworten. Neben Texten versteht  MUM auch Bilder, Video- und Audiodateien.


Wie funktioniert MUM?

Im Mai 2021 stellte Google auf der  auf der I/O 2021 das Multitask Unified Model kurz MUM als 1000mal leistungsstärkere Weiterentwicklung von BERT vor. Beide Technologien beruhen auf Natural Language Processing. Bei MUM geht es aber um mehr als nur Natural Language Processing. In MUM werden mehrere Technologien zusammengefasst, um die Google-Suche noch semantischer und kontextbasierter zu gestalten mit dem Ziel die Nutzererfahrung zu verbessern. Durch MUM möchte Google komplexe Suchanfragen beantworten, für die ein normales SERP-Snippet nicht ausreicht.

Die Aufgaben, die von MUM übernommen werden sollen wurden wie folgt präsentiert:

  • MUM soll ein tiefes Verständnis des weltweiten Wissens ermöglichen
  • MUM soll durch bis zu 75 Sprachen simultan trainiert werden, um diese zu verstehen. Bei den bisherigen Methoden wurde jede Sprache ein eigenes Sprachmodell trainiert.
  • MUM soll Informationen neben Text auch Bildern, Audios und Videos verstehen können.

Durch diese Aussagen seitens Google lässt sich folgendes ableiten:

  • Google nutzt MUM, um die semantischen Datenbanken wie z.B. dem Knowledge Graph noch weiter auszubauen und dem Ziel einer vollständigen Wissens-Datenbank näher zu kommen.
  • Google möchte mit MUM die internationale Suche noch besser machen, um alle Indizes und Such-Instanzen weltweit auf ein ähnliches qualitatives Niveau zu bringen, damit die Nutzererfahrung in jedem Land und jeder Sprache der Erde auf gleichen hohem Niveau zu garantieren und zudem effizienter zu arbeiten, was die eigenen Ressourcen angeht.
  • Die für SEOs wohl spannendste Entwicklung ist, dass MUM auf alle Medienformate zugreifen will um Informationen zu sammeln (Data Mining), diese zu verstehen und in den Suchergebnissen so aufzubereiten, dass die Suchintention optimal bedient und die Nutzererfahrung mit der Google-Suche sehr hoch ist.
  • Sprich Google stehen neben den Billionen von textbasierten Inhalten, nun auch alle Informationen aus allen in den Google-Systemen befindlichen Medienformaten zur Verfügung, um den (Entitäten)-Index zu vergrößern. Dadurch lassen sich noch mehr Informationen zu erfassten Entitäten generieren und zu einer Suchanfrage Informationen aus Text, Videos, Audios und Bildern in den SERPs noch besser zusammengefasst darstellen.

Google veranschaulichte das an dem Beispiel der Suchanfrage:

I’ve hiked Mt. Adams and now want to hike Mt. Fuji next fall, what should I do differently to prepare.

Diese sehr komplexe Suchanfrage ließe sich durch einen Keyword-Text-Matching nicht beantworten, da über diesen Weg kein Kontext über die Wortbeziehungen möglich wäre. In einer semantischen Suchmaschine, die auf Natural Language Processing setzt lassen sich die Entitäten Mt. Adams, Mt.Fuji und fall identifzieren. Über die grammatikalische Satzstruktur und die dort genutzten Verben wie hike, prepare kann Google den Kontext in Verbindung mit den Entitäten herstellen und die Bedeutung bzw. die Suchintention wird klarer. Früher konnte Google maximal ermitteln, dass die Begriffe genannt werden und prüfen ob es Inhalte im Index gibt, die diese Begriffe enthalten, ohne die Suchanfrage wirklich zu verstehen.

Über Natural Language Processing bzw. MUM ist Google in der Lage zu verstehen, dass der Nutzer Wanderausrüstung für eine Bergwanderung im Herbst sucht. Zudem kann Google daraus ableiten, dass es im Herbst oft regnet und dementsprechende Ausrüstung gefragt ist. Daraufhin kann Google Listen für Wanderausrüstung bzw. Produkte, Informationen zum Wetter in der Zielregion im Vergleich zur Region Mt. Adams angeben und verschiedene Medienformaten in den SERPS ausgeben. Und das alles simultan über alle Sprachen.

In der Verbindung mit der verbesserten Bilderkennung von Google in Kombination mit dem besseren Verständnis des Kontext kann Google konkrete Fragen aus Bild und Text beantworten. So ist es möglich durch MUM zu erkennen, ob ein auf einem Bild abgebildetes paar Schuhe geeignet ist den Mt. Fuji zu besteigen.

In der im September 2021 stattgefundenen Search on 21 von Google gab Google bekannt, dass MUM demnächst für die Google-Suche aktiv sein wird und gab weitere Erklärungen und Beispiele.

Ein beeindruckendes Beispiel war eine Bild-basierte Suche nach passenden weiteren Kleidungsstücken zu einem Hemd mit extravaganten Muster, das sich nur schwer in Worte fassen lässt. Sprich es ist ein weiteres Beispiel wie Google aus Text und Bild im Kombination einen Kontext und darüber ein Verständnis erlangt was der Nutzer wirklich sucht. Über die Suchanfrage zu dem Bild des Hemds via Google Lens aufgenommen „socken passend zum Muster“ werden in Google Shopping zu dem Muster passende Socken ausgegeben.

Ein weiteres Beispiel war ein Defekt an einem Fahrrad, der sich nur schwer in einer textbasierten Suche formulieren lässt. Ein Foto des defekten Teils in der Kombination mit einer Frage „wie kann ich das reparieren“ ergibt die Lösung. Daraus lässt sich dann auch wieder die Brücke zu benötigten Werkzeug oder Teilen schlagen.

Google Lens soll für solche Fälle auch zukünftig auf Desktop PC nutzbar sein, um z.B. Teilbereiche aus Bildern via Screenshot aufzunehmen um darüber z.B. bei Google Shopping nach einer Lampe, Hemd oder anderen Produkten zu suchen.

Auch bei Google-Shopping sind die gelisteten Produkte in einem Shopping-Graph organisiert. Über die Graphen-Struktur der Datenbank lassen sich Beziehungen zwischen den Produkten nach Attributen, Anbietern … abbilden. So lassen sich z.B. Anbieter in der Nähe anzeigen, die ein bestimmtes Produkte auf Lager haben.

Neben der Fähigkeit Suchanfragen richtig zu interpretieren will Google mit MUM Informationen in den SERPs so aufbereiten, dass tiefere Einblicke möglich sind. Google möchte praktisches Wissen vermitteln, was sonst nur für erfahrenere Menschen möglich wäre zu erlangen. Dazu stellt Google zukünftig weitere Boxen in den SERPs zur Verfügung.

Abbildung aus der Präsentation bei der Google Search On ´21 Quelle: Google

Über die Box „things to know“ möchte Google dem Nutzer die Möglichkeit geben zu spezifizieren welcher Teilaspekt eines Themas ihn genauer interessiert. Über die Box „refine this search“ bekommt der Nutzer Vorschläge um die Sucher zu verfeinern, was für SEOs ein schöner Fundus sein kann um die eigenen Inhalte im Longtail zu optimieren. Über die Box „broaden this search“ lässt sich der Blickwinkel auf ein Thema wieder erweitern. Durch die Boxen wird die Suche für den Nutzer intuitiver.

Zudem soll MUM die SERPs noch bildreicher gestalten, insbesondere bei den Suchanfragen, die eine visuelle Unterstützung benötigen. In der mobilen Ansicht der SERPs sind Bilder in Kombination mit den klassischen Blue Links schon länger zu sehen. Dies soll im Zuge der MUM-Einführung weiter ausgebaut werden.

Auch in Verbindung mit Videos wird es bei Youtube Erweiterungen zu den Videos geben, um tiefer in das Thema einzusteigen.

Eine weitere große Herausforderung von Google ist neben dem Data Mining der Vollständigkeit des Wissens der Welt die Validität von Informationen. Mit E-A-T betreibt hierzu Google bereits seit Jahren eine Qualitätsoffensive, die durch weitere Features in naher Zukunft Unterstützung bekommen soll.

So gibt es im direkten Bezug zum jeweiligen Suchergebnis die Möglichkeit über eine „about this result“-Box Informationen zur Quelle zu bekommen.

 

Abbildung aus der Präsentation bei der Google Search On ´21 Quelle: Google

Die Informationen beinhaltet eine Beschreibung des Publishers z.B. aus Wikipedia als auch Informationen dazu, ob die Verbindung zur Website sicher ist. Stichwort: https Zusätzlich kann man sich darüber informieren was der Publisher selbst über sich schreibt, was andere über ihn oder das Thema schreiben.

Inwiefern hier MUM zum Einsatz kommt ist nicht ganz klar. Allerdings ist ziemlich sicher, dass die Autorität und Trust der Entität bzw. Quelle auch eine besondere Rolle im Ranking spielt.

Das Google MUM Update als nächster großer Paradigmenwechsel für mehr Performance und Nutzerorientierung

Die Einführung von MUM stellt nach Hummingbird, Rankbrain und BERT den nächsten großen Paradigmen-Wechsel für die Google-Suche dar. Während die bisherigen auf Machine-Learning basierenden Innovationen auf mehrere antrainierte Modelle für verschiedene Aufgaben zurückgegriffen haben, ist das Ziel beim MUM auf nur ein einheitliches Modell für alle relevanten Aufgaben für Indexing, Information-Retrieval und Ranking zurückgreifen zu müssen.

Die Fokussierung auf nur ein Sprachmodell macht auch die Berücksichtigung aller Sprachen für die semantische Interpretation und klassisches Information Retrieval obsolet. Die Algorithmen werden basierend auf englischsprachigen Suchanfragen und Dokumenten trainiert und können dann auf alle anderen Sprachen angewendet werden. Ein großer Vorteil sowohl aus Performance-Sicht, als auch mit Blick auf das semantische Verständnis. Die englische Sprache ist über Natural Language Processing deutlich einfacher zu interpretieren, als grammatikalisch komplexere Sprachen wie z.B. deutsch.

Auch bereits vor MUM hat Google sich auf  englisch als zentrale Sprache fokussiert. So tauchten bereits 2019 die ersten Übersetzungen aus dem englischsprachigen Dokumenten in Knowledge Paneln auf.

Besipiel für direkte Übersetzung aus englischer Sprache im Knowledge Panel zu James Bond

Das ist aus Performance-Gründen ein deutlicher Fortschritt. Die Google-Suche greift inzwischen auf sehr komplexe Technologien zurück. Der Einsatz von Machine Learning und Natural Language Processing ist nur möglich wenn die vorhandenen Ressourcen effizient genutzt werden können. Die Reduzierung der parallel laufenden Prozesse ist die Voraussetzung dafür. Durch die Fokussierung auf die Abfrage von Informationen aus nur einem Datenmodell je Suchanfrage ist ein Effizienz- bzw. Performance-Boost.

In einem Google-Research Paper mit dem Titel „Multitask Mixture of Sequential Experts for User Activity Streams“ aus dem Jahr 2020 wird eine Technologie namens MoSE beschrieben, die MUM in vielen Punkten ähnelt.

MoSE kann sehr performant basierend auf Nutzerdaten wie Klicks und Suchhistorie in einem Datenmodell zusammenfassen. Es funktioniert wie eine Art Marktforschung beginnend beim Suchmaschinen-Nutzer und nicht beginnend bei den indexierten Informationen, wie klassische Suchmaschinen. Die Nutzerintention steht damit im Mittelpunkt und basierend auf dem Modell kann Google vorhersehen welche Fragen und dementsprechende Antworten ein Nutzer während seiner Recherche benötigen wird.

Daraus lassen sich dann in den SERPs alle notwendigen Informationen zusammenstellen, um den Nutzer lückenlos durch die Customer-Journey zu begleiten.

 

Neues Potential für Google-Shopping entlang der Customer-Journey durch MUM

Spannend ist MUM für Google, da sie hier neue Ansatzpunkte für Google-Shopping bekommen. Bei den produktbasieren Suchanfragen hat Google einiges an Boden gegenüber den großen E-Commerce-Marktplätzen wie Amazon, aber auch kleinere Spezial-Anbieter wie z.B. Otto oder Zalando verloren. Nutzer, die sich in der Preference-Phase der Customer-Journey befinden suchen häufig bei z.B. Amazon direkt nach dem Produkt. Das ist aus wirtschaftlicher Sicht schwierig für Google, da diese Nutzer bzw. kommerziellen Suchanfragen die meisten Klicks auf Anzeigen verursachen. Hier scheint Google nur schwer Nutzer wieder zurückzubekommen, obwohl Google die Shopping-Suche inzwischen wieder für kostenlose Produkt-Listings geöffnet hat.

Die meisten Google-Nutzer:innen benutzen Google für informationsorientierte Suchen in der Awareness-Phase. Aktuell verliert Google aber spätestens in der Preference-Phase an die Wettbewerber.

7-stufiges Customer-Journey-Modell von Aufgesang, ©Olaf Kopp

An dem von Google vorgestellten Beispielen wird klar, dass Google Nutzer in frühen Phasen der Customer-Journey (Awareness und Consideration) mit wertvollen Informationen versorgen möchte. Durch die neue Gestaltung der SERPs und der Shopping-Suche möchte Google den Nutzer inspirieren, eine Übersicht verschaffen und beim Kauf unterstützen. Also vollständig durch die Customer-Journey begleiten, sodass Amazon und co. auch bei den Produktsuchen leer ausgehen.

Das zeigt, dass Google zum Einen den direkten Kampf um die Produktsuchen in der Preference-Phase aufgegeben hat und sich auf die eigentlichen Stärken konzentriert. Die Organisation und Aufbereitung des Wissens der Welt in einer nutzerfreundlichen Form. Hier können die großen E-Commerce-Plattformen nicht mithalten.

 

MUM: Zukunft der Google-Suche und was SEOs daraus lernen können

MUM ist das nächste Puzzle-Stück für Google auf dem Weg zu einer reinen semantischen Suchmaschine, die immer besser den Kontext von Suchanfragen sowie Inhalten und damit die Suchintention und die Relevanz von Inhalten und Inhaltspassagen versteht.

Die Entwicklung eines einsetzbaren Quanten-Computers ist noch Zukunftsmusik und so muss sich Google mit effizienteren Technologien wie MUM beschäftigen, um die aktuell fehlende Rechenleistung für Big-Scale-Machine-Learning zu nutzen. Über diesen Weg kann Google schneller die eigenen Suchsysteme weiter weiterentwickeln, ohne auf die fehlende Performance auf der Hardware-Seite Rücksicht nehmen zu müssen. Man könnte sagen, dass die Software-Entwicklung die Hardware-Entwicklung gerade überholt.

Ein Durchbruch für kommerziell einsetzbare Quantencomputer wird für das Jahr 2029 prognostiziert. Wir können davon ausgehen, dass bis dahin die Google-Suche eine vollständig semantische Suchmaschine ist. Sprich ein Keyword-Text-Matching in der Google-Suche wird dann endgültig der Geschichte angehören.

Zusammengefasst bleibt festzuhalten:

  • Die Google-Suche wird noch nutzerzentrierter
  • Noch semantischer
  • Noch nutzerfreundlicher, da immer weniger Klicks notwendig sind, um an Antworten zu kommen
  • Noch performanter, was in erster Linie den Google-Ressourcen zugutekommt
  • Die bisher in einzelne Sprachen und Länder aufgeteilte Google-Indizes werden immer mehr verschmelzen
  • Immer mehr Entitäten können über MUM erkannt und mit Attributen, Beziehungen zu anderen Entitäten versehen und in thematischen Kontext gebracht werden.
  • Entitäts-Typen wie Publishern oder Autoren können immer mehr Inhaltstypen bzw. Medienformate zugeordnet werden, was die thematische Klassifizierung und Bewertung hinsichtlich E-A-T vorantreibt.
  • Die Auszeichnung von Inhalten mit strukturierten Daten wird zukünftig immer unwichtiger, da Google über Natural Language Processing immer weniger strukturierte Daten benötigt.

 

Google MUM: SEO muss sich verändern!

An dieser Stelle muss sich auch die Frage gestellt werden, welche Rolle Google zukünftig noch als Traffic-Lieferant spielt und inwiefern SEOs noch einen direkten Einfluss auf die Rankings haben.

Die Einführung von BERT und MUM bringt ähnlich einschneidende Veränderungen in die Branche wie damals Panda und Pinguin. Natural Language Processing treibt, die mit Hummingbird und Knowledge Graph fundierte semantische Suche deutlich schneller voran. SEOs müssen mehr in Entitäten und Themen in Bezug auf E-A-T als in Keywords denken.

Für die technische SEO bleibt weiterhin die Aufgabe das Crawling und die Indexierung der sucherelevanten Inhalte sicherzustellen. Aber Technik macht nicht relevant und schafft auch keine Autorität oder Expertise. Hinsichtlich Trust (https) und UX (Page Experience) hat die Technik einige kleine Hebel, um in das Ranking einzugreifen. Diese Hebel sind aber keine Top-Position-Garanten. Technische Aufgabenbereiche wie die Auszeichnung mit strukturierten Daten wird immer mehr obsolet werden, da Google über Natural Language Processing immer weniger strukturierte Informationen für das Verständnis benötigt.

Der Content und Links bleiben weiterhin die wichtigsten Einflussfaktoren. Zu den Links gesellen sich weitere wichtige Faktoren, die die Autorität untermauern. Kookkurrenzen in Suchanfragen und Inhalten (Texte, Videos, Audios, Bilder) sind wichtige Signale für Vertrauen und Autorität. Google hat durch MUM Zugriff auf deutlich mehr Datenquellen und Informationen. Zudem kann Google über Sprach-unabhängige Data Mining alle Informationen der Welt zu Entitäten und Themen zu sammeln und zusammenzuführen. Die bisherigen Daten-Silos werden aufgebrochen.

Dadurch kann Google noch besser Fragen beantworten und wirklich tiefes Wissen vermitteln.

Content-Verantwortliche sollten sich weniger mit der Häufigkeit der Nutzung von Keywords in ihren Inhalten beschäftigen, sondern sich überlegen aus welchen Perspektiven ein Thema zu behandeln ist. Hier ist die gute alte TF-IDF-Analyse ein immer noch probates Mittel, um wichtige Begriffe zu identifizieren, die den Keyword-Korpus eines Themas beschreiben. Die Recherche von W-Fragen und MAFO ergänzen das Instrumentarium, um herauszufinden welche Bedürfnisse und Fragen sich Deine Nutzer entlang der Customer-Journey stellen. Auch hier steht also die Nutzerzentrierung im Fokus. Beschäftige Dich mit Deinen Zielgruppen!

Content bietet die Antworten auf Fragen. Doch nur Content zu produzieren wird zukünftig nicht mehr ausreichen. Google möchte, den Nutzer durch die komplette Customer-Journey mit Antworten begleiten, um an den wertvollen Produktbezogenen kommerziellen Traffic zu gelangen, um diesen in die eigene Shopping-Welt zu überführen. Damit wollen sie Marktanteile zurückgewinnen.

Für Content-Verantwortliche wird es auch aus SEO-Sicht immer wichtiger Content-Marketing entlang der Customer-Journey bereitzustellen, um in der Recherche dem Nutzer so viele Content-Touchpoints wie möglich bereitzustellen.

Nutzer durchlaufen je nach Wissensstand einen Recherche-Prozess über einen kürzeren oder längeren Zeitraum. Sie sind auf der Suche nach Lösungen mit wachsenden Wissen zu einem Thema stellen sich unterschiedliche Herausforderungen und Fragen die Antworten bedürfen.

Jemand der frisch in das Thema Suchmaschinenoptimierung einsteigt wird sich eher die Frage stellen Was ist SEO?“. Als nächstes stellt man sich die Frage „Wie funktioniert SEO?“ um dann zu bemerken, dass das Thema ganz schön komplex ist und man sich eher die Frage stellt „Wer bietet SEO-Dienstleistungen an?“. Auf dieser Reise sollten Unternehmen die Antworten liefern.

Content muss nutzerzentriert gedacht werden und die Bedürfnisse sowie Fragen entlang der Customer-Journey antizipieren genauso wie Google es mit MUM tut. Hier helfen detaillierte SERP-Analysen um die aktuellen und zukünftigen Suchintentionen zu antizipieren. Dabei reicht eine grobe Klassifizierung nach den klassischen Suchintention transactional und Informational nicht aus, da daraus keine klaren Handlungsempfehlungen für den Content abgeleitet werden können. Deswegen habe ich die klassischen Suchintentionen in weitere Micro-Intents unterteilt, die mir bei SERP-Analysen  immer wieder auffallen.

Informational Micro Intents

  • Unterhaltung: Menschen möchten sich die Zeit vertreiben und suchen nach Unterhaltung. Die Unterhaltung kann durch kurzen snackable Content wie z.B. Memes oder kurze Videoclips befriedigt werden, die meistens direkt auf der jeweiligen Social-Media-Plattform konsumiert (Social Content) und geteilt werden.
  • Definition: Nutzer, die nach grundsätzlichen Antworten z.B. nach der Frage Was ist…? Was bedeutet …? Wie wichtig …? wollen erst einmal verstehen, was etwas bedeutet, um für sich den Kontext eines Themas zu erschließen und/oder zu entscheiden, ob es Sinn macht sich tiefer mit einem Thema zu beschäftigen. Es sind Einsteiger. Wikipedia-Beiträge sind ein typisches Beispiel für Content, die zu diesem Micro-Intent passen. Diese Suchintention versucht Google teilweise durch Antworten direkt in den SERPs zu beantworten (z.B. Featured Snippets)
  • Expansional: Nutzer, die in ihrer Online-Recherche tiefer in ein Thema einsteigen wollen benötigen sehr ausführlichen Content, der möglichst viele Perspektiven beleuchtet. Der Content sollte allumfassend ein Thema beschreiben und viele Fragen beantworten. Die sogenannten Holistischen Landingpages oder auch Pillar Pages sind hier ein sinnvoller Ansatz um diese Suchintention zu bedienen. Hier spielt die Tiefe und der Umfang des Contents eine besondere Rolle, aber auch neue bisher nicht häufig publizierte Perspektiven.
  • Befähigung: Nutzer, die sich befähigen wollen etwas selbst zu tun benötigen konkrete Anleitungen. Content, der diese Suchintention bedienen soll sollte Schritt für Schritt die Wie mache ich…?-Fragen beantworten.
  • Aggregation / Überblick: Ähnlich, wie bei der Expansional- Suchintention geht es dem Nutzer darum sich einen neutralen Überblick über ein Thema zu verschaffen. Allerdings sollte der Content hier möglichst knapp und übersichtlich gehalten werden. z.B. in Form von Tabellen, thematischen oder random Listicles.

 

Transactional- / Commercial- Micro-Intents

  • Vergleich / Orientierung: Der Nutzer befindet sich auf dem Weg zum Kauf einer Dienstleistung eines Produkts oder zeigt zumindest Interesse zu investieren. Um sich einen Überblick zu verschaffen sucht er nach der besten Lösung. Ranked Listicles, Tests oder Vergleiche machen für diese Suchintention Sinn.
  • Kategorie / Auswahl: Bei dieser Suchintention besteht ein konkretes Interesse an Produkten und Dienstleistungen. Der Nutzer weiss im Groben welche Lösung für ihn die Richtige ist, ist sich aber noch nicht sicher welche Variante einer Leistungs- oder Produktgruppe die richtige ist. Klassische Shop-Kategorie-Seiten oder Leistungs-Übersichtsseiten sind optimal für diese Suchintention sinnvoll. Die Produkte und/oder Leistungen sollten im Fokus des Main Contents (MC) stehen ggf. begleitet von Informationen, um die Entscheidung für eine Variante zu vereinfachen.
  • Leistung / Produkt: Der Nutzer weiss ziemlich genau was er möchte bzw. welche Lösung die Richtige für ihn ist. Er steht kurz vor der Anfrage / Bestellung und möchte sich im Detail über Eigenschaften, Preis, Lieferung, Lieferkosten, Garantien … informieren. Leistungs-Detailseiten und Produktdetailseiten machen Sinn diese Suchintention zu bedienen.
  • Brand: Ich habe neben der klassischen Suchintention Brand einen weiteren Micro Intent Brand ergänzt. Dieser spielt weniger für die Suche eine Rolle. Viel mehr berücksichtigt dieser das Bedürfnis des Nutzers mehr über die Marke bzw. den Anbieter herauszufinden, um Vertrauen aufzubauen. Typische Content-Arten sind hier Testimonials, Kundenstimmen …

Navigational Micro Intents

  • Support: Der Nutzer benötigt Service-Content für die Nutzung eines bestellten Produkts. Benutzungsanleitungen und produktbezogene FAQs machen hier als Content Sinn.

 

Übersicht Suchintentionen und Micro Intents, ©Olaf Kopp (durch Klick auf das Bild vergrößern)

Über die Suchintentionen lassen sich Informationen in eine Reihenfolge entlang der Customer-Journey bringen und hier werden die Google SERPs als auch da wichtigste SEO-Tool der Welt, nämlich das erfahrene und geschulte Hirn zukünftig immer entscheidender.

Ein Nutzer, der nach objektiven Informationen, ohne direkte kommerzielle Absicht sucht befindet sich in der Awareness-Phase. Ein Nutzer, der Mischformen wie trans/info -oder info/trans-Suchanfragen ausführt wird einen Schritt weiter sein. Ein Nutzer, der nach Produktgruppen oder konkreten Produkten sucht wird häufig in der Preference-Phase seiner Journey sein. Es sei denn, es handelt sich um eine völlig neue Produktart oder eine komplexe Dienstleistung, die erst einmal eine grundsätzliche Erfahrung bedarf.

Einige SEO-Tool-Anbieter geben vor die Suchintention je Keyword feststellen zu können, was aus Erfahrung aber oft zu oberflächlich ist und teilweise auch falsche Ergebnisse zur Folge hat. Da die Bestimmung der Such- und Nutzerintention sowohl für Google als auch für SEOs einer der wichtigsten Aufgaben ist sollte man sich hier nicht auf SEO-Tools verlassen. Ein manuelle SERP-Analyse wird kein SEO-Tool ersetzen können.

Google MUM: SEO auch für andere Medienformate als Text

SEOs konzentrieren sich in erster Linie auf Text-Content. Durch MUM werden die SERPs deutlich diverser was Medienformate angeht, da Google immer besser darin wird neben Text auch Video, Bild und Audio zu verstehen und in einen Kontext zu bringen. Man sieht es bereits wenn man sich z.B. die Klassifizierung von Bildern in der Bilder-Suche ansieht oder die automatisierte Markierung von Stellen in Videos.

 

Bilder-Kategorisierung in der Google-Bilder-Suche, Quelle: Google

 

Automatisierte Entitäten-Erkennung in Youtube-Videos, Quelle: Google

Darauf, dass Google bereits Audio, Video und Bild interpretieren kann, weisen verschiedene in 2021 gezeichnete Google-Patente hin. Mehr dazu im Beitrag Youtube: Interpretation und Ranking von Videos via Entitäten.

Für SEOs bedeutet es, dass sie zukünftig auch bei der Gestaltung des Inhalts von Audios und Videos auf eine semantisch sinnvollen Gestaltung ähnlich wie bei Text über z.B. Keyword-Recherchen oder TF-IDF-Analysen achten können. Google wird zukünftig auch den gesprochenen Inhalt aus Videos und Audios besser verstehen, um diese zum Beispiel bei Youtube oder der Podcast-Suche zu ranken.

Auch semantische Datenbanken wie der Knowledge Graph werden durch die zusätzlichen verwertbaren Informationsquellen zu Entitäten für das Data Mining profitieren. Der Aufbau des Longtail of Knowledge wird durch die Kombination aus performanteren Natural Language Processing mit der Vielzahl an zusätzlichen Quellen für das Data Mining deutlich an Geschwindigkeit gewinnen.

Somit ist das Google MUM Update eine konsequente Weiterentwicklung auf dem Weg zu einer semantischen Suchmaschine. Die folgende Infografik darf gerne in Social Media geteilt und anderweitig verwendet werden.

Durch Klick auf das Bild hochauflösende Grafik zur freien Verwendung downloaden

Zukünftig weniger Besucher aus Google durch MUM?

Durch Innovationen wie MUM und BERT will Google noch mehr Antworten direkt in den SERPs ausspielen, ohne einen weiteren Klick auf die Quelle des Inhalts notwendig zu machen. Hier besteht die berechtigte Sorge, dass Google weiter den Traffic-Hahn abdrehen und so viel Informationen wie möglich in der eigenen Welt ausspielen wird.

Hier besteht die Gefahr, dass die Interessen von Google und dem Content-Publishern auseinandergehen und Google sich dankend an den passenden Inhaltspassagen bedient, ohne den Publisher teilhaben zu lassen. Das liegt aber nur in der Hand von Google selbst, wie sie den Ausgleich der Interessen berücksichtigen. Und eins ist klar, Google ist auf aktuellen Content angewiesen, um bestehende und zukünftige Fragen der Nutzer zu beantworten. Und als Technologie-Konzern ist Google in der Lage algorithmisch Informationen zu indexieren und nutzergerecht aufzubereiten. Sie werden aber vermutlich nie in der Lage sein gerade tiefgehendes Spezialisten-Wissen selbstständig neu aufzubauen und unabhängig von durch Publishern bereitgestellten Content abzubilden. Deswegen kann man hier nur Vertrauen, dass Google weiterhin guten Content mit Traffic belohnt.

Mehr zu Google MUM und den Folgen für SEO in dem folgenden Video:

Zu Olaf Kopp

Olaf Kopp ist international anerkannter Online-Marketing-Experte mit mehr als 15 Jahren Erfahrung im Online-Marketing, Google Ads, SEO und Content Marketing. Olaf Kopp ist Co-Founder, Chief Business Development Officer (CBDO) und Head of SEO bei der Aufgesang GmbH. Er ist Autor, Podcaster und anerkannter Branchenexperte für semantische SEO, E-A-T, Online- und Content-Marketing-Strategien entlang der Customer Journey und digitale Markenbildung. Olaf Kopp ist Mitgründer und Moderator des Content-Marketing-Podcasts Content-Kompass. Kopp ist Autor des Buches “Content-Marketing entlang der Customer Journey” und Mitorganisator des SEAcamp. Als begeisterter Suchmaschinen- und Content-Marketer schreibt er für diverse Fachmagazine, u.a. Search Engine Land, t3n, Website Boosting, suchradar, Hubspot ... und war als Gastautor in diverse Buch-Veröffentlichungen involviert. Sein Blog zählt laut diversen Fachmedien und Branchenstimmen zu den besten Online-Marketing-Blogs in Deutschland. Zudem engagiert sich Olaf Kopp als Speaker für SEO und Content Marketing in Bildungseinrichtungen sowie Konferenzen wie z.B. der Hochschule Hannover, SMX, CMCx, OMT, OMX, Campixx… Olaf Kopp ist Suchmaschinen-Marketer, Content-Marketer und Customer-Journey-Enthusiast, bewegt sich als Schnittstelle zwischen verschiedenen Marketing-Welten und baut Brücken immer eine nutzerzentrierte Strategie im Auge.

3 Kommentare

Schreibe einen Kommentar

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