Die Präsenz von SERP-Features wie Knowledge Panel und Knowledge Cards in den SERPs von Google steigt seit Jahren rasant an. Dadurch bekommen die klassischen Suchergebnisse auch „Blue Links“ genannt immer mehr Konkurrenz, wenn es um die Aufmerksamkeit der Suchenden geht. Oder nennen wir es besser die „Fragenden“. Denn die meisten Suchanfragen sind implizit formulierte Frage, die eine Antwort bedürfen. Google möchte mit den SERP-Features die Fragen direkt beantworten. Diese Features sind ein Fenster in den Knowledge Graph von Google bzw. sind direkt oder indirekt mit ihm verbunden.
Folgende SERP-Features können wir aktuell in den SERPs vorfinden:
- Knowledge Panel
- Knowledge Cards
- Knowledge Karussels
- Featured Snippets
- Frage Antwort Boxen
Dieser Beitrag soll etwas mehr Licht in die Funktionsweise der unterschiedlichen SERP-Features wie Knowledge Panel und Knowledge Cards bringen.
Eine ausführliche Beitragssammlung zum Thema Knowledge Graph, semantische SEO und Entitäten findest Du in der zugehörigen Artikelreihe.
Inhaltsverzeichnis
- 1 Was sind Knowledge Panel?
- 2 Wie erstellt Google Knowledge Panel ?
- 3 Übersicht Knowledge Panel Arten
- 4 Wie generiert Google Bilder für die Knowledge Panel ?
- 5 Auslieferung des Knowledge Panel beim gleichnamigen Entitäten
- 6 Was ist der Unterschied zwischen Knowledge Panel und Knowledge Cards?
- 7 Was sind Knowledge Cards?
- 8 Übersicht Knowledge Card Arten
- 9 Unterschied zwischen Knowledge Cards und Featured Snippets
- 10 Was sind Knowledge-Karussells?
- 11 Der Einfluss des Knowledge Graph wächst schnell
Was sind Knowledge Panel?
Bei vielen Suchanfragen spielen Entitäten direkt oder indirekt eine Rolle. Deswegen findet man bei vielen Suchanfragen auch verschiedene Boxen-Varianten in den SERPs.
Sobald Google erkennt, dass bei einer Suchanfrage als Subjekt direkt nach einer Entität gefragt wird ein sogenanntes Knowledge Panel ausgeliefert. Das Knowledge Panel kann man auch als Entitäten-Box bezeichnen und es wird für nahezu alle Entitätstypen ausgeliefert.
Allerdings wird nicht zu jeder Entität eine Typs ein Knowledge Panel ausgeliefert. Die Entität muss im Knowledge Graph erfasst sein.
Eine der grundlegenden Fragen für SEOs ist welche Entitäten in den Google Knowledge Graph aufgenommen werden. Im Knowledge Graph werden laut Google in erster Linie nur benannte Entitäten aus den Klassen der folgenden Entitätstypen erfasst.
- Bücher und Bücher-Serien
- Bildungseinrichtungen, Behörden, lokale Geschäfte, Unternehmen
- Ereignisse
- Filme und Film-Serien
- Musikgruppen und Alben
- Personen
- Orte
- Sport-Mannschaften
- TV-Serien
- Video-Spiele und -Serien
- Websites bzw. Domains
Doch nicht alle Entitäten aus diesen Klassen werden mit einem Knowledge Panel in den SERPs präsentiert. Die Entitäten müssen eine bestimmte gesellschaftliche Relevanz oder Autorität im jeweiligen Bereich besitzen.
Anhand welcher Kriterien Google diese Relevanz bewertet ist nicht klar dokumentiert bzw. es fehlen konkrete Aussagen seitens Google.
Das klassische Knowledge Panel erkennt man an dem Teilen-Button im oberen Bereich des Panels.
Teilen-Button im Knowledge Panel
Knowledge Panel sind nicht zu verwechseln mit den My Business Boxen. Diese basieren nicht auf dem Knowledge Graph, sondern auf einem Eintrag bei Google MyBusiness. Inwiefern die Daten aus MyBusiness auch im Knowledge Graph berücksichtigt werden ist nicht klar, aber es ist nicht unwahrscheinlich.
Beispiel MyBusiness Box
Wie erstellt Google Knowledge Panel ?
Die Knowledge Panel wurden mit der Einführung des Knowledge Graph im Jahr 2012 das erste mal in den SERPs präsentiert.
Im Google Patent Providing knowledge panels with search results findet man die grundlegende Methodik und den Zweck der Knowledge Panel. Der Zweck für die Nutzer einer Suchmaschine wird wie folgt beschrieben.
Knowledge panels can improve users‘ search experiences, in particular for queries directed to learning, browsing, or discovery. For example, the knowledge panel supplies users with basic factual information or a summary of information about a particular entity referenced in a search query. Knowledge panels can assist users in navigating to related content in a seamless and natural way. Knowledge panels can supply new content that may not otherwise be encountered by a user without selecting several search results. Knowledge panels can also help users obtain information faster than they would if the users were required to click through multiple search results to obtain the information.
Zur Methodik bei der Auslieferung der Knowledge Panel hier ein Auszug aus dem Patent:
Methods, systems, and apparatus, including computer programs encoded on a computer storage medium, for providing knowledge panels with search results. In one aspect, a method includes obtaining search results that are responsive to a received query. A factual entity referenced by the query is identified. Content is identified for display in a knowledge panel for the factual entity. The content includes at least one content item obtained from a first resource and at least one second content item obtained from a second resource different than the first resource. Data is provided that causes the identified search results and the knowledge panel to be presented on a search results page. The knowledge panel presents the identified content in a knowledge panel area that is along side at least a portion of the search results.
Die grundsätzliche Funktionsweise bei der Auslieferung eines Knowledge Panel kann in folgenden Prozessschritten zusammengefasst werden:
- Identifikation einer oder mehrerer relevanter Entitäten in der Suchanfrage
- Identifikation von relevanten Quellen zur Hauptentität
- Erstellung relevanter Suchergebnisse bezüglich der Suchanfrage
- Prüfung ob die Suchanfrage sich wirklich auf die tatsächliche Hauptentität bezieht
- Ermittlung eines Entitätstyps für die nachgefragte Hauptentität
- Auswahl eines geeigneten Knowledge Panel Templates passend zum ermittelten Entitätstyp
- Ermittlung von relevanten Content-Elements bezüglich der Hauptentität aus einer relevanten und vertrauenswürdigen Quelle.
- Ermittlung eines eines weiteren Content-Elements aus einer weiteren Quelle.
- Auffüllen der Platzhalter im ausgewählten Knowledge Panel Template mit den ausgewählten Content-Elementen.
- Zusammenführen von Suchergebnissen und Knowledge Panel auf einer Suchergebnisseite
Spannend finde ich die Erkenntnis, dass jedem Entitätstyp ein eigenes Knowledge Panel Template mit entsprechenden Platzhaltern zugewiesen ist.
Beispiel Knowledge Panel Template Entitätstyp Schauspieler, Quelle: Google Patent Providing knowledge panels with search results
Knowledge Panel Template Entitätstyp Wahrzeichen, Quelle: Google Patent Providing knowledge panels with search results
Der Entitätstyp der jeweiligen Entität, die durch ein Knowledge Panel repräsentiert wird ist immer unterhalb des Namens der Entität angegeben. Je nach dem welche Standard-Attribute dem Entitätstyp zugewiesen sind und für welche Attribute die Werte vorhanden sind werden Inhalte im Knowledge Panel angegeben.
Beispiel Entitätstyp im Knowledge Panel des Musikers Drake
Übersicht Knowledge Panel Arten
Wie im obigen Patent beschrieben nutzt Google verschiedene Templates für die Knowledge Panel. Die Platzhalter für die Inhalte im Knowledge Panel variieren je nach gesuchter Entität bzw. Entitätstyp. Die Platzhalter orientieren sich an den Standard-Attributen des jeweiligen Entitätstyps.
Hier einige Beispiele für Knowledge Panel Templates aus der Praxis:
Beispiel Knowledge Panel Musiker
Beispiel Knowledge Panel Politiker
Beispiel Knowledge Panel Film
Beispiel Knowledge Panel Fussballclub
Beispiel Knowledge Panel Computerspiel
Beispiel Knowledge Panel Musikfestival
Beispiel Knowledge Panel Buch
Beispiel Knowledge Panel Schauspieler
Wie generiert Google Bilder für die Knowledge Panel ?
In den vergangenen Beiträgen habe ich mich ausführlich mit dem Data Mining für den Knowledge Graph vor allem für Text-Inhalte beschäftigt.
Doch aus welche Bilder werden in die Knowledge Panel übernommen bzw. welchen Quellen sind relevant?
Dazu habe ich mir einige Patente von Google aus den letzten Jahren angesehen.
Selection of representative images, Laufzeit bis mindestens 13.08.2031
In diesem Patent wird beschrieben wie Google repräsentative Bilder für Entitäten den Typs „Person“ für das entsprechende Knowledge Panel auswählen könnte.
Die Schritte sind wie folgt:
- Zugriff auf eine Auswahl an möglichen Bildern
- Clustering nach Ähnlichkeit
- Identifikation der populärsten Cluster
- Ermittlung ob es sich um ein Portrait-Bild handelt oder nicht
- Vergabe eines Portrait-Scores
- Auswahl des repräsentativsten Bilds
- Ausspielung des Bilds im Knowledge Panel
Quelle: https://patents.google.com/patent/US8724910B1/
Die Bestimmung der Auswahl an möglichen Bildern als auch das Clustering dieser in Kategorien wird abhängig von der Nähe zur Entität als auch dem Seitenverhältnis durchgeführt. Dabei wird sehr wahrscheinlich Machine Learning Methoden eingesetzt wie im Beitrag Kann Google Texte in Bildern lesen bzw. erkennen? beschrieben.
Eine Ahnung von möglichen Kategorien bekommen wir durch einen Blick in die Bildersuche.
System and method for associating images with semantic entities, Laufzeit bis mindestens 08.09.2033
Quelle: https://patents.google.com/patent/US20150154232A1/
Ein weiteres spannendes Google Patent in Bezug auf Bilder und Entitäten beschreibt, wie Google Bilder die Bilder für eine semantische Vorauswahl zusammenstellen könnte.
A system and computer-implemented method for associating images with semantic entities and providing search results using the semantic entities. An image database contains one or more source images associated with one or more images labels. A computer may generate one or more documents containing the labels associated with each image. Analysis may be performed on the one or more documents to associate the source images with semantic entities. The semantic entities may be used to provide search results. In response to receiving a target image as a search query, the target image may be compared with the source images to identify similar images. The semantic entities associated with the similar images may be used to determine a semantic entity for the target image. The semantic entity for the target image may be used to provide search results in response to the search initiated by the target image.
In diesem Patent werden Bilder mit Attributen gekennzeichnet. über die die Bilder bestimmtem Entitäten zugewiesen werden können. Diese Attribute werden initial über eine Bilderkennung eines Ausgangsbilds identifiziert. Weitere Attribute werden über Attribute ähnlicher Bilder und ähnlicher Entitäten vermutlich gleichen Typs ergänzt. So ensteht eine Bedeutung des Bild.
Diese Patente beschreiben einige Ansätze wie Google Bilder für Knowledge Panel festlegen könnte. Nach meiner Meinung ist auch die Quelle des Bildes entscheidend welches Bild Google das relevanteste Bild für eine Entität auswählt und damit im Knowledge Panel nutzt.
Beliebte Quellen für Personen-Bilder scheinen u.a. XING, Wikidata, Wikipedia, Social Media Profile (z.B. Twitter), renommierte Magazine … zu sein. Inwiefern das Ranking in der Bildersuche korreliert mit der Auswahl des / der Bilder für das Knowledge Panel ist unklar. Man findet klare Korrelation wie z.B. beim Knowledge Panel von Rand Fishkin, aber bei anderen erkennt man nur wenig Korrelation wie z.B. bei Angela Merkel oder Hannover Rathaus.
Auslieferung des Knowledge Panel beim gleichnamigen Entitäten
Ein interessante Metrik ist der Resultscore. Den Resultcore einer Entität zu einem bestimmten Entitätsbezogenen Suchbegriff kann man über die Knowledge Graph API abfragen.
Der Wert beschreibt wie gut eine Entität z.B. zu einer Entitäten-basierten Suche passt. Dieser Score ist kein fester Wert. Er verändert sich laufend. Auf welcher Grundlage Google diesen Score ermittelt ist unklar. Es kann sein, dass es mit der Popularität der Entitäten und/oder die Häufigkeit der Nennungen in den jeweiligen thematischen Kontexten bzw. den Kookkurrenzen zusammenhängt.
Der Automobilhersteller Jaguar hat mit 138 einen deutlich höheren Resultscore als das Tier mit 70 Das hat zur Folge, dass erstens in den SERPs nahezu ausschließlich Suchergebnisse als auch das Knowledge Panel nur zur Automarke angezeigt werden.
Hier sieht man, dass Informationen aus dem Knowledge Graph durchaus auch einen Einfluss auf das Ranking der normalen Suchergebnisse haben kann.
Beispiel SERP für die Suchanfrage „jaguar
Die Entität mit dem höchsten Resultscore besetzt oft zuerst das klassische Knowledge Panel.
Doch nicht immer scheint der Resultscore entscheidend zu sein für welche Entität Google das Knowledge Panel ausliefert. Im folgenden Beispiel ist der gesuchte mehrdeutige Begriff „heide“ .
Im Knowledge Graph sind folgende Bedeutungen, Entitätstypen und Resultscores erfasst:
- Heidekräuter (Pflanze, Resultscore 80.790)
- Besenheide (Pflanze, Resultscore 73.955)
- Lüneburger Heide (Touristen Attraktion, 53.314)
- Heidekräutergewächse (Pflanze, 52.968)
- Heide (Stadt, Ort, Verwaltungsbereich, 52.231)
Als Knowledge Panel wird trotz des geringeren Resultscores die Stadt ausgegeben. Es scheint neben dem Resultscore noch weitere Kriterien zu geben für welche Entität ein Knowledge Panel ausgeliefert wird.
Verglichen mit den anderen Entitäten hat die Stadt Heide als einzige Entität eine offizielle URL. Das kann ein Grund sein. Zudem wäre es möglich, dass der Entitätstyp „Stadt“ wichtiger ist als der Entitätstyp Pflanze oder Touristen Attraktion. Generell scheint es so zu sein, dass bestimmte Entitätstypen wie Stadt, Orte … favorisiert als Knowledge Panel ausgegeben werden.
Wenn Google nicht sicher ist welche Entität gesucht wird werden zusätzlich zum Knowledge Panel weitere kleine optionale „Spezifizierungsboxen“ mit weiteren Bedeutungen angezeigt. Darüber möchte Google herausfinden, ob man nach einer anderen Entität sucht.
Beispiel Spezifizierungs-Box für die Entität „jaguar“
Was ist der Unterschied zwischen Knowledge Panel und Knowledge Cards?
Je nach Suchanfrage werden nur Knowledge Panel, nur Knowledge Cards oder beides zusammen ausgeliefert.
Hierbei spielt der eine entscheidende Rolle ob nach einem Attribut einer Entität, einer Beziehungsart zwischen Entitäten oder direkt nach einer Entität gesucht wird. Auch der Entitätstyp ist entscheidend dafür welche Boxen-Varianten ausgespielt werden.
Wenn man z.B. nach Entitäten der Entitätstypen Personen, Orten, Bauwerke oder Unternehmen sucht bekommt man das klassische Knowledge Panel auf der rechten Seite der SERPs ausgeliefert.
Wenn man nach einem Attribut einer Entität wie z.B. Alter, Geburtsort, Höhe, Größe, Beruf … sucht werden das Knowledge Panel der Hauptentität bzw. dem Subjekt und eine Knowledge Card zur direkten Beantwortung der Frage mit dem Attributs-Wert in den SERPs ausgeliefert.
In manchen Fällen werden Knowledge Cards auch zusammen mit dem Knowledge Panel ausgeliefert, obwohl nach keinem Attribut gesucht wurde. Das ist dann der Fall wenn Google der Meinung ist, dass diese Informationen aktuell wichtig sind bezogen auf die gesuchte Entität. Das hat oft mit aktuellen Ereignissen mit großer Relevanz bezogen auf die jeweilige Entität zu tun wie z.B. in der Knowledge Card zur Entität Bayern München. Diese Knowledge Cards zu aktuellen Ereignissen werden auch als Live Results bezeichnet. Hier zeigt Google ein Live Result mit dem Endergebnis des letzten Pflichtspiels an.
Knowledge Card / Live Result und Knowledge Panel zur Entität Bayern München am 21.07.2019
In seltenen Fällen werden auch nur die Knowledge Cards ausgeliefert. Dies geschieht wenn eine Keyword die Suchintention „Know Simple“ hat. Know Simple ist eine Unterart der Suchintention „informational“. Mehr zum Thema Suchintention im Beitrag Erklärung & Identifikation von Suchintention & Nutzerintention von Keywords.
Hier ein Beispiel bei der Suchanfrage Wetter. Es wird kein Knowledge Panel, sondern nur die Knowledge Card bzw. Live Result ausgeliefert.
Beispiel für eine Single Knowledge Card bzw. Live Result
Was sind Knowledge Cards?
Die Inhalte der Knowledge Cards geben Antworten auf die Attribute einzelner Entitäten. Je nach Entitätstyp werden neben dem Knowledge Panel automatisch Knowledge Cards mit weiteren Informationen zur Entität ausgeliefert. Diese weiterführenden Informationen sind auch Attribute der jeweiligen Entität.
Bei der Suche nach Filmen können u.a. Plattformen und Kinovorstellungen angezeigt werden.
Beispiel Knowledge Panel und Knowledge Card für die Entität „Klavierspieler vom Gare du Nord“
Bei Filmen können Standard-Attribute sein
- Zeitpunkt der aktuellen Kinovorstellungen
- Erscheinungsdatum
- Regisseur
- Titel
- Besetzung
- Rollen
- Altersfreigabe
Bei Bauwerken oder Sehenswürdigkeiten sind es eher Attribute wie
- Adresse
- Architektonische Höhe
- Baubeginn
- Öffnungszeiten
- Baukosten
Auch bei Suchanfragen bezüglich Attributen von Entitäten werden Boxen ausgeliefert insofern die gesuchten Attribute im Knowledge Graph erfasst sind. So wird bei der Suchanfrage „wie hoch ist das empire state building“ oder „höhe empire state building“ folgende Box ausgeliefert:
Beispiel Knowledge Card für das Attribut „Architektonische Höhe“ für die Entität „Empire State Building“
Übersicht Knowledge Card Arten
Hier einige Beispiele für Knowledge Cards aus der Praxis:
Beispiel Knowledge Card Film / Termine / Plattformen
Beispiel Knowledge Card Film
Beispiel Knowledge Card Mannschaft
Beispiel Knowledge Card Person / Alter
Beispiel Knowledge Card Person / Geburtsort
Beispiel Knowledge Card Wahrzeichen / Architektonische Höhe
Unterschied zwischen Knowledge Cards und Featured Snippets
Neben den Knowledge Cards nutzt Google noch ein weitere Box zur Beantwortung von Fragen direkt in den SERPs.
Während Knowledge Cards immer einen direkten Bezug zu einer benannten Entität haben findet man Featured Snippets in erster Linie wenn nach Konzepten gesucht wird. Featured Snippets sind sehr selten in Bezug auf benannte Entitäten zu sehen.
Featured Snippets können wie die Knowledge Cards auch zusammen mit einem Knoweldge Panel ausgeliefert werden wie hier am Beispiel für die Suchanfrage „umwelt“.
Beispiel Featured Snippet und Knowledge Panel für „umwelt“
Der Einfluss von Wikipedia auf Knowledge Panel ist größer als auf Featured Snippets. Bei Featured Snuppets findet man häufig auch Informationen aus anderen Quellen. Doch für beide ist Wikipedia bisher die vertrauenswürdigste Datenquelle .
Was sind Knowledge-Karussells?
Ein Knowledge Karussell wird in den SERPs immer dann ausgeliefert wenn eine Suchanfrage nicht eindeutig nur mit einer Entität beantwortet werden kann oder Google der Meinung ist, dass man sich auch für andere verwandte Entitäten interessieren könnte.
Im folgenden Beispiel beinhaltet die Suchanfrage „schauspieler in“ als Prädikatsphrase und die Entität „star wars“ als Objekt. Das gesuchte Subjekt kann nicht nur durch eine einzige Entität beantwortet werden. So liefert Google ein Karussell aller Entitäten aus, die passen könnten. Durch ein Klick auf eine der angezeigten Entitäten lässt sich die Suche spezifizieren.
Der Einfluss des Knowledge Graph wächst schnell
Der Einfluss von SERP-Features steigt von Jahr zu Jahr und damit auch der Einfluss des Knowledge Graph auf die Suchergebnisse. Die klassischen Blue Links verlieren immer mehr an Aufmerksamkeit und damit Relevanz. Entitäten stehen im Zentrum des Knowledge Graph und werden einen immer größeren Einfluss auf die SERPs haben.
Auch hinsichtlich Voice Search spielen gerade SERP-Features wie Knowledge Cards, Featured Snippets und Knowledge Panel eine exponierte Rolle.
Von daher sollten SEOs dieses Thema nicht weiter als Nerd-Thema oder nice to have wahrnehmen, sondern bei ihren Strategien auch an den Knowledge Graph und dessen Funktionsweise denken.
- Artikelreihe: Semantische Suchmaschinenoptimierung (SEO) - 4. November 2019
- Wie kann Google über Entitäten, NLP & Vektorraumanalysen relevante Dokumente identifizieren und ranken? - 4. November 2019
- Semantische Suche: Entitäten bei der Interpretation von Suchanfragen - 25. August 2019
- Wie funktionieren Knowledge Panel & Knowledge Cards? - 22. Juli 2019
- Der Einfluss von FAQ Mark Ups auf SERP-CTR, Klicks und Traffic - 19. Juli 2019
2 Kommentare
Dies ist etwas Erstaunliches, das wir im Internet über das Wissenspanel gefunden haben. Sie haben wunderschön beschrieben. Danke fürs Teilen und schreib weiter.