Sie sind hier:
  • Ausgaben
  • #33
  • Search Console – die Suchanalyse im produktiven Einsatz

Search Console – die Suchanalyse im produktiven Einsatz

Stephan Walcher
Stephan Walcher

Stephan Walcher ist bereits seit 2007 im Bereich Online-Marketing mit Schwerpunkt SEO aktiv. Nach seinen Stationen als Inhouse-SEO-Spezialist für namhafte Unternehmen wie Microsoft und 1&1 und als langjähriger Head of SEO Consulting bei Catbird Seat GmbH, verstärkt er seit Oktober 2015 das Produktmanagement bei OnPage.org GmbH, den innovativen Tools für bessere Webseiten.

Mehr von diesem AutorArtikel als PDF laden

Seit fast zehn Jahren dienen die Google-Webmaster-Tools als ein wichtiges Kommunikationsinstrument zwischen Usern und Google. Lieferten die GWTs am Anfang noch wenige wenig interessante Daten und erweckten bei den SEOs wenig Aufmerksamkeit, stellte Google in den letzten Jahren einige neue Funktionen bereit und liefert heute SEOs viele nützliche Daten und Informationen.

Im Mai dieses Jahres hat Google sich entschieden, die Google-Webmaster-Tools in Search Console umzubenennen. Die Entscheidung für den Namenswechsel laut Google: Webmaster sind unterschiedliche Personen, aber sie vereint eine Sache – das Ziel, über die Google-Suche gefunden zu werden. Doch was hat sich neben dem vielleicht ein wenig befremdlichen Namen noch geändert? Zeit, sich die neuste Funktion besser anzusehen – die Google-Suchanalyse.

Die Suchanalyse (Beta)

Die in die Jahre gekommene Suchanfrage wurde schon vor dem Rebranding der GWTs von Google veröffentlicht und bietet zahlreiche neue Funktionen und die Möglichkeit, Daten zu segmentieren und zu vergleichen.

Abbildung 1: Die neuen Filterfunktionen der Suchanalyse (Beta)

Limits

Bevor man sich die verschiedenen Einsatzmöglichkeiten der neuen Suchanalyse anschaut, ist es wichtig, auf die Limits der Search Console einzugehen. Die Search Console bietet zahlreiche Daten, leider nur für maximal einen Zeitraum von 90 Tagen. Auch sind diese Daten nicht live, sondern man erhält immer nur Daten von vor drei Tagen. Wer also schnell einen Fehler untersuchen will, muss entweder drei Tage warten oder andere Tools für seine Analyse nutzen. Ein weiteres Limit wurde mit der neuen Suchanalyse eingeführt, das Export-Limit. Konnte man in der alten Suchanfrage noch sämtliche Datensätze herunterladen, was gerade bei Keyword-Exporten eine große Anzahl von Suchbegriffen lieferte, erlaubt die neue Suchanalyse nur einen maximalen Export von 1.000 URLs. Programme und Dienste, die in der Vergangenheit sämtliche Daten exportierten und archivierten, müssen nun andere Wege gehen, da man, um an die Daten zu kommen, diese selbst filtern muss.

Landingpage-Performance ermitteln und darstellen

Die Suchanalyse bietet nicht nur optisch viel Neues, sondern auch in Sachen Funktionalität. Besonders spannend ist dabei die Möglichkeit, Daten nach Wunsch zu filtern und dann in Excel weiterzuverarbeiten.

Angenommen, man möchte für das nächste Meeting die Performance für den Begriff „Windows 10“ im Mobile-Bereich in einer schönen Power-Point-Grafik präsentieren.

Abbildung 2: Die Performance in der organischen Suche für ein Keyword als Grafik exportieren

Dazu setzt man zunächst bei den gewünschten Daten einen Haken (1 & 2), wählt das Keyword aus (3), filtert das Ganze auf Mobile (4), wählt den Zeitraum (5) von 90 Tagen aus und aktiviert hier den Radio-Button. Als Nächstes klickt man nun am Ende der Tabelle auf den Download-Button und lädt somit das Diagramm mit allen Datenpunkten herunter.

Abbildung 3: Daten am Ende der Tabelle herunterladen

Das Ganze wiederholen wir nun nochmal für „Desktop“, sodass wir am Ende zwei CSV-Dateien haben, einmal für mobile Geräte und einmal für Desktop.

Im nächsten Schritt werden wir nun diese beiden Dateien in Microsoft Excel importieren.

Exkurs: CSV-Daten richtig in Excel importieren

Beim Importieren (Daten >> externe Daten abrufen) (Abbildung4) von CSV-Dateien immer darauf achten, UTF-8 zu nutzen (Abbildung 5), um hässliche Codierungsfehler zu vermeiden. Excel hat manchmal Probleme, das Datum als solches zu erkennen, daher beim Importieren die Datumsspalte entsprechend auszeichnen (7).

Abbildung 4: CSV-Dateien immer via „Externe Daten abrufen“ >> Text importieren
Abbildung 5: UTF-8 verhindert Fehler bei Umlauten
Abbildung 6: Das Trennzeichen muss stimmen
Abbildung 7: Die Spalten mit Datum sollten beim Importieren schon korrekt ausgezeichnet werden

Daten vorbereiten

Nach dem erfolgreichen Importieren hat man nun Search-Console-Daten in einem Excel-Arbeitsblatt. Besonders wichtig: Man sollte dabei darauf achten, dass Excel das Datum auch als solches erkannt hat. Daher ist es in Excel immer wichtig, CSV-Dateien nicht einfach zu öffnen und dann über die Funktion „Daten in Spalte“ zu konvertieren, sondern die Daten über den Datenimport zu importieren und die Datumsspalte entsprechend zu kategorisieren.

Der CSV-Import wird nun manuell um eine weitere Spalte erweitert. Dazu gibt man an, über welches Gerät die Daten zustande gekommen sind.

Abbildung 8: Der Datenimport wird durch einen manuellen Nachtrag für die spätere Segmentierung vorbereitet

Anschließend sollte man nun an das Ende der Tabelle scrollen und den Schritt auch für die Exporte der anderen Geräte wiederholen.

Abbildung 9: Import weiterer CSV-Dateien und entsprechende Segmentierung

Im nächsten Schritt wird nun aus der Tabelle eine Grafik erzeugt. Dazu selektiert man die komplette Tabelle mittels STRG + A und klickt unter „Einfügen“ >> PivotTable >> PivotChart.

Abbildung 10: PivotChart aus einer Tabelle erstellen

Um aus der Tabelle ein PivotChart zu erstellen, müssen die Felder wie folgt angeordnet werden:

Abbildung 11: Ein PivotChart wird über die Felder der Tabelle erstellt

Für eine bessere Übersicht soll aus der Tagesansicht eine Wochenansicht erzeugt werden. Dies funktioniert nur, wenn Excel das Datum auch als solches erkannt hat, darum ist der korrekte Import der Daten so wichtig. Um die Wochenansicht zu aktivieren, klickt man nun mit der rechten Maustaste auf ein beliebiges Datum in der Pivot-Tabelle und wählt „Gruppieren“ aus.

Abbildung 12: Die Datumsfelder werden gruppiert

Zur Gruppierung muss nach „Tage“ gruppiert werden und bei „Tage anzeigen“ die Zahl 7 eingetragen werden. Wer möchte, kann hier auch 14 eintragen, um zum Beispiel eine Zwei-Wochen-Darstellung zu erhalten.

Abbildung 13: Gruppierung der Tage zur Wochendarstellung
Abbildung 14: Die Klicks und Impressions auf 7 Tage gruppiert

Daten nach Geräten darstellen

Beim Import wurden die Daten manuell durch eine Hilfsspalte, welche den Gerätetyp anzeigt, erweitert. Diese zusätzliche Information wird nun dazu genutzt, um das Verhältnis zwischen Desktop und Mobile darzustellen. Dazu kommt das „Balkendiagramm“ zum Einsatz.

Abbildung 15: Ein gestapeltes Balkendiagramm zeigt das Verhältnis zwischen Desktop und Mobile

Als weitere Anwendungsmöglichkeit möchte man die Ranking-Entwicklung im Mobile- und Desktop-Bereich untersuchen. Wichtig dabei: Die Ranking-Position muss als Mittelwert ausgegeben werden und die Y-Achse sollte in „umgekehrter Reihenfolge“ dargestellt werden. Dies macht man, indem man einfach auf die Y-Achse mit der rechten Maustaste klickt und dann auf „Achse formatieren“. Das Ergebnis sieht dann wie folgt aus:

Abbildung 16: Rankingverteilung für Mobile und Desktop

Tipp: Wer in regelmäßigen Abständen seine Daten exportiert, kann auf diese Weise das 90-Tage-Limit umgehen. Damit man nicht jedes Mal die gleichen Einstellungen vornehmen muss, kann man sich auch einfach die relevanten URLs bookmarken oder auch das Ganze von Tools wie iMacro (https://addons.mozilla.org/de/firefox/addon/imacros-for-firefox/) übernehmen lassen und so seine Daten nach und nach erweitern.

Aggregierte Daten machen Spaß und bringen viel

Die neue Suchanalyse bietet zwar nur noch die Möglichkeit, maximal 1.000 Datensätze zu exportieren, aber durch die vielen Filtermöglichkeiten kann man sehr viele und detaillierte Analysen durchführen. Es lohnt sich daher, sich mit den Filter- und Darstellungsmöglichkeiten auseinanderzusetzen und die passenden Einstellungen zu finden, um die Exporte dann in Excel mit weiteren Datenquellen zu kombinieren und daraus übersichtliche Grafiken mit kumulierten Daten zu erstellen.