SEO-Optimierung: Wie Googles KI funktioniert (August 2026)

Suchmaschinenoptimierung (SEO) ist der Prozess der Optimierung von Onpage- und Offpage-Faktoren, die sich auf die Positionierung einer Webseite in den Suchergebnissen für einen bestimmten Suchbegriff auswirken. Dies ist ein mehrschichtiger Prozess, der die Optimierung der Ladezeit der Seite, die Erstellung einer Link-Building-Strategie, die Verwendung von SEO-Tools und das Erlernen der Umkehrung von Googles KI durch die Verwendung von Computational Thinking umfasst.

Computational Thinking ist eine fortschrittliche Art der Analyse und Problemlösung, die Computerprogrammierer verwenden, wenn sie Code und Algorithmen schreiben. Computational Thinker suchen nach der Wahrheit, indem sie ein Problem zerlegen und es mithilfe von First-Principles-Denken analysieren.

Da Google (GOOGL ) sein geheimes Rezept niemandem mitteilt, werden wir auf Computational Thinking zurückgreifen. Wir werden einige wichtige Momente in Googles Geschichte durchgehen, die die Algorithmen geprägt haben, die verwendet werden, und wir werden lernen, warum dies wichtig ist.

Wie man ein Gehirn erschafft

Wir beginnen mit einem Buch, das 2012 veröffentlicht wurde, mit dem Titel “Wie man ein Gehirn erschafft: Das Geheimnis des menschlichen Denkens enthüllt” von dem bekannten Futuristen und Erfinder Ray Kurzweil. Dieses Buch zerlegt das menschliche Gehirn und bricht die Wege auf, wie es funktioniert. Wir lernen von Grund auf, wie das Gehirn sich selbst trainiert, indem es Muster erkennt, um eine Vorhersagemaschine zu werden, die immer daran arbeitet, die Zukunft vorherzusagen, sogar das nächste Wort vorherzusagen.

Wie erkennen Menschen Muster im Alltag? Wie werden diese Verbindungen im Gehirn gebildet? Das Buch beginnt mit dem Verständnis hierarchischen Denkens, dies ist das Verständnis einer Struktur, die aus verschiedenen Elementen besteht, die in einem Muster angeordnet sind, diese Anordnung stellt dann ein Symbol wie einen Buchstaben oder ein Zeichen dar, und dies wird weiter in ein komplexeres Muster wie ein Wort und schließlich in einen Satz angeordnet. Schließlich bilden diese Muster Ideen, und diese Ideen werden in die Produkte umgesetzt, die Menschen bauen.

Indem wir das menschliche Gehirn nachahmen, wird ein Weg zur Schaffung einer fortgeschrittenen KI jenseits der aktuellen Fähigkeiten der neuronalen Netze, die zum Zeitpunkt der Veröffentlichung existierten, aufgezeigt.

Das Buch war ein Blueprint für die Schaffung einer KI, die durch das Aufsaugen der Welt Daten und die Verwendung ihrer mehrschichtigen Muster-Erkennungsverarbeitung zum Parsen von Text, Bildern, Audio und Video skaliert. Ein System, das für die Vorteile der Cloud und ihrer parallelen Verarbeitungsfähigkeiten optimiert ist. Mit anderen Worten, es würde keine maximale Eingabe oder Ausgabe geben.

Dieses Buch war so wichtig, dass der Autor Ray Kurzweil bald nach der Veröffentlichung von Google als Director of Engineering für Maschinelles Lernen und Sprachverarbeitung eingestellt wurde. Eine Rolle, die perfekt zu dem Buch passte, das er geschrieben hatte.

Es wäre unmöglich, die Bedeutung dieses Buches für die Zukunft von Google und die Bewertung von Webseiten zu leugnen. Dieses KI-Buch sollte für jeden, der ein SEO-Experte werden möchte, Pflichtlektüre sein.

DeepMind

Gegründet im Jahr 2010, war DeepMind ein brandneues Startup, das einen revolutionären neuen Typ von KI-Algorithmus verwendete, der die Welt im Sturm eroberte, es handelte sich um ein Verstärkungslernen. DeepMind beschrieb es am besten als:

“Wir präsentieren das erste Deep-Learning-Modell, das erfolgreich Kontrollpolitiken direkt aus hochdimensionalen sensorischen Eingaben mithilfe von Verstärkungslernen lernt. Das Modell ist ein konvolutionales neuronales Netzwerk, das mit einer Variante des Q-Lernens trainiert wird, dessen Eingabe rohe Pixel sind und dessen Ausgabe eine Wertefunktion ist, die zukünftige Belohnungen schätzt.”

Indem DeepMind Deep Learning mit Verstärkungslernen kombinierte, wurde es zu einem tiefen Verstärkungslernsystem. Bis 2013 verwendete DeepMind diese Algorithmen, um Siege gegen menschliche Spieler in Atari-2600-Spielen zu erzielen – und dies wurde dadurch erreicht, dass es das menschliche Gehirn und seine Lernweise durch Training und Wiederholung nachahmte.

Ähnlich wie ein Mensch durch Wiederholung lernt, sei es durch das Kicken eines Balles oder das Spielen von Tetris, lernte auch die KI. Das neuronale Netzwerk der KI verfolgte die Leistung und verbesserte sich selbst schrittweise, was zu besseren Bewegungen in der nächsten Iteration führte.

DeepMind war so dominant in seiner technologischen Führung, dass Google gezwungen war, Zugang zu dieser Technologie zu kaufen. DeepMind wurde 2014 für über 500 Millionen Dollar erworben.

Nach dem Erwerb erlebte die KI-Industrie aufeinanderfolgende Durchbrüche, eine Art, die seit dem 11. Mai 1997, als der Schach großmeister Garry Kasparov das erste Spiel eines Sechs-Spiele-Matches gegen Deep Blue, einen Schach-Computer, den Wissenschaftler von IBM entwickelt hatten, verlor.

2015 verfeinerte DeepMind den Algorithmus, um ihn auf Atari’s Suite von 49 Spielen zu testen, und die Maschine übertraf die menschliche Leistung in 23 davon.

Dies war nur der Anfang, später im Jahr 2015 begann DeepMind, sich auf AlphaGo zu konzentrieren, ein Programm mit dem erklärten Ziel, einen professionellen Go-Weltmeister zu besiegen. Das alte Spiel Go, das erstmals in China vor etwa 4000 Jahren gespielt wurde, gilt als das schwierigste Spiel in der Menschheitsgeschichte, mit etwa 10³⁶⁰ möglichen Zügen.

DeepMind verwendete überwachtes Lernen, um das AlphaGo-System durch das Lernen von menschlichen Spielern zu trainieren. Bald darauf machte DeepMind Schlagzeilen, nachdem AlphaGo Lee Sedol, den Weltmeister, in einem Fünf-Spiele-Match im März 2016 besiegt hatte.

Nicht zu überbieten, veröffentlichte DeepMind im Oktober 2017 AlphaGo Zero, ein neues Modell mit dem Schlüsselunterschied, dass es keine menschliche Ausbildung benötigte. Da es keine menschliche Ausbildung benötigte, benötigte es auch keine Kennzeichnung von Daten, das System verwendete unüberwachtes Lernen. AlphaGo Zero übertraf seinen Vorgänger schnell, wie DeepMind beschrieb.

“Frühere Versionen von AlphaGo wurden zunächst auf Tausenden von menschlichen Amateur- und Profispielern trainiert, um zu lernen, wie man Go spielt. AlphaGo Zero überspringt diesen Schritt und lernt, indem es einfach Spiele gegen sich selbst spielt, beginnend mit völlig zufälligem Spiel. Indem es dies tut, übertraf es schnell das menschliche Spiel und besiegte die zuvor veröffentlichte Champion-AlphaGo-Version mit 100 Spielen zu 0.”

Inzwischen war die SEO-Welt stark auf PageRank fokussiert, das Rückgrat von Google. Es begann 1995, als Larry Page und Sergey Brin Doktoranden an der Stanford University waren. Das Duo begann, an einem neuen Forschungsprojekt namens “BackRub” zu arbeiten. Das Ziel war es, Webseiten in eine Maßeinheit der Wichtigkeit umzuwandeln, indem sie ihre Backlink-Daten umwandelten. Ein Backlink ist einfach ein Link von einer Seite zu einer anderen, ähnlich wie dieser Link.

Der Algorithmus wurde später in PageRank umbenannt, benannt nach dem Begriff “Webseite” und dem Mitgründer Larry Page. Larry Page und Sergey Brin hatten das ehrgeizige Ziel, einen Suchdienst zu bauen, der den gesamten Web rein durch Backlinks antreiben konnte.

Und es funktionierte.

PageRank beherrscht die Schlagzeilen

SEO-Experten verstanden sofort die Grundlagen, wie Google eine Qualitätseinstufung für eine Webseite anhand von PageRank berechnet. Einige cleveren Black-Hat-SEO-Unternehmer gingen noch einen Schritt weiter und verstanden, dass es sinnvoll sein könnte, Links zu kaufen, anstatt darauf zu warten, sie organisch zu erwerben.

Eine neue Wirtschaft entwickelte sich um Backlinks. Eifrige Webseitenbesitzer, die ihre Suchmaschinenrankings beeinflussen wollten, kauften Links, und verzweifelte Webseitenbesitzer, die ihre Webseiten monetarisieren wollten, verkauften Links.

Die Webseiten, die Links kauften, drangen oft über Nacht in die Google-Suchergebnisse ein und übertrafen etablierte Marken.

Das Ranking mit dieser Methode funktionierte lange Zeit sehr gut – Bis es aufhörte zu funktionieren, wahrscheinlich um die gleiche Zeit, als Maschinelles Lernen einsetzte und das zugrunde liegende Problem löste. Mit der Einführung von Deep Reinforcement Learning würde PageRank zu einer Rangvariablen und nicht mehr zum dominanten Faktor werden.

Jetzt ist die SEO-Gemeinschaft in Bezug auf Linkkauf als Strategie gespalten. Ich persönlich glaube, dass Linkkauf suboptimale Ergebnisse liefert und dass die besten Methoden, um Backlinks zu erwerben, auf branchenspezifischen Variablen basieren. Ein legitimer Dienst, den ich empfehlen kann, ist HARO (Help a Reporter Out). Die Möglichkeit bei HARO besteht darin, Backlinks zu erwerben, indem man Medienanfragen erfüllt.

Etablierte Marken mussten sich nie um die Beschaffung von Links kümmern, da sie den Vorteil der Zeit auf ihrer Seite hatten. Je älter eine Webseite, desto mehr Zeit hatte sie, um hochwertige Backlinks zu sammeln. Mit anderen Worten hing ein Suchmaschinenranking stark von dem Alter einer Webseite ab, wenn man die Metrik Zeit = Backlinks berechnet.

Beispielsweise würde CNN aufgrund seiner Marke, seines Vertrauens und weil es bereits hoch gelistet war, natürlich Backlinks für einen Nachrichtenartikel erhalten – Also erhielt es aufgrund dessen noch mehr Backlinks von Menschen, die einen Artikel recherchierten und auf den ersten Suchergebnis klickten, das sie fanden.

Das bedeutet, dass höher eingestufte Webseiten organisch mehr Backlinks erhielten. Leider bedeutete dies, dass neue Webseiten oft gezwungen waren, den Backlink-Algorithmus auszunutzen, indem sie auf einen Backlink-Marktplatz zurückgriffen.

In den frühen 2000er Jahren funktionierte der Kauf von Backlinks erstaunlich gut und es war ein einfacher Prozess. Linkkäufer kauften Links von Webseiten mit hoher Autorität, oft sitewide Footer-Links oder vielleicht auf pro-Artikel-Basis (oft als Gastbeitrag verkleidet), und die Verkäufer, die verzweifelt ihre Webseiten monetarisieren wollten, waren glücklich, zu gefallen – Leider oft auf Kosten der Qualität.

Schließlich verstand der Google-Talentpool von Maschinelles-Lernen-Ingenieuren, dass die Kodierung von Suchmaschinenergebnissen von Hand sinnlos war und dass ein großer Teil von PageRank von Hand kodiert wurde. Stattdessen verstanden sie, dass die KI letztendlich für die vollständige Berechnung der Rangliste mit minimaler menschlicher Einmischung verantwortlich sein würde.

Um wettbewerbsfähig zu bleiben, verwendet Google jedes Werkzeug in seinem Arsenal, einschließlich Deep Reinforcement Learning – Der fortschrittlichsten Art von Maschinellem Lernen im Welt.

Dieses System, das auf Googles Erwerb von MetaWeb aufsetzt, war ein Spielveränderer. Der Grund, warum der Erwerb von MetaWeb 2010 so wichtig war, lag darin, dass er das Gewicht reduzierte, das Google auf Schlüsselwörter legte. Der Kontext wurde plötzlich wichtig, und dies wurde durch eine Kategorisierungsmethode namens “Entitäten” erreicht. Wie Fast Company beschrieb:

Sobald Metaweb herausgefunden hat, auf welche Entität Sie sich beziehen, kann es eine Reihe von Ergebnissen liefern. Es kann sogar Entitäten für komplexere Suchanfragen kombinieren – “Schauspielerinnen über 40” könnte eine Entität sein, “Schauspielerinnen, die in New York City leben”, könnte eine andere Entität sein, und “Schauspielerinnen mit einem aktuellen Film” könnte eine weitere Entität sein.

Diese Technologie wurde in ein wichtiges Algorithmus-Update namens RankBrain eingebaut, das im Frühjahr 2015 gestartet wurde. RankBrain konzentrierte sich auf das Verständnis von Kontexten im Gegensatz zu reinen Schlüsselwörtern und RankBrain würde auch Umgebungskontexte (z.B. Standort des Suchenden) berücksichtigen und Bedeutung dort ableiten, wo es keine gab. Dies war ein wichtiges Update, insbesondere für mobile Nutzer.

Jetzt, da wir verstehen, wie Google diese Technologien verwendet, lassen Sie uns mit Computational Theory spekulieren, wie es gemacht wird.

Was ist Deep Learning?

Deep Learning ist die am häufigsten verwendete Art von Maschinellem Lernen – Es wäre unmöglich für Google, diese Algorithmen nicht zu verwenden.

Deep Learning wird stark von der Funktionsweise des menschlichen Gehirns beeinflusst und versucht, das Verhalten des Gehirns bei der Verwendung von Mustererkennung zur Identifizierung und Kategorisierung von Objekten nachzuahmen.

Beispielsweise erkennen Sie, wenn Sie den Buchstaben a sehen, automatisch die Linien und Formen und identifizieren ihn dann als den Buchstaben a. Das gleiche gilt für die Buchstaben ap, Ihr Gehirn versucht automatisch, die Zukunft vorherzusagen, indem es mögliche Wörter wie app oder apple vorhersagt. Andere Muster können Zahlen, Verkehrsschilder oder die Identifizierung einer geliebten Person in einer Menschenmenge umfassen.

Sie können die Verbindungen in einem Deep-Learning-System als ähnlich zu denen im menschlichen Gehirn betrachten, die durch die Verbindung von Neuronen und Synapsen entstehen.

Deep Learning ist letztendlich der Begriff, der Maschinelles Lernen-Architekturen bezeichnet, die viele mehrschichtige Perzeptrons verbinden, so dass es nicht nur eine versteckte Schicht gibt, sondern viele versteckte Schichten. Je “tiefer” das Deep-Neuronale Netzwerk ist, desto komplexere Muster kann das Netzwerk lernen.

Vollständig verbundene Netze können mit anderen Maschinelles Lernen-Funktionen kombiniert werden, um verschiedene Deep-Learning-Architekturen zu erstellen.

Wie Google Deep Learning verwendet

Google durchforstet die Webseiten der Welt, indem es Hyperlinks (wie Neuronen) verfolgt, die Webseiten miteinander verbinden. Dies war die ursprüngliche Methode, die Google von Anfang an verwendet hat und immer noch verwendet. Sobald Webseiten indiziert sind, werden verschiedene Arten von KI verwendet, um diese Schatzkiste an Daten zu analysieren.

Googles System kennzeichnet die Webseiten gemäß verschiedenen internen Metriken, mit nur minimaler menschlicher Eingabe oder Intervention. Ein Beispiel für eine Intervention wäre die manuelle Entfernung einer bestimmten URL aufgrund einer DMCA-Entfernungsanfrage.

Googles Ingenieure sind berüchtigt dafür, Teilnehmer auf SEO-Konferenzen zu frustrieren, und dies liegt daran, dass Google-Exekutiven nie richtig erklären können, wie Google funktioniert. Wenn Fragen gestellt werden, warum bestimmte Webseiten nicht ranken, ist es fast immer die gleiche schlecht formulierte Antwort. Die Antwort ist so häufig, dass Teilnehmer oft vorab erklären, dass sie sich verpflichtet haben, gute Inhalte über Monate oder sogar Jahre hinweg zu erstellen, ohne positive Ergebnisse zu erzielen.

Vorhersehbar werden Webseitenbesitzer angewiesen, sich auf die Erstellung wertvoller Inhalte zu konzentrieren – Ein wichtiger Bestandteil, aber weit entfernt von einer umfassenden Lösung.

Diese mangelnde Antwort liegt daran, dass die Exekutiven nicht in der Lage sind, die Frage richtig zu beantworten. Googles Algorithmus funktioniert in einer Black-Box. Es gibt Eingaben und Ausgaben – und so funktioniert Deep Learning.

Lassen Sie uns nun zu einer Rangstrafewürfe zurückkehren, die Millionen von Webseiten negativ beeinflusst, oft ohne das Wissen des Webseitenbesitzers.

PageSpeed Insights

Google ist nicht oft transparent, PageSpeed Insights ist die Ausnahme. Webseiten, die diesen Speed-Test nicht bestehen, werden in eine Strafbox geschickt, insbesondere wenn mobile Nutzer betroffen sind.

Was vermutet wird, ist, dass es irgendwann im Prozess eine Entscheidungsbaum gibt, der schnelle Webseiten von langsamen Webseiten (PageSpeed Insights nicht bestanden) trennt. Ein Entscheidungsbaum ist im Wesentlichen ein algorithmischer Ansatz, der die Datenmenge in einzelne Datenpunkte aufteilt, basierend auf verschiedenen Kriterien. Die Kriterien können sein, die Rangliste für mobile Nutzer im Vergleich zu Desktop-Nutzern negativ zu beeinflussen.

Hypothetisch könnte eine Strafe auf die natürliche Rangliste angewendet werden. Beispielsweise könnte eine Webseite, die ohne Strafe auf Platz 5 rangieren würde, eine -20-, -50- oder eine andere unbekannte Variable haben, die die Rangliste auf Platz 25, 55 oder eine andere Zahl reduziert, wie vom KI ausgewählt.

In der Zukunft könnten wir das Ende von PageSpeed Insights sehen, wenn Google mehr Vertrauen in seine KI hat. Diese aktuelle Eingriff auf Geschwindigkeit durch Google ist gefährlich, da sie möglicherweise Ergebnisse eliminieren könnte, die optimal gewesen wären, und sie diskriminiert gegenüber den weniger technisch versierten.

Es ist eine große Anforderung, von jedem, der ein kleines Unternehmen führt, zu verlangen, dass er die Expertise hat, um erfolgreich Speed-Test-Probleme zu diagnostizieren und zu beheben. Eine einfache Lösung wäre, wenn Google einfach ein Speed-Optimierungs-Plugin für WordPress-Nutzer veröffentlichen würde, da WordPress 43% des Internets antreibt.

Leider sind alle SEO-Bemühungen vergeblich, wenn eine Webseite den PageSpeed-Test von Google nicht besteht. Das Risiko ist nichts weniger als das Verschwinden einer Webseite aus Google.

Wie man diesen Test besteht, ist ein Thema für einen anderen Artikel, aber mindestens sollten Sie überprüfen, ob Ihre Webseite den Test besteht.

Ein weiterer wichtiger technischer Metrik, den man sich kümmern muss, ist ein Sicherheitsprotokoll namens SSL (Secure Sockets Layer). Dies ändert die URL einer Domäne von http zu https und stellt sicher, dass Daten sicher übertragen werden. Jede Webseite, die SSL nicht aktiviert hat, wird bestraft. Es gibt einige Ausnahmen von dieser Regel, aber E-Commerce- und Finanzwebseiten werden am stärksten betroffen sein.

Günstige Webhoster verlangen eine jährliche Gebühr für die Implementierung von SSL, während gute Webhoster wie Siteground SSL-Zertifikate kostenlos ausstellen und automatisch integrieren.

Meta-Daten

Ein weiterer wichtiger Aspekt auf der Webseite sind die Meta-Titel und Meta-Beschreibungen. Diese Inhaltsfelder haben eine überproportionale Bedeutung, die so viel zur Erfolg oder Misserfolg einer Seite beitragen kann wie der gesamte Inhalt dieser Seite.

Dies liegt daran, dass Google mit hoher Wahrscheinlichkeit den Meta-Titel und die Meta-Beschreibung auswählt, um sie in den Suchergebnissen anzuzeigen. Und deshalb ist es wichtig, das Meta-Titel- und Meta-Beschreibungs-Feld so sorgfältig wie möglich auszufüllen.

Die Alternative ist, dass Google den Meta-Titel und die Meta-Beschreibung ignoriert und stattdessen automatisch generierte Daten verwendet, die es für mehr Klicks hält. Wenn Google schlecht vorhersagt, welchen Titel es automatisch generieren soll, trägt dies zu weniger Klicks durch Suchende bei und dies wiederum trägt zu verlorenen Suchmaschinenrankings bei.

Wenn Google glaubt, dass die enthaltene Meta-Beschreibung optimiert ist, um Klicks zu erhalten, wird es in den Suchergebnissen angezeigt. Wenn nicht, wählt Google einen zufälligen Textabschnitt von der Webseite aus. Oft wählt Google den besten Text auf der Seite, das Problem ist, dass dies ein Lotteriesystem ist und Google immer wieder schlecht darin ist, zu entscheiden, welche Beschreibung es auswählen soll.

Wenn Sie glauben, dass der Inhalt auf Ihrer Seite wirklich gut ist, kann es manchmal sinnvoll sein, Google zu erlauben, die optimale Meta-Beschreibung auszuwählen, die am besten zur Benutzerabfrage passt. Wir werden uns für keine Meta-Beschreibung entscheiden, da dieser Artikel reich an Inhalt ist und Google wahrscheinlich eine gute Beschreibung auswählen wird.

Inzwischen klicken Milliarden von Menschen auf die besten Suchergebnisse – Dies ist der Mensch-im-Schleife, Googles letztes Feedback-Mechanismus – Und hier kommt das Verstärkungslernen ins Spiel.

Was ist Verstärkungslernen?

Verstärkungslernen ist eine Maschinelles Lernen-Technik, die das Training eines KI-Agenten durch die Wiederholung von Aktionen und assoziierten Belohnungen beinhaltet. Ein Verstärkungslern-Agent experimentiert in einer Umgebung, indem er Aktionen ausführt und belohnt wird, wenn die richtigen Aktionen ausgeführt werden. Im Laufe der Zeit lernt der Agent, die Aktionen auszuführen, die seine Belohnung maximieren.

Die Belohnung könnte auf einer einfachen Berechnung basieren, die die Zeit misst, die auf einer empfohlenen Seite verbracht wird.

Wenn man diese Methode mit einem Human-in-the-Loop-Sub-Algorithmus kombiniert, klingt dies sehr nach bestehenden Empfehlungssystemen, die alle Aspekte unseres digitalen Lebens kontrollieren, wie YouTube, Netflix (NFLX ), Amazon (AMZN ) Prime – Und wenn es sich anhört, wie ein Suchdienst funktionieren sollte, sind Sie richtig.

Wie Google Verstärkungslernen verwendet

Der Google-Flywheel verbessert sich mit jeder Suche, Menschen trainieren die KI, indem sie das beste Ergebnis auswählen, das ihre Abfrage am besten beantwortet, und die ähnliche Abfrage von Millionen anderer Nutzer.

Der Verstärkungslern-Agent arbeitet kontinuierlich daran, sich selbst zu verbessern, indem er nur die positivsten Interaktionen zwischen Suche und geliefertem Suchergebnis verstärkt.

Google misst die Zeit, die es dauert, bis ein Nutzer die Ergebnisseite scannen kann, die URL, auf die er klickt, und die Zeit, die er auf der besuchten Webseite verbringt, und er registriert den Rückklick. Diese Daten werden dann kompiliert und mit allen Webseiten verglichen, die ein ähnliches Daten- oder Benutzererlebnis bieten.

Eine Webseite mit einer niedrigen Aufenthaltsdauer (Zeit, die auf der Seite verbracht wird), wird dann vom Verstärkungslern-System mit einem negativen Wert gefüttert, und andere konkurrierende Webseiten werden getestet, um die angebotenen Ranglisten zu verbessern. Google ist unvoreingenommen, unter der Annahme, dass es keine manuelle Intervention gibt, Google liefert letztendlich die gewünschten Suchergebnisse.

Nutzer sind der Mensch-im-Schleife, der Google mit kostenlosem Daten und wird zum finalen Bestandteil des Deep-Verstärkungslern-Systems. Als Gegenleistung für diesen Dienst bietet Google dem Endnutzer die Möglichkeit, auf eine Anzeige zu klicken.

Die Anzeigen dienen außerhalb der Ertragsgenerierung als sekundärer Rangfaktor, der mehr Daten über das liefert, was den Nutzer zum Klicken bringt.

Google lernt im Wesentlichen, was der Nutzer will. Dies kann losgelöst mit einem Empfehlungssystem eines Video-Streaming-Dienstes verglichen werden. In diesem Fall würde ein Empfehlungssystem dem Nutzer Inhalte anbieten, die auf seine Interessen abgestimmt sind. Beispielsweise könnte ein Nutzer, der regelmäßig romantische Komödien streamt, auch Parodien genießen, wenn sie dieselben Komiker haben.

Wie hilft dies SEO?

Wenn wir mit Computational Thinking fortfahren, können wir annehmen, dass Google sich selbst trainiert hat, die besten Ergebnisse zu liefern, und dies oft durch die Verallgemeinerung und Befriedigung menschlicher Vorurteile erreicht. Es wäre in der Tat unmöglich für Googles KI, Ergebnisse zu optimieren, die diesen Vorurteilen nicht gerecht werden, wenn sie es täte, wären die Ergebnisse suboptimal.

Mit anderen Worten gibt es kein magisches Rezept, aber es gibt einige Best Practices.

Es ist die Verantwortung des SEO-Praktikers, die Vorurteile zu erkennen, die Google in seinem Bereich sucht – Und in diese Vorurteile zu investieren. Beispielsweise sucht jemand, der nach Wahlumfragen sucht, ohne ein Datum anzugeben, wahrscheinlich nach den neuesten Ergebnissen – Dies ist ein Aktualitäts-Vorurteil. Jemand, der nach einem Rezept sucht, benötigt möglicherweise nicht die neueste Seite, und könnte tatsächlich ein Rezept bevorzugen, das den Test der Zeit bestanden hat.

Es ist die Verantwortung des SEO-Praktikers, den Besuchern das zu liefern, was sie suchen. Dies ist die nachhaltigste Möglichkeit, in Google zu ranken.

Webseitenbesitzer müssen aufhören, sich auf ein bestimmtes Schlüsselwort zu konzentrieren, mit der Erwartung, dass sie dem Endnutzer alles liefern können. Das Suchergebnis muss genau den Bedürfnissen des Nutzers entsprechen.

Was ist ein Vorurteil? Es könnte ein Domänenname sein, der wie eine hohe Autorität aussieht, d.h. passt der Domänenname zum Markt, den Sie bedienen? Ein Domänenname mit dem Wort Indien darin könnte USA-Nutzer davon abhalten, auf die URL zu klicken, aufgrund eines Nationalismus-Vorurteils, der Ergebnisse vertraut, die aus dem Land des Nutzers stammen. Ein Ein-Wort-Domänenname kann auch den Anschein von Autorität erwecken.

Der wichtigste Vorurteil ist, was will der Nutzer, um seine Suchabfrage zu erfüllen? Ist es eine FAQ, eine Top-10-Liste, ein Blog-Beitrag? Dies muss beantwortet werden, und die Antwort ist leicht zu finden. Sie müssen einfach die Konkurrenz analysieren, indem Sie eine Google-Suche in Ihrem Zielmarkt durchführen.

Black-Hat-SEO ist tot

Vergleichen Sie dies mit Black-Hat-SEO, einer aggressiven Methode, Webseiten zu ranken, die schädliche SPAM-Techniken ausnutzt, einschließlich Linkkauf, Fälschung von Backlinks, Hackerangriffe auf Webseiten, automatische Erstellung von Social-Bookmarks im großen Maßstab und andere dunkle Methoden, die über ein Netzwerk von Black-Hat-Tools angewendet werden.

Tools, die oft wiederverwendet und auf verschiedenen Suchmaschinen-Marketing-Foren weiterverkauft werden, Produkte mit fast keinem Wert und geringen Chancen auf Erfolg. Im Moment ermöglichen diese Tools es den Verkäufern, reich zu werden, während sie dem Endnutzer minimalen Wert bieten.

Deshalb empfehle ich, Black-Hat-SEO aufzugeben. Konzentrieren Sie sich auf die Optimierung einer Webseite, um Google genau das zu liefern, was es sucht.

Es ist wichtig zu verstehen, dass jeder, der ein Suchergebnis überspringt, um auf ein Ergebnis zu klicken, das weiter unten liegt, der Mensch-im-Schleife ist, der mit dem Deep-Verstärkungslern-System zusammenarbeitet. Der Mensch hilft der KI, sich selbst zu verbessern, und wird mit der Zeit unendlich besser.

Dies ist ein Maschinelles Lernen-Algorithmus, der von mehr Nutzern trainiert wurde als jedes andere System in der Geschichte der Menschheit.

Google verarbeitet 3,8 Millionen Suchanfragen pro Minute im Durchschnitt auf der ganzen Welt. Das entspricht 228 Millionen Suchanfragen pro Stunde, 5,6 Milliarden Suchanfragen pro Tag. Das ist eine Menge Daten, und deshalb ist es töricht, Black-Hat-SEO zu versuchen. Wenn man annimmt, dass Googles KI stagniert, ist töricht, das System nutzt das Gesetz des beschleunigten Fortschritts, um sich exponentiell selbst zu verbessern.

Googles KI wird so mächtig, dass es vorstellbar ist, dass sie eventually das erste KI-System sein könnte, das Allgemeine Künstliche Intelligenz (AGI) erreicht. Eine AGI ist eine Intelligenz, die in der Lage ist, Transfer-Lernen zu verwenden, um ein Feld zu meistern und dann diese gelernte Intelligenz auf mehrere Domänen anzuwenden. Während es interessant sein könnte, Googles zukünftige AGI-Bemühungen zu erkunden, sollte verstanden werden, dass sobald der Prozess in Gang gesetzt ist, es schwierig ist, ihn zu stoppen. Dies ist natürlich spekulativ in Bezug auf die Zukunft, da Google derzeit eine Art von schmaler KI ist, aber das ist ein Thema für einen anderen Artikel.

Wenn man weiß, dass man eine Sekunde länger auf Black-Hat-SEO verschwendet, ist ein Narrenwerk.

Weißes-Hut-SEO

Wenn wir akzeptieren, dass Googles KI sich kontinuierlich selbst verbessert, haben wir keine andere Wahl, als aufzuhören, Google auszutricksen. Stattdessen konzentrieren Sie sich auf die Optimierung einer Webseite, um Google genau das zu liefern, was es sucht.

Wie bereits beschrieben, beinhaltet dies die Aktivierung von SSL, die Optimierung der Ladezeit der Seite und die Optimierung des Meta-Titels und der Meta-Beschreibung. Um diese Felder zu optimieren, müssen der Meta-Titel und die Meta-Beschreibung mit konkurrierenden Webseiten verglichen werden – Identifizieren Sie die gewinnenden Elemente, die zu einer hohen Klickrate führen.

Wenn Sie optimiert haben, um geklickt zu werden, ist das nächste Ziel die Erstellung der besten Landingpage. Das Ziel ist eine Landingpage, die den Benutzerwert so sehr optimiert, dass die durchschnittliche Zeit, die auf der Seite verbracht wird, die Konkurrenz übertrifft, die um die Top-Suchmaschinenrankings kämpft.

Nur durch das Angebot des besten Benutzererlebnisses kann eine Webseite in der Rangliste steigen.

Bisher haben wir diese Metriken als die wichtigsten identifiziert:

• Ladezeit
• SSL aktiviert
• Meta-Titel und Meta-Beschreibung
• Landingpage

Die Landingpage ist das schwierigste Element, da Sie gegen die Welt konkurrieren. Die Landingpage muss schnell laden und alles bieten, was erwartet wird, und dann den Nutzer mit mehr überraschen.

Letzte Gedanken

Es wäre leicht, weitere 2000 Wörter zu füllen, um andere KI-Technologien zu beschreiben, die Google verwendet, sowie tiefer in das Kaninchenloch von SEO zu steigen. Die Absicht hier ist es, die Aufmerksamkeit auf die wichtigsten Metriken zu lenken.

SEO-Praktiker sind so sehr darauf fokussiert, das System auszutricksen, dass sie vergessen, dass am Ende des Tages das wichtigste Element von SEO darin besteht, den Nutzern so viel Wert wie möglich zu bieten.

Ein Weg, dies zu erreichen, besteht darin, wichtigen Inhalt nie alt werden zu lassen. Wenn ich in einem Monat an eine wichtige Beiträge denke, wird es diesem Artikel hinzugefügt. Google kann dann erkennen, wie frisch der Inhalt ist, abgestimmt mit der Geschichte der Seite, die Wert liefert.

Wenn Sie sich immer noch Sorgen machen, Backlinks zu erwerben, ist die Lösung einfach. Respektieren Sie die Zeit der Besucher und bieten Sie ihnen Wert. Die Backlinks werden natürlich entstehen, wenn die Nutzer Wert in Ihrem Inhalt finden.

Die Frage verschiebt sich dann zum Webseitenbesitzer, wie er den besten Benutzerwert und Benutzererlebnis bieten kann.