Korrelationsanalyse – Anwendungsbeispiele und Tipps

Dieser Beitrag soll Ihnen einige praktische Anwendungsbeispiele für die Korrelationsanalyse aufzeigen. Zudem wird beschrieben, wie Sie die Analyse am besten durchführen, insbesondere was die Einteilung der Dokumente in Filtergruppen angeht. Wenn Sie zunächst wissen wollen, was eine Korrelationsanalyse überhaupt ist, finden Sie die Antworten darauf in diesem Überblick.

Verschiedene Seitenbereiche miteinander vergleichen

Die Korrelationsanalyse eignet sich gut dafür, verschiedene Bereiche einer Webseite miteinander zu vergleichen. In diesem Abschnitt finden Sie allgemeine Tipps zur Auswahl und Einteilung der Dokumente für eine Analyse.

Vorauswahl der Dokumente

Bei der Korrelationsanalyse ist es wichtig, eine gute Vorauswahl der Dokumente zu treffen, die überhaupt an der Analyse beteiligt sind. Das geht über einen globalen Filter.

Hierbei sollten mindestens die Dokumente ausgeschlossen werden, die gar nicht in der Websuche indexiert sind, z.B. wegen eines Noindex-Tags, wegen der robots.txt oder wegen eines Canonical-Tags. Zum anderen sollten möglichst nur gleichartige Dokumente an der Analyse beteiligt werden. Ist Ihre Webseite zum Beispiel ein Blog, sollten am besten nur Blogartikel, nicht aber Kategorieseiten oder Seiten mit Suchergebnissen für die Analyse verwendet werden.

In einzelnen Fällen kann es sogar sinnvoll sein, Unterseiten die keine oder kaum Impressionen in der Google-Suche generieren, per globalem Filter komplett aus der Analyse auszuschließen. Meist erzielen nämlich solche Kategorie- oder Suchergebnisseiten keine Impressionen in der Websuche. Achten Sie aber darauf, dass Sie nicht fälschlicherweise Seiten ausschließen, die zu den eigentlichen Hauptseiten gehören, die aber lediglich eine extrem schlechte Such-Performance aufweisen.

Je besser Sie unnötige Dokumente aus der Analyse ausschließen, desto aussagekräftiger sind die Ergebnisse, die Sie erhalten.

Ähnlichkeit der Themen

Viele Webseiten widmen sich verschiedenen Unterthemen eines Hauptthemas. Sie könnten zum Beispiel eine Webseite über „Socken“ haben. Ein Teil der Unterseiten widmet sich dabei „roten Socken“, ein anderer Teil den „blauen Socken“.

Möglicherweise erhalten Sie in diesem Fall viele Besucher über die Google Websuche zu den Seiten über „rote Socken“, aber vergleichsweise weniger zu denen über „blaue Socken“. Da liegt es nahe, mit der Korrelationsanalyse zu prüfen, ob es irgendwelche gravierende Unterschiede zwischen den jeweiligen Unterseiten gibt, die für diese Performance-Unterschiede verantwortlich sein könnten.

Grundsätzlich müssen Sie bedenken: die mit der Korrelationsanalyse bestimmten Unterschiede müssen nicht zwingend für die unterschiedliche Performance verantwortlich sein. So kann es zum Beispiel sein, dass es für „blaue Socken“ viel mehr Konkurrenz in den Suchergebnissen gibt als für „rote Socken“. Je unterschiedlicher die Bereiche sind, desto gewichtiger ist dieser Punkt.

Haben Sie beispielsweise Seitenbereiche zu „Osterhase“ und zu „Christkind“, so sind die per Korrelationsanalyse herausgearbeiteten Unterschiede vermutlich nicht sonderlich relevant. Die Themen haben nicht sonderlich viel gemein und so kann es sein, dass es zu einem Thema sehr viel mehr Konkurrenz gibt, als zum anderen. Zum anderen kann es sein, dass Google bei so unterschiedlichen Themen die Onpage-Faktoren anders gewichtet. Was einer Webseite zu einem guten Ranking für das Thema „Osterhase“ verhilft, mag für das Thema „Christkind“ dagegen keine große Rolle spielen. Spätestens seit künstliche Intelligenz eine große Rolle bei der Google Websuche spielt darf man getrost davon ausgehen, dass die Seiten-Faktoren je nach Thema und Suchbegriff ganz unterschiedlich gewichtet werden.

Je thematisch näher sich die verglichenen Seitenbereiche sind, desto höher ist die Chance, dass die herausgearbeiteten Unterschiede tatsächlich für die unterschiedliche Such-Performance verantwortlich sind.

Domainübergreifende Analysen

Auch bei domainübergreifenden Analysen sind die beiden vorgenannten Punkte wichtig. Achten Sie darauf, dass Sie auf beiden Domains eine gute Vorauswahl der Dokumente treffen. Zudem sollten die verglichenen Themenbereiche möglichst genau übereinstimmen.

Gut rankende mit schlecht rankenden Seiten vergleichen

Dank der Integration der Daten aus der Google Search Console können Sie die Unterseiten auch anhand ihrer Performance in der Google Suche gruppieren. Sie können also eine Gruppe von Unterseiten mit guter Such-Performance erstellen und eine Gruppe von Unterseiten mit schlechter Such-Performance. Indem Sie mit Hilfe der Korrelationsanalyse die Unterschiede zwischen diesen beiden Gruppen bestimmen, finden Sie eventuell Hinweise darauf, warum die zweite Gruppe schlechter rankt.

Auch hierbei ist wieder wichtig, was bereits in den vorherigen Abschnitten beschrieben wurde: die Ergebnisse sind aussagekräftiger, je besser die Vorauswahl der Dokumente ist. Wenn Ihre Webseite verschiedene Themenblöcke umfasst, setzen Sie die Vorauswahl der Dokumente so, dass nur eines der Themen abgedeckt ist.

Webseite in Bereiche unterteilen

Doch wie unterteilt man die Unterseiten am besten in gut performende und schlecht performende? Am besten eignen sich hierfür die Search Console Messwerte Impressionen und Klicks. Grundsätzlich ist es auch denkbar, die durchschnittliche Position einer Unterseite heranzuziehen. Das kann jedoch ungenau oder irreführend sein: eine Unterseite, die durchschnittlich an Position 5 gefunden wurde, aber nur 100 Impressionen generiert hat, performt sicherlich schlechter als eine, die durchschnittlich an Position 8 gefunden wurde, dafür aber 10.000 Impressionen generiert hat.

Als Filterkriterium sollte man also entweder Klicks oder Impressionen pro Woche oder Monat verwenden. Die Begrenzung auf einen Tag hingegen ist vermutlich zu ungenau, da die Suchzugriffe je nach Wochentag stark schwanken. Zudem generieren grade kleinere Webseiten an einem einzelnen Tag nicht genügend Impressionen oder Klicks für jede einzelne Unterseite, damit dies aussagekräftig genug für eine solche Analyse wäre.

Im Folgenden werde ich die „Impressionen pro Monat“ als Filterkriterium verwenden. Möchten Sie Klicks, oder einen anderen Zeitrahmen, verwenden, so funktioniert dies analog.

Als nächstes stellt sich die Frage, wie man die Unterseiten am besten gemäß der Impressionen pro Monat aufteilt. Hierbei gibt es kein allgemeingültiges Patentrezept, stattdessen muss man oft sicherlich verschiedene Strategien ausprobieren und schauen, welche die aussagekräftigsten Resultate liefert.

  • Strategie 1: Die Webseite wird in zwei gleich große Bereiche aufgeteilt, wobei jede einzelne Unterseite von Bereich 1 mehr Impressionen generiert als jede einzelne Unterseite von Bereich 2.
  • Strategie 2: Der Bereich 1 enthält die 20% der Unterseiten, die die meisten Impressionen generieren. Bereich 2 enthält die 20% der Unterseiten, die die wenigsten Impressionen generieren. Die restlichen Unterseiten werden bei der Analyse außen vor gelassen.

Bei beiden Strategien enthält Bereich 1 die gut performenden und Bereich 2 die schlecht performenden Unterseiten. Bei der Strategie 1 sind alle Unterseiten der Webseite an der Analyse beteiligt, bei Strategie 2 nur ein Teil. Die Idee hinter Strategie 2 ist, dass man nur die besten und die schlechtesten Seiten nimmt, weil man hofft, dass hier die Unterschiede zwischen den beiden Gruppen am größten ausgeprägt sind.

Diese Strategien kann man weiterhin noch variieren. Für Strategie 1 muss man nicht zwingend zwei gleich große Gruppen erstellen. Stattdessen könnte Gruppe 1 alle Dokumente mit mehr als X Impressionen erhalten und Gruppe 2 alle anderen. X muss dabei möglichst schlau gewählt werden, was in den meisten Fällen in ungleich großen Gruppen resultiert.

Ebenso kann man Strategie 2 abändern, indem man nicht die 20% besten und schlechtesten Unterseiten nimmt, sondern jeweils 10, 15 oder 25%. Auch hier kann man stattdessen fixe Werte verwenden, z.B. alle Unterseiten in Gruppe 1 haben mehr als X Impressionen und alle Unterseiten in Gruppe 2 weniger als Y Impressionen.

Hierbei gibt es also viele verschiedene Möglichkeiten. In manchen Fällen macht es vielleicht sogar Sinn, mehr als zwei Gruppen zu verwenden. Sie können in jedem Fall mit einer einfachen Strategie beginnen und diese dann je nach Ergebnis abändern oder verfeinern.

Gruppengrenzen bestimmen

Egal welche Strategie Sie anwenden wollen, Sie müssen ja auf jeden Fall konkrete Grenzen bestimmen, an Hand derer Sie die Gruppen einteilen wollen. Hierfür können Sie die Domain-Visualisierung von Seolingo verwenden.

Erstellen Sie einfach eine Auswertung, bei der Sie auf der y-Achse die „Impressionen Search Console“ anzeigen lassen und die anderen Dimensionen frei lassen. Sie erhalten dann eine Ansicht, die in etwa aussieht wie die folgende:

Um eine Einteilung der Gruppen gemäß Strategie 1 vorzunehmen, klicken Sie nun ein Dokument in etwa in der Mitte der y-Achse an und schauen, welcher Wert dort für die Impressionen angegeben wird.

Im Beispiel wären das 3366 Impressionen. Mit dieser Information können Sie jetzt die Filtergruppen anlegen. Gruppe 1 enthält alle Unterseiten mit mehr als 3366 Impressionen. Durch Klick auf „Gruppe mit restlichen Dokumenten“ erzeugen Sie danach die Gruppe 2 mit den verbleibdenden Unterseiten.


Jetzt sind zwei ungefähr gleich große Gruppen vorhanden, mit denen Sie die Korrelationsanalyse durchführen können.

Auch für andere oder angepasste Strategien können Sie die Grenzen aus diesem Diagramm ablesen. Zum Beispiel, wenn Sie Strategie 2 anwenden möchten, also die 20% besten mit den 20% schlechtesten Unterseiten vergleichen. Klicken Sie dafür ein Dokument bei etwa 20% der x-Achse an und danach ein Dokument bei etwa 80% der x-Achse. Die Werte können Sie als Grenzen für die Filtergruppen verwenden.

Im Beispiel würden sich daraus zwei Filtergruppen ergeben. Gruppe 1 enthält alle Unterseiten mit mehr als 16777 Impressionen, Gruppe 2 alle Unterseiten mit weniger als 264 Impressionen.

Eine bestimmte Onpage-Kennzahl untersuchen

Möglicherweise sind Sie mit Hilfe der Korrelationsanalyse auf eine Kennzahl gestoßen, bei der Sie vermuten, dass Sie einen großen Einfluss auf das Ranking hat. Mit der Korrelationsanalyse können Sie nun weitere Nachforschungen anstellen und diese Kennzahl genauer unter die Lupe nehmen.

Dafür können Sie eine neue Analyse anfertigen. Statt die Unterseiten an Hand ihrer Suchperformance zu gruppieren, verwenden Sie nun die Onpage-Kennzahl, die Sie genauer untersuchen möchten. Gehen wir beispielhaft einmal davon aus, es handele sich um den Flesch-Wert.

Sie können nun wie im vorherigen Abschnitt beschrieben die Unterseiten an Hand des Flesch-Wertes aufteilen, indem Sie diesen in der Domain-Visualisierung darstellen. So finden Sie geeignete Grenzen für eine Einteilung der Gruppen. Zum Beispiel Gruppe 1: leicht lesbare Dokumente mit einem Flesch-Wert größer 65. Gruppe 2: schwerer verständliche Dokumente mit einem Flesch-Wert kleiner 55.

Wenn Sie nun eine Korrelationsanalyse durchführen, sollten Sie genau auf die Search Console Messzahlen achten. Weichen die Performance-Zahlen der beiden Gruppen deutlich voneinander ab? Dann haben Sie mindestens eine Korrelation zwischen Such-Performance und Flesch-Wert aufgedeckt. Indem Sie den Flesch-Wert der „schlechten“ Gruppe optimieren können Sie testen, ob hier tatsächlich auch eine Kausalität besteht, d.h. ob der Flesch-Wert für die schlechtere Performance verantwortlich ist.

Kommentar absenden

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