Zur Optimierung der internen Verlinkung für SEO kann man Gephi als Netzwerkanalysetool nutzen. Hierzu hat Sebastian Erlhofer auf der SEO-Campixx 2016 einen Vortrag gehalten. Es wird zunächst ein schneller Grundkurs in Sachen Netzwerkanalyse gegeben. Dann werden Gephi und ScreamingFrog vorgestellt und als nächstes ein beispielhaftes Experiment gezeigt, was man mit solchen Erkenntnissen alles machen kann.

1. und die Graphentheorie

2. 2

3. Übliche Themen „Interne
Verlinkungsoptimierung“ unter SEOs
3
 Anzahl eingehender Links
 Anzahl ausgehender Links
 Linkjuice-Verteilung/Flow
 Anchortext
 Linkplatzierung
(Kopf, Fuß, Fließtext)
 Thematische Nähe
Qualitative Faktoren Quantitative Faktoren
Häufig aber nur „eingehende
Links“ – ist das alles?

4. Was gibt‘s hier gleich?
Inhalt
 Kleiner Sonntagskurs „Graphentheorie für SEOs“
 Gephi als Tool zur Analyse
 Ein Experiment zur internen Verlinkung
 Ideen für Praxiseinsatz im SEO-Alltag
 Therapiesitzung
4

5. für SEOs

6. Kurze Einführung in die Graphentheorie
 Graph = Knoten und Kanten oder auf schlau: G = (V,E)
 Graph = Netzwerk = Twitter, Facebook-Freunde, Influcencer-Netzwerke,
URLs auf Website, ganze WWW
Jeder bei Google kennt die Graphentheorie, auch jeder SEO? :)
6
A
C
D E
B

7. Graphen – gerichtet und gewichtet
Richtung und Wichtigkeit
7
A
C
D E
B

8. Nachbarn und Pfade
 Nachbarn
 Pfad von C nach D ist p(C,B,D) oder p(C,D)
8
A
C
D E
B

9. Mathematische Abbildung von Graphen
Adjazenzmatrix:
Mathematische Abbildung von Netzwerken für Algorithmen
9
Nur für die mathematisch orientierten SEOs

10. Wie kann man nun
Netzwerktopologien berechnen?
 Lage von Knoten
 Wichtigkeit von Knoten
 Zentralität von Knoten
 usw.
10

11. Indegree Zentralität
Anzahl der eingehenden Kanten
11
0
0
3 2
2

12. Outdegree Zentralität
Anzahl der ausgehenden Kanten
12
2
2
1 0
1

13. Eigenvektor-Zentralitäten (hier PageRank)
 PageRank, CheiRank u.a.
 Wert eines Knoten hängt von den Werten der umgebenden Knoten ab
(nicht nur einfach die Kanten)
Heben bekannte und beliebte Knoten hervor
13
0,1
0,1
0,3 0,4
0,2

14. Betweenness Zentralität
 Sagt aus, wie wichtig dieser Knoten als Verteiler und Durchlauf ist, also
nicht nur Kanten oder Nachbarn, sondern gesamtes Netzwerk!
 Auch schön zu verwenden in sozialen Netzwerken oder als Hubanalyse
(„Was, wenn dieser Knoten wegfällt“)
Gesamtes Netzwerk ist relevant
14
0
0
2 0
0

15. Gephi als Analysetool

16. Download von Gephi
https://gephi.org/
Kostenlos, recht komplex
16

17. Woher Netzwerkdaten nehmen?
 Screamingfrog oder Audisto (Tobias anhauen)
 Twitter, Facebook usw. auch Plugins/Crawler
 Import-CSV mit diesem einfachen Format
(aus Kanten werden Knoten generiert)
17
SOURCE; TARGET; ATTRIBUT1; ATTRIBUT2
url1; url2; hier; follow
url1; url3; dort; follow
url2; url5; Produkte; nofollow
[…]

18. Leere Daten…
18

19. CSV mit Kanten importieren
19

20. Einstellungen… (fehlende Knoten erstellen!)
20

21. Daten drin…
21

22. Hm. Ein Netzwerk.
22

23. Force Atlas Visualisierung und Gewichtung
23

24. Information zu einzelnen Knoten
24

25. Daten, Daten, Daten…
25

26. 26

27. Das SEO-Experiment

28. Häufige Beobachtung
 Man hat ein Schwellenkeyword
 Man schreibt mehr und tolleren Text, nichts passiert
 Man setzt externe Links darauf, wenig passiert
 Man baut Unterseiten, thematisch passend und verlinkt diese vom
Hauptknoten – Boost!
 Was ist passiert?
 Qualitativer Anstieg im Themenschwerpunkt?
 Oder signifikante Änderung im Linkgraphen?
Folgende Taktik funktioniert sehr häufig…
28

29. Experiment mit Testgraph
29
E1K1
E2K1
E3K1
E2K4
E3K9
Brusemuckel
Gruseduk
Trukelbummel

30. Seiteninhalt
 Keyword-Permutation
 KWs immer an gleicher Stelle
 Verlinkung mit 1,2,3
 Keine eingehenden Links
30

31. Graph: Indegree Zentralität
 E2K3
Welches URL ranked am besten?
31

32. Graph: Outdegree Zentralität
 E2K1
Welches URL ranked am besten?
32

33. Graph: PageRank Zentralität
 E2K3
Welches URL ranked am besten?
33

34. Graph: Betweenness Zentralität
 E2K1
Welches URL ranked am besten?
34

35. And the winner is…?
35

36. 36
Betweenness!

37. Ergebnis im Detail
37
E1K1
E2K1
E3K1
E2K4
E3K9
Gruseduk
Trukelbummel
Brusemuckel
Brusemuckel
Gruseduk
Aaaaber: E3-Ebene noch nicht vollständig indexiert (aber besucht)

38. Fazit: Pro & Cons
 Super: Entdeckungszusammenhang:
 Explorieren von Website-Strukturen (auch Wettbewerber)
 Cluster sehen (visuell als Netzwerk und Cluster-IDs)
 Perfekt: Starke Knoten/URLs identifizieren:
 Zentralitäten berechnen und fragen: „soll das so?“
 Schwer: Bei großen Netzwerken:
 Eher Netzwerkanalyse, weniger Knotenanalyse (Segmente nutzen!)
 Cluster sehen (visuell als Netzwerk und Cluster-IDs)
 Hmpf: Viel Hintergrund-Knowhow nötig (schwer in Prozesse zu
integrieren)
 Gar nicht: Netzwerkansicht wie „Navigationsbaum“
 Herausfordernd: Wie externen Linkjuice mit in Graph integrieren…
38

39. Sebastian Erlhofer
erlhofer@mindshape.de