Nachdem mit dem zweiten Teil der Serie das Auffinden von Schnittstellen (welches mit dem Um-die-Ecke-Denken etwas Kreativität fordert) beispielhaft beschrieben wurde, soll es nun um synchrone Suchvolumina gehen.

Das mag sich nicht spannend anhören, ist es aber. Denn anhand von synchronen Suchvolumina lassen sich eine Menge Abhängigkeiten ableiten, die für eine Interpretation der Daten sehr wichtig sein können.

[Foto: evali, Addiction, Photocase]

Von der gleichen Sache sprechen

Mit Google Insights for Search lassen sich parallel maximal 5 geeignete Schnittstellen darstellen. Prüft man verschiedene Suchvolumina, lässt sich an einem gleichen Verlauf eine spezielle Korrelation der Suchanfragen ableiten. Beim folgenden Beispiel werden die Begriffe in exakt der gleichen Häufigkeit gesucht. Logisch, denn es handelt sich schließlich um ein und die selbe Sache:

Aber auch bei nicht identischen Suchvolumina können unterschiedliche Suchanfragen das selbe meinen:

Die eindeutige Referenzlinie “Jeanette Biedermann” gibt den Verlauf des Suchvolumens vor. Dass es sich bei “Jeanette” tatsächlich um die Person “Jeanette Biedermann” handelt, ist alleine durch den synchronen Verlauf der Suchvolumina zu erkennen – auch wenn sich diese quantitativ unterscheiden können. Die Herkunft, bzw. Intention einer Suchanfrage kann also durch Vergleiche mit anderen Suchanfragen verifiziert werden. An dem synchronen Verlauf sind identische Motive (auf einen möglicherweise externen Stimulus) erkennbar, die aber unterschiedlich formuliert wurden.

Das Wissen um ein solches Verhalten ist vor allem dann interessant, wenn über die Suchphrase selbst nicht direkt ersichtlich ist, dass es sich hier um die gleiche Sache handelt. Wie im folgenden Beispiel zu sehen ist, wird nach dem Moderator Hugo Egon Balder über den Vornamen, aber auch ausschließlich über den Nachnamen gesucht. Auch wenn die Person nicht bekannt ist, so lässt sich aber am parallelen Suchvolumen eine starke Verwandtschaft erkennen:

Wie nicht anders zu erwarten, kann man bei solchen Vergleichen immer wieder beobachten, dass vermehrt nach den Varianten gesucht wird, die mit weniger Buchstaben zu realisieren sind. Der Mensch ist eben doch faul. Anders sieht das natürlich dann aus, wenn das Ausschreiben der längeren Variante weniger Probleme bereitet oder diese Form bekannter ist:

Bei diesem letzten Beispiel kann man sehen, dass es anhand des Verlaufes schon schwieriger ist, ein Verwandtschaft festzustellen, denn es finden sich nur wenig markante Punkte, die verglichen werden könnten. Außerdem scheinen hier noch ein paar andere Faktoren störend einzuwirken, die man für eine Bewertung herausfiltern müsste (dazu gleich mehr).

Suchanfragen mit gemeinsamen Motiv

Synchrone Suchvolumina können aber auch bei Suchanfragen auftreten, die sich keinesfalls dadurch auszeichnen, dass sie das selbe meinen. Für solche Parallelen können auch indirekte Verbindungen, ein gemeinsames Motiv, verantwortlich sein, so wie es im folgenden Beispiel bei “Steffi Graf” und “Agassi” zu erkennen ist:

Nur, wenn man beide Personen kennt und weiß, in welchem Verhältnis sie zueinander stehen, ergeben diese parallelen Suchvolumina einen Sinn. Nach dem “Um-die-Ecke-denken” gehört das Aufdecken solcher Beziehungen, bzw. die Transformation auf reale Gegebenheiten zur großen Kunst des “Spurenlesens” bei Google Insights for Search.

Horizontaler Vergleich

Bisher ging es in dieser Serie nie um die genaue Größe der Nachfrage, sondern nur um die Kontextierung von signifikanten Suchvolumina-Schwankungen. Google Insights for Search bietet zwar ohnehin keine absoluten Zahlen, für einen prozentualen Vergleich reicht es aber allemal, wie das folgende Beispiel (Marken-Awareness) zeigt:

Wichtig ist bei solchen Vergleichen natürlich immer darauf zu achten, dass es sich wirklich um vergleichbare Suchanfragen handelt.

Vertikaler Vergleich

Je nach Zielvorgabe beginnt ein Suchprozess mit recht generischen Begriffen und wird anschließend in weiteren Fortschrittsstufen verfeinert, komplexer und teilweise sogar umformuliert. Dieser Suchprozess kann mit dem vertikalen Vergleich analysiert werden: Hier werden also nicht konkurrierende Suchanfragen quantitativ verglichen, sondern aufeinander aufbauende Suchanfragen eines Suchprozesses in Relation gesetzt. Das soll im Folgenden anhand eines Beispiels beschrieben werden (Kauf eines Sony-Fernsehers):

1. sony tv
2. sony bravia
3. sony kdl 40
4. sony kdl-40Z4500
5. sony kdl-40Z4500 test

Dieser Vorgang stellt sich bei Google Insights for Search wie folgt dar:

Es lässt sich recht gut erkennen, wie das Suchvolumen im weiteren Verlauf des Suchprozesses abnimmt. Dadurch wird ersichtlich, wie hoch die Quote derer ist, die sich definitiv für das beschriebene Gerät interessieren, bzw. eine Kaufabsicht hegen. Dass die Sony-Makre “Bravia” durch Werbung teilweise so bekannt war (Weihnachten 2008), dass der Umweg über “Sony TV” entfallen konnte, zeigt die folgende Abbildung:

Über diesen Analyse-Ansatz, der ein wenig an eine Funnel-Analyse erinnert, können über einen Vergleich zu anderen Produkten interessante Rückschlüsse auf das Kaufverhalten gezogen werden.

Filterung & Segmentierung

Eine zuverlässige Deutung der Verläufe der Suchvolumina ist nur dann möglich, wenn die Suchanfragen einen eindeutigen Rückschluss auf die Motivation zulassen. Bei doppeldeutigen Suchanfragen kann eine Segmentierung helfen, den verwertbaren Anteil herauszufiltern. Google Insights for Search bietet hier eine automatische Segmentierung an, die über das “Kategorie”-Menü aktiviert werden kann.

Die automatische Segmentierung leistet oft recht gute Ergebnisse. Manchmal ist aber eine manuelle Segmentierung sinnvoll. Im Folgenden soll aufgezeigt werden, wie sich die unterschiedlichen Segmente erkennen lassen:

Betrachtet man sich das Suchvolumen zu “Tour”, ist im Juni ein geringfügiger Anstiegt, im Juli 2009 ein deutlicher Zuwachs zu registrieren. Es stellt sich allerdings die Frage, was die Nutzer über “tour” genau suchen, da die Suchphrase recht doppeldeutig ist. Wirft man einen Blick auf die “Top-Suchanfragen”, erhält man ein paar erste Hinweise, was die Nutzer mit “tour” noch assoziieren könnten:

“Tour” wird im Jahr 2009 vor allem mit der “Tour de France” und der Tour von “Rammstein” verbunden. Schaut man sich die Suchvolumina zu den entsprechenden Suchanfragen an, ergibt sich das folgende Bild:

Bei der Suche nach “tour 2009″ sind immer noch entsprechende Anstiege für beide Ereignisse zu erkennen. Die Nachfrage nach “Rammstein Tour” scheint aber den Anstieg im Juni, die “Tour de France” den im Juli zu erklären. Beide Ereignisse kumulieren sich in den generischen Suchanfragen “tour” und “tour 2009″. Durch eine weitere Differenzierung kann gut erkennbar werden, aus welchen Anteilen sich eine generische Anfrage zusammensetzt. Zu einer ähnlichen Aussage kommt man auch, wenn man die automatische Segmentierung bemüht und nach “Musik” und “Sport” filtern lässt.

Tipp: Bei Verlaufsanalysen ist grundsätzlich die Betrachtung unterschiedlicher Zeitauflösungen der gleichen Suchanfragen zu empfehlen. In Abhängigkeit der Suchanfragen gibt es deutliche Unterschiede in der Interpretationsfähigkeit und Aussagekraft der einzelne Verläufe.

Google Insights for Search bietet offenbar auch nach dem zweiten Blick eine Menge Überraschungen bereit. Mit den hier beschriebenen Informationen kann es dann problemlos in den nächsten Teil der Serie gehen. Dort geht es dann um die Wahrnehmung von TV-Werbespots: Lässt sich über Google Insights for Search nachweisen, ob ein Spot erfolgreich war?