Google findet Teilen gut?! Eine empirische Studie zum Einfluss von Facebook-Shares und Co. auf das organische Ranking von Suchmaschinen

Christin Hildebrandt, Christina Schumann & Jens Wolling (TU Ilmenau)

PLENUM B (Best Papers)| Zeit: FR 11:00 – 12:30 | Ort: Presseclub Concordia Saal

> Download Präsentation

Die Forschung zu digitalen Kommunikationsprozessen schenkt zunehmend dem Fakt Beachtung, dass soziale Kommunikation im Netz nicht ‚nur‘ zwischen Menschen stattfindet, sondern auch durch ‚technische Akteure‘ wie Softwarecode bzw. Algorithmen geprägt ist (Heise, Dreyer, Schmidt, Johnsen & Deterding, 2013; Schmidt 2009). In diesem Zusammenhang wird die Bedeutung eines breiteren Wissens zur Frage, wie Code bzw. Algorithmen in die Kommunikationsprozesse eingreifen, gefordert (=Code Literacy, Heise, et al. 2013).

Die gesellschaftlich wie wirtschaftlich betrachtet wohl höchste Relevanz besitzen nach wie vor die Algorithmen von Suchmaschinen: Sie werden als Gatekeeper des Internets bezeichnet (Schweiger, 2004; Machill, Neuberger, Schweiger & Wirth, 2003; Wolling, 2002), weil sie darüber ‚entscheiden‘, welche Netzinhalte zu einer bestimmten Suchanfrage präsentiert und den Suchenden innerhalb ihrer Suchergebnisliste weit oben angezeigt werden und dadurch Relevanz suggerieren.

Über die Funktionsweise von Suchmaschinen und die Kriterien, durch die eine Website möglichst weit oben in den Suchergebnissen einer Suchmaschine aufgeführt wird, ist mittlerweile einiges bekannt (z.B. Düweke & Rabsch, 2012; Hamacher, 2010; Bischopnick & Ceyp, 2009; Glöggler, 2008). Seit einiger Zeit wird nun vermutet, dass auch Kommunikation in sozialen Netzwerken ein wichtiges Rankingkriterium sein könnte (Searchmetrics, 2012;
SEOmoz, 2011). In erster Linie wird angenommen, dass sogenannte Social Signals die Positionierung verbessern. Social Signals sind „Links, die durch Empfehlungen aus sozialen Netzwerken entstehen“ (Schiff, 2013).

Der Beitrag setzt bei dieser Vermutung an und widmet sich folgenden Forschungsfragen:

Welchen Einfluss haben Social Signals auf das Ranking von Webseiten in den organischen Suchergebnissen von Suchmaschinen?  

FF1: Unterscheidet sich der Einfluss von Social Signals verschiedener sozialer Netzwerke (Facebook, Twitter, Google+)

FF2: Wie stark ist der Einfluss von Social Signals im Vergleich mit anderen Ranking-Kriterien?

Die Beantwortung dieser Fragen ist methodisch anspruchsvoll, weil Algorithmen als neue, relevante ‚Akteure‘ im Kommunikationsprozess weder befragt (bzw. ihre Programmierer keine Auskunft geben würden), noch inhaltsanalytisch untersucht, noch direkt beobachtet werden können. Einem Großteil des sozialwissenschaftlichen Methodenspektrums sind sie damit nicht zugänglich. Es ist aber – zu einem gewissen Grad – möglich, ihre Funktionsweise in einer experimentellen Untersuchung zu prüfen. Die methodischen Herausforderungen bestehen hier erstens in der Manipulation der unabhängigen Variablen, sprich, der (vermuteten) Rankingkriterien und zweitens der ‚Erstellung der Experimentalteilnehmer‘, die in diesem Fall keine realen Personen sind, sondern Test-Webseiten.

Im Beitrag werden die Ergebnisse zweier Experimente vorgestellt, die sich diesen methodischen Herausforderungen stellen: Dazu wurden gezielt Social Shares in den Netzwerken Twitter, Facebook und Google+ variiert (keine Betrachtung von Likes oder Kommentaren). Zur Ermittlung der Platzierung (abhängige Variable) wurde die Suchmaschine Google fokussiert.

Für beide Experimente wurden jeweils Test-Webseiten angelegt, für die Social Shares aus den unterschiedlichen Netzwerken erzeugt wurden. Jedes Experiment bestand aus drei Experimentalgruppen (Facebook, Google+, Twitter) und einer Kontrollgruppe (keine Social Shares). Damit ergibt sich folgendes Untersuchungsmodell:

hilde

Abb. 1: Untersuchungsmodell

Ziel von Experiment 1 war es, unter Ausschluss möglichst vieler Störfaktoren den Einfluss von Social Signals zu testen (hohe interne Validität). Die Testseiten wurden daher auf das fiktive Keyword ‚Savennenkatze‘ optimiert, d.h. dass keine anderen, bereits existierenden Seiten bei einer Suche nach Savennenkatze angezeigt werden. Experiment 2 hingegen untersucht den Einfluss der Social-Signal-manipulierten Seiten in direkter Konkurrenz zu anderen Webseiten (hohe externe Validität). Hierfür wurden Seiten angelegt, die auf das existierende Keyword ‚Studentenwohnung‘ optimiert wurden, zu dem bei einer Suche in der Trefferliste die Testseiten in Konkurrenz mit anderen Seiten stehen.

Jeder Testseite wurden Social Shares nach folgendem Muster zugewiesen:

Experiment  1                                                              

25 Social Shares von…                                             
Facebook  → www.savennenkatze1.de             
Google+      → www.savennenkatze2.de            
Twitter        → www.savennenkatze3.de            
Kontrollseite: www.savennenkatze.de               
 

Experiment 2

60 Social Shares von…
Twitter        → www.studentenwohnung-online1.de
Google+      → www.studentenwohnung-online2.de
Facebook → www.studentenwohnung-online3.de
Kontrollseite: www.studentenwohnung-online.de
 

Die Generierung von Social Shares erfolgte über reale Personen, die gezielt in den drei sozialen Netzwerken angesprochen wurden. Die Personen wurden nach der Matched-Pairs-Methode aufgeteilt: In jeder Experimentalgruppe waren damit statistische Zwillinge hinsichtlich erstens der Anzahl an Freunden bzw. Followern sowie zweitens der durchschnittlichen Aktivität im Netzwerk enthalten, da vermutet wird, dass die Social Shares von besonders aktiven Personen mit vielen Verbindungen von den Suchmaschinen stärker berücksichtig werden (=hohe Nutzerautorität; Enge, Spencer, Stricchiola & Fishkin, 2012). Die Durchführung der Experimente erfolgte von Januar bis Anfang März 2013. In diesem Zeitraum wurden kontinuierlich Shares von den Netzwerkusern auf die entsprechenden Seiten verteilt. Der Rankingverlauf der Seiten wurde durch den ‚Keywordmonitor‘ (wöchentliche Auswertung) sowie durch das Plugin ‚SEO SERP Bench‘ (tägliche Auswertung) aufgezeichnet.

Im Beitrag werden die Rankingverläufe der beiden Experimente dargestellt und Veränderungen interpretiert. Zusammenfassend zeigen die Ergebnisse beider Experimente einen positiven Zusammenhang zwischen den Social Shares und den Positionen der Testseiten in den Suchergebnissen. Bezüglich der Wirkung der einzelnen Netzwerke konnten keine eindeutigen Ergebnisse festgestellt werden. Im Vergleich mit real existierenden Konkurrenzseiten – und somit weiteren Rankingkriterien – scheinen Social Signals einen vergleichsweise geringen Einfluss zu haben. Methodische Limitationen der Experimente werden diskutiert.

Bischopnick, Y. & Ceyp, M. (2009). Suchmaschinen-Marketing: Konzepte, Umsetzung und Controlling. Berlin: Springer.
Düweke, E. & Rabsch, S. (2012). Erfolgreiche Websites: SEO, SEM, Online-Marketing, Usability. Bonn: Galileo Computing.
Enge, E., Spencer, S., Stricchiola, J. & Fishkin, R. (2012). The Art of SEO. Mastering Search Engine Optimiziation (Theory in Practice, Bd. 2). Sebastopol (USA): O’Reilly Media.
Glöggler, M. (2008). Suchmaschinen im Internet: Funktionsweisen, Ranking Methoden, Top Positionen. Berlin: Springer.
Hamacher, T. (2010). Suchmaschinenmarketing: Neue Marketing-Strategien für kleine und mittlere Wettbewerber. Marburg: Tectum Verlag.
Heise, N., Dreyer, S., Schmidt, J., Johnsen, K. & Deterding, S. (2013, Mai). Code Literacy – Verstehen, was uns online lenkt. Workshop auf der re:publica 13, Berlin. http://re-publica.de/sessions/code-literacy-verstehen-was-uns-online-lenkt. 
Machill, M., Neuberger, C., Schweiger, W. & Wirth, W. (2003). Wegweiser im Netz: Qualität und Nutzung von Suchmaschinen. In M. Machill & C. Welp (Eds.), Wegweiser im Netz: Qualität und Nutzung von Suchmaschinen (S. 13–490). Gütersloh: Verlag Bertelsmann Stiftung.
Schiff, D. (2013). Social SEO: Unternehmer-Ratgeber zu Social Media, Google, SEO & SEM. Heidelberg, München, Landsberg, Frechen, Hamburg: bhv.
Schweiger, W. (2004, 05. Oktober). Was haben Suchmaschinen mit Massenmedien zu tun? Medienstrukturen, Publikumsverhalten und Informationsfreiheit. Medienheft. http://www.medienheft.ch/index.php?id=14&no_cache=1&tx_ttnews[tt_news]=356&cHash=4294813fbbd3a9d9021244831714620a. 
Searchmetrics. (2012). SEO Ranking Faktoren für Google Deutschland 2012. http://www.searchmetrics.com/de/services/whitepaper/seo-ranking-faktoren-deutschland/. 
SEOmoz. (2011). 2011 Search Engine Ranking Factors. http://moz.com/article/search-ranking-factors/2011. 
Wolling, J. (2002). Suchmaschinen – Gatekeeper im Internet. Medienwissenschaft Schweiz (2). http://www.wolling.de/pdfs/wolling_suchmaschinen.pdf. 
> zurück zum Programm ‘Digital Methods’