Der Kunde ist vor Ihrer Haustüre

11,533 views
11,704 views

Published on

Lokale Suche von den Basics bis hin zu technischen Hintergründen für Rankings und Algorithmen vom Local Search & Maps Produktmanager von Yahoo! Europa und Bing Deutschland.

Published in: Education
0 Comments
6 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
11,533
On SlideShare
0
From Embeds
0
Number of Embeds
7,526
Actions
Shares
0
Downloads
0
Comments
0
Likes
6
Embeds 0
No embeds

No notes for slide

Der Kunde ist vor Ihrer Haustüre

  1. 1. 1Der Kunde ist vor Ihrer HaustüreFrank Fuchs – Valopex Consulting(April 26, 2013)
  2. 2. 2Nichte am Telefon: ”Wer bist’n du?”
  3. 3. 3Marketing ManagerRobert Bosch S.p.A. - MailandProduct Manager – E-CommerceLycos Europe - MünchenProduct ManagerLocal Search & Maps / Y! AnswersYahoo! – München / LondonProduct Manager BingWeb-Search, Local Search & MapsMünchenOnline- Produkt & Marketing Beraterbei Valopex & Co-Founder Ypeas.com- MünchenGeboren in München,aufgewachsen in Niederbayern,lebt & arbeitet in München.Frank Fuchs
  4. 4. 4Erst mal ein paar Zahlen?
  5. 5. 597% of consumers searchfor local businesses online.https://www.google.com/business/placesforbusiness/free-features/
  6. 6. 6More than 20% of desktopsearches on Google are related tolocation. On mobile, this climbs to40% percent.http://googleblog.blogspot.de/2011/10/ads-are-just-answers.html
  7. 7. 7Mobile Internet Nutzunga• 61% with a smartphone, 37% a netbookand 22% a tablethttp://www.accenture.com/SiteCollectionDocuments/PDF/Accenture-Mobile-Web-Watch-Internet-Usage-Survey-2012.pdf
  8. 8. 8http://www.forbes.com/sites/connieguglielmo/2012/12/04/mary-meekers-must-read-interent-trends-report-says-android-phone-uptake-bests-apple/Global mobile traffic.Mobile traffic represented13% percent of allInternet traffic this year, upfrom 4% in 2010 and 1% in2009.
  9. 9. 9Mobile Video GrowthTo put that into context, the 15 billion videostreams measured in Q4 /201211 times more than allmovie ticket sales in 2012.http://success.adobe.com/assets/en/downloads/briefs/13926_di_mobile_video_v15.pdf
  10. 10. 10Lokale Suchmaschinenoptimierung?
  11. 11. 11Lokale Suchmaschinenoptimierung?
  12. 12. 12TIL(TodayILearned): Kurt Cobain killed himself onemonth after Justin Bieber was born.Zu wenige Datenpunkte – wenig Trust – Gefahr von falschenSchlußfolgerungenhttp://en.wikipedia.org/wiki/Correlation_does_not_imply_causation
  13. 13. 13George Edward Pelham Box (October 18, 1919 – March 28, 2013) was a British mathematician and Professor of Statistics at theUniversity of Wisconsin, and a pioneer in the areas of quality control, time series analysis, design of experiments and Bayesianinference.George E. P. BoxEssentially, all models are wrong,but some are useful.
  14. 14. 14Die Basics“Du kannst keine Postkarte an einenPOI senden.”
  15. 15. Was lokales SEO nicht ist15‣ PayPerClick• Bezahlte Anzeigen‣ Ergebnisse aus derShopping Suche• Bezahlte Anzeigen‣ “Normale” organischeErgebnisse• Kostenlos! ;)Abgrenzung zu anderen SEM MaßnahmenPPCPPCSEO
  16. 16. Was lokales SEO ist16‣ “Normale” organischeErgebnisse‣ Lokale SuchergebnisseSEOLocal SEOAbgrenzung zu anderen SEM Maßnahmen
  17. 17. Was lokales SEO ist17‣ PayPerClick• Bezahlte Anzeigen‣ Lokale Suchergebnisse• In der Lokalen bzw.Maps- SuchePPCLocal SEOAbgrenzung zu anderen SEM Maßnahmen
  18. 18. Was lokales SEO hat - lokalen Bezug18‣ Standortbezug ist derSchlüssel• User Eingabe• IP Adresse• WLAN Hot Spots• Implizit/Explizit• …StandortAbgrenzung zu anderen SEM Maßnahmen
  19. 19. 19Wann & warum werden lokaleErgebnisse angezeigt?
  20. 20. 20Wie sieht eine Suchanfrage aus?Viele „unsichtbare“ Einstellungen, wie Land, Sprache, Safe-Search-Level, Location, Tageszeit, Anzahl der Wörter in derQuery (Longtail vs. Navigational – Index) usw. werdenübergeben und führen zu angepassten SERPS.Keyword: hotel
  21. 21. 21Wann erscheinen lokale Ergebnisse?http://en.wikipedia.org/wiki/Web_query_classificationSuchanfragen – Einstufung – Query Classification•Query : „Pizza Plattling“ – Hoher Score für „Local Intent“ >> LokaleSuchergebinsse werden eingeblendet•Query: „Alan Webb “ – Kein/Geringer Score für „Local Intent“ >> keineEinblendung von lokalen Suchergebnissen.
  22. 22. 22Lokale SuchmaschinenoptimierungUmfasst alle Maßnahmen, die der Steigerung von Qualitätund Quantität der Besucher dienen, deren Suchanfrageneinen lokalen Bezug enthalten (Explizit) oder einen solchenvermuten lassen (Implizit).
  23. 23. 23Vorgehensweise (Lokales) SEO
  24. 24. Das Fundament24Ohne solide Vorbereitung ist SEO/SEM wie ein Tourist inLondon ohne StadtplanSuchbegriffe findenKonkurrenzSuchergebnis-AnalyseTargetUmsetzung“Spielen” mit den SuchbegriffenWas machen meine “Marktbegleiter”?Schwächen & Lücken gefunden?Strategie formulieren, abstimmen und Taktiken umsetzen.
  25. 25. 25Wie und wo finde ich die passendenSuchbegriffe/Keywords?
  26. 26. Suchbegriffe/Keywords finden26‣ Google, Microsoft &Yahoo!• Kostenlose Tools‣ Bing /Google Suggest‣ Block & Stift &HirnschmalzWelche Begriffe benutzen Kunden, um nach meinerDienstleistung zu suchen?
  27. 27. 27Keyword- undMarktbegleiter- Analyse
  28. 28. 28Ohne lokale ListingsPPCSEO PPC
  29. 29. 29Mit lokalen ListingsSEOLocal SEO
  30. 30. 30Wenig KonkurrenzLocal SEOSEO
  31. 31. 31Mehr KonkurrenzLocal SEOPPC
  32. 32. Die besten Suchbegriffe/Keywords32Welche Eigenschaften sollten ideale Keywords besitzen?HohesSuchvolumenViele Suchanfragen im Monat.WenigKonkurrenz“Schwache” Seiten in denTop 10Hoher MehrwertHoher Anteil der Besucher wirdzu Kunden.123Das idealeKeyword
  33. 33. 33Aber ich mag doch/verkauf dochkeinen Fisch
  34. 34. 34cc www.flickr.com/base10/Aber ich mag keinen Fisch!Keiner bestellt Fisch
  35. 35. Suchbegriff & Passender Inhalt35Wo die Magie passiertMAGIESuchbegriffZeigt Informationsbedürfnis desNutzer auf. Fakten, Konsum,Unterhaltung, Format, Ort, Zeitetc.Passender InhaltDeckt Informations–Unterhaltungs- Konsumbedürfnisdes Nutzers
  36. 36. 36Kreative Inhalte/Lösungen - woimmer möglich
  37. 37. 37Kreative Inhalte/Lösungen - woimmer möglich
  38. 38. 38Der Mensch-Faktorcc www.flickr.com/base10/
  39. 39. 39http://en.wikipedia.org/wiki/Ebbinghaus_illusion
  40. 40. Firmeneinträge, Local SERP Qualität?40Empfundene versus “berechnete” Relevanz
  41. 41. Firmeneinträge, SERP Qualität?41Empfundene versus berechnete RelevanzSuchbegriff: Abakus
  42. 42. Firmeneinträge, Local SERP Qualität?42Empfundene versus “berechnete” Relevanz
  43. 43. 43Die erhobenen Daten, werden alsSeed Sets fürMachine Learning AlgorithmenverwendetFrei zugängliche Beispiel Seed Sets http://archive.ics.uci.edu/ml/
  44. 44. Firmeneinträge, SERP Qualität?44Machine-Learning Algorithmen – Basis ist in der Regel ein Seed-Setvon Daten mit hoher QualitätSeed Set
  45. 45. 45Die Erde ist (k)eine Scheibe.“Bei Google bin Ich ja schon drin”
  46. 46. Firmeneinträge (Citations)46‣ Firma in relevanteVerzeichnisse eintragen• Identische Daten• Vollständig• Professionelle Bilder• Treffende Kategorie &Suchbegriffe Brancheneinträge CitationsErst über viele Fundstellen entsteht Trust = Besseres Ranking
  47. 47. Firmeneinträge (Citations)47Erst über viele Fundstellen mit identischem Inhalt entsteht Trusthttps://www.google.de/search?q=Firma+Name+Stadt+Telefonnummer
  48. 48. Firmeneinträge,Citations, Kommentare48Erst über viele Fundstellen mit identischem Inhalt entsteht Trusthttps://www.google.de/search?q=Firma+Name+Stadt+”Telefonnummer”
  49. 49. Firmeneinträge,Citations, Kommentare49Wer nicht wagt/fragt der nicht gewinnt – "Empfehlen Sie uns gerneweiter"Restaurant DREIGUThttp://blog.kennstdueinen.de/
  50. 50. 50Wo sollte/muss ich gelistet sein?
  51. 51. Firmeneinträge,Citations, Kommentare51Ypeas Scanner analysiert Datensätze der top Player im Markthttp://bit.ly/13bpDSt
  52. 52. Firmeneinträge,Citations, Kommentare52Auf der Scanergerbnisseite Player Detailansicht (www.ypeas.com/)
  53. 53. 53Citations finden Suchmaschinen nichtnur in Branchenbüchern
  54. 54. Citations aus dem Web54Bewertungen / ReviewsViele Quellen – mit unterschiedlichem Trust‣ Diverse Quellen• Bewertungen inBranchenverzeichnissen• Blogposts & DiverseWebsites / Locationextraction• Kalendereinträge• Anrufe / 0800 / USA
  55. 55. 55Citations interpretieren & Bewerten
  56. 56. Kommentare aus dem Web56Bewertungen / ReviewsSemantische Sentimentanalyse‣ 114 Bewertungen willkeiner lesen‣ Bing sagt dazu• Bing categorizes thecommon themes inuser reviews so you canquickly see strengthsand weaknesses andthen decide whatsimportant.http://de.wikipedia.org/wiki/Sentiment_Detection
  57. 57. Kommentare aus dem Web57Bewertungen / ReviewsSemantische Sentimentanalyse‣ Sentiment„The food was fantastic, sowe had to wait very longfor the service. TheCalzones were heavenly,the pasta however wasoverdone and tastedstale.“http://de.wikipedia.org/wiki/Sentiment_Detection
  58. 58. 58Citations “Mülltrennung”
  59. 59. 59‣ Junk Analyse von Texten (Wert 0-265)JUNK Einstufung – Im folgenden beispielhaft ein mehrstufigerFilter & drei entsprechende Penalties bei niedrigen Scores‣ > 78 Sterne Wertung wird ignoriert‣ > 99 Sentiment zu typischen Eigenschaften werden ignoriert‣ > 172 Die Bewertung wird ignoriert (sie bleibt aber in der Regelim Index und wird weiter angezeigt)‣ Unschärfen bei Ironie, Slang, Dialekt etc.‣ Basis für Score sind u.A. bekannte linguistische Methoden, wiez.B. die Reading Level Analysehttp://en.wikipedia.org/wiki/Flesch%E2%80%93Kincaid_readability_testDen Reading Level Analyse finden Sie z.B: als Funbktion bei MS Word
  60. 60. 60Feynmans Restaurant Problemwww.feynmanlectures.info/exercises/Feynmans_restaurant_problem.html
  61. 61. 61D = √2(M+1) - 1Richard Feynman und Ralph Leighton hatten das Problem wenn Sie insRestaurant gingen, zu entscheiden, ob Sie dasGericht bestellen sollten, das Ihnen bis jetzt ambesten geschmeckt hat oder etwas neues zuprobieren.
  62. 62. 62Feynmans restaurant problemwww.feynmanlectures.info/exercises/Feynmans_restaurant_problem.htmlThe goal is to maximize the average total ratings of thedishes/listings you display/eat in M searches/meals(where M is less than or equal to N).D = √2(M+1) - 1
  63. 63. 63Suchmaschinen “rotieren” Ergebnisse.So können Sie “lernen” ob dem Nutzer Gericht/Resultat 12 ggf. doch bessermundet als Gericht/Resultat 1
  64. 64. Nochmal zum Mitschreiben64Eine Vorher vs. Nachher Betrachtung BasicsSuchbegriffeSuchergebnis-AnalyseKonkurrenz-AnalyseAus dem Bauch – Ich kenne meineFirma/Kunden am bestenDer MenschFaktorNach der Recherche – “Des häd I niaglaubt, auf was für Sachen diekommen”FirmeneinträgeCitationsAus der subjektiven Erinnerung – dieErgebnisseiten sind (fast) immergleich.Die Suchmaschine – “reagiert” aufSignale wie Ortsnamen oder IP-Adressen – mit speziellen Inhalten.Aus dem Bauch - Der Huber ist undbleibt ein Idiot.“Schau na o den Hund” der fragtjeden Kunden nach einem Kommentar.Google rechnet doch alles aus mitderen AlgorithmenGerade im Local Search Umfeld nutzenSuchmaschinen menschliche Reviewsals “Lern-Futter” für die Algorithmen.Bei Google bin ich drin, also passt dochalles?Seit alle Einträge und alle Datenaktuell sind, findet man uns nicht nurweiter oben sondern auch überallVorher Nachher
  65. 65. 65@babasavefrank@valopex.comwww.valopex.comFrankFuchs

×