Swimmers Body Illusion im SEO

Heute Teil drei meiner neuen Reihe über Denkfehler, erklärt anhand von SEO Beispielen. Begonnen habe ich mit der Sunk Cost Fallacy im SEO, danach kam die Survivorshop Bias.

Diesmal geht es um die Swimmers Body Illusion im SEO.

Was genau ist die Swimmers Body Illusion? Leider habe ich kein Video gefunden, daher gibt es nur, in kurz, die textuelle Erklärung.

Professionelle Schwimmer haben muskulöse, elegante Körper. Im Vergleich zu Radprofis oder Bobdybuildern ist dieser oft natürlicher und in sich stimmiger. Daher ist der Gedanke nahe, Schwimmen wäre die perfekte Sportart um einen schönen Körper zu bekommen. Doch dies ist falsch. Denn der Umkehrschluss ist korrekt: Um ein guter Schwimmer zu sein, benötigt man bereits einen guten Körper.

Wir verwechseln also Resultat und Selektionskriterium.

Korrelationsstudien falsch interpretiert

Der Klassiker: die Korrelationsstudien der Rankingfaktoren. Jährlich herausgegeben von Searchmetrics (Rankingfaktoren 2015) und oft, in ähnlicher Form, genutzt von anderen Toolherstellern, Agenturen oder SEOs.

Gerade in den ersten Jahren wurden die Studien leider von vielen falsch verstanden und Korrelation mit Kausalität verwechselt, besonders im Bezug auf Social Signals. Laut den Studien gab es eine hohe Korrelation zwischen guten Rankings und Social Signals wie Facebook Shares oder Likes. Daraufhin entstanden gefühlt hunderte Blogposts über die Social Signals, die offensichtlich der Erfolgfaktor und essentiell für gute Rankings sind. Falsch.

korrelation

Aus weniger Ehen resultieren weniger Tote durch Ertrinken?

Wer bekommt die meisten Social Signals? Doch der, der auch bekannt (somit erfolgreich) ist. Ein Platz 1 Ranking hilft da durchaus. Und wer im SEO gut ist, wird sicherlich auch das Thema Social (gut) behandeln können und hat somit eine Menge Social Signals.

Glücklicherweise ist dieser Irrtum in der SEO Szene nun langsam vorbei und die Studien werden etwas anders betrachet. Diese sind natürlich sinnvoll (danke an SM an dieser Stelle), aber grundsätzlich bietet es sich an sämtliche Daten zu hinterfragen und genau zwischen Korrelationen und Kausalität zu unterscheiden.

Update: Searchmetrics hat dazu auch noch einen kleinen Artikel veröffentlicht, dort wurde dieses Jahr das erste Mal die Grafik verändert um den falschen Schlussfolgerungen vorzubeugen: Artikel

Analyse von Google Updates

Zur täglichen SEO Arbeit gehört es sich über Google Updates zu informieren und (hoffentlich) diese auch selbst zu analysieren. Dabei ist man für die Schwimmer Body Illusion ein leichtes Ziel. Im grundsätzlichen Vorgehen analysiert man zunächst die Gewinner und Verlierer und sucht nach Gemeinsamkeiten.

Die Auswahl der Domains ist jedoch entscheidend. In einem frühen Pinguin Update wurden mehrere Gewinner Domains auf Gemeinsamkeiten untersucht und schnell war eine gefunden: Die Domain braucht Links von Universitäten.

Der entscheidene Fehler bei der Analyse: Es wurde eine große Anzahl Uni-Domains analysiert. Diese haben selbstverständlich Links von anderen Unis. Dies bedeutet jedoch nicht, dass Uni-Links entscheidend für die Verhinderung der Pinguin Abstrafung sind. Zudem haben Uni-Domains natürlich noch etliche weitere Faktoren, die sie für solche Updates unempfindlich machen.

Was lernen wir daraus?

Zunächst passt wieder der bekannte Spruch: Traue keiner Statistik, die du nicht selbst gefälscht hast (angeblich von Churchill). Gemeint ist damit: Hinterfrage jede Statistik. Dies beginnt direkt bei der Auswahl an Daten. Einige Beispiele:

  • Ist die Menge an Datenpunkten groß genug?
    90% Weiterempfehlung auf Basis von 20 Befragten ist wenig aussagekräftig
  • Sind die richtigen Datenpunkte ausgewählt?
    90% Weiterempfehlung ist nicht schwer, wenn man nur langjährige Bestands-Kunden befragt
  • Sind die richtigen Schlussfolgerungen gezogen?
    “Das Produkt ist perfekt” wäre die falsche Schlussfolgerung. “Unsere Bestands-Kunden sind sehr zufrieden mit dem Produkt” passt dagegen eher

Analysen jeder Art lassen sich hinterfragen. Nur weil ein Artikel auf moz.com gepostet wurde, ist die Analyse nicht automatisch korrekt durchgeführt und die Schlussfolgerung richtig. Oft werden längere Analysen mit hunderten Wörtern und ein paar schönen Grafiken ohne große Rückfragen gelobt und deren Fazit in der Szene schnell verbreitet. Nehmt euch eine Minute Zeit und denkt kurz über die Datenauswahl und Methodik der Analyse nach und entscheidet dann, ob ihr dem Ergebnis vertraut. Und im Zweifel: Testet einfach mal selbst.