EEAT Mechanics

Topic affinity: Umsortierung nach den Themen, die jemand verfolgt

Zwei Schemaobjekte deuten auf einen Twiddler, der Ergebnisse an die Interessen eines Nutzers heranrückt. Wie er diese Interessen kennt und wie weit er ein Ergebnis verschiebt, ist unbekannt. Es geht um Personalisierung, nicht um eine E-E-A-T-Regel.

By Thomas Wawra· Published · Version 1.0· Systems referenced: Mustang / SuperRoot etc.

01Was das Schema zeigt

Topic affinity hat zwei Schemaobjekte im Namensraum quality_twiddler: TopicAffinityTwiddlerQuerySignals, die zur Anfrage gehören, und TopicAffinityTwiddlerResultSignals, die zu jedem Ergebnis gehören. RESONEO versteht den Twiddler so, dass er Ergebnisse näher an die Themen rückt, die einen bestimmten Nutzer interessieren, und stellt ihn in dieselbe Familie wie die Twiddler für Frische und wiederholte Anfragen.

Die Objektnamen verraten nicht, woher die Themen des Nutzers stammen, wie stark die Verschiebung ausfällt oder bei welchen Suchen der Twiddler greift. Wie jeder Twiddler empfiehlt er nur; die Entscheidung trifft das Framework in Superroot, der Schicht, die die Antworten von Googles Indizes zusammenführt. Der übergeordnete Artikel zu den Twiddlern beschreibt dieses Framework.

Quelle je Aussage (2)
C
Topic affinity hat Signale auf Anfrageebene (TopicAffinityTwiddlerQuerySignals) und auf Ergebnisebene (TopicAffinityTwiddlerResultSignals) im Namensraum quality_twiddler.[1]
C
RESONEO beschreibt Topic affinity als Twiddler, der Ergebnisse näher an die Themen rückt, die einem Nutzer wichtig sind.[2]

02Was Google über interessenbasierte Ergebnisse sagt

Google nennt diesen Twiddler nirgends. Für Discover, den Feed in der Google-App, beschreibt Google aber eine Auswahl nach Interessen: Discover wählt Inhalte nach den Interessen einer Person und ihrer Web- & App-Aktivität aus. Diese Seite handelt von Discover, nicht vom Ranking normaler Suchergebnisse.

Für die Suche selbst sagt Googles Hilfeseite zur Personalisierung, dass Personalisierung mal die Reihenfolge der Ergebnisse ändert, mal die Reihenfolge von Inhaltsblöcken – etwa Videos über Webseiten für jemanden, der meist Videos schaut. Ob Topic affinity einer der Mechanismen dahinter ist, ist unsere Vermutung, keine Aussage von Google.

Quelle je Aussage (2)
O
„Discover is a part of Google Search that shows people content related to their interests, based on their Web and App Activity.“ Die Aussage betrifft Discover, nicht das Ranking der Suchergebnisse.[3]
O
„Sometimes, personalization changes the order of the search results.“ Laut Google kann Personalisierung auch die Reihenfolge von Inhaltsblöcken ändern.[4]

03E-E-A-T und die Systemkarte

Topic affinity hat keinen E-E-A-T-Bezug. Der Twiddler passt Ergebnisse an die Interessen einer Person an und sagt nichts über Qualität, Expertise oder Vertrauenswürdigkeit einer Seite. Es liegt nahe, ihn mit den Topic Embeddings (System 13) zu verbinden, die messen, wie fokussiert eine Website auf ihr Thema ist. Das ist aber eine andere Frage – sie betrifft die Website, nicht den Nutzer –, und das Schema gibt keinen Hinweis auf eine solche Verbindung. Auf unserer Karte gehört er zur Twiddler-Schicht. Steuern kann ein Websitebetreiber ihn nicht, außer durch Inhalte zu Themen, denen Menschen folgen.

Quelle je Aussage (1)
C
Topic affinity ist eine Personalisierungsregel ohne E-E-A-T-Bezug; sie wird nicht den Topic Embeddings (System 13) zugeordnet, weil das Schema keine solche Verbindung zeigt.[5]

04Quellen

Dieser Deep Dive ist Schicht-2-Content. Er interpretiert das Material und verweist immer auf Schicht 1 zurück, die Referenzebene. Jeder Claim ist einer Quelle zugeordnet, nach Art gekennzeichnet: [A] Unter Eid ausgesagt · [B] Wörtlich aus dem Leak · [O] Von Google dokumentiert · [W] Studie · [S] Auf der Seite nachgesehen · [C] Unsere Einschätzung · [P] Patent.

© Thomas Wawra · Senior SEO Manager · wetter.com — ein Unternehmen von Funke Digital