Google AI Overviews auch für die Suche nach Marken - was das bedeutet: SEO im Ohr - Folge 428

00:00:00: Hallo und herzlich willkommen zu einer neuen Ausgabe von SEO im Ohr, eurem SEO Podcast hier auf SEO Südwest wie immer mit den aktuellsten SEO News der Woche.

00:00:28: In dieser Woche haben sich einige interessante Änderungen ergeben auf den Suchergebnisseiten Von Google, das betrifft zum Beispiel die Suche nach Marken.

00:00:40: Da zeigt Google nämlich jetzt auch AI Overviews an und das eröffnet interessante Möglichkeiten aber schafft auch Risiken für die Inhaber der Marke.

00:00:50: Für lokale Suchanfragen sehen die Suchergebnisseiten zumindest in Europa jetzt ein wenig anders aus als vorher.

00:00:58: Google hat seine Empfehlungen für KI-Content erweitert Und es gibt einen neuen Ansatz für Query Fanouts von Google.

00:01:11: All das in dieser Ausgabe von Seehoem Ohr und ich freue mich natürlich sehr, dass ihr dabei seid!

00:01:16: Ja fangen wir mal an mit den AI-Overviews die Google jetzt für die Suche nach Marken anzeigt ja?

00:01:24: Das Interessante ist vor allem, dass in diesen AI Overview auch Quellen erscheinen, die nicht von der Marke selbst stammen.

00:01:33: Chancen für Wettbewerber und diejenigen, die über diese Marken schreiben und berichten.

00:01:40: Wenn man zum Beispiel in Google jetzt nach Adobe sucht dann erscheint dafür auch ein AI Overview und in den Quellen, die dort aufgeführt werden sind eben nicht nur Seiten von Adobe selbst sondern auch zum Beispiel Wikipedia oder auch einen Blog taucht da auf Also auch Markenfremdequellen und das hat dann verschiedene mögliche Konsequenzen.

00:02:09: Zunächst einmal müssen Marken eine zusätzliche Konkurrenz in der Suche für branded queries fürchten, Wettbewerber können versuchen die Darstellung und Wahrnehmung von Marken per AI Overview zu beeinflussen.

00:02:21: Gleichzeitig eröffnen sich Chancen für Wettbetwerber.

00:02:24: sie können nämlich versuchen durch Inhalte über eine Marke selbst genannt werden.

00:02:29: Die Zahl der Impressionen, Nennungen und Klicks aus den AI-Overviews für branded queries die kann für markenfremde Websites steigen.

00:02:37: Und das kann man dann zum Beispiel auch in dem Bericht zu den AI Overviews bzw.

00:02:42: den AI Mode der Google Search Console sehen.

00:02:46: da können nämlich dann auch die impression nach oben gehen.

00:02:50: also das ganze findet statt.

00:02:52: im moment nur für einzelne marken aber es ist auch gut möglich dass google das danach und nach erweitert dann auf zusätzliche marken vielleicht dann auch auf kleinere marken.

00:03:03: Ebenfalls neu auf den Suchergebnisseiten von Google ist die Darstellung für lokale Suchanfragen.

00:03:10: Also das heißt, Zu Ergebnisse, die Google anzeigt für Anfragen mit Bezug zu lokalen Unternehmen oder Dienstleistungen.

00:03:18: Da gibt es jetzt eine interessante Umstellung und zwar gibt es zwei große Bereiche im oberen Abschnitt der Suchergebenesseite.

00:03:27: Einer heisst Unternehmen und einer weitere Websites.

00:03:30: Im Bereich der Unternehmen findet man eine Art Local Pack wenn man es so auch von anderen lokalen Suchern fragen kennt.

00:03:37: Es enthält eine Karte der jeweiligen Region, für die die Ergebnisse angezeigt werden.

00:03:41: So wie drei ausgewählte Anbieter und interessant ist das Google sich selbst als Quelle oberhalb dieser Karte nennt.

00:03:48: Klickt man dann oberhalb der Einträge auf mehr auf Google ansehen, dann gelangt man in den Reiter Orte, indem eine Liste von Anbiezern neben einer großen Karte angezeigt wird.

00:03:59: Dieser Reiter heißt eben interessanterweise Orte und nicht Maps finde ich auch bemerkenswert ja unter dem der Unternehmen auf der Google Surrogame-Seite.

00:04:09: Da folgt dann ein Karussell mit der Überschrift Weitere Websites und klickt man dort in einem der Einträge auf weitere Details, dann öffnet sich ein Layer mit der URL der Website, der Adresse sowie der Telefonnummer.

00:04:24: In oben auf der Suchergebnis Seite gibt es noch die Möglichkeit, die Region zu ändern für die die Sucher Ergebnisse angezeigt werden.

00:04:30: Allerdings gibt es auch nicht für jede Region eine Darstellung wie die ich gerade beschrieben habe.

00:04:34: das war zumindest zum Zeitpunkt des Tests den ich dadurch geführt hat der Fall.

00:04:40: vermutlich Google diese Änderungen im Zusammenhang mit dem Digital Markets Act in Europa durchgeführt.

00:04:46: Google hatte vor der größten Verschlechterung der Suche seit Bestehen von Google gesprochen und erst vor wenigen Tagen hatte Nick Fox von Google das auch bestätigt, in einem Interview und gleichzeitig Kritik an den Vorgaben der EU geübt.

00:05:00: Für Inhaber lokaler Geschäfte wie zum Beispiel Hotels, Restaurants oder anderer Dienstleistungsbetriebe kann sich durch die neue Darstellung auch die Präsenz in Google ändern und deshalb ist zu empfehlen, entsprechende Testzuchen durchzuführen.

00:05:12: Und dann gegebenenfalls zu reagieren.

00:05:20: für die Erstellung von KI-Inhalten vorgenommen.

00:05:25: Darin weist Google jetzt darauf hin, dass generative Modelle keine Fakten abrufen sondern eine Folge von Worten auf Grundlage von Trainingsdaten vorher sagen und deswegen können KI Outputs Fehler enthalten – die sogenannten Haluzitationen.

00:05:40: Es ist deshalb wichtig Faktonchecks von Hand durchzuführen und alle KI-generierten Inhalte auf Richtigkeit und Vertrauenswürdigkeit zu prüfen bevor man sie veröffentlicht.

00:05:50: In seinen Hinweisen zu aktualisierten Dokumentationsschreibt Google, man habe diese Änderung vorgenommen um sie an den Stand der Präsentationen auf Entwicklerkonferenzen anzugleichen.

00:06:00: Und das zeigt wieder einmal es ist in Ordnung KI zum Erstellen von Content zu nutzen allerdings nur dann wenn man auf die Qualität der Ergebnisse achtet.

00:06:07: Das ist jetzt keine besonders neue Erkenntnis aber Es ist, denke ich zumindest mal einen Hinweis wert dass Google das jetzt auch in seiner Dokumentation nochmal entsprechend vermerkt hat.

00:06:21: Ja und dann kommen wir noch zum Thema was eben auch die KI Suche von Google betrifft und zwar die sogenannten Query Fan Outs Das heißt die Anfragen die Google generiert wenn ein Nutzer eine Anfrage stellt Teilanfragen zerlegt.

00:06:39: Und mit Hilfe einer neuen Technologie, dem sogenannten Retrieve for Train kann Google die Qualität von Inhalten, die beim Query Fan-Out im Zusammenhang mit einer Suchanfrage generiert werden nach eigenen Angaben deutlich steigern und das in kürzerer Zeit.

00:06:56: Beim klassischen Query Fanout wird eine vom Nutzer gestellte Suchernfrage automatisch in mehrere verwandte Teilanfragen zerlegt und das Ziel ist es dann ein Stimmiges und sich ergänzendes Gesamtergebnis zu liefern, dass sogenannte Slate anstatt lediglich zehn minimale Abwandelungen des selben Treffers anzuzeigen.

00:07:15: Ein praktisches Beispiel dafür ist die Suche nach einer Camping-Ausrüstung.

00:07:20: Nutzer erwarten in diesem Fall nicht zehn verschiedene vier Personen Zelte, sondern eine zusammenhängende Darstellung bzw.

00:07:26: Eine Zusammenstellung aus Zelt-, Schlafsack-, Campinkocher und Stirnlampe.

00:07:33: Und beim klassischen Fanout gibt es einige Schwachstellen.

00:07:39: zum einen sogenannte paraphrasic collapse.

00:07:43: Das heißt, Standard LLMs sind nicht auf die mathematische Struktur spezifischer Datenbanken optimiert und ohne gezielte Anpassungen leigen sie dazu nahezu synonyme Suchbegriffe zu erzeugen anstatt semantisch unterschiedliche Aspekte zu erkunden.

00:07:58: bei der Eingabe zB von Bohemien Festival Style generieren herkömmliche KI's Redundante Abwandlungen, wie zum Beispiel Bohemian Festival Fashion oder Bohemien Festival Close.

00:08:10: Dadurch entstehen sehr ähnliche Ergebnisse während fachlich relevante Kategorien, wie z.B.

00:08:15: Fransenjacken-Häkelkleider oder Wildlederstiefel unberücksichtigt bleiben.

00:08:20: Dann gibt es auch noch die sogenannten autoregressiven Latentsengpässe – das klingt jetzt alles sehr wissenschaftlich, aber ich erkläre es euch hier ein bisschen.

00:08:28: Und zwar klassische Sprachmodelle erzeugen Text sequenziell und das Token für Token.

00:08:33: um eine komplexe Anfrage sinnvoll zu zerlegen benötigen sie in der Gedankenkette hunderte Zwischentokens und wenn mehrere Untersuch am Fragen parallel verarbeitet werden müssen dann erfordert das eine hohe Rechenleistung.

00:08:47: Unter hoher Auslastung steigen die Antwortzeiten dann auf bis zu fünfzig Sekunden an und für Suchmaschinen wie Google ist das ungeeignet.

00:08:56: Und das Retreat for Train Framework, das funktioniert so – es verlagert nämlich den rechenintensiven Denkprozess vollständig aus der Echtzeit-Suche in eine einmalige Offline-Training Phase.

00:09:10: Das System gliedert sich in drei Schritte, zum einen Training des Sprachmodells, das sogenannte Fan-Out LN Training.

00:09:19: Ein Sprachnodell wie zum Beispiel GEMMA III, IVB oder auch QUENIII wird mittels Reinforcement Learning trainiert und genau zehn Subqueries pro Anfrage sollen dann erzeugt werden.

00:09:31: Und die Bewertung erfolgt über ein mathematisches Belohnungssystem, dass mehrere Faktoren dann miteinander ausgleichen.

00:09:38: Zum einen Die sogenannte Groundedness, also die Verankerung in der Datenbank.

00:09:43: Sie stellt sicher das für jedes Subquery einen real existierenden Eintrag vorhanden ist.

00:09:51: Die Diversity oder Vielfalt sorgt dafür dass eine breite semantische Streuung gegeben ist und das Alignment oder Ausrichtung verankert die Subqueries an der ursprünglichen Nutzeranfrage um ein Abdriften des Themas zu verhindern.

00:10:07: Im zweiten Schritt der Synthese von Trainingsdaten erstellt das eingefrorene optimierte Sprachmodell Offline Paare aus ursprünglicher Anfrage und dem Zielset.

00:10:19: Und im dritten Schritt, das ist das Training des Diffusion Retrievers lernt ein kompaktes diffusion Modell aus Parametern Query Embeddings in einem einzigen nicht autoregressiven Durchgang direkt auf einen vollständiges Set von Zielembeddings abzubilden.

00:10:38: Wenn ihr jetzt demnicht komplett folgen konntet was ich durchaus verstehen könnte, weil ehrlich gesagt ich müsste jetzt auch nochmal nachhaken.

00:10:47: Empfehle ich euch den Beitrag auf SEO Südwest noch mal zu lesen.

00:10:51: da gibt es das Ganze noch einmal erklärt und auch mit einer illustrienden Grafik und ich will es hier nicht zu ausschweifig machen aber ich möchte euch dann konkret beschreiben wie dieses Modell funktioniert bzw welche Vorteile sich daraus ergeben.

00:11:11: Wenn ein Nutzer eine Suchanfrage stellt, dann kommt das große Sprachmodell aus der Trainingsphase gar nicht mehr zum Einsatz.

00:11:17: Und der zeitintensive Denkprozess wurde im Offline-Training bereits vollständig in das sogenannte Diffusion Modell übersetzt und der Fanout-Prozess läuft bei einer Live-Anfrage dann in drei schnellen Schritten ab.

00:11:30: Im ersten Schritt wird die Suchan Frage des Nutzers zuerst in einen mathematischen Vektor, so genanntes Query Embedding umgewandelt.

00:11:39: nimmt dieses kleine Diffusion-Modell das Query Embedding entgegen und erzeugt in einem einzigen Durchgang direkt ein komplettes Set von Zielembeddings, weil das Modell direkt auf Vektorebene arbeitet.

00:11:51: Erzeugt es dann keine einzelnen Texttalks und benötigt erst dann auch keine Zwischenschritte.

00:11:55: Und im dritten Schritt dann beim direkten Datenbankabruf wird mit den erzeugten Zielembeddings auf die Vektor-Datenbank zugegriffen und dann die entsprechende Treffer herausgeholt.

00:12:07: Ja, und der Vorteil ist das System erzielte eine zwölf bis zwanzigfache Beschleunigung gegenüber herkömmlichen autoregressiven Ansätzen und Stadtlatents von nahezu fünfzig Sekunden antwortete das Modell in einer Spanne von unter einer Sekunde bis zu wenigen Sekunden.

00:12:24: Und was hat das Ganze jetzt mit SEO oder Geo zu tun?

00:12:26: Welche Auswirkungen gibt es da?

00:12:28: also Webseiten, die für die im Hintergrund generierten Subqueries ranken.

00:12:32: Die haben bessere Chancen als Quelle in den Google AI Overviews oder auch im AI Mode zitiert zu werden und es gewinnen solche Webseite an Sichtbarkeit die ein Thema in der Tiefe abdecken, also die Topical Authority bieten und alle beziehungsweise möglichst viele relevante Facetten beantworten.

00:12:52: Und weil sich mit dem neuen Retrieve for Train Ansatz auch die erzeugten Subqueries ändern muss das in der Seostrategie und den bereitgestellten Inhalten der Websites berücksichtigt werden.

00:13:03: Die meisten von KI-erzeugten subqueries haben kein klassisches monatliches Suchvolumen im Keyboard Tools.

00:13:11: Seostrategien müssen sich deshalb an typischen Intensionsmustern wie zum Beispiel vergleiche Spezifikationen, Nachweis von IAT oder auch bestimmten Use Cases orientieren anstatt an festen Suchbegriffen.

00:13:23: Da sieht man also auch, wie sich so das ganze Setting von der klassischen SEO ein bisschen verlagert wenn auf die KI blickt und er dann so in Richtung Geo schaut.

00:13:34: Ja, also wie gesagt wenn euch das jetzt im ersten Rutsch ein bisschen zu komplex kompliziert war, zu viele Fachbegriffe, dann geht es euch wie mir als ich das erste Mal gelesen habe und ich empfehle euch einfach nochmal den Artikel nachzulesen auf SEO Südwest.

00:13:49: Dann wird's hoffentlich ein bisschen Klarer.

00:13:52: Ja und damit möchte ich mich auch schon wieder von euch verabschieden, wir wären durch für diese Ausgabe und ich hoffe natürlich sehr dass es für euch wieder etwas interessantes gab.

00:14:03: und wenn ihr Kritik habt oder Feedback geben wollt dann freue ich mich über jede Reaktion von euch freue mich natürlich auch wenn ihr diesen Podcast hier liked bewertet abonniert was auch immer Und vor allem, wenn ihr das nächste Mal auch wieder dabei seid bei der nächsten Ausgabe von Seeho im Ohr.

00:14:22: Ja und jetzt wünsche ich euch einfach eine gute Zeit!

00:14:25: Und freue mich dann, wenn wir uns das nächste mal wieder hören.

00:14:28: Tschüss bis dahin euer Christian.