Hängen Impressionen und Klicks in der Search Console zusammen?

Vor der Einführung des Updates vom August 2024 habe ich die Daten meiner Website zu GA4 durchgesehen. Nun, für diejenigen, die sich gut auskennen: Es ist allgemein bekannt, dass SERP-Positionen über Wochenenden sinken, die an den folgenden Wochentagen jedoch sofort wiederhergestellt werden.

Es gibt einige weit verbreitete Theorien, die versuchen, dieses SERP-Verhalten zu erklären. Allerdings kann keine davon als endgültige Erklärung angesehen werden. Mit größter Neugier machte ich mich daran, das zu tun, was ich am besten kann: Ich schaue mir die Daten an und schaue, ob es etwas gibt, das es wert ist, gefunden zu werden.

Aber bevor ich in den Kaninchenbau eintauche, in dem ich ein paar Wochen verbracht habe, möchte ich erklären, warum ich getan habe, was ich getan habe.

Der Wochenend-Dip

Alle GA4-Leistungsdiagramme sehen in den meisten Nischen in etwa so aus (wenn das bei Ihnen nicht der Fall ist, sagen Sie uns Bescheid). Als würde man einen organischen Puls über den Zeitraum einer ganzen Woche nachahmen.

Zunächst sieht es so aus, als ob die CTR und die Impressionen aufgrund des Rückgangs der organischen Suchabsicht sinken. Sie werden den Eindruck haben, dass am Wochenende weniger Leute Ihre KWs durchsuchen.

Du bist jedoch nicht der Einzige. Ich bin auch davon ausgegangen, dass das der Fall ist.

Ich begann, dies in Frage zu stellen, nachdem mir aufgefallen war, dass der Rückgang nicht konstant bleibt, sondern mit der oberen Verkehrsgrenze an Wochentagen zunimmt.

Als meine Website beispielsweise montags 500 Zugriffe verzeichnete, sank der entsprechende Traffic am Samstag auf unter 200. Betrachten Sie das als einen Rückgang von rund 60 % an den Wochenenden.

Als der Traffic am Montag jedoch auf 800 stieg, stieg auch der Traffic am Wochenende auf etwa 320. Dies spiegelt den Rückgang um 60 % wider, führte aber insgesamt zu mehr Klicks und Impressionen.

Wenn der Rückgang am Wochenende nur auf das Nutzerverhalten zurückzuführen ist, wie kann dieser Rückgang um 60 % konstant gehalten werden? Ich meine, sollte das Benutzerverhalten nicht dynamischer und unberechenbarer sein?

Es war an der Zeit, sich tatsächlich damit zu befassen.

Laut SEJ ist die Erklärung für dieses SERP-Verhalten ein Fehler im Suchalgorithmus. Unter der Annahme, dass dies der Fall ist, wurde dieses Verhalten von vielen gemeldet. Die Untätigkeit von Google gegenüber diesem sogenannten „Bug“ erscheint etwas seltsam.

GA4-Daten deuten auf etwas noch Seltsameres hin

Nun ist es bei weitem nicht erschöpfend, einen Fall auf der Grundlage einer einzelnen Website zu formulieren. Also habe ich meine Kollegen nach ihren GA4-Daten gefragt.

Zunächst einmal arbeiten sie alle in der gleichen Nische und erlebten wenig überraschend den gleichen Wochenendrückgang. Allerdings variierten die Rückgangsprozentsätze zwischen Wochentag und Wochenende. Aber die Grafik war da und zeigte das gleiche Muster.

Wie sich zeigt, sanken bei allen von mir analysierten sechs Websites die durchschnittlichen Positionen ihrer Top-Inhalte an Wochenenden. Nun stellt sich die brennende Frage: Welcher Faktor ist die Ursache für den geringeren Verkehr? Ein Rückgang des organischen Suchvolumens? Oder eine Erhöhung der durchschnittlichen Position?

Vor diesem Hintergrund begann ich, Korrelationsstatistiken für die Impressionen und durchschnittlichen Positionen am Wochenende und an Wochentagen zu erstellen, um zu sehen, ob das Suchvolumen tatsächlich geringer war oder ob der Inhalt an Wochenenden herabgestuft und an Wochentagen wieder erhöht wurde.

Ich habe für die sechs Websites Verkehrs- und durchschnittliche Positionsdaten für Montag und die folgenden Samstage erfasst. So sieht die Korrelationssteigung für vier der Standorte aus.

Diese vier Websites zeigten eine negative Korrelation zwischen Impressionen und durchschnittlichen Positionen basierend auf denselben Daten zu denselben Daten. Was zu erwarten ist, denn numerisch gesehen sinken die Werte, wenn sich die Positionen verbessern.

Die Seltsamkeit beginnt, wenn wir die größeren Websites unter den 6 analysieren. Hier sind die größeren 2,

Sehen Sie den Aufwärtstrend? Dies bedeutet, dass Positionen und Eindrücke positiv korrelieren. Das bedeutet, dass die Impressionen mit zunehmender Position zunehmen (niedrigere Ränge auf SERP). Es gibt absolut keine gute Erklärung, die ich dafür liefern kann. Ganz zu schweigen davon, dass es dem gesunden Menschenverstand widerspricht.

Um sicherzugehen, habe ich die Korrelationsstudie auf einer der kleineren und einer der größeren Websites mit Daten aus diesem Jahr (24. Januar – 24. Juli) durchgeführt. Die Pisten bleiben bestehen, wie Sie bereits sehen können. Die kleinere Site folgt der logischen Konvention der negativen Korrelation.

Andererseits zeigt die größere Site eine positive Korrelation, was bei der größeren Datenmenge wiederum keinen Sinn ergibt.

Nehmen Sie weg von den Daten

Das habe ich also gefunden. Selbst in derselben Nische und bei scheinbar ähnlichem Verkehrsverhalten können Trends in entgegengesetzte Richtungen gehen.

Ich hatte gehofft, ein paar Antworten zu bekommen, aber stattdessen blieb ich mit dieser Abscheulichkeit der Datenanalyse und noch lächerlicheren Fragen zurück. Kann jemand erklären, wie eine Website mehr Impressionen erzielen kann, wenn sich ihre Ränge verschlechtern?

Noch wichtiger ist die Frage, wie eine organische Kennzahl wie das Nutzerverhalten dazu führt, dass sich Menschen so konsistent verhalten, dass die Einbrüche am Wochenende anhalten, unabhängig von der Veränderung des Datenverkehrs.

Erklärungen

Zum Generieren dieser Diagramme habe ich die exportierten CSV-Dateien von GA4 verwendet. Nachdem ich einige Datenbereinigungen aus den Massenexporten durchgeführt hatte, führte ich ein Python-Skript aus, um die Daten zunächst in benutzerdefinierten Datenrahmen zu organisieren. Aus diesen Daten wurden die Korrelations- und Regressionsdiagramme erstellt.

Verwendete Python-Module:

 import pandas as pd from sklearn.linear_model import LinearRegression import matplotlib.pyplot as plt import seaborn as sns from scipy.stats import pearsonr

Abgesehen von den angegebenen Modulen und Datenquellen wurden keine weiteren Datenmanipulationen am Originaldatensatz vorgenommen.

Datenpunkte:

Ich habe Impressionen vs. Durchschnitt verwendet. Positionsvergleich, um die Korrelation zwischen ihnen zu finden. Die Datenpunkte sind Montag und Samstag im Monat Juli. Darüber hinaus habe ich für die großen Standorte die Impressions- und durchschnittlichen Positionsdaten von 2024 von Januar bis Juli verwendet.

Geheimhaltungsvereinbarung:

Wie Sie bemerkt haben, enthalten die Diagramme keine Referenzmarkierungen auf der Achse. Dies dient dazu, die von meinen Kollegen bereitgestellten Daten vertraulich zu halten. Wenn jemand die Daten aus erster Hand einsehen möchte, muss er der Unterzeichnung einer Geheimhaltungsvereinbarung zustimmen.

Ansonsten ist dies das Beste, was ich für diesen Fall liefern kann.

Einpacken

Dieses kleine Experiment erhebt eigentlich keine nennenswerten Ansprüche. Es zeigt sich jedoch, dass es Unstimmigkeiten bei der Pflege des Suchalgorithmus durch Google gibt. Das Fehlen einer Erklärung für das Verhalten am Wochenende und das völlige Ignorieren des Problems lassen mich skeptisch sein, was die Prioritäten bei Search angeht.