Content-Optimierung: Wie Shops, SEOs und Verlage in die Datenfalle tappen

Dank der Unermüdlichkeit, mit der Google seinen Algorithmus updatet, spricht es sich allmählich herum - sogar Onlinemarketing-Dienstleister erkennen nun, was schon immer naheliegend und menschlich war: Menschen suchen keine Werbebotschaften, sondern Inhalte, die sie interessieren. Die Gnadenlosigkeit mit der Weltplatzhirsch Google seine Suchmaschine auf Content ausrichtet, hat einen gewaltigen Markt für Inhalte geschaffen, den Dienstleister mit verschiedenen Buzzwords anzuzapfen versuchen: Content Marketing, Content Driven Advertising  , Searched Content Advertising  .

Dabei zeigt sich ein neuer Trend; er verspricht Anbietern von Inhalten - vorneweg Verlagen und Shops und anderen Publishern - den Heiligen Content-Gral in Form der perfekten Inhalte. Datenanalyse, Automatisierung und eine Prise SEO sollen den relevantesten Inhalt ermitteln, der die Zielgruppe in Scharen auf die Webseiten führt.

• Dazu sollen Suchanfragen, Social Media, Newsseiten und alle anderen möglichen Datenquellen angezapft werden
• Aus den Daten wird extrapoliert, wonach die Zielgruppe gerade sucht
• Entsprechend des vorherrschenden Interesses in der Zielgruppe wird der Inhalt erstellt und optimiert
• So soll datengestützt relevanter Content entstehen, der möglichst viel Traffic auf die Seite holt

Beispiele für eine solche datengestützte Inhaltsproduktion kommen vermehrt auf:

• Die datengestützte Erstellung von Inhalten ist Trend der Stunde im Performance-Marketing (siehe iBusiness-Analyse): Auf Basis dieser am häufigsten gesuchten Keywords werden bestehende Inhalte überprüft, zielgruppenspezifisch angereichert und kanalübergreifend verteilt. Aber auch neue Themen werden dadurch identifiziert. Beim Agenturverbund UDG   beispielsweise heißt diese Leistung Searched Content Optimization und wird als analytisch gestützter Mix aus SEO und Content-Marketing beschrieben.
  
• Auch das Content Marketing Institute   legt nahe, mittels Big Data zu identifizieren, was die Zielgruppe umtreibt, um Konversionen zu stärken, Awareness zu erzeugen und Kunden zu binden.
• Auch im Publishing-Sektor treten Bestrebungen auf, durch Datenanalyse Themen zu gewinnen. Das beginnt beim Social-Media-Monitoring und setzt sich fort im Datenjournalismus, der versucht, Geschichten aus Daten zu stricken - eine neuere Ausprägung ist der Roboterjournalismus, der automatisiert Nachrichten erstellt, indem er Datenkolonnen zu Artikeln umschreibt. Mit Sportberichten etwa geht dies bereits verblüffend gut (siehe iBusiness-Analyse Roboter-Journalisten, Computer-Texter und Maschinen-Marketer).

Für die Contentproduktion mittels Datenanalysen gibt es bei webgestützten Geschäftsmodellen vor allem drei denkbare Anwendungsfelder:

• Content-Seiten wie Zeitungen, Magazine, Blogs und Co. können so Themen recherchieren und abbilden.
• Shops können Service-Texte rund um Produkte generieren, die Nutzerinteressen bedienen. Steigt um das Oktoberfest das Interesse nach Dirndln mit hohem Schneewittchen-Kragen könnte ein Anbieter ein Wiesn-Lexikon veröffentlichen, das einen besonderen Schwerpunkt auf Trachten mit ebendiesem Zuschnitt legt.
• SEOs können es als Tool zur Content-Recherche und Optimierung nutzen.

Soweit, so verführerisch. Doch das ist nur der oberflächliche Eindruck.

Fallstricke: Wieso Datenanalyse ein gefährlicher Content-Ratgeber sein kann

Tatsächlich hat die analytische Contentoptimierung, nennt man sie nun Big Data, Content Driven Marketing oder Searched Content Optimization, einige strategische Fallstricke eingebaut, die nicht ohne Risiko sind.

1. Rückwärts in die Vergangenheit
Massenhaft Daten wie etwa Suchanfragen zu analysieren, um daraus Content für Shops oder Medien zu gewinnen, ist nur die technische Überhöhung eines uralten Mechanismus - nämlich auf Nummer sicher zu gehen und Content entsprechend der Nachfrage anzubieten. Datengesteuerte Contentoptimierung liefert zwar scheinbar Themen, über die die Zielgruppe redet - aber wie diese Themen nun adressiert werden, steht auf einem anderen Blatt. Eine Webseite kann aufregenden Content produzieren, der eine neue Sicht eröffnet - oder schlicht in nichtssagenden Texten Keywordstuffing betreiben, eine Taktik, die Blackhat-SEO-Pfade beschreitet.

2. Nachfrageorientierte Produktion treibt die Inflation und verhindert das Agenda-Setting

Gerade für Contentportale gilt: "Sobald eine Nachricht kommuniziert ist, hört sie auf Nachricht zu sein", sagt Christoph Kappes, Geschäftsführer des Beratungsunternehmens Fructus  . Sobald eine Information bekannt ist, verliert sie den Nachrichtenwert, trage ich die bereits bekannte Info weiter, wird sie noch wertloser. "Medien bedienen Bedürfnisse wie Identitätsbildung, sie formen Wahrnehmung, indem sie Informationen in ein Konzeptsystem einordnen", sagt Kappes. Bedeutet: Die Leistung der Bildzeitung   liegt weniger darin, dass sie Neuigkeiten verbreitet, sondern für die Leser die vorliegenden Nachrichten einordnet (quasi: 'Das ist gut, das ist böse'). So etwas leistet ein Analyseverfahren nicht. Es treibt nur die Nachrichteninflation voran, indem es Seiten animiert noch mehr Content zu bereits gegenwärtigen Themen zu produzieren. Neue Themen zu setzen, also ein Gut in Umlauf zu bringen, das noch nicht der Inflation ausgesetzt wurde, geht mittels Datenauswertung nicht - es ist kein Tool für Agendasetting, das Setzen neuer Themen.

3. Analyse vernachlässigt Geschäftsmodelle
"Die Messbarkeit fördert den Mechanismus, Themen nach Klickzahlen zu setzen", so Kommunikationsexperte Robert Rudzok vom Dienstleister für Online-Reputationsmanagement Social Web Sherpas  . "Die häufig geklickten Themen landen oben auf einem Nachrichtenportal. Allerdings ist das eine trügerische Währung, denn sie sagt wenig über wirkliches Engagement oder Interesse der Leser aus." Analysiert ein Contentportal also beliebte Themen und bedient sie, so handelt es seine Ware Information ausschließlich in Klickzahlen - es tut nichts für Abonnements, Registrierungen oder andere Wege der Monetarisierung.

4. Selbstabschaffung der Content-Dienstleister
"Themenimpulse rein nach Analyse zu setzen, macht die Masse der Nutzer zum Gatekeeper des Infostroms. Sie entscheidet, was veröffentlicht wird", sagt Robert Rudzow. Damit fallen die wertschöpfenden Leistungen der Redaktionen weg, wie etwa Trend-/Agendasetting. Redaktionen schaffen sich selbst ab. Und Shops, die stur nach Analyse des Suchinteresses Content liefern, laufen Gefahr, alle Formen von Nachfrage zu ignorieren, die nicht in den Daten stehen - zum Beispiel kommende Bedürfnisse, neue aber noch nicht niedergeschriebene Modetrends und so fort.

5. Daten erlauben keine objektiven Schlüsse

"Durch Datenanalyse relevanten Content zu gewinnen hat ein grundlegendes Problem", sagt Professor Michael Bürker, geschäftsführender Gesellschafter von Commendo  , einer Agentur für Unternehmenskommunikation. "Wer mehrere Messtools miteinander vergleicht, wird feststellen, dass sie häufig völlig unterschiedliche Ergebnisse liefern. Es wäre riskant, sich auf diese - wenig validen - Daten zu verlassen." Die Folge sollte sein, gleich mehrere Analysetools einzusetzen und ihre Ergebnisse zu vergleichen, "Doch das geschieht in der Praxis äußerst selten", so Bürker. Doch selbst wenn man den aus den Daten gewonnenen Ergebnissen glaube und etwa ein großes Interesse der Zielgruppe nach roten Krawatten feststelle: "Was bedeutet das denn? Welche Schlüsse zieht man daraus? Wollen die Mediennutzer rote Krawatten kaufen? Gehört das Produkt in mein Portfolio? Sollte ich Texte zum Thema publizieren? Oder wollen die Nutzer kulturgeschichtliche Informationen zu roten Krawatten? Wollen sie gar welche verkaufen? Die richtigen Schlüsse aus den Daten zu ziehen, ist - neben den methodischen Schwierigkeiten - eine weitere Herausforderung."

Ebenso stellt sich die Frage nach der Herkunft und der Qualität der Daten für eine Analyse: Welchen Dateninput soll man nutzen?

Content basierend auf Datenanalyse zu optimieren ist also ein Tool, das Gefahren birgt. Damit soll weder gesagt sein, dass es komplett nutzlos ist. Noch soll gesagt sein, dass alle Dienstleister das Tool Datenanalyse zur Contentoptimierung bedenkenlos einsetzen und auf eine hinterlegte, übergreifende Strategie verzichten. Doch genau darauf kommt es an: Datengestützte Contentoptimierung ist ein Tool und keine Strategie.

Trendthermometer: Auf welchen Geschäftsfeldern die datengestützte Contentoptimierung funktioniert

Die Datenanalyse verschafft Erkenntnisse über operative Tatbestände: Wonach suchen Nutzer aktuell? Dieses Modell hat für unterschiedliche Geschäftsmodelle unterschiedliche Relevanz.

Trendtemperatur: kalt

Contentportale - Zeitungen, Verlage, Blogs, Magazine Bestehende Suchaufkommen zu analysieren und die Themen abzudecken ist allenfalls die Grundlage für die eigentliche Wertschöpfung: Sind die Themen identifiziert, kommt es darauf an, ihnen einen eigenen Dreh zu geben. Contentportale benötigen entweder eigene neuartige Themen, die sich der Analyse verschließen: Diese muss nach wie vor ein Redakteur ermitteln. Oder sie geben bestehenden Themen eine eigene Tonalität, die zum Markenprofil der Seite passt - man erzählt bekannte Dinge auf unbekannte Weise. Das Fußballportal 11freunde.de   etwa liefert Sportinfos, die stets in einem markanten, humoristischen Tonfall gehalten sind und wegen ihres Unterhaltungswertes sogar von Fußballskeptikern gerne gelesen werden. Solche Wertschöpfung kann keine Analyse leisten. "Ohne eigene Ideen läuft man sich ebenso tot wie mit einer reinen Angebotsorientierung - also einer Strategie, die ausschließlich auf ausgefallene, neuartige Inhalte setzt, für die es noch gar keine Leserschaft gibt", meint Michael Bürker. Idealerweise bedienen Contentportale Erwartungen und schaffen zugleich Biotope für inhaltliche Experimente - und zwar beides auf eine Weise, die den eigenen Markenkern schärft. Dies entzieht sich dem Vermögen eines Algorithmus.

Trendtemperatur: warm

Shops Bei einem statischen Produktsortiment kann die Analyse helfen, die Artikel stets im Licht der aktuellen Interessenlage zu beleuchten: In welchem Kontext sucht man aktuell nach Schuhen? Rein praktisch, weil das Wetter schlecht ist - oder unter modischen Aspekten, weil eine bestimmte Art Schuh angesagt ist? Die Analyse kann auch auf Lücken im Sortiment aufmerksam machen oder die Spezialisierung eines Longtailers präzisieren. Insgesamt erscheint das Potenzial höher als bei Contentportalen, da die Inhalte nicht im Mittelpunkt stehen, sondern an Produkten aufgehängt sind, die einen eigenen Wert haben und das Feld E-Commerce klare Geschäftsmodelle hat - anders als der Handel mit Content.

Trendtemperatur: lau

SEO Als Tool zur Keywordrecherche ist die Datenanalyse Rüstzeug für den SEO. Inwiefern hier Searched Content Analyse Neues bringt erscheint nicht nur fraglich - tendenziell führt es sogar zurück in die Vergangenheit der rein technischen Überoptimierung (siehe iBusiness-Analyse 13 Eigenschaften, an denen sie eine schlechte SEO-Agentur erkennen). Der Wert technisch getriebener Content-Optimierung schwindet in einer Zeit, da der SEO zwar technisches Rüstzeug braucht, aber immer mehr Marken-Botschafter mit ganzheitlichem Onlinemarketing-Blick wird. Auch hier gilt es immer mehr, Marken durch neue Inhlatsimpulse zu erschaffen, statt nur Nachfragen - sei es die eines Googles oder eines Nutzers - mechanisch zu bedienen.

Die Zukunft des Publishings: Wann Algorithmen eigene Themen setzen werden

Die Karten werden neu gemischt werden, wenn Algorithmen und semantische Analysen mehr können, als nur gegenwärtiges Interesse abbilden. Spannend wird es, wenn sie Themen selbst recherchieren können, die noch gar nicht explizit im Web existieren - also aus Daten herauslesen können, wofür sich Nutzer interessieren, ohne dass diese es explizit schreiben. Oder wenn sie in der Lage sind, komplexe Sachverhalte einzuordnen, so wie es heute ein fachkundiger Kommentator tut. "Datenlastige Nachrichten zu verfassen, wie etwa Sportberichte und Börsennews, ist aktuell schon ohne weiteres machbar", sagt Klaas Wilhelm Bollhoefer, Chief Data Scientist beim Daten- und Cloudexperten The unbelievable Machine Company   

"Als nächstes werden wir sicher in eine vorverarbeitende Stufe kommen", prognostiziert Bollhoefer: "Eine Maschine analysiert Daten und schreibt Artikel zu komplexen Themen, die dann noch von einem Redakteur angereichert und umgeschrieben werden." Geschichten in Daten zu suchen und zu finden dagegen - etwa einen neuen Aspekt des Vormarsches der IS-Armeen zu finden und seine politischen Implikationen zu erläutern - bis ein intelligentes Analyseprogramm dies leistet dürften noch zwei Jahrzehnte vergehen.

Bis dahin jedoch ist Analyse und technische Optimierung von Content ein heikles Tool: Alle, die in ihm eine Strategie sehen, statt nur ein helfendes Werkzeug, tappen in eine Daten-Falle.