Das Helpful Content Update aus 2023 lässt uns nicht los – Behrend hat kürzlich über den Google Creator Summit berichtet, bei dem ein Teil der “HCU Loser Class” eingeladen wurde..
Nils hatte bereits vor einigen Monaten über den HouseFresh Case berichtet und HouseFresh ist seitdem nicht müde, ihre Ungnade gegenüber Google zu äußern – ich finde zurecht.
Bei HouseFresh muss man vorab aber sagen: Sie haben sich relativ gut erholt und waren auch nicht vom HCU betroffen bzw. haben vorher schon Traffic verloren. Es ist also vielleicht ein Edge Case:
“You trust Google to show you good information, but Google doesn’t know the difference between good and bad information because algorithms and AI are pattern-seeking, probability-calculating machines that don’t actually know anything.”
– Giselle Navarro von HouseFresh (Managing Editor)
So steht es in ihrem neusten Artikel geschrieben, der sich mit der Frage beschäftigt, wie man in einem “Enshittified Google” noch hilfreiche (Test- und Review-)Inhalte findet.
Aber der Artikel ist nicht nur durch HouseFresh, sondern auch durch viele der betroffenen Seiten entstanden. Was folgt, ist ein Kondensat von 7 guten Tipps, wie Du hilfreiche Review-Inhalte findest (+ Senf von mir).
Tipp #1: Schaue Dir die Bilder genau an
Stock Fotos und reines Herstellermaterial sind eine Red Flag. Ich würde Dir immer raten, eigenes Bildmaterial zu verwenden. Mittlerweile gibt es durch generative KI auch wenig Ausreden, kein eigenes Bildmaterial anzufertigen oder zu generieren – bei Reviews klammere ich KI allerdings aus. John Müller hat zu dem Thema auch mal hilfreiche Gedanken geäußert.
Wenn jemand ein Produkt wirklich getestet hat, dann wird diese Person auch eigenes Bildmaterial nutzen. Du kannst das relativ leicht prüfen, indem Du per Rechtsklick bei einem Bild auf “Mit Google Lens suchen” auswählst:
Tauchen hier alle möglichen Seiten auf, könnte es sich um Stock- oder Herstellermaterial handeln.
Aber auch hier hat Google Probleme, die Ursprungsquellen zu erkennen oder sie anzugeben, wenn die Seite aus den SERPs radiert wurde. Im Artikel von HouseFresh gibt es ein konkretes Beispiel.
Tipp #2: Prüfe, wer die Artikel geschrieben hat
EEAT hat (aus meiner Sicht) weniger mit SEO und mehr damit zu tun, wie wir Menschen funktionieren. Damit man uns glaubt und wir überzeugen, müssen wir herausarbeiten, warum wir Expert*innen sind.
Forbes nennt in ihren Artikeln z.B. Autor*innen. Was aber komisch ist: Diese Autor*innen schreiben für viele andere Domains – ok, Freelancer brauchen auch Geld – aber interessanterweise sind sie alle Expert*innen für zahlreiche Branchen und Produktgruppen, die untereinander nicht fremder sein könnten.
Was, Du bist etwa kein*e Expert*in für
- Elektrische Zahnbürsten
- Kabellose Bohrmaschinen
- Luftreiniger
- Wasserfilter
- Stehtische
- Saugroboter
- KI-Tools (da sind eh alle Expert*in)?
CNN ist auch witzig: Sie schreiben irreführende Headlines, in denen “according to experts” steht. Diese “experts” haben aber gar keine Empfehlungen ausgesprochen:
Tipp #3: Falle nicht auf Anekdoten rein, sondern achte auf harte Fakten
Giselle und Danny schreiben im Artikel, dass aus ihrer Sicht vor allem die Methodologie wichtig ist. Ein bekanntes und hervorragendes Beispiel in dem Zusammenhang ist die New York Times mit Wirecutter:
“In a quest to uncover the best everyday wine glass, for example, writers considered over 250 glasses; blind-tasted wine in more than 80 of them; and enlisted a winemaker, a sommelier and a wine critic.
– Stephen Hiltner (Editor und Author für die NYT)
Im Gegensatz dazu: Schlimm und peinlich ist es, wenn die Autor*innen (und die, die Fact Checking betreiben) keine Ahnung haben, worüber sie schreiben, weil sie das Produkt nicht richtig testen – entweder, um Zeit zu sparen, also gar nicht selbst testen, oder es nicht besser wissen.
Im Artikel gibt es ein Beispiel zu E-Scootern, die keine mechanische Bremse haben. Viele Reviews erwähnen das nicht, weil sie es nicht besser wissen. Das ist nicht nur falsch, sondern lebensgefährlich.
Tipp #4: Achte auf Daten aus erster Hand, unabhängige Vergleiche und auf Hinweise zu günstigen Alternativen und Spezialistenmarken
Richtige Expert*innen vergleichen und berücksichtigen das Preis- und Leistungsverhältnis. Es geht um die beste Empfehlung, das beste Produkt und nicht um die meisten Euros durch Affiliate-Einnahmen. Zumindest sollte das meiner Meinung nach der Anspruch sein.
Die Grafiken von HouseFresh fassen das hervorragend zusammen:
Schlechtes Beispiel:
Gutes Beispiel:
Tipp #5: Nimm Dich vor dünnen, generischen Informationen ohne Standpunkt und Meinung in Acht
Wenn wir das beste Produkt finden wollen, brauchen wir kein Marketing-Blabla, sondern Inhalte mit einer hohen Informationsdichte.
Für ein gutes Review braucht es auch eine Meinung. Etwas, was uns generell von der KI unterscheidet:
“Take a stand, because AI has no opinion.”
– Andy Crestodina (CEO und Digital Marketer)
Schlechte Inhalte – egal welcher Art – sind Wiederkäuer von Informationen. Sie sabbeln viel und sagen gleichzeitig nichts.
Das Problem ist aber: Wir orientieren uns an anderen Menschen und (starken) Marken (= Autoritäten). Wir streben nicht nach Genauigkeit, sondern nach Gewissheit.
Mentale Shortcuts wie diese sind notwendig, weil wir so viele Reize und Informationen nicht verarbeiten können. Wir wollen und können nicht bei jedem Artikel so genau hinschauen, wie es im Artikel von HouseFresh beschrieben ist (schau’ Dir gerne mal Punkt 3 und 4 der Tipps im Original an, vielleicht verstehst Du, was ich meine).
Morgan Housel hat es in “Same As Ever” gut getroffen:
- Es gibt zu viele Informationen.
- Menschen sind beschäftigt und emotional.
- Daher wird eine gute Geschichte (von einer starken Marke = Autorität) immer stärker und überzeugender sein als ein Container voll mit Fakten und Statistiken.
Tipp #6: Werfe einen Blick auf die Kommentarsektion und schaue, wie transparent, mühevoll und “wissend” geantwortet wird
Gibt es natürlich nicht auf jeder Domain und kommt etwas aus der Mode. Falls vorhanden, aber gerne einen Blick reinwerfen. Wenn jemand mit Herzblut die Inhalte erstellt, gibt es auch Antworten auf die Kommentare.
Menschen mit Interesse sind transparent, geben sich Mühe und antworten mit Expertenwissen.
Tipp #7: Berücksichtige die Quelle und scanne für kognitive Verzerrungen
Ein Hersteller wird selbst nie ein unvoreingenommenes Bild seines Produktes haben oder liefern. In Deutschland haben wir mit diesem Problem deutlich weniger zu kämpfen als in den USA. Ich sehe es zumindest selten(er), dass für Suchanfragen wie “beste xyz” Hersteller oder D2C-Anbieter ranken.
In den USA sieht das anders aus. Bei Suchen nach “best credit card for bad credit” taucht hier Mastercard an Position 1 auf – ist natürlich Blödsinn. Aber Google geht es nicht darum, ob es das BESTE Ergebnis ist, sondern das, was den meisten Usern gefällt.
Im Artikel schreiben Giselle und Danny unter anderem folgendes:
“We know that many reviewers manage to remain unbiased even when testing an item provided by a manufacturer.”
Das “many” würde ich durch “few” austauschen. Es mag Ausnahmen geben, aber wir merken nicht, dass wir durch Anreize voreingenommen sind. Dan Ariely schreibt in seinem Buch “The Honest Truth About Dishonesty” unter anderem folgendes:
“This is cognitive dissonance at play; doctors reason that if they are telling others about a drug, it must be good – and so their own beliefs correspond to their speech, and they start prescribing accordingly. [...]
You’re being paid a lot of money to maintain a distorted view of reality, but you don’t notice the tricks your big bonus plays on your perception of reality.”
Google möchte uns das spiegeln, was wir haben wollen. Das Problem ist, dass das was wir wollen, nicht immer die Wahrheit oder das ist, was wir hören müssen:
“It's like saying you're going to let your kid pick out their diet based on what they like. They'll just end up with junk food.”
– Mark Williams-Cook (Digital Marketing Director und Gründer)
Es ist einfach zu sagen “ja, natürlich muss Google hier bessere Arbeit leisten”. Aber wir Menschen sind wie Rätsel.
Wir wissen oft nicht genau, was wir wollen, denken nicht wie wir fühlen und machen nicht das, was wir sagen. Und merken das nicht mal.
Das Problem ist, dass das, was “funktioniert”, oft nichts mit der Wahrheit zu tun hat. Und Algorithmen spielen uns das aus, was funktioniert.