Google Twiddler: Auswertung zeigt 120 Re-Rankingfaktoren

Eine neue Analyse hat 120 Faktoren gefunden, die Google zum Re-Ranking von Suchergebnissen nutzt: die sogenannten Twiddler.

 

 Anzeige

Google Twiddler sind spezialisierte, kleine Systemkomponenten innerhalb des sogenannten Post-Ranking-Frameworks von Google. Sie kommen im System Superroot zum Einsatz, das Suchanfragen an die Indizes sendet und die Antworten zusammenfügt. Nach der primären Bewertung durch Haupt-Ranker wie Ascorer überarbeiten die Twiddler die Trefferliste in einem zweiten Durchgang, bevor das finale Set von Suchergebnissen an die Nutzer ausgeliefert wird. Während in internen Google-Dokumenten von 2018 noch 65 Twiddler für die Websuche verzeichnet waren, ergab eine Analyse von RESONEO insgesamt 120 Twiddler über die Bereiche Web, Bilder und Video hinweg.

Um die Twiddler zu identifizieren, wurden verschiedene Quellen genutzt:

1. Internes Google-Dokument von 2018: Das Dokument enthält 65 Twiddler, die damals bereits in der Websuche eingesetzt wurden (darunter Vorläufer wie der DMCA Filter oder Youtube Duplicates Removal).
2. Der Google-API/Dokumentations-Leak von 2024: Durch die Veröffentlichung von Googles internen API-Dokumentationen wurden verschiedene Twiddler-Namen und Schemata offengelegt.
3. Analyse von System-Schemata und RankLab-Protokollen: Die Autoren werteten detaillierte Datenstrukturen und Parameterbezeichnungen (Protobufs) aus den Google-Systemen Superroot und RankLab aus. Dadurch ließen sich neuere Twiddler-Bezeichnungen identifizieren wie zum Beispiel BardFilterTwiddlerParams, RelevanceOracleTwiddlerResultSignals oder ExpertiseTwiddlerDocFeatures).
4. Abgleich mit offiziellen Google-Veröffentlichungen: Die gefundenen Codenamen und Parameter wurden mit offiziellen Blogbeiträgen, Entwickler-Dokumentationen und den Quality Rater Guidelines verknüpft. So konnten den internen Schemata reale Features und System-Updates zugeordnet werden wie z. B. Googles Ankündigungen zu Topic Authority, der Monk Skin Tone Scale für Bildresultate, SafeSearch-Anpassungen oder Richtlinien zu YouTube Clickbait.

Die Funktionsweise der Twiddler basiert auf einer strikten Trennung der Aufgaben: Jeder Twiddler agiert isoliert und bewertet die Ergebnisse nach seinen spezifischen Kriterien. Ein Twiddler trifft dabei keine finale Entscheidung, sondern gibt Empfehlungen an das Twiddler-Framework ab. 

Zu den empfohlenen Aktionen gehören das Anheben oder Abwerten eines Ergebnisses (Boost), das Platzieren vor einem anderen Ergebnis (BoostAboveResult), das Filtern bzw. Entfernen (filter), das Deckeln der Trefferzahl eines Typs (max_total), das Ausdünnen von Ergebnissen derselben Kategorie (stride) oder das Hinzufügen von Metadaten für nachfolgende Phasen (Annotating). Das Framework gleicht die widersprüchlichen Empfehlungen ab und sortiert die Liste um. Dabei wird zwischen Predoc-Twiddlern (arbeiten auf der gesamten unvollständigen Liste ohne Snippets) und Lazy-Twiddlern (arbeiten gezielt auf den Top-Ergebnissen, sobald Snippets vorliegen) unterschieden.

SEO-Beratung: Wir sind Ihre Experten

Wir bringen gemeinsam Ihre Website nach vorne. Profitieren Sie von jahrelanger SEO-Erfahrung.

Unsere Beratungsleistungen

Christian Kunz

SEO Experte

David Wulf

SEO Experte

Sven Häwel

Offpage-Experte

Die Gruppen von Google Twiddlern

1. KI und Ranker

Diese Gruppe umfasst Twiddler, die auf modernen Machine-Learning-Modellen, Deep Learning und vollständigen Rankern basieren, um Suchanfragen und Ergebnisse im zweiten Durchgang neu zu bewerten. Sie verarbeiten komplexe Sprachmodelle, generieren erweiterte Suchpläne oder führen ein erneutes Scoring durch.

• RankBrain: Übergibt Deep-Learning-Signale zur Anwendung auf bereits bewertete Listen in Superroot.
• Relevance Oracle (Web Guide / Libra): Misst die Relevanz im zweiten Durchgang mithilfe eines Gemini-basierten Modells.
• Search Plan (Fan-out / Planned Retrieval Annotations): Überträgt den Suchplan für mehrstufige Anfragen im AI Mode als Ranking-Signal.
• Bard Filter: Hinterlässt projektspezifische Filter-Spuren der konversationellen KI auf den Suchergebnissen.
• For Loop Ranker (FLR): Führt als vollständiger Ranker mit speziellen Webeinstellungen eine iterative Neubewertung durch.
• Relevance Feedback: Wertet Ergebnisse neu aus, basierend auf ihrer Ähnlichkeit zu als gut eingestuften Top-Ergebnissen.

2. Web-Ergebnisse: Qualität, Autorität und Vertrauen

Twiddler dieser Kategorie bewerten inhaltliche Qualitätskriterien, die Echtheit von Informationen sowie die Fachkompetenz und Themenautorität einer Quelle. Sie stellen sicher, dass verlässliche und originäre Inhalte bevorzugt werden.

• Expertise: Bewertet die Fachkunde (Teil von E-E-A-T) spezifisch Dokument für Dokument.
• Authenticity: Misst die Authentizität auf Anfrage- und Ergebnisebene vor und nach dem Ranking.
• Topic Authority: Berechnet die Themenautorität einer Website bezogen auf das spezifische Thema der Suchanfrage.
• Authority Data: Verknüpft ergänzende Autoritätsdaten mit den einzelnen Ergebnissen.
• Web Health: Erfasst Gesundheitssignale des Webs, einschließlich zitierungsbasierter Originalität.
• Natural Pearls (Hidden Gems): Fördert Ersthand-Erfahrungen aus Foren, kleinen Blogs und sozialen Netzwerken.
• Hero Document: Verwaltet prominente Hauptergebnisse ("Hero"-Blöcke) in visuellen Layouts.
• Domain Classification: Verfolgt die Klassifizierung der gesamten Domain für jedes Ergebnis.
• Starbow: Wendet spezifische Signalmuster zur Qualitätsbewertung an.

3. Spam, Entfernungen und Sicherheit

Diese Twiddler dienen dem Schutz der SERPs vor minderwertigen, illegalen oder gefährlichen Inhalten. Sie senken die Position betroffener Seiten drastisch oder filtern sie vollständig heraus.

• SiteBoost: Identifiziert nutzergenerierten Spam und prüft die Übereinstimmung der Domain-Kategorie.
• Spam Demotions: Verwaltet die Liste stark abgewerteter Spam-Ergebnisse auf Seitenebene.
• DMCA Site: Stuft ganze Domains bei einer hohen Anzahl valider Urheberrechtsbeschwerden ab.
• Crime Demotion: Wertet Seiten ab, die Gebühren für das Entfernen persönlicher Daten verlangen.
• Bad URLs: Behält Anmerkungen zu schädlichen URLs bei, die bei Suchanfragen geprüft werden.
• Document Filter: Filtert spezifische Dokumente basierend auf vordefinierten Kriterien heraus.
• SafeSearch: Steuert die Ausblendung expliziter Inhalte in der Bild- und Websuche.
• SafeSearch Blur: Macht explizite Bilder in den Suchergebnissen unscharf.
• SafeSearch Adaptive Violence: Passt die Behandlung von Gewaltdarstellungen dynamisch an die Suchanfrage an.
• SafeSearch EDSA Porn: Filtert pornografische Inhalte gemäß den SafeSearch-Vorgaben.
• Revenge Porn Filter: Deklassiert Websites, die ohne Zustimmung verbreitete Intimaufnahmen hosten.
• Kid-Friendly Search: Veranlasst eine eingeschränkte Suche für beaufsichtigte Kinder-Accounts.

4. Aktualität, wiederholte Suchen und Nutzerpräferenzen

Diese Gruppe passt die Trefferliste individuell an den zeitlichen Kontext, wiederholte Suchanfragen desselben Nutzers sowie persönliche Sprach- und Quellenvorlieben an.

• Topic Affinity: Gleicht die Ergebnisse mit den bevorzugten Themengebieten des Nutzers ab.
• Freshness: Stuft aktuelle Inhalte höher ein und besitzt eigene Parameter für Community-Inhalte (Human Voices).
• Date Score: Berechnet die zeitliche Relevanz anhand übermittelter Anfrage-Parameter.
• View Demotion on Repeat Queries: Wertet bereits gesehene Ergebnisse bei wiederholter Suche ab.
• Freshest on Repeat Queries: Bringt bei erneuter Suche die allerneuesten Inhalte nach vorne.
• Stateful Substrate: Speichert den Suchzustand nutzungsübergreifend von einer Anfrage zur nächsten.
• Intent Personalized Boost: Verstärkt Ergebnisse basierend auf den persönlichen Absichten des Nutzers.
• Recall Boost: Unterstützt den Wiederaufruf von Ergebnissen bei erneuten Suchen.
• Revisitable Results: Markiert Ergebnisse, zu denen Nutzer bei wiederholten Anfragen zurückkehren.
• Sirius Suggestions: Verfolgt Änderungen bei Nutzerinteressen und schlägt Neuerungen bei Wiederholungsanfragen vor.
• Domain Preference: Annotiert und bevorzugt Domains entsprechend den Nutzergewohnheiten.
• Pref: Verarbeitet allgemeine Präferenzsignale für Anfragen und Ergebnisse.
• For You: Führt ein persönliches Re-Ranking basierend auf dem Nutzerprofil durch.
• ULP (User Language Profile): Berücksichtigt die Sprachwahrscheinlichkeiten des Nutzers (z. B. mehrsprachige Treffer).

5. SERP-Layout und Vertikalen

Diese Twiddler steuern die visuelle Struktur der SERP, gruppieren Verticals wie Foren, Shopping, Reisen und regeln die Darstellung spezieller Such-Features sowie lokaler Treffer.

• Optionalization Filter: Annotiert Anfragen nach dem Weglassen optionaler Wörter.
• Post-Results QRef: Führt die Entitäts-Annotation der Suchanfrage nach dem Ranking erneut aus.
• Host Path: Steuert Pfad- und Host-Strukturen der angezeigten Treffer.
• Web Clusters: Gruppiert verwandte Webergebnisse in Themen-Cluster.
• Dynamic SERP: Passt die Form und Struktur der SERP dynamisch an das Suchthema an.
• About This Result: Stellt Daten für das Informationspanel neben den Treffern bereit.
• Forums: Rankt und platziert spezielle Foren- und Diskussions-Blöcke.
• Nearby: Misst die geografische Nähe eines Ergebnisses zum aktuellen Nutzersort.
• Hashtags / Hashtag Firehose / Hashtag Repeat Query: Steuert Hashtag-Suchen und Echtzeit-Streams.
• Visual Digest: Social Media: Stellt Social-Media-Ergebnisse in visuellen Layouts zusammen.
• Travel: Several Destinations: Rankt Reisevideos, die mehrere Zielorte abdecken.
• Seek Volume: Wertet Abschnitte in Videos aus, zu denen Nutzer häufig springen.
• Comparison Sites (VSS): Rankt Preisvergleichs- und Buchungsdienste gemäß DMA-Vorgaben.
• Specialty Merchants: Bevorzugt spezialisierte Fachhändler bei passenden Produktanfragen.
• Deals: Platziert Sonderangebote und Rabattseiten in Shopping-Bereichen.
• Shopping Cluster Annotator / Shopping Result Tags: Gruppiert und taggt Shopping-Ergebnisse.
• Shopping Personalization: Passt Produktergebnisse individuell an.
• Scubed Spark / Scubed UCS: Betreut vertikale Einbindungen wie Medien, Events und Immobilien.
• UCP: Integriert nutzergenerierte Beiträge direkt in Suchfunktionen.
• Search by Entity: Richtet nach Klick auf eine Entität nachfolgende Ergebnisse darauf aus.
• Signal Outliers: Identifiziert und behandelt statistische Ausreißer bei Ranking-Signalen.
• Date Filter / Prices: Steuert spezielle Filtermöglichkeiten für Datum und Preise.

6. Bilder und Lens

Diese Twiddler-Familie optimiert Bildersuchergebnisse, bewertet die visuelle und technische Qualität von Grafiken und filtert unpassende Motive heraus.

• Image Boost: Liest die emotionale (EQ) und technische Qualität (TQ) von Bildern auf Webseiten.
• Demographic Diversity: Sorgt für eine breitere Vielfalt von Hauttönen in den Bildresultaten.
• Image Aesthetics: Bewertet die ästhetische Gestaltung von Bildern passend zur Anfrage.
• Commercial Images / Image Viewer Commercial: Steuert kommerzielle Bildanzeigen und Panels.
• Low-Relevance Images: Filtert Bilder mit geringem Bezug zur Suchanfrage heraus.
• Image Viewer Host Diversity: Verhindert, dass eine einzelne Host-Domain den Bildbereich dominiert.
• Inspiration Diversity / Implication Association: Variiert visuelle Inspirationen und verknüpft Entitäten.
• More Like These: Generiert Empfehlungen für ähnliche Bildmotive.
• Repeat Query (Images): Wendet die Logik wiederholter Suchen auf die Bildersuche an.
• Guided Chips: Steuert Verfeinerungs-Schaltflächen oberhalb der Bildresultate.
• Inappropriate Content Filter: Entfernt unpassende Motive aus universellen Bildblöcken.
• Multimodal: Kombiniert Bild- und Textinformationen zur gemeinsamen Bewertung.
• Starburst Relevance Feedback: Wertet Bilder basierend auf ihrer Ähnlichkeit zu Top-Ergebnissen neu aus.
• Image Shopping Personalization / Sensitive Shopping Images: Regelt Shopping-Bilder und sensible Produkte.
• Lens Sensitivity / Lens Non-Exact Match Filter: Handhabt sensible Inhalte und Abweichungen in Google Lens.

7. Video und YouTube

Mit 33 Twiddlern steuert diese Gruppe die Auswahl, Ausdünnung, Entkopplung von Clickbait und Qualitätsbewertung von Videoinhalten und YouTube Shorts.

• Toledo: Sortiert Videos nach Nutzungsart (Lernen, Unterhaltung) und Tonspuren/Synchronisationen.
• YouTube Deduplication: Setzt den Original-Upload über duplizierte Kopien.
• YouTube Clickbait: Kennzeichnet und deklassiert irreführende Clickbait-Videos.
• Shorts Authenticity: Stuft nicht authentische oder repetitiv erstellte YouTube Shorts ab.
• Nonsensical YouTube Videos: Filtert inhaltsleere oder fehlerhafte Videos heraus.
• Channel Diversity: Stellt eine Vielfalt unterschiedlicher YouTube-Kanäle sicher.
• Playback Speed / Seeks: Wertet Abspielgeschwindigkeiten und Nutzersprünge innerhalb von Videos aus.
• Video Passages / Segment Topicality: Bewertet die Relevanz spezifischer Abschnitte eines Videos.
• Creator Affinity / Brand Affinity: Berücksichtigt Nutzerpräferenzen für bestimmte Kreatoren oder Marken.
• Video Engagement / Video Thumbnail: Misst Interaktionen und analysiert das Vorschau-Thumbnail.
• Video Aspect Boost / Short Duration Demotion: Bewertet Bildformate und stuft extrem kurze Clips ab.
• Pulsar Relevance Feedback: Nutzt ein generatives Modell für personalisierte Video-Empfehlungen.
• SVU Duplicates / SVU Diversity: Steuert Duplikate und Vielfalt im Karussell für Kurzvideos (Shorts, TikTok).
• Local Personalization (Video) / YouTube Localization: Passt Videos an Region und Sprache an.
• Playlist Seeking / Shorts Ranking: Rankt Wiedergabelisten und Shorts-Formate.
• QPrime Boost / YouTube Shopping: Verknüpft Shopping-Kategorien mit Video-Inhalten.
• Shopping Categorical Refinements: Verfeinert Produktfilter in Videobeschreibungen.
• YouTube Safety / YouTube Demographics: Überwacht Sicherheitseinstellungen und demografische Zielgruppen.
• RWJ (Real World Journeys): Rankt Videos zu Aktivitäten, Reisen und Ausflugszielen.
• Beehive / Aquila / CatNorvi / Shorts Efficiency: Interne Twiddler zur Performance- und Datenauswertung von Video-Content.

Gesamttabelle aller Google Twiddler und SEO-Empfehlungen

Wenn man die Funktionsweise der Twiddler kennt, kann man daraus entsprechende Schlüsse ziehen und dementsprechend optimieren.

Die nachfolgenden Tabelle gibt die Twiddler wieder und gibt empfiehlt jeweils eine Optimierung.

Die Erkenntnisse über Google Twiddler zeigen deutlich, dass ein gutes Ranking-Ergebnis aus der ersten Scoring-Phase nicht ausreicht, um dauerhaft auf Platz 1 zu stehen. Für die praktische SEO-Arbeit ergeben sich daraus fünf zentrale Handlungsempfehlungen:

1. Expertise seitenscharf erarbeiten, Themenautorität nachhaltig aufbauen: Weil der Expertise-Twiddler Dokument für Dokument bewertet, muss jede einzelne Unterseite inhaltlich fundiert und belegt sein. Die Topic Authority baut sich dagegen kontinuierlich über die gesamte Domain und ein festes Themengebiet auf.
2. DMCA-Beschwerden als grundlegendes Domain-Problem behandeln: Urheberrechtsbeschwerden wirken nicht mehr nur isoliert auf eine einzelne URL; ab einer gewissen Schwelle stuft der DMCA Site Twiddler die gesamte Domain ab. Die Einhaltung von Urheberrechten ist daher eine existenzielle SEO-Maßnahme.
3. Inhalte ehrlich und transparent datieren: Freshness-Twiddler prüfen Datumsangaben im Text, in Ankern und im Kontext anderer Seiten. Echte inhaltliche Überarbeitungen mit sichtbarem, aktuellem Datum helfen dabei, veraltete Vergleiche oder Wettbewerber hinter sich zu lassen.
4. Als bevorzugte Nutzerquelle etablieren: Systeme wie For You, Domain Preference und Preferred Sources berücksichtigen die individuellen Präferenzen der Nutzer nach dem Ranking. Der Aufbau einer starken Marke und einer treuen Leserschaft sorgt dafür, dass die eigene Website bei wiederholten Suchen bevorzugt ausgespielt wird.
5. Präsenz in Foren, Vertikalen und Fachhändler-Plattformen sichern: Durch spezialisierte Twiddler für Foren, Deals, Preisvergleiche (VSS) und Spezialhändler werden entsprechende Inhaltsformen häufig vor klassisch gerankte Seiten geschoben. Marken profitieren davon, auf Vergleichsportalen, in Diskussionen und auf Nischenplattformen aktiv vertreten zu sein.

Auch wenn vieles davon schon bekannt war, kann diese Zusammenstellung dabei helfen, bestehende Webseiten und Inhalte neu zu bewerten und grundlegende Richtlinien für neue Inhalte zu schaffen - mit der möglichen Folge, dass sich daraus mit der Zeit bessere Rankings ergeben.

Gleichzeitig darf nicht vergessen werden, dass auch diese Sammlung trotz ihrer großen Menge an Faktoren kein vollständiges Bild darüber liefert, wie Google Webseiten rankt. Die Zahl der Rankingfaktoren ist deutlich höher, und deren Gewichtung kann sich mit der Zeit und je nach Thema und Kontext ändern.

Es kann aber nicht schaden, diese Liste zu verinnerlichen und sie nach Möglichkeit zu berücksichtigen.