Die Absicht hinter Suchanfragen zu verstehen, ist nicht leicht - vor allem, wenn die Suchanfragen nur aus wenigen Wörtern bestehen. Ein neues Google-Patent beschreibt die Klassifikation von Suchanfragen anhand des Nutzerverhaltens.
Suchmaschinen müssen oft mehrdeutige Suchanfragen verarbeiten. Wenn diese Suchanfragen nur aus wenigen Wörtern bestehen, ist es schwierig, die Absicht zu verstehen, die damit verbunden ist. Sucht jemand zum Beispiel nach "Bank", dann kann damit zum Beispiel entweder das Geldinstitut oder auch eine Sitzgelegenheit gemeint sein.
Das Patent
Ein neues Google-Patent beschreibt, wie eine solche Klassifikation gelingen kann. Ausgangspunkt ist die Identifikation mehrerer Entitäten, die mit einer Suchanfrage verbunden sind. Entitäten sind in diesem Zusammenhang als Instanzen von Themen oder als inhaltliche Einheiten zu verstehen, also etwa Geldinstitute oder Sitzgelegenheiten aus dem genannten Beispiel. Nachdem passende Entitäten identifiziert wurden, können im nächsten Schritt Daten über die Zufriedenheit der Nutzer mit den unterschiedlichen Entitäten gesammelt werden. Dabei wird beobachtet, auf welche Suchergebnisse die Nutzer klicken und wie lange sie sich jeweils auf den Zielseiten aufhalten. Klicken mehr Personen auf die Suchergebnisse für ein bestimmtes Geldinstitut, und verweilen diese Personen länger dort, so kann man davon ausgehen, dass die Relevanz der Entität des bestimmten Geldinstitutes höher ist als die einer bestimmten Sitzgelegenheit. Dies wird dann bei der Ausspielung zukünftiger Suchergebnisse berücksichtigt. Die als relevanter erachteten Entitäten werden dann auf zukünftigen Suchergebnisseiten prominenter erscheinen.
Signale gibt es viele
Natürlich sind die hier beschriebenen Signale nur ein kleiner Teil dessen, was den Suchmaschinen zur Klassifikation von Suchanfragen zur Verfügung steht. Betrachtet man die eigentliche Suchanfrage, also die eingegebenen Keywords, als expliziten Teil der Suche, so gibt es auf der anderen Seite auch die Menge der impliziten Signale, die sich aus dem Kontext der Suche ableiten. Dazu gehören beispielsweise die aktuelle Zeit, der Aufenthaltsort des Nutzers, die Sprache, vergangene Suchanfragen, das benutzte Gerät und vieles mehr. Durch Interpretation dieser impliziten Signale aus dem Kontext einer Suchanfrage können die Suchmaschinen wertvolle Schlüsse ziehen, um die Absicht der Suchenden besser zu verstehen.
Google und vermutlich auch andere Suchmaschinen bedienen sich also erstens der vorliegenden Daten zum Nutzerverhalten, zweitens der Möglichkeit semantischer, sprich inhaltlicher Beziehungen zwischen Entitäten und drittens der Nutzung möglichst vieler Metadaten - Stichwort: Big Data. Durch die Kombination dieser Faktoren und der Anwendung maschinellen Lernens passen die Suchergebnisse mit der Zeit immer besser zum tatsächlich Gesuchten.
Vorsicht Filter Bubble
Ganz unkritisch ist dies jedoch nicht: Die Eingrenzung der Suchergebnisse auf das, von dem Google glaubt, es passe am besten zu unseren Suchanfragen, lässt andere Dokumente möglicherweise unter den Tisch fallen. Der Horizont wird eingeengt, weil nur noch ein Teil der verfügbaren Informationen präsentiert und gesehen wird. Man spricht hierbei auch von der Filterblase oder Filter Bubble.
Das alles mündet letztendlich in eine Umgebung, in der die Suchenden gar nicht erst eine Suche formulieren müssen, sondern die Ergebnisse für das, was sie (vermeintlich) interessiert, schon vorab angezeigt bekommen. Google Now ist ein gutes Beispiel für ein Produkt, das so etwas schon kann.
Siehe dazu auch den Beitrag auf SEO by the SEA
Titelbild © aurora - Fotolia.com
