Diese Folge wird u. a. unterstützt vom OMT Summit. Jetzt mitmachen und ein Premium-Ticket im Wert von 499 € gewinnen: https://www.omt.de/seopresso-gewinnspiel/
In dieser Episode spricht Björn Darko mit Johann von Hülsen über den Google Leak – und zwar weit jenseits der Buzzwords. Johann erklärt, wie viel wir wirklich über Googles Ranking-Logik lernen können, welche Signale überschätzt und welche unterschätzt werden, und warum Google mehr Spam-Filter-Maschine als Ranking-Maschine ist.
Wir diskutieren:
Welche internen Link-Signale tatsächlich relevant sind und warum 200 identische Ankertexte die magische Grenze sind
Warum Content nicht nur „lang“ sein muss, sondern Aufwand, Struktur und Qualität entscheidend sind
Wie Google Trafficdaten (Chrome!) nutzt, um Content-Cluster zu bewerten
Was der mysteriöse „Rektor Score“ über automatisiert generierten Content sagt
Wie KI-Modelle (ChatGPT & Co.) Googles Zukunft herausfordern – und warum der große Vorteil vielleicht doch bei Google liegt
Takeaways
Google ist weniger „Ranking Engine“ als Spam-Filter-Maschine. Ein riesiger Teil der Signale dient nur dazu, schlechten Content auszublenden.
Die 200-Link-Regel: Hat ein Link mit gleichem Ankertext >200 Vorkommen, hört Google auf zu zählen. → Interne Linktexte bewusst variieren!
Traffic wird als Qualitätsmerkmal genutzt – insbesondere Chrome-Daten auf Cluster-Ebene (Nav-Boost). Content ohne Visits wird entwertet.
Der Rektor Score bewertet „automated generated content“ (AGC). Ziel: blabla-Texte entwerten, nicht zwingend KI-Content erkennen.
Content Effort > Content Länge: Recherche, Struktur, Quellen, Zitate, Formatierung → alles zählt als Qualitätsnachweis.
Entitäten & Content-Cluster werden gemeinsam bewertet – nicht isoliert auf URL-Level.
Viele Ranking-Scores sind nicht super intelligent, sondern regelbasiert pragmatisch.
- Bing-Ergebnisse sind deutlich spammiger; OpenAI hängt strategisch an Google.
⏱️ Kapitelmarken
00:00 – Einstieg & Talk auf der SEOKOMM
02:30 – Was der Leak mit Johann als SEO gemacht hat
05:40 – Google: Spam-Maschine vs. Ranking-Maschine
09:50 – OpenAI vs. Google: Wer hat den Vorteil?
15:00 – Der „200 Linktext“-Paradigmenwechsel
20:30 – NSR (New Side Rank): Content-Cluster & Traffic
28:00 – Traffic als Ranking-Signal (Chrome!)
34:00 – Content Effort, Autorität, Gibberish
40:30 – Rektor Score: Automated Generated Content
47:00 – Die Rolle von Manual Overrides und Outsourcing
52:00 – Warum der Leak überhaupt passiert ist
58:00 – Ausblick & weitere Forschungsbereiche
