Startseite » Einfache Fluktuationsrate | Online Marketing Basics

Einfache Fluktuationsrate | Online Marketing Basics

10. November 2018

Die Fluktuationsrate gibt die relative Änderung an, wie viele Ergebnisse der Seite 1 für ein bestimmtes Keyword für zwei verschiedene Zeitpunkte identisch sind, d.h. wie stark Google die Rankings hier durcheinander wirbelt.

Berechnung der Fluktuationsrate

Sie wird folgendermaßen gebildet:

$URLS_1$ , $URLS_2$ seien zwei Mengen der Mächtigkeit $10$ .

$URLS_1$ = {x | x repräsentiert den Byte-Code für eine Web-Adresse für ein Keyword i zum Zeitpunkt t}

$URLS_2$ = {y | y repräsentiert den Byte-Code für eine Web-Adresse für ein Keyword i zum Zeitpunkt t-1}

(1) Intersection: $S$ = $URLS_1$ $\cap$ $URLS_2$

(2) $Fluktuationsscore_i_,_t$ ( $FS_i_,_t$ ) = $10$ – | $S$ |

(3) $Fluktuationsrate_i_,_t$ = $10$ $\cdot$ $FS_i_,_t$ (in %)

Nutzen an der Fluktuationsrate

Geht man im Zuge der Web-Analyse auf Ursachenforschung für fallenden Traffic, so kann die Fluktuationsrate bei grober (>0.7) Wertannahme für ökonomisch wichtige Keywords ein erster Hinweis auf einen SERP-Wirbel sein.

Kritik an der Fluktuationsrate

Sie gibt zwar die relative Änderung an, nur gibt sie keine Auskunft über Positionsverschiebung auf der ersten Seite. Das lässt die Fluktuation auf den Positionen lediglich erahnen.

Weitere Hinweise

Die Metrik “Fluktuationsrate” kann die Ursachenanalyse im Zuge eines SEO-Reportings unterstützen. Sollte es Einbrüche auf wichtigen Keywords geben, so stehen viele mögliche Ursachen im Raum. Die Fluktuationsrate ist keine bahnbrechende Metrik, aber sie kann ein erstes Indiz für fallende Klickzahlen sein. Wie man die nötigen Daten sammelt, die Metrik berechnet und in sein Reporting integrieren kann, wird in diesem Artikel illustriert.

Ursache für die Erhebung der Fluktuationsrate

Oftmals kommt es zu einer veränderten SERP-Gestaltung, da Google zum Suchbegriff andere Dokumente ausspielt. Das kann z.B. bei sehr generischen Suchbegriffen passieren.

Datenerhebung für die Fluktuationsrate

Wir brauchen zur Berechnung der Fluktuationsrate lediglich einen Data-Endpoint: Sistrix. Über die Sistrix API kann man sich sehr bequem die Daten des Dashboards besorgen. Alternativ könnte man Tools wie die ScrapeBox verwenden. Für den Komfort verwenden wir Methode Keyword.SEO, die für ein übergebenes Keyword die sich aktuell in den Suchergebnissen befindlichen URLs ausliefert. Wir benötigen für einen 7-Tage-Vergleich lediglich zwei API-Abfragen. Im nächsten Abschnitt gehen wir darauf genauer ein.

Berechnung der Fluktuationsrate

Es ist weniger eine pure Berechnung und mehr ein einfacher Algorithmus. Die Fluktuationsrate ist eine Prozentzahl, die die SERP-Dynamik für ein Keyword festhält. Sie wird folgendermaßen gebildet:

Speichere in Liste 1 die jetzigen zehn Ergebnisse, die zum Keyword ausgespielt werden (Parameter: now)
Speichere in Liste 2 die vorherigen zehn Ergebnisse, die zum Keyword ausgespielt werden (Parameter: last week)
Wende eine Intersection-Operation an, um eine Liste zu erhalten, die ausschließlich URLs beinhaltet, die in beiden Listen vorhanden war
Berechne den Fluktuationsscore: 10 – Größe des Arrays
Berechne die Fluktuationsrate: (Fluktuationsscore / 10)

Die Fluktationsrate bewegt sich zwischen 0% und 100%. Bei 0% hat Google die SERPs nicht durchgemischt. Bei 100% werden komplett neue Ergebnisse ausgespielt.

Wieso soll ich diese KPI erheben?

Sie ist eine einfache Metrik, um verlorene Klickzahlen schneller begründen zu können. Sie ersetzt keine Ursachenforschung, aber sie ist vor allem auch eine interessante Metrik, die über Wochen hin die SERP-Fluktuation auf Top-Keywords zeigt und mittelfristig Einfluss auf die strategische Keywordwahl haben kann.

Integration in das Reporting: Fertiges Python-Skript

Die Fluktuationsrate(n) können mithilfe dieses Python-Skripts berechnet werden. Der Algorithmus exportiert eine .csv-Datei mit einer Spalte für die Keywords und für die jeweilige Fluktuationsrate.

import csv
from bs4 import BeautifulSoup
import urllib.request


"""

onlinemarketingscience.com: Skript für die Fluktuationsraten von Top-Keywords

von Marvin Jörs


"""


# Bitte den Sistrix API Key einfügen
SISTRIX_API_KEY = "KEY_EINGEBEN"


# Keywords eintragen
keywords = ["zeiterfassung"]


def calculateFlu(keyword): 
    
   
    aktuelle_urls = []
    vergangene_urls = []     
    
    # String zusammenkleben
    xml_output_now = "https://api.sistrix.com/keyword.seo?api_key=" + SISTRIX_API_KEY + "&kw=" + keyword + "&date=now&num=10'"
    # XML-auslesen und URLs in Liste speichern 
    
    with urllib.request.urlopen(xml_output_now) as response:
        
        xml = response.read()
        soup_of_now = BeautifulSoup(xml, 'lxml')
        soup_of_now.prettify()
    
        for element in soup_of_now.find_all("answer"):
            for stat in element.find_all("result"):
                aktuelle_urls.append(stat['url'])
    
    
    # String zusammenkleben
    soup_of_last_week = xml_output_last_week = "https://api.sistrix.com/keyword.seo?api_key=" + SISTRIX_API_KEY + "&kw=" + keyword + "&date=last+week&num=10'"
    
    with urllib.request.urlopen(xml_output_last_week) as response:
        
        xml = response.read()
        soup_of_last_week = BeautifulSoup(xml, 'lxml')
        soup_of_last_week.prettify()
    
        for element in soup_of_last_week.find_all("answer"):
            for stat in element.find_all("result"):
                vergangene_urls.append(stat['url'])
    
    
    # UND-Operator auf beide Listen 
    schnittmenge = set(aktuelle_urls).intersection(vergangene_urls)
    
    # Größe des Arrays berechnen 
    groeße = len(schnittmenge)
    
    # Fluktuationsscore = 10 - Größe des Arrays
    fluktuationsscore = 10 - groeße
    

    # Fluktuationsrate = Fluktuationsscore / 10
    fluktuationsrate = (fluktuationsscore / 10)
    
    
    return fluktuationsrate



# Schleife und Funktionsaufruf 
# Für jedes Keyword in keywords

for keyword in keywords: 
    
    tempFlu = calculateFlu(keyword)
    with open('fluktuationsraten.csv', 'a', newline='') as csvfile:
    
        sciencewriter = csv.writer(csvfile, delimiter=' ',
                            quotechar='|', quoting=csv.QUOTE_MINIMAL)
        sciencewriter.writerow([keyword,",", tempFlu])

import csv

from bs4 import BeautifulSoup

import urllib.request

"""

onlinemarketingscience.com: Skript für die Fluktuationsraten von Top-Keywords

von Marvin Jörs

"""

# Bitte den Sistrix API Key einfügen

SISTRIX_API_KEY = "KEY_EINGEBEN"

# Keywords eintragen

keywords = ["zeiterfassung"]

def calculateFlu(keyword):

aktuelle_urls = []

vergangene_urls = []

# String zusammenkleben

xml_output_now = "https://api.sistrix.com/keyword.seo?api_key=" + SISTRIX_API_KEY + "&kw=" + keyword + "&date=now&num=10'"

# XML-auslesen und URLs in Liste speichern

with urllib.request.urlopen(xml_output_now) as response:

xml = response.read()

soup_of_now = BeautifulSoup(xml, 'lxml')

soup_of_now.prettify()

for element in soup_of_now.find_all("answer"):

for stat in element.find_all("result"):

aktuelle_urls.append(stat['url'])

# String zusammenkleben

soup_of_last_week = xml_output_last_week = "https://api.sistrix.com/keyword.seo?api_key=" + SISTRIX_API_KEY + "&kw=" + keyword + "&date=last+week&num=10'"

with urllib.request.urlopen(xml_output_last_week) as response:

xml = response.read()

soup_of_last_week = BeautifulSoup(xml, 'lxml')

soup_of_last_week.prettify()

for element in soup_of_last_week.find_all("answer"):

for stat in element.find_all("result"):

vergangene_urls.append(stat['url'])

# UND-Operator auf beide Listen

schnittmenge = set(aktuelle_urls).intersection(vergangene_urls)

# Größe des Arrays berechnen

groeße = len(schnittmenge)

# Fluktuationsscore = 10 - Größe des Arrays

fluktuationsscore = 10 - groeße

# Fluktuationsrate = Fluktuationsscore / 10

fluktuationsrate = (fluktuationsscore / 10)

return fluktuationsrate

# Schleife und Funktionsaufruf

# Für jedes Keyword in keywords

for keyword in keywords:

tempFlu = calculateFlu(keyword)

with open('fluktuationsraten.csv', 'a', newline='') as csvfile:

sciencewriter = csv.writer(csvfile, delimiter=' ',

quotechar='|', quoting=csv.QUOTE_MINIMAL)

sciencewriter.writerow([keyword,",", tempFlu])

Marvin Jörs

Marvin Jörs ist Gründer und geschäftsführender Gesellschafter der Skyscraper Marketing UG. Bereits mit 14 Jahren absolvierte Jörs sein erstes Schulpraktikum bei der Deutschen Telekom mit Aspekten aus der Suchmaschinenoptimierung. Seitdem erfolgten mehrere berufliche Stationen sowie Aktivitäten als freiberuflicher Webdesigner. Er hat an der Technischen Universität in Darmstadt einen B.Sc. in Wirtschaftsinformatik abgeschlossen.