{"id":1675,"date":"2017-10-26T09:32:48","date_gmt":"2017-10-26T09:32:48","guid":{"rendered":"https:\/\/www.searchviu.com\/?p=1675"},"modified":"2025-11-24T14:48:21","modified_gmt":"2025-11-24T14:48:21","slug":"machine-learning-seo-predicting-rankings","status":"publish","type":"post","link":"https:\/\/www.searchviu.com\/de\/maschinelles-lernen-seo-vorhersage-von-rankings\/","title":{"rendered":"Maschinelles Lernen f\u00fcr SEO - Wie man mit maschinellem Lernen Rankings vorhersagt"},"content":{"rendered":"

Um Positionsver\u00e4nderungen nach m\u00f6glichen On-Page-Optimierungsma\u00dfnahmen vorhersagen zu k\u00f6nnen, haben wir ein Machine-Learning-Modell mit Keyword-Daten und On-Page-Optimierungsfaktoren trainiert. Mit Hilfe dieses Modells k\u00f6nnen wir nun automatisch Tausende von potenziellen Keywords analysieren und diejenigen ausw\u00e4hlen, bei denen wir mit ein paar einfachen On-Page-Optimierungen gute Chancen auf interessante Platzierungen haben.<\/strong><\/p>\n

In der Ende<\/a> dieses Artikels, teilen wir den gesamten Quellcode dieser maschinelles Lernen SEO Experiment<\/strong> mit dir, damit du es selbst ausprobieren kannst!<\/em><\/p>\n

Willst du diesen Artikel in einer anderen Sprache lesen oder teilen? Es gibt Deutsch<\/a> und Franz\u00f6sisch<\/a> \u00dcbersetzungen dieses Artikels verf\u00fcgbar.<\/em><\/p>\n

Der Aufstieg des maschinellen Lernens in der SEO<\/h3>\n

Google arbeitet schon seit einiger Zeit daran, maschinelles Lernen in seine Produkte und Dienste zu integrieren. Mit Hilfe des maschinellen Lernens sind sie in der Lage, Dinge zu erreichen, die ohne sie sehr schwierig oder sogar unm\u00f6glich w\u00e4ren.<\/p>\n

Als SEOs beobachten wir diese Entwicklung vielleicht mit ein wenig Angst. Wenn maschinelles Lernen auf Suchalgorithmen angewendet wird, werden diese Algorithmen immer komplexer und schwieriger zu verstehen, was unsere Arbeit erheblich erschwert.<\/p>\n

Aber warum machen wir nicht einfach maschinelles Lernen f\u00fcr SEO nutzen<\/strong>, um mit Google mithalten zu k\u00f6nnen? Wenn SEO durch maschinelles Lernen schwieriger wird, ist es doch am besten, wenn wir selbst maschinelles Lernen einsetzen, oder?<\/p>\n

In diesem Beitrag zeigen wir dir anhand eines praktischen Beispiels, wie du maschinelles Lernen nutzen kannst, um deine Suchmaschinenoptimierung zu verbessern.<\/p>\n

Der Fall - Identifizierung von Keywords mit hohem Ranking-Potenzial durch Vorhersage von Positionsver\u00e4nderungen nach Optimierungen<\/h2>\n

Wenn wir als SEOs Keyword-Daten finden wollen, stehen uns eine Menge toller Tools zur Verf\u00fcgung. Die Herausforderung besteht nicht darin, Keywords zu finden, sondern sie zu analysieren und zu priorisieren. Schauen wir uns zun\u00e4chst die Keyword-Daten an, die uns SEMrush f\u00fcr unsere Beispiel-Website liefert www.barf-alarm.de<\/a>. Wir sind an Keywords interessiert, f\u00fcr die wir bereits ranken und die ein hohes Suchvolumen haben.<\/p>\n

\"\"<\/a><\/p>\n

Wie du im Screenshot sehen kannst, liefert uns SEMrush bereits eine hohe Anzahl von Keywords (mehr als 1100) f\u00fcr die sehr Nischenthema<\/a> der Beispiel-Website.<\/p>\n

Wenn wir die Keywords hinzuf\u00fcgen, f\u00fcr die unsere Konkurrenten ranken, wir aber nicht, k\u00f6nnen wir dieses Keyword-Set leicht auf mehr als 3600 Keywords erweitern:<\/p>\n

\"\"<\/a><\/p>\n

Das ist zwar immer noch keine gro\u00dfe Anzahl von Keywords im Vergleich zu Analysen f\u00fcr gr\u00f6\u00dfere Websites oder breiter gefasste Themen, aber es ist bereits eine Menge, die manuell zu analysieren eine gro\u00dfe Herausforderung w\u00e4re. Dennoch m\u00fcssen wir diese Keywords filtern, um herauszufinden, welche relevant sind und f\u00fcr welche wir Chancen auf eine Top-10-Position haben, indem wir bestimmte Seiten auf unserer Website optimieren.<\/p>\n

Machen wir es auf die Art des maschinellen Lernens! Unser Ziel<\/strong> ist es, herauszufinden, f\u00fcr welche der 3600 Keywords, die wir gesammelt haben, eine Top-10-Position m\u00f6glich ist.<\/p>\n

Mit maschinellem Lernen Ranking-Potenzial identifizieren - Schritt f\u00fcr Schritt<\/h2>\n

Schritt 1: \u00dcberlegen, wie wir diese Aufgabe manuell erledigen w\u00fcrden<\/h3>\n

Wenn wir unsere Liste mit 3600 Keywords manuell auf eine Handvoll Keywords mit hohem Ranking-Potenzial filtern wollten, w\u00fcrden wir uns wahrscheinlich Metriken wie Suchvolumen und CPC ansehen, um ein Gef\u00fchl f\u00fcr die Wettbewerbssituation jedes Keywords zu bekommen. Ein hohes Suchvolumen und ein hoher CPC deuten in der Regel auf einen hohen Wettbewerb f\u00fcr ein Keyword hin, was es schwieriger macht, gute Rankings zu erzielen.<\/p>\n

Wir k\u00f6nnen auch unsere Konkurrenten analysieren. Wenn ein sehr \u00e4hnlicher Konkurrent f\u00fcr einen Suchbegriff, auf den wir abzielen, in den Top 10 rangiert, ist es wahrscheinlich, dass auch wir ein solches Ranking erreichen k\u00f6nnen.<\/p>\n

Zu guter Letzt k\u00f6nnen wir einen Blick auf die Faktoren der On-Page-Optimierung werfen. Wenn eine unserer Seiten bereits sehr gut f\u00fcr ein bestimmtes Keyword optimiert ist, aber nur auf Seite zwei oder drei rangiert, wird es sehr schwierig sein, die Platzierungen mit On-Page-Optimierungsma\u00dfnahmen weiter zu verbessern. Wenn wir dagegen keine Seite haben, die auf ein Keyword abzielt, oder nur eine Seite, die nicht sehr gut optimiert ist, ist es wahrscheinlicher, dass wir mit On-Page-Optimierungsma\u00dfnahmen die Top 10 f\u00fcr dieses Keyword erreichen k\u00f6nnen.<\/p>\n

Wir k\u00f6nnen dieselben Daten, die wir normalerweise manuell analysieren w\u00fcrden, verwenden, um unseren maschinellen Lernalgorithmus zu trainieren. Schauen wir uns die n\u00e4chsten Schritte an, um zu erfahren, wie das funktioniert.<\/p>\n

Schritt 2: Sammeln und Umwandeln der ben\u00f6tigten Daten<\/h3>\n

Jetzt m\u00fcssen wir die Daten sammeln, die wir normalerweise f\u00fcr die oben beschriebenen manuellen Analysen verwenden w\u00fcrden. F\u00fcr dieses Experiment nutzen wir die API von SEMrush, um Daten \u00fcber alle Keywords abzurufen, f\u00fcr die unsere Beispielwebsite und ihre Konkurrenten ranken:<\/p>\n

\"\"<\/a><\/p>\n

\"\"<\/a><\/p>\n

Nachdem wir diese Daten gesammelt haben, crawlen wir alle Ranking-Seiten unserer Beispiel-Website und die Websites der Konkurrenten und pr\u00fcfen, ob die Phrase, f\u00fcr die die Seite gerankt wird, im Titel, Inhalt, URL-Pfad oder in der Domain der Ranking-Seite enthalten ist. Wir speichern die Information dar\u00fcber als Zahl, denn der von uns verwendete Algorithmus f\u00fcr maschinelles Lernen arbeitet nur mit Zahlen und akzeptiert keinen Text als Eingabe. Wenn also zum Beispiel alle W\u00f6rter der Phrase \u2019barfen fleisch\u201c, f\u00fcr die eine Seite rangiert, im Titel-Tag dieser Seite gefunden werden, speichern wir den Wert \u201d1\u201c in \u201dtitle_found\u201c. Wenn nur eines der W\u00f6rter (50% aller W\u00f6rter) gefunden wird, speichern wir den Wert \u201d0.5\u201c, und wenn keine W\u00f6rter der Phrase gefunden werden, speichern wir den Wert \u201d0\u201c.<\/p>\n

\"\"<\/a><\/p>\n

Jetzt schreiben wir auch alle Domains und Keywords in Zahlen um, damit wir sie in unseren Algorithmus f\u00fcr maschinelles Lernen einspeisen k\u00f6nnen. Alles zusammengenommen haben wir jetzt eine Liste von Seiten, die f\u00fcr Keywords ranken, mit Informationen \u00fcber die Wettbewerbssituation (CPC und Suchvolumen) und grundlegende On-Page-Faktoren.<\/p>\n

\"\"<\/a><\/p>\n

Schritt 3: Training des maschinellen Lernmodells<\/h3>\n

Als N\u00e4chstes teilen wir unsere Daten in Trainingsdaten (80%) und Testdaten (20%) auf. Die Trainingsdaten werden ben\u00f6tigt, um den Algorithmus f\u00fcr maschinelles Lernen zu trainieren, und die Testdaten, um die Ergebnisse des Algorithmus zu \u00fcberpr\u00fcfen. Dann w\u00e4hlen wir einen Algorithmus, in diesem Fall einen MLPClassifier<\/a>, und trainiere den Algorithmus. Aufgrund verschiedener Tests glauben wir, dass ein auf einem neuronalen Netz basierender Algorithmus f\u00fcr diese Art von Anwendung am besten geeignet ist.<\/p>\n

Das ist der Teil, an dem deine Maschine eine Menge harter Arbeit leisten muss und du vielleicht ein paar Minuten warten musst. Oder Stunden...<\/p>\n

Schritt 4: Vorhersage von Rankings f\u00fcr optimierte Landing Pages<\/h3>\n

Mit dem von uns erstellten Modell k\u00f6nnen wir nun Vorhersagen machen. In unserem Beispiel sagen wir das Ranking unserer Website www.barf-alarm.de f\u00fcr die Phrase \u201cbarf fleisch kaufen\u201d voraus. Dazu verwenden wir die zuvor gesammelten Informationen und die Optimierungswerte der Seite (Phrase nicht im Titel oder in der URL und nur teilweise im Inhalt und im Domainnamen enthalten). Unser trainierter Algorithmus sagt f\u00fcr die Seite die Position 20 voraus, basierend auf den Informationen, die wir gerade gegeben haben:<\/p>\n

\"\"<\/a><\/p>\n

Wenn wir auf unsere Testdaten zur\u00fcckblicken, rangiert unsere Website f\u00fcr diese Phrase tats\u00e4chlich auf Position 18. Das bedeutet, dass unser maschineller Lernalgorithmus noch nicht 100% genau ist, aber f\u00fcr den Anfang ist das nicht schlecht:<\/p>\n

\"\"<\/a><\/p>\n

Sehen wir uns nun an, was unser Algorithmus f\u00fcr eine optimierte Version dieser Seite vorhersagt, also eine, bei der die Phrase im Titel und im Inhalt der Seite vorkommt. Wir wollen wissen, ob es sinnvoll ist, diese Seite zu optimieren. Also fragen wir unseren Algorithmus, auf welcher Position wir seiner Meinung nach ranken w\u00fcrden, wenn wir die Seite f\u00fcr diesen Begriff optimieren. Wir f\u00fcttern den Algorithmus mit denselben Daten wie zuvor, nur dass die Phrase dieses Mal im Titel und im Inhalt enthalten ist.<\/p>\n

\"\"<\/a><\/p>\n

Oh wow, unser Modell sagt Position 1 f\u00fcr eine Seite voraus, die f\u00fcr diese Phrase optimiert ist. Wir wissen bereits, dass unser Algorithmus noch nicht 100% genau ist, aber f\u00fcr den Zweck dieses Experiments funktioniert er gut: Die Identifizierung von Keywords mit hohem Ranking-Potenzial. Mal sehen, ob die Vorhersagen f\u00fcr andere Phrasen realistischer aussehen!<\/p>\n

Schritt 5: Ein vollst\u00e4ndiges Ergebnis f\u00fcr alle potenziellen Keywords, die wir identifiziert haben<\/h3>\n

Machen wir also das, was wir gerade f\u00fcr alle 3600 Keywords gemacht haben, die wir zu Beginn gesammelt haben. Unser Modell erstellt eine Liste von Keywords mit aktuellen und vorhergesagten Positionen:<\/p>\n

\"\"<\/a><\/p>\n

Wie du im Schnappschuss oben sehen kannst, sagt das Modell keine Rankings f\u00fcr irrelevante Keywords wie \u201ckreuzberg\u201d (ein Stadtteil von Berlin), \u201cdurchfall\u201d (Diarrh\u00f6) oder \u201cziege\u201d (Ziege) voraus. Das ist ein Zeichen f\u00fcr Qualit\u00e4t: Wir w\u00fcrden nicht erwarten, dass wir f\u00fcr Suchbegriffe, die f\u00fcr unser Gesch\u00e4ft nicht wirklich relevant sind, gut ranken k\u00f6nnen.<\/p>\n

Filtern wir die Liste noch ein bisschen weiter, um ein noch besseres Ergebnis zu erzielen. Wenn wir einen Filter f\u00fcr voraussichtliche Platzierungen unter 10 anwenden, erhalten wir eine Liste von Keywords, f\u00fcr die unser Algorithmus glaubt, dass wir auf Seite 1 von Google ranken k\u00f6nnen:<\/p>\n

\"\"<\/a><\/p>\n

Das ist ein gro\u00dfartiges Ergebnis! Wir haben jetzt eine Liste mit etwa 600 meist relevanten Keywords, die eine hohe Chance haben, nach einigen sehr einfachen On-Page-Optimierungen (einschlie\u00dflich der Phrasen in den Titel-Tags und dem Seiteninhalt) auf der ersten Seite von Google zu ranken. Wir m\u00fcssen nicht 3600 Keywords manuell \u00fcberpr\u00fcfen und k\u00f6nnen damit beginnen, optimierte Seiten f\u00fcr die 600 Keywords zu erstellen, die unser Machine Learning Algorithmus ausgew\u00e4hlt hat. Es kann sein, dass es einige Falschmeldungen gibt und die Ranking-Vorhersagen in einigen F\u00e4llen etwas zu enthusiastisch sind, aber das ist ein sehr guter Ausgangspunkt f\u00fcr eine vern\u00fcnftige On-Page-Optimierung.<\/p>\n

Abschlie\u00dfende \u00dcberlegungen<\/h2>\n

Wir haben in diesem Beispiel einige sehr grundlegende Daten verwendet, vor allem f\u00fcr Optimierungsma\u00dfnahmen. Wir haben nur ein paar Faktoren betrachtet, wie die Platzierung von Keywords in den Titel-Tags und den Inhalt der Seiten. Es w\u00e4re sicherlich sinnvoll, noch weitere relevante Daten hinzuzuf\u00fcgen, z. B. externe Links oder TF*IDF-Analysen. Unser Beispiel ist nur eine grundlegende Demonstration dessen, was mit maschinellem Lernen in der SEO m\u00f6glich ist.<\/p>\n

Wenn du mehr Rankingdaten extrahierst, als wir hier gemacht haben, und mehr Wettbewerber und Keywords analysierst, sollten deine Vorhersagen besser werden. Es besteht auch die M\u00f6glichkeit, die Parameter des Maschinenalgorithmus zu optimieren oder einen besseren Algorithmus zu verwenden.<\/p>\n

Willst du das selbst ausprobieren?<\/h3>\n

Wir haben den vollst\u00e4ndigen Quellcode dieses Experiments (Python, Jupyter Notebook) in unserem offenen SucheVIU Labs Github Repository<\/a>. Auf diese Weise kannst du dieses Experiment f\u00fcr deine eigene Website und mit deinen eigenen Daten ausprobieren.<\/p>\n

In unserem Repository findest du auch ein einfaches Beispiel f\u00fcr maschinelles Lernen zur Vorhersage der CTR auf der Grundlage von Google Search Console-Daten, das f\u00fcr deine ersten Schritte im Bereich maschinelles Lernen f\u00fcr SEO interessant sein k\u00f6nnte.<\/p>\n

Danke!<\/h3>\n

Wir m\u00f6chten uns bei unseren Freunden von SEMrush<\/a> f\u00fcr die Bereitstellung der Daten, die wir f\u00fcr dieses Experiment ben\u00f6tigten. Wenn du einen Account oder Credits f\u00fcr die SEMrush API brauchst, um das Experiment selbst auszuprobieren, kannst du dich mit uns in Verbindung setzen Evgeni Sereda<\/a> bei SEMrush.<\/p>\n

Au\u00dferdem m\u00f6chten wir uns bei den Organisatoren der SEO-Tag<\/a>, der gr\u00f6\u00dften SEO-Konferenz in Deutschland, daf\u00fcr, dass wir dieses Experiment dieses Jahr zum ersten Mal auf ihrer Veranstaltung pr\u00e4sentieren durften.<\/p>","protected":false},"excerpt":{"rendered":"

Erfahre, wie wir einen Machine-Learning-Algorithmus trainiert haben, um Keywords mit hohem Ranking-Potenzial zu finden, indem wir die Positionen nach On-Page-Optimierungen vorhersagen.<\/p>","protected":false},"author":1,"featured_media":1117,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","footnotes":""},"categories":[1],"tags":[30],"class_list":["post-1675","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-seo-experiments","tag-english"],"yoast_head":"\nMachine learning SEO: Predicting search rankings with ML & Python<\/title>\n<meta name=\"description\" content=\"How we trained a machine learning algorithm to find keywords with high ranking potential by predicting positions after on-page optimisations.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.searchviu.com\/de\/maschinelles-lernen-seo-vorhersage-von-rankings\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Machine learning SEO: Predicting search rankings with ML & Python\" \/>\n<meta property=\"og:description\" content=\"How we trained a machine learning algorithm to find keywords with high ranking potential by predicting positions after on-page optimisations.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.searchviu.com\/de\/maschinelles-lernen-seo-vorhersage-von-rankings\/\" \/>\n<meta property=\"og:site_name\" content=\"SEO Data Warehouse And Monitoring\" \/>\n<meta property=\"article:published_time\" content=\"2017-10-26T09:32:48+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-24T14:48:21+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/172e97c7-machine-learning-for-seo-400x269-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"400\" \/>\n\t<meta property=\"og:image:height\" content=\"269\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Michael\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@searchviu\" \/>\n<meta name=\"twitter:site\" content=\"@searchviu\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Michael\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"11\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/\"},\"author\":{\"name\":\"Michael\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#\\\/schema\\\/person\\\/047e04e169af50cb1ca9d948557fa1c2\"},\"headline\":\"Machine learning for SEO – How to predict rankings with machine learning\",\"datePublished\":\"2017-10-26T09:32:48+00:00\",\"dateModified\":\"2025-11-24T14:48:21+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/\"},\"wordCount\":1846,\"commentCount\":4,\"publisher\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.searchviu.com\\\/wp-content\\\/uploads\\\/2023\\\/02\\\/172e97c7-machine-learning-for-seo-400x269-1.jpg\",\"keywords\":[\"english\"],\"articleSection\":[\"SEO experiments\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/\",\"url\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/\",\"name\":\"Machine learning SEO: Predicting search rankings with ML & Python\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.searchviu.com\\\/wp-content\\\/uploads\\\/2023\\\/02\\\/172e97c7-machine-learning-for-seo-400x269-1.jpg\",\"datePublished\":\"2017-10-26T09:32:48+00:00\",\"dateModified\":\"2025-11-24T14:48:21+00:00\",\"description\":\"How we trained a machine learning algorithm to find keywords with high ranking potential by predicting positions after on-page optimisations.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.searchviu.com\\\/wp-content\\\/uploads\\\/2023\\\/02\\\/172e97c7-machine-learning-for-seo-400x269-1.jpg\",\"contentUrl\":\"https:\\\/\\\/www.searchviu.com\\\/wp-content\\\/uploads\\\/2023\\\/02\\\/172e97c7-machine-learning-for-seo-400x269-1.jpg\",\"width\":400,\"height\":269},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/machine-learning-seo-predicting-rankings\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.searchviu.com\\\/en\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Machine learning for SEO – How to predict rankings with machine learning\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#website\",\"url\":\"https:\\\/\\\/www.searchviu.com\\\/\",\"name\":\"SEO Data Warehouse And Monitoring\",\"description\":\"SEO Solutions For Teams And Agencies\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.searchviu.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#organization\",\"name\":\"searchVIU\",\"url\":\"https:\\\/\\\/www.searchviu.com\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.searchviu.com\\\/wp-content\\\/uploads\\\/2023\\\/02\\\/d3babe41-searchviu-logo2x.png\",\"contentUrl\":\"https:\\\/\\\/www.searchviu.com\\\/wp-content\\\/uploads\\\/2023\\\/02\\\/d3babe41-searchviu-logo2x.png\",\"width\":340,\"height\":340,\"caption\":\"searchVIU\"},\"image\":{\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/searchviu\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/searchviu\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.searchviu.com\\\/#\\\/schema\\\/person\\\/047e04e169af50cb1ca9d948557fa1c2\",\"name\":\"Michael\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0e383ecb4d55e87b2093a198ac18315bff59afd030de65ea2c5b9172bb951d89?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0e383ecb4d55e87b2093a198ac18315bff59afd030de65ea2c5b9172bb951d89?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0e383ecb4d55e87b2093a198ac18315bff59afd030de65ea2c5b9172bb951d89?s=96&d=mm&r=g\",\"caption\":\"Michael\"},\"sameAs\":[\"https:\\\/\\\/www.searchviu.com\"],\"url\":\"https:\\\/\\\/www.searchviu.com\\\/de\\\/author\\\/michaelsearchviu-com\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Maschinelles Lernen SEO: Vorhersage von Suchergebnissen mit ML & Python","description":"Wie wir einen Machine-Learning-Algorithmus trainiert haben, um Keywords mit hohem Ranking-Potenzial zu finden, indem wir die Positionen nach On-Page-Optimierungen vorhersagen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.searchviu.com\/de\/maschinelles-lernen-seo-vorhersage-von-rankings\/","og_locale":"de_DE","og_type":"article","og_title":"Machine learning SEO: Predicting search rankings with ML & Python","og_description":"How we trained a machine learning algorithm to find keywords with high ranking potential by predicting positions after on-page optimisations.","og_url":"https:\/\/www.searchviu.com\/de\/maschinelles-lernen-seo-vorhersage-von-rankings\/","og_site_name":"SEO Data Warehouse And Monitoring","article_published_time":"2017-10-26T09:32:48+00:00","article_modified_time":"2025-11-24T14:48:21+00:00","og_image":[{"width":400,"height":269,"url":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/172e97c7-machine-learning-for-seo-400x269-1.jpg","type":"image\/jpeg"}],"author":"Michael","twitter_card":"summary_large_image","twitter_creator":"@searchviu","twitter_site":"@searchviu","twitter_misc":{"Verfasst von":"Michael","Gesch\u00e4tzte Lesezeit":"11\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#article","isPartOf":{"@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/"},"author":{"name":"Michael","@id":"https:\/\/www.searchviu.com\/#\/schema\/person\/047e04e169af50cb1ca9d948557fa1c2"},"headline":"Machine learning for SEO – How to predict rankings with machine learning","datePublished":"2017-10-26T09:32:48+00:00","dateModified":"2025-11-24T14:48:21+00:00","mainEntityOfPage":{"@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/"},"wordCount":1846,"commentCount":4,"publisher":{"@id":"https:\/\/www.searchviu.com\/#organization"},"image":{"@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#primaryimage"},"thumbnailUrl":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/172e97c7-machine-learning-for-seo-400x269-1.jpg","keywords":["english"],"articleSection":["SEO experiments"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/","url":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/","name":"Maschinelles Lernen SEO: Vorhersage von Suchergebnissen mit ML & Python","isPartOf":{"@id":"https:\/\/www.searchviu.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#primaryimage"},"image":{"@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#primaryimage"},"thumbnailUrl":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/172e97c7-machine-learning-for-seo-400x269-1.jpg","datePublished":"2017-10-26T09:32:48+00:00","dateModified":"2025-11-24T14:48:21+00:00","description":"Wie wir einen Machine-Learning-Algorithmus trainiert haben, um Keywords mit hohem Ranking-Potenzial zu finden, indem wir die Positionen nach On-Page-Optimierungen vorhersagen.","breadcrumb":{"@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#primaryimage","url":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/172e97c7-machine-learning-for-seo-400x269-1.jpg","contentUrl":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/172e97c7-machine-learning-for-seo-400x269-1.jpg","width":400,"height":269},{"@type":"BreadcrumbList","@id":"https:\/\/www.searchviu.com\/machine-learning-seo-predicting-rankings\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.searchviu.com\/en\/"},{"@type":"ListItem","position":2,"name":"Machine learning for SEO – How to predict rankings with machine learning"}]},{"@type":"WebSite","@id":"https:\/\/www.searchviu.com\/#website","url":"https:\/\/www.searchviu.com\/","name":"SEO Data Warehouse und Monitoring","description":"SEO-L\u00f6sungen f\u00fcr Teams und Agenturen","publisher":{"@id":"https:\/\/www.searchviu.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.searchviu.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.searchviu.com\/#organization","name":"searchVIU","url":"https:\/\/www.searchviu.com\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.searchviu.com\/#\/schema\/logo\/image\/","url":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/d3babe41-searchviu-logo2x.png","contentUrl":"https:\/\/www.searchviu.com\/wp-content\/uploads\/2023\/02\/d3babe41-searchviu-logo2x.png","width":340,"height":340,"caption":"searchVIU"},"image":{"@id":"https:\/\/www.searchviu.com\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/searchviu","https:\/\/www.linkedin.com\/company\/searchviu\/"]},{"@type":"Person","@id":"https:\/\/www.searchviu.com\/#\/schema\/person\/047e04e169af50cb1ca9d948557fa1c2","name":"Michael","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/0e383ecb4d55e87b2093a198ac18315bff59afd030de65ea2c5b9172bb951d89?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/0e383ecb4d55e87b2093a198ac18315bff59afd030de65ea2c5b9172bb951d89?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/0e383ecb4d55e87b2093a198ac18315bff59afd030de65ea2c5b9172bb951d89?s=96&d=mm&r=g","caption":"Michael"},"sameAs":["https:\/\/www.searchviu.com"],"url":"https:\/\/www.searchviu.com\/de\/author\/michaelsearchviu-com\/"}]}},"modified_by":"Katja","_links":{"self":[{"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/posts\/1675","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/comments?post=1675"}],"version-history":[{"count":2,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/posts\/1675\/revisions"}],"predecessor-version":[{"id":8515,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/posts\/1675\/revisions\/8515"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/media\/1117"}],"wp:attachment":[{"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/media?parent=1675"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/categories?post=1675"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.searchviu.com\/de\/wp-json\/wp\/v2\/tags?post=1675"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}