SEOkomm 2024 - Automatisierung und intelligenter KI-Einsatz für mehr SEO-Effizienz

22.11.2024 SEOkomm Deep Dive Automatisierung und intelligenter KI-Einsatz für mehr
SEO-Effizienz

SEOkomm 2024 / Seite 2 Aktuelle SEO Welt + Herausforderungen
Früher Keywords Excel, Google Sheets Keyword-Optimierung Manuelles Schreiben Traditionelle Suchmaschinen Textbasierte Suche Heute Entitäten & Semantik BigQuery, Python Intent-basierte Inhalte KI-unterstützte Content-Generierung KI-gestützte Suchmaschinen Multimodale Suche (Text, Bild, Sprache)

Google Chrome Plugins Google Sheets Apps Script CustomGPTs Worum soll
es heute nicht gehen? SEOkomm 2024 / Seite 3

SEOkomm 2024 / Seite 4 Agenda Vector Embeddings SEO Automation
AI Agents

SEOkomm 2024 / Seite 5 Vector Embeddings

SEOkomm 2024 / Seite 6 Was ist das? Vector Embeddings
▪ Numerische Darstellung von Daten ▪ Erfassen semantische Beziehungen ▪ Hochdimensionale Vektoren ▪ Ermöglichen maschinelles Verstehen Suchmaschinen und LLMs nutzen das!

SEOkomm 2024 / Seite 7 Was ist das? Vector Embeddings

SEOkomm 2024 / Seite 8 Praxisbeispiel: Redirect Mapping Vector Embeddings

SEOkomm 2024 / Seite 9 Redirect Mapping für internationalen E-Commerce
Relaunch Projektübersicht Relaunch eines internationalen Onlineshops mit neuer URL-Struktur ohne Werte, die eine eindeutige Zuordnung ermöglichen Herausforderung ▪ 190.000 URLs in neue Struktur mappen Vector Embeddings >99% Zeitreduktion Lösung Anpassung des Redirect Mapping-Tools, um noch genauer zu mappen Ergebnis ▪ Erfolgreiches Mapping aller URLs ▪ Signiﬁkante Zeit- und Kostenersparnis im Vergleich zu manuellen Methoden

SEOkomm 2024 / Seite 10 Wie komme ich daran? (1.
No-Code Option) Vector Embeddings Screaming Frog

SEOkomm 2024 / Seite 11 https://vector-embedding-calculation.streamlit.app/ 2. No-Code Option

SEOkomm 2024 / Seite 12 Wie komme ich daran? (Code
Option) ▪ Dynamischer Vergleich von Embedding-Modellen ▪ Analog zu lmarena.ai ▪ Bewertung anhand realer Anfragen ▪ Hilft bestes Embedding Modell für Bedürfnisse ﬁnden Vector Embeddings https://huggingface.co/spaces/mteb/arena

SEOkomm 2024 / Seite 13 Wie komme ich daran? (Code
Option) Vector Embeddings Python Code Nutzbar zum Beispiel über: https://colab.research.google.com/ Ausgewähltes Embedding-Modell nutzen

SEOkomm 2024 / Seite 14 Möglichkeiten zur Weiterverarbeitung Vector Embeddings
Ähnlichkeitssuche Clustering

SEOkomm 2024 / Seite 15 Findet die k ähnlichsten Vektoren
zu einem gegebenen Vektor K-Nearest Neighbors (KNN) Findet schnell approximative nächste Nachbarn Approximate Nearest Neighbors (ANN) Berechnet den Winkel zwischen Vektoren Cosine Similarity Wie arbeite ich damit? - Ähnlichkeitssuche Vector Embeddings Vorteile Nachteile Vorgehensweise Notwendige Angaben Einfache Resultate zwischen -1 und 1 Beachtet nicht die Länge der Vektoren - Sehr schnell, auch bei großen Datensätzen. Ergebnisse sind approximativ, nicht exakt k: Anzahl der zu suchenden Nachbarn exakt langsam bei großen Datensätzen k: Anzahl der zu suchenden Nachbarn k=3

SEOkomm 2024 / Seite 16 Cosine Similarity - Wie ähnlich
ist X zu Y? Vector Embeddings https://vector-embedding-calculation.streamlit.app/

SEOkomm 2024 / Seite 17 Cosine Similarity - Anwendungsfälle Vector
Embeddings Analyse der Inhaltsrelevanz zwischen verlinkten Seiten Example.com/a/ Example.com/b/ Example.com/c/ Example.com/d/ 0.76 0.12 Ähnlichkeitsscore 0.80

SEOkomm 2024 / Seite 18 Cosine Similarity - Anwendungsfälle Vector
Embeddings Abgleich des Anchor-Textes mit dem Keyword der Zielseite Ähnlichkeitsscore 1.00 Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud ipsum

SEOkomm 2024 / Seite 19 Findet die k ähnlichsten Vektoren
zu einem gegebenen Vektor K-Nearest Neighbors (KNN) Findet schnell approximative nächste Nachbarn Approximate Nearest Neighbors (ANN) Berechnet den Winkel zwischen Vektoren Cosine Similarity Wie arbeite ich damit? - Ähnlichkeitssuche Vector Embeddings Vorteile Nachteile Vorgehensweise Notwendige Angaben Einfache Resultate zwischen -1 und 1 Beachtet nicht die Länge der Vektoren - Sehr schnell, auch bei großen Datensätzen. Ergebnisse sind approximativ, nicht exakt k: Anzahl der zu suchenden Nachbarn exakt langsam bei großen Datensätzen k: Anzahl der zu suchenden Nachbarn k=3

SEOkomm 2024 / Seite 20 Nearest Neighbours – Anzahl der
Nachbarn (k) vorgegeben Vector Embeddings https://vector-embedding-calculation.streamlit.app/

SEOkomm 2024 / Seite 21 Nearest Neighbours - Anwendungsfälle nach
k-Wert Vector Embeddings Top 3 Verlinkungsziele (near) Duplicate Content 3 Identiﬁziert die drei relevantesten internen Verlinkungsmöglichkeiten Findet möglicherweise doppelte oder sehr ähnliche Inhalte 1−3 Anwendungsfall k-Wert Redirect Mappings 1 Findet die k ähnlichsten Vektoren zu einem gegebenen Vektor Erklärung

SEOkomm 2024 / Seite 22 Nearest Neighbours – Codebeispiel Vector
Embeddings Python Code Nutzbar zum Beispiel über: https://colab.research.google.com/

SEOkomm 2024 / Seite 23 Möglichkeiten zur Weiterverarbeitung Vector Embeddings
Ähnlichkeitssuche Clustering

SEOkomm 2024 / Seite 24 Ordnet Daten für eine ﬂexible
Clusterbildung OPTICS Findet Cluster basierend auf der Dichte der Datenpunkte DBSCAN Teilt Daten in eine vorgegebene Anzahl (k) von Clustern ein K-Means Wie arbeite ich damit? - Clustering Vector Embeddings Vorteile Nachteile Vorgehensweise Notwendige Angaben Einfach zu verstehen und anzuwenden; Schnell, auch bei vielen Datenpunkten Anzahl der Cluster muss vorgegeben werden; Kann durch Ausreißer beeinﬂusst werden k: Anzahl der gewünschten Cluster Findet Cluster beliebiger Form; Erkennt Ausreißer automatisch Kann Probleme bei unterschiedlichen Datendichten haben eps: Maximale Entfernung zwischen Nachbarn; minPts: Mindestanzahl von Punkten für einen Cluster Passt sich unterschiedlichen Datendichten an; Ermöglicht detaillierte Analyse der Clusterstruktur Langsamer als die anderen Methoden; Ergebnisse können schwieriger zu interpretieren sein eps: Maximale Entfernung zwischen Nachbarn; minPts: Mindestanzahl von Punkten für einen Cluster

SEOkomm 2024 / Seite 25 https://vector-embedding-calculation.streamlit.app/

SEOkomm 2024 / Seite 26 https://vector-embedding-calculation.streamlit.app/

SEOkomm 2024 / Seite 27 Clustering Vector Embeddings K-Means DBSCAN
Keywordclustering Semantisches Clustering von Keywords Überprüft und optimiert die bestehende Kategoriestruktur einer Website Algorithmus Anwendungsfall OPTICS Kategoriebaumvalidierung Kategorisierung von Produkten in vorgegeben k Kategorien Beschreibung Produktkategorisierung

SEOkomm 2024 / Seite 28 SEO Automation

SEOkomm 2024 / Seite 29 Automatisierung beim Content Audit führt
zu 97% weniger Kosten im Vergleich zu manueller Arbeit Projektübersicht Analyse der Content-Qualität einer E-Commerce-Website Aufgabe Bewertung der Content-Qualität (u.a. Markenschreibweisen, Tone of Voice, ALT-Texte, HTML-Struktur, Keyword-Relevanz, Interne Verlinkung) SEO Automation 97% Kostenreduktion Ergebnisse und Erkenntnisse ▪ Contentoptimierungspotenziale ▪ Optimierungspotentiale der Verlinkungsstruktur zur Verbesserung thematischer Autorität ▪ Inkonsistenzen in Produktbeschreibungen

SEOkomm 2024 / Seite 30 „Ich hab keine Zeit mein
Fahrrad reparieren zu lassen, weil ich zur Arbeit laufen muss“

SEOkomm 2024 / Seite 31 „Ich hab keine Zeit mich
mit SEO-Automatisierung zu befassen, weil ich so viel zu tun haben “ Diese Zeit musst du Dir nehmen!

SEOkomm 2024 / Seite 32 Schritt 1 Finde eine Aufgabe,
die dich so richtig, richtig nervt! Schritt 2 Stell dir vor, mehr Zeit für die Dinge zu haben, die dir wirklich Spaß machen

SEOkomm 2024 / Seite 33 Schritt 4 Schreib dir den
Prozess Schritt für Schritt auf Fang an, den Prozess Stück für Stück zu automatisieren Schritt 3

SEOkomm 2024 / Seite 34 Content Audit: Schritt für Schritt
SEO Automation Crawl der Domain mit Screaming Frog Anreicherung der Crawl-Daten mit Daten aus unterschiedlichen Tools Analyse der Daten Aufbereitung der Ergebnisse Vorbereitung: Was soll das Ergebnis sein? Welche Kennzahlen sollen erhoben werden? 1 2 3 4

SEO Automation Beispieldaten

SEO Automation Crawl der Domain mit Screaming Frog Anreicherung der Crawl-Daten mit Daten aus unterschiedlichen Tools Analyse der Daten Aufbereitung der Ergebnisse Vorbereitung: Was soll das Ergebnis sein? Welche Kennzahlen sollen erhoben werden? 1 3 2 4

SEOkomm 2024 / Seite 37 Automatisierung mit Make.com, KNIME, Python…
SEO Automation Welche Datenquellen nutze ich? Ist das Eingabeformat immer gleich? Wo sind variable Stellen in den Daten? Datenvorbereitung Datenformat Datenverarbeitung und Ergebnisse Welche Formate muss ich verarbeiten können? Wie handle ich unterschiedliche Datentypen? Wo brauche ich Flexibilität im Format? Welche Transformationen sind erforderlich? Brauche ich jedes Mal das gleiche Ergebnis? Wo kann ich variable Ausgaben einplanen?

SEOkomm 2024 / Seite 38 Code Beispiel: Inhaltliche Relevanz der
ausgehenden Links SEO Automation Python Code Nutzbar zum Beispiel über: https://colab.research.google.com/

SEOkomm 2024 / Seite 39 So bringst du SEO-Automatisierung erfolgreich
ins Team SEO Automation Identifiziere Verbündete im Team ▪ Teamplayer, die offen für Neuerungen sind ▪ Einflussreiche Kollegen, die dich unterstützen können Plane gemeinsam ▪ Geh die Automatisierungsschritte zusammen durch ▪ Sammle Feedback und optimiere deine Vorschläge Entwickle praxisnahe Lösungen ▪ Schaffe intuitive Tools, die den Arbeitsalltag verbessern ▪ Stelle sicher, dass die Lösungen leicht verständlich sind 1 2 3 4 Fördere die Akzeptanz ▪ Demonstriere den konkreten Nutzen mit Beispielen ▪ Mache die Lösung in Benutzeroberflächen leicht zugänglich ▪ Biete Unterstützung bei der Einführung und Nutzung 5 Messe und kommuniziere den Erfolg: ▪ Demonstriere den konkreten Nutzen mit Beispielen

SEOkomm 2024 / Seite 40 https://colab.research.google.com/drive/1Y4msGtQf44IRzCotz8KMy0oawwZ2yIbT https://redirect-mapping.streamlit.app/

SEOkomm 2024 / Seite 41 https://meta-data.streamlit.app/ https://colab.research.google.com/drive/1q_ZwxDy5Rv21PM08A37G14qjHJWDEdpM

SEOkomm 2024 / Seite 42 Beispiel: AI News wöchentlich zusammenfassen
lassen SEO Automation Schritt 1: „Retrieve RSS feed items“ Eingaben: ▪ Feed-URL: https://rss.beehiiv.com/feeds/2R3C6Bt5wj.xml (Rundown AI) ▪ Date from: {{addDays(now; -7)}} (letzte 7 Tage)

lassen SEO Automation Schritt 2: „Compose a string“ Eingaben: • <h4><a href="{{1.url}}">{{1.url}}</a></h4>{{forma tDate(1.dateUpdated; "DD.MM.YYYY")}}<br><p>15. Description{{1.description}}</p><br>

lassen SEO Automation Schritt 3: „HTML to Markdown“ Eingaben: • {{2.value}}

lassen SEO Automation Schritt 4: „Table aggregator“

lassen Schritt 5: LLM deiner Wahl nutzen: SEO Automation 1. API Key erhalten console.anthropic.com/settings/keys platform.openai.com/api-keys console.groq.com/keys

lassen SEO Automation Schritt 5: 2. Key eintragen

lassen SEO Automation Schritt 5: 3. Modell auswählen Und ggf. Token Limit eintragen

lassen SEO Automation Du bist ein KI-Assistent für einen KI Newsletter für SEO-Profis. Deine Aufgaben: 1. Identifiziere und priorisiere relevante KI-Entwicklungen und -Tools für SEO-Profis. 2. Kategorisiere in #KI-Update (5−6 Beiträge) und #Tool-Empfehlung (2−3 Beiträge). Format für KI-Updates: #KI-Update [Emoji] Überschrift tl;dr: Zusammenfassung (2−3 Sätze) Die Details: · 5−7 Stichpunkte Relevanz für SEO-Profis: (1−2 Sätze) Mehr Infos: · 2−3 Quellen mit Links Format für Tool-Empfehlungen: #Tool-Empfehlung ## [Technologie/Produkt/Unternehmen] [Emoji] Kurzbeschreibung tl;dr: Zusammenfassung Details: · 4−5 Hauptfunktionen Use Cases: · 3−4 Anwendungsfälle Wichtigkeit: · 2−3 Punkte zum Nutzen Tipp: Praktischer Hinweis Link zum Tool oder Quelle Richtlinien: 1. Fokus auf neueste SEO-relevante Entwicklungen 2. Professioneller, zugänglicher Ton 3. Duzen statt Siezen 4. Keine Buzzwords 5. Aktuelle, genaue Informationen 6. Beachte Updates von Google, OpenAI, Meta, Anthropic besonders Formatierung: - Trenne Beiträge mit --- - Behalte alle Links bei Schritt 6: 1. Systemprompt eintragen (unter “Show Advanced Settings“)

lassen SEO Automation Schritt 7: 1. User Prompt eintragen 2. Eingabe: {{4.text}} Gib deine Antwort ohne Kommentare aus!

lassen SEO Automation Schritt 8: 1. E-Mail-Titel generieren

lassen SEO Automation Erstelle einen fesselnden Titel für den KI Newsletter basierend auf dem Inhalt. Der Titel sollte folgende Elemente enthalten: Erwähne ein oder zwei der wichtigsten KI-Updates oder Tool-Features aus der E-Mail. Beziehe dich auf ein Hauptthema der KI-Updates oder Tool-Empfehlungen. Beende den Titel mit "- KI Newsletter". Verwende dieses Format: "Von [wichtiges KI-Update/Tool] bis [KI-Feature/Hauptthema] - KI Newsletter" Beispiel: "Von Googles AIO bis Anthropic 3.5 Update - KI Newsletter" Achte darauf, dass der Titel: Neugier weckt und die Hauptthemen der E-Mail widerspiegelt Nicht länger als 60−70 Zeichen ist (ohne "- KI Newsletter") Einen Gedankenstrich vor "KI Newsletter" verwendet Basiere den Titel auf den wichtigsten und interessantesten Punkten aus den Abschnitten "KI-UPDATES" und "TOOL-EMPFEHLUNGEN". Gib deine Antwort ohne Kommentar aus! Inhalt: {{8.textResponse}} Schritt 8: 2. User Prompt eintragen

lassen SEO Automation Schritt 9: E-Mail über Programm eurer Wahl schicken lassen (vorher Verbindung dazu herstellen)

lassen SEO Automation Schritt 10: Prozess automatisiert laufen lassen

lassen SEO Automation Ein KI-Update, das um HTML-Format erweitert wurde

lassen (fortgeschritten) Daten von RSS Feeds erhalten Format ierung Abgleich mit Vektordatenbank Erstellung des KI-Updates Einfügen der Updates Update der Vektordatenbank

SEO Automatisierung mit Make.com ▪ Sistrix-Daten wöchentlich abrufen ▪ Blogentwürfe
automatisch erstellen ▪ Keyword-Rankings überwachen ▪ SEO-Audits automatisieren ▪ … Jedes Tool, das eine API hat kann ich ansteuern und kombinieren SEO Automation SEOkomm 2024 / Seite 57

SEOkomm 2024 / Seite 58 AI Agents

„Branchenspeziﬁsche KI-Anwendungen mit fortschrittlichen Reasoning-Fähigkeiten und maßgeschneiderten AI Agents sind
die wahren Innovationstreiber. Sie haben das Potenzial, Dienstleistungen zu automatisieren und neue Märkte zu erschließen.“ SEQUIOA Generative AI’s Act o1 SEOkomm 2024 / Seite 59

SEOkomm 2024 / Seite 60 AI Agent ChatGPT, Microsoft Copilot,
Claude, CustomGPT AI Assistant GPT-4o, Claude-3−5−sonnet-latest, Gemini-1.5−pro-latest LLM AI Agents was sind das eigentlich? Merkmale Beispiele Verarbeitet und generiert natürliche Sprache Trainiert auf großen Textmengen Basis für viele AI-Anwendungen Nutzt LLMs als Grundlage Interaktiv und dialogorientiert Begrenzte Autonomie Autonomes System mit eigener Entscheidungsfähigkeit Keine eigene Entscheidungsfähigkeit oder Planung Langchain/ Langgraph, OpenAI Swarm, CrewAI, Autogen Arbeitet mit Nutzereingaben und Feedback Nutzt verschiedene Tools und Datenquellen Kann komplexe, mehrschrittige Aufgaben ausführen und planen Nutzt LLMs als Grundlage

SEOkomm 2024 / Seite 61 Case Study: B2B KI-Textoptimierung und
–erstellung mit Agents AI Agents Klicks +210% Impressions + 275% Optimierung geht live

KI-gestützte Datenanalyse mit Agenten AI Agents Agentenbasiert: ▪ Agent verarbeitet
natürliche Sprache ▪ Erstellt nötigen Code zur Datenanalyse ▪ Führt Code lokal aus ▪ Gibt Analyseergebnisse aus Vorteile: ▪ Minimale bis keine Weitergabe von Daten an das LLM (je nach Einstellung) Beispiel: https://pandasai-chat.streamlit.app/ SEOkomm 2024 / Seite 62

SEOkomm 2024 / Seite 63 Wie kann ein Multi Agent
Flow aussehen? AI Agents Ansprache des Supervisors durch den Nutzenden

SEOkomm 2024 / Seite 64

SEOkomm 2024 / Seite 65 Supervisor Exa Search Researcher Writer
Reviewer make.com_webhook

https://www.youtube.com/watch?v=nqAK_L66sIQ Empfehlung: Einfache Methode SEOkomm 2024 / Seite 72 Wie
installiert man Flowise? AI Agents

SEOkomm 2024 / Seite 73 Wofür nutzen wir AI Agents
1 2 3 Eigener Chatbot über den Agents angesteuert werden Contentsystem mit Multi Agents Support bei der Datenanalyse

SEOkomm 2024 / Seite 74 Code Lösung AI Agents https://langchain-ai.github.io/langgraph/tutorials/multi_agent/agent_supervisor/
Python Code Nutzbar zum Beispiel über: https://colab.research.google.com/

SEOkomm 2024 / Seite 75 Next Big Thing: n8n AI
Agents https://n8n.io/workﬂows/2473−generate-seo-seed-keywords-using-ai/

SEOkomm 2024 / Seite 76 Was Du aus dem Deep
Dive mitnehmen solltest Zusammenfassung Numerische Darstellungen von Daten (wie Wörtern oder Sätzen) im mehrdim. Raum Ähnlichkeitssuche ﬁndet ähnliche Vektoren zu einem gegebenen Vektor, während Clustering Gruppen von ähnlichen Vektoren identiﬁziert Für erfolgreiche Automatisierung brauchst du Tools wie Make.com, KNIME oder Python, sowie Zugang zu relevanten Datenquellen Im SEO kannst du für die Content Erstellung, Datenanalyse und noch vieles mehr AI Agents einsetzen Mit Flowise oder n8n kannst du ohne coden zu können einen AI Agent aufsetzen oder du nutzt direkt ein Framework wie Langchain Vector Embeddings und ihre Anwendung im SEO SEO Automation Keywordclustering, Redirect Mapping, Verlinkunsrelevanz Du hast gelernt, wie du einen KI Newsletter aufsetzt und wie du das Wissen auf andere Automatisierungen überträgst AI Agents sind autonome KI-Systeme, die komplexe Aufgaben selbstständig planen und ausführen können AI Agents im SEO Fang mit nervigen & repetitiven Aufgaben mit geeigneten Tools an

Claneo auf Social Media Senior SEO Automation & AI Strategist
[email protected] LinkedIn Kevin Kirchhoff SEOkomm 2024 / Seite 77 https://www.claneo.com/de/kevin/ Slides erhaltet ihr hier :

SEOkomm 2024 - Automatisierung und intelligente...

SEOkomm 2024 - Automatisierung und intelligenter KI-Einsatz für mehr SEO-Effizienz

More Decks by Kevin Kirchhoff

Other Decks in Marketing & SEO

Featured

Transcript