Servus,

kann es sein, dass Google Unterstriche in URLs quasi löscht und somit eigentlich getrennt geschriebene Wörter zu einem zusammenfasst?

Aus "test.ch/hilf_dir_selbst" würde also "test.ch/hilfdirselbst" und die Suche nach "Hilf dir selbst" als Teil des URL dürfte also nicht funktionieren.

Ciao, Tom

Hallo Tom

Ja.

Keyword1-Keyword2 = zwei verschiedene Keywords
Keyword1_Keyword2 = ein einziges Keyword

"Google" selbst hat dazu folgendes gesagt:
http://googlewebmastercentral-de.blogspot.com/...-von-der-pubcon.html

Gruss
Martin

Hi Martin,

aha, das gilt also weiterhin...

Hatte gelesen, dass ein Google-Mitarbeiter anno 2007 berichtete, dass Google die Problematik bekannt wäre und man mit Änderungen diesbzgl. rechnen könne. Von tatsächlich stattgefundenen Änderungen habe ich jedoch seitdem nirgendwo etwas lesen können...

Ciao, Tom

Ja, Google macht es falschherum. Da muss man aufpassen.

Hallo Philyra

Wieso weisst Du wies richtig rum sein muss? Gibt es dazu irgendwo ein verbindliches Sheet, z.B. bei W3C oder so? Kannst Du mir dazu denn Link schicken?

Gruss
Martin

Weil der Bindestrich zwei Bestandteile eines Wortes verbindet. Deshalb heißt er Bindestrich. Der Unterstrich ersetzt ein Leerzeichen, und Leerzeichen trennen Wörter. Sie bezeichnen Wortgrenzen, stehen also zwischen Wörtern. Auf ein Leerzeichen folgt stets ein neues Wort. Das ist gerade im Deutschen eine ausnahmslose Regel, aber auch im Englischen, selbst wenn dort der Bindestrich in Wortfugen immer häufiger weggelassen wird.

Das ist die absolute graphemische Grundlage, die alle Sprecher des Deutschen, Englischen etc. stets anwenden, wenn sie lesen und schreiben. Deshalb wundern sich auch so viele über das Verständnis von Google. Es ist kontraikonisch.

Philyra,

lies doch einfach noch den Artikel den Martin zu diesem Thema verlinkt hat:
http://googlewebmastercentral-de.blogspot.com/...-von-der-pubcon.html

Zitat: "Beachtet hierbei, dass sich unsere Techniken permanent verbessern und deshalb der Unterschied zwischen Unterstrichen und Bindestrichen im Laufe der Zeit geringer werden kann. Selbst wenn ihr keine Zeichensetzung verwendet, stehen die Chancen gut, dass wir z. B. grosserleopard.html als "grosser leopard" und nicht "grosserle opard" erkennen. Auch wenn die Verwendung von Trennzeichen wie dem Bindestrich vorteilhaft ist, bedeutet das nicht, dass ihr notwendigerweise besondere Energie darauf verwenden müsst, für bereits bestehende URLs vorhandene Unterstriche in Bindestriche umzuwandeln."

Also, egal ob Binde- oder Unterstrich in der URL,
Google findet die relevanten Keywörter sicherlich,
denn der eigentliche Inhalt befindet sich ja im Body der HTML-Seite.

Liebe Sabine,
war mir bereits bekannt. Eben dieser Text ist aber eine PR-Vertröstung und er bezieht sich ausschließlich auf die Indexierung auf Dateiebene, die vor dem Auswerten des Contents steht. Google erkennt schon viel viel länger, wie grosserleopard.html zu segmentieren ist, weil erstens der Google-Index ein Lexikon benutzt (index=lexikon) und zweitens der Begriff im Dokument noch in segmentierter Schreibung vorkommt, zunächst in H1 und dann noch mehrmals im Text. Ist das nicht der Fall, greift nur das allgemeine Lexikon und es wird eine geringere Wahrscheinlichkeit festgelegt. Das ist der Ursprung der Idee, dass Dokumentname, title und h1 eine enge begriffliche Beziehung haben sollen. Es geht um multiple lexical hits. Damit ist Google groß rausgekaumen. Aufgrund dieses Algorithmus' haben sich vor zehn Jahren alle gewundert, warum Google so gute Treffer liefert. Und hier liegt auch der Grund, warum auf die Seite verweisende Links bei Google so wichtig sind. Die sind ein noch stärkerer lexical hit. Funktioniert auch mit lexikalischen Feldern, früher besser als heute. Wenn sich zwei Designer aufeinander verlinken, brachte ihnen das früher eine besseres Pageranking, weil sie einander das semantische Feld "Design" bestätigten. Seit Web 2.0, wo sich alle miteinander verlinkt haben, brachte das semnatisch nichts mehr. Deshalb bringt das heute nicht mehr viel. Der interne Hit (subversiv als "Guter Content" lanciert) ist verläßlicher.

Die Idiologie von "Links = Beliebtheit = Qualität" kam also erst später und ist wieder gewichen. Es gibt heute viele Webseiten ohne eingehende Links, die allein durch guten und intern gut vernetzten Content ein hohes Ranking erreichen.

Mit diesem sehr einfachen System der semantischen Hits kann man sehr schnell eine sehr gute Suchmaschine erschaffen, die sich mit dieser Grundlage allerdings nur schwer weiterentwickeln läßt.

Google kann die Phrase sogar in den Plural setzen oder den Genetiv bilden. Auch mit "ein grosser männlicher Leopard" kann es grosserleopard.html in eine semantische Verbindung setzen. Das man wichtige Begriffe im Content auch beugen soll, um einen hohen Rank für das Stichwort zu bekommen, liegt ebenfalls darin begründet, dass Google den benutzten Begriff dadurch sicherer mit dem Lexikon verknüpfen kann.

Übrigens ist die gesamte Auskunft zu dieser Frage im zitierten Text ein wenig sonderbar, weil maschinelle Spracherkennung und Lexikalisierungstechniken heute eigentlich schon viel weiter sind. Dass idiomatischer Gebrauch von Binde- und Unterstrich für Konfusion sorgten, war 1985. Warum Google den Strichen überhaupt Beachtung schenkt, ist sehr verwunderlich. Wenn die Sprache bekannt ist, kann man heute jeden Text mit fünf Zeilen Code segmentieren.

Und man kann aus einigen Treffern, die Google zu einem schickt, durchaus erkennen, dass modernere Techniken angewendet werden. Eigentlich könnte man solche Dateinamen heute zusammen schreiben, ohne dass Google ins Grübeln kommt: grosserleopardliegtfaulaufderwiese.html. Das stellt heute kein linguistisches Spracherkennungsprogramm mehr vor Probleme.

Das hat aber nichts mit der schlechten Doktrin zu tun. Die haben sich Programmierer einst spontan so ausgedacht. Google ist aber sehr dringend darauf angewiesen, den Dateinamen genau zu verstehen. Die arbeiten nicht daran, das im Laufe der Zeit zu verbessern. Sie machen das seit Gründung der Firma.

Liebe Philyra,

>> Eben dieser Text ist aber eine PR-Vertröstung

Du meinst also, daß Google in seinem Blog lügt.

Alles über Google kann man ja auch hier nachlesen, Du mußt das hier nicht alles wiederholen:
http://www.google.com/...rt/webmasters/?hl=de

>> Es geht um multiple lexical hits. Damit ist Google groß rausgekaumen.

Es wurden keine mit Ihrer Suchanfrage - "multiple lexical hits" - übereinstimmenden Dokumente gefunden:
http://www.google.com/...e=utf-8&oe=utf-8


>> Wenn die Sprache bekannt ist, kann man heute jeden Text mit fünf Zeilen Code segmentieren.

Kannst Du diese 5 Zeilen Code bitte in das Forum posten,
damit wir das hier alle überprüfen und testen können?

Hallo Sabine

Sorry, aber es gibt da einen einzelnen Hit ...
http://www.google.com/...e=utf-8&oe=utf-8
Er ist erst knappe 40 Minuten alt, aber Google hat ihn schon gekapert ..

Gruss
Martin

EDIT:
Jetzt sinds schon zwei Hits.
Wenn Google alle 60 Minuten die Trefferzahl verdoppelt, dann wird das bald eine echt relevante Sache ...
Also einfach nach multiple lexical hits Suchen, dann findets Google schon ;-)