Search Console 1000 Zeilen: Limit umgehen und alle Daten exportieren

Wir, Talha Aslan und Team, hören diese Frage vor allem von wachsenden Onlineshops und großen Contentprojekten. Denn ab einer gewissen Größe zeigen die Suchanfragen im Bericht nur noch einen kleinen Ausschnitt Ihrer tatsächlichen Sichtbarkeit. In diesem Leitfaden klären wir zunächst, was die Grenze genau abschneidet. Danach richten wir jede Methode Schritt für Schritt ein. Zum Schluss fassen wir in einer Tabelle zusammen, welche Methode zu welcher Website passt. Codeblöcke verwenden wir bewusst nicht; wir erklären Logik und Reihenfolge.

Falls Sie neu im Tool sind, lesen Sie zuerst unsere Google Search Console Anleitung für Einsteiger. Dieser Beitrag setzt voraus, dass Sie die Berichtsansicht bereits kennen.

Was genau schneidet die Grenze ab, wenn die Search Console 1000 Zeilen anzeigt?

Der Leistungsbericht (Performance report) zeigt oben ein Diagramm und darunter eine Tabelle. Die Tabelle hat Tabs für Suchanfragen, Seiten, Länder, Geräte und mehr. Dabei listet sie allerdings höchstens 1.000 Zeilen auf. Selbst wenn also 40.000 verschiedene Suchanfragen Impressionen für Ihre Website erzeugt haben, sehen Sie nur einen Teil davon.

Google beschreibt das klar auf der Hilfeseite zum direkten Export aus einem Search Console Bericht: Die exportierten Daten enden bei 1.000 Zeilen mit repräsentativen Beispielen Ihrer Daten. Außerdem erwähnt die Seite, dass kleine Websites oft die meisten oder alle Daten erhalten, große Websites dagegen meist nur eine Stichprobe.

Ein Detail ist dabei entscheidend. Die Grenze betrifft die Tabelle, nicht das Diagramm. Daher zeigen Gesamtklicks und Gesamtimpressionen im Diagramm den echten Trend. Allerdings endet jede Antwort auf die Frage „welche Suchanfrage, welche Seite?“ bei 1.000 Zeilen. Genau in diesem abgeschnittenen Bereich liegt der Großteil Ihres Longtails.

• Diagramm: zuverlässig für den Gesamttrend.
• Tabelle: höchstens 1.000 Zeilen, die stärksten zuerst.
• Export: dieselbe Grenze wie die Tabelle, als Google Sheets, Excel oder CSV.

Warum weichen die Summen im Export von der Zeilensumme ab?

Diese Frage stellt sich fast jeder beim ersten Öffnen der Datei. Sie addieren die Klicks der 1.000 Zeilen, aber das Ergebnis erreicht nie die Gesamtzahl oben im Bericht. Der Grund ist einfach: Die Gesamtzahl enthält auch die abgeschnittenen Zeilen.

Laut der Hilfeseite von Google sind die Summen im Export echte Summen, ohne angewendete Zeilengrenze. Die Zeilen selbst decken dagegen nur den sichtbaren Teil ab. Deshalb können Sie aus dem Vergleich beider Zahlen grob ableiten, wie viel Detail Ihnen fehlt.

Beispielszenario: Der Export für example.com zeigt 10.000 Klicks insgesamt. Die 1.000 Zeilen ergeben zusammen aber nur 7.000. Also stammt etwa ein Drittel der Klicks aus Suchanfragen außerhalb Ihrer Tabelle oder aus anonymisierten Suchanfragen. Das ist eine Beispielrechnung. Ihr eigenes Verhältnis hängt davon ab, wie Ihre Website Traffic gewinnt.

Zudem erscheinen Werte, die im Bericht als „~“ oder „-“ stehen, in der heruntergeladenen Datei als Null. Lesen Sie daher nicht jede Null in der Datei als echte Null. Gerade bei der durchschnittlichen Position verzerren diese Nullen Ihre Mittelwerte.

Ein Teil der Lücke kommt mit keiner Methode zurück. Warum das so ist, erklären wir in unserem Beitrag Warum fehlen Suchanfragen in der Search Console. Weiter unten gehen wir kurz darauf ein.

Welche Websites stoßen an die Grenze, wenn die Search Console 1000 Zeilen kappt?

Eine kleine Unternehmenswebsite erhält oft nur für einige hundert verschiedene Suchanfragen pro Monat Impressionen. Auf so einer Website zeigt die Tabelle ohnehin fast alles. Folglich braucht nicht jede Website eine zusätzliche Einrichtung.

Zum echten Problem wird die Grenze in diesen Fällen:

• Onlineshops mit Tausenden Produktseiten oder Kategorieseiten.
• Contentseiten und Nachrichtenportale mit Hunderten Artikeln.
• Websites, die in mehreren Sprachen oder für mehrere Länder veröffentlichen.
• Lokale Dienstleister und Verzeichnisse, die von Longtail Suchanfragen leben.
• Jede Website, die mehr als 16 Monate Historie behalten möchte.

Der letzte Punkt geht oft unter. Der Leistungsbericht zeigt höchstens 16 Monate an Daten. Wenn Sie also die aktuelle Saison mit derselben Saison vor zwei Jahren vergleichen wollen, müssen Sie die Daten ab heute außerhalb der Search Console speichern. Das Problem betrifft somit nicht nur die Zeilenzahl, sondern auch die Historie, die mit der Zeit verschwindet.

Beispielszenario: example.com betreibt einen Shop mit 3.000 Produkten. Jede Produktseite erhält dabei zudem nur wenige Klicks. Markenanfragen und Kategorieanfragen füllen die ersten 1.000 Zeilen. Dadurch tauchen Chancen auf Produktebene im Bericht überhaupt nicht auf. Deshalb sehen wir die Grenze als strategischen blinden Fleck, nicht als kosmetisches Detail.

Wie weit kommen Sie mit Filtern direkt im Bericht?

Vor jeder Einrichtung liegt eine Idee nahe: den Bericht mit Filtern in Scheiben schneiden. Jeder Filter öffnet ein neues Fenster mit 1.000 Zeilen. Zum Beispiel filtern Sie zunächst nach Seiten, die mit /produkte/ beginnen, dann nach Seiten unter /blog/. So erhalten Sie für jeden Bereich eigene 1.000 Zeilen.

Diese Dimensionen eignen sich zum Aufteilen:

1. Datum: wählen Sie wöchentliche oder tägliche Zeiträume statt eines ganzen Monats.
2. Seite: nutzen Sie Filter für URLs, die einen bestimmten Ordner enthalten oder damit beginnen.
3. Land: laden Sie jeden Zielmarkt einzeln herunter.
4. Gerät: trennen Sie Desktop, Mobilgerät und Tablet.
5. Suchanfrage: schließen Sie Markenanfragen mit einem Filter aus.

Allerdings hat dieser Ansatz klare Grenzen. Beim Zusammenführen der Scheiben taucht dieselbe Suchanfrage oft in mehreren Dateien auf. Außerdem kostet das manuelle Herunterladen Zeit und erhöht das Fehlerrisiko. Daher nutzen wir das Aufteilen nur für einmalige Analysen, nie für regelmäßiges Reporting.

Für die Trennung von Marke und Nichtmarke hilft ein Filter mit regulären Ausdrücken (Regex) enorm. Die Einrichtung zeigen wir in unserem Leitfaden zu Marken und Nichtmarken Suchanfragen in der Search Console.

Wie liefert die Search Console API mehr als 1.000 Zeilen?

Mit der Search Console API fragen Sie die Daten des Leistungsberichts per Programm ab. In einer Search Analytics Abfrage steht die Zeilengrenze standardmäßig auf 1.000. Laut der Entwicklerdokumentation von Google können Sie diesen Wert allerdings auf bis zu 25.000 Zeilen pro Anfrage erhöhen.

Für noch mehr Daten blättern Sie mit dem Parameter startRow durch die Ergebnisse. Sie fragen also zuerst die ersten 25.000 Zeilen ab, dann die nächsten 25.000 und so weiter. Sobald eine Antwort leer zurückkommt, haben Sie das Ende der Daten erreicht.

Trotzdem hat auch die API eine Obergrenze. Der Google Leitfaden zum Abruf aller Ihrer Daten nennt höchstens 50.000 Zeilen pro Tag und Suchtyp. Diese Zeilen folgen der Reihenfolge der Klicks. Bei sehr großen Websites liefert also selbst die API nicht alles. Sie öffnet aber ein deutlich größeres Fenster als die Oberfläche.

Zudem betont die Dokumentation, dass die API nicht alle Zeilen garantiert, sondern die obersten. Betrachten Sie API Daten deshalb als Ihre breiteste Stichprobe, nicht als vollständige Liste. Prüfen Sie die aktuellen Grenzwerte immer in der offiziellen Dokumentation, denn Google kann sie ändern.

Außerdem zählt jeder Suchtyp separat. Sie fragen Web, Bilder, Videos und News jeweils einzeln ab. Somit vermischt sich der Traffic aus der Bildersuche nie versehentlich mit Ihren Webzahlen.

Wie richten Sie Paginierung und tägliche Abfragen in der API ein?

Die Empfehlung von Google ist eindeutig: Führen Sie jeden Tag eine Abfrage für die Daten genau eines Tages aus. So nutzen Sie die tägliche Zeilengrenze optimal. Außerdem bleiben Sie innerhalb Ihres Kontingents. Konkret starten Sie statt einer Anfrage für einen ganzen Monat dreißig Anfragen für jeweils einen Tag.

Wir empfehlen diese Reihenfolge:

1. Legen Sie fest, welche Dimensionen Sie brauchen, etwa Datum, Suchanfrage, Seite, Land und Gerät.
2. Wählen Sie die Suchtypen, denn jeder braucht eine eigene Abfrage.
3. Setzen Sie den Zeitraum auf einen einzigen Tag.
4. Stellen Sie die Zeilengrenze auf 25.000 und beginnen Sie bei Zeile null.
5. Solange Antworten Zeilen enthalten, erhöhen Sie die Startzeile um 25.000 und fragen erneut.
6. Kommt eine leere Antwort, schließen Sie den Tag ab und speichern das Ergebnis in Ihrer eigenen Tabelle.
7. Am nächsten Tag wiederholen Sie den Ablauf für das folgende Datum.

Außerdem spielt das Timing eine Rolle. Laut Dokumentation stehen die Daten in der Regel nach zwei bis drei Tagen bereit. Zudem liefert die API standardmäßig nur finale Daten. Wenn Sie auch frische Daten möchten, setzen Sie den Parameter dataState auf „all“. Beachten Sie dabei, dass sich die Werte dieser jüngsten Tage noch ändern können.

Deshalb sollte Ihr Ablauf die letzten Tage später erneut abrufen und überschreiben. So hinterlassen vorläufige Zahlen keinen dauerhaften Fehler in Ihren Berichten. Mehr zu Verzögerungen lesen Sie in unserem Beitrag zur Meldung „Daten werden verarbeitet“ in der Search Console.

Wie wirken sich Kontingente und „teure Abfragen“ aus?

Die Search Console API ist kostenlos, aber nicht unbegrenzt. Google setzt Anfragegrenzen pro Website, pro Nutzer und pro Projekt. Dazu kommen kurzfristige und langfristige Lastgrenzen. Die aktuellen Werte prüfen Sie am besten auf der offiziellen Seite zu den Nutzungslimits.

Am wichtigsten ist das Konzept der „teuren Abfrage“. Laut Google Dokumentation steigt der Aufwand, sobald Sie nach Seite oder nach Suchanfrage gruppieren oder filtern. Am teuersten ist die Kombination aus Seite und Suchanfrage. Außerdem wächst die Last mit dem abgefragten Zeitraum.

Die Dokumentation ergänzt, dass das System bei solchen Abfragen einige Daten verwerfen kann, damit die Berechnung handhabbar bleibt. Eine Tabelle mit Seite und Suchanfrage zeigt also oft niedrigere Summen als die Gesamtzahl der Website. Das ist bekanntes Verhalten, kein Fehler.

In der Praxis finden Sie so die Balance:

• Nutzen Sie leichte Dimensionen wie Datum und Gerät für Gesamttrends.
• Rufen Sie Ihre Liste der Suchanfragen in einer eigenen Anfrage ohne Seitendimension ab.
• Kombinieren Sie Seite und Suchanfrage nur für Analysen, die das wirklich brauchen.

Eine Prüfung auf Keyword Kannibalisierung zum Beispiel braucht genau diese Kombination. Die Logik dahinter erklären wir im Beitrag Keyword Kannibalisierung erkennen und beheben.

Wie kommen Sie ohne Programmierung an mehr Daten?

Nicht jedes Unternehmen hat einen Entwickler, und das ist völlig normal. Auch ohne direkten API Zugriff kommen Sie über 1.000 Zeilen hinaus. Dafür gibt es zwei gängige Wege.

Der erste Weg sind Erweiterungen von Drittanbietern für Google Sheets. Diese Erweiterungen nutzen im Hintergrund dieselbe API und schreiben das Ergebnis direkt in eine Tabelle. Allerdings verlangt jede Erweiterung andere Berechtigungen. Lesen Sie daher vor der Installation genau, auf welche Daten sie zugreifen möchte. Eine bestimmte Erweiterung empfehlen wir nicht. Wählen Sie eine mit bekanntem Anbieter und klaren Berechtigungen.

Der zweite Weg ist der Looker Studio Connector von Google selbst. Er braucht also keine Erweiterung. Zudem stellt er die Daten anschaulich in einem Dashboard dar. Im nächsten Abschnitt gehen wir darauf genauer ein.

Andererseits teilen diese Wege eine Grenze. Denn sie hängen am Ende alle von der Obergrenze der API ab. Die tägliche Zeilengrenze und der Verlust anonymisierter Suchanfragen gelten also auch hier. Der Gedanke „Erweiterung installiert, jetzt sehe ich alles“ führt deshalb in die Irre.

Kurz gesagt reichen Wege ohne Programmierung für kleine und mittlere Websites meist aus. Wächst Ihr Datenvolumen, lohnt sich jedoch ein Blick auf den Bulk Export.

Holt der Looker Studio Connector mehr heraus, als die Search Console 1000 Zeilen im Bericht zeigt?

Ja. Der Search Console Connector in Looker Studio holt die Daten über die API. Deshalb zeigen Ihre Tabellen dort weit mehr als 1.000 Zeilen. Laut einer Erklärung im Google Search Central Blog teilt der Connector die Obergrenze der API: 50.000 Zeilen pro Tag, Website und Suchtyp.

Für die Verbindung folgen Sie der offiziellen Reihenfolge:

1. Melden Sie sich in Looker Studio mit demselben Google Konto an, das Sie für die Search Console nutzen.
2. Erstellen Sie eine neue Datenquelle und wählen Sie den Search Console Connector.
3. Erteilen Sie bei Bedarf den Zugriff.
4. Wählen Sie Ihre Property.
5. Legen Sie den Tabellentyp fest: Site Impression oder URL Impression.
6. Wählen Sie einen Suchtyp und verbinden Sie.

Laut der Looker Studio Dokumentation zur Verbindung mit der Search Console brauchen Sie mindestens Leserechte für die Property. Außerdem erklärt die Seite, dass seltene Suchanfragen aus Datenschutzgründen in einer Zeile mit leerem Wert landen können. Diese Zeile entfernen Sie mit einem Filter, der leere Werte im Feld Query ausschließt.

Der Connector hat einen weiteren Vorteil: das Teilen. Ein Bericht mit den Anmeldedaten des Inhabers lässt andere Personen die Daten sehen, auch ohne eigenen Search Console Zugang. Überlegen Sie trotzdem genau, wer den Link erhält, denn jeder Betrachter sieht dann auch Ihre Suchanfragen.

Was unterscheidet Site Impression von URL Impression?

Die beiden Optionen stehen für die zwei Arten, wie die Search Console Leistungsdaten zusammenfasst. Site Impression fasst auf Ebene der Property zusammen. URL Impression fasst dagegen auf Ebene der einzelnen Seite zusammen. Dieser Unterschied verändert deshalb Ihre Zahlen direkt.

Bei der Zusammenfassung auf Propertyebene zählen zwei Ihrer Seiten im selben Suchergebnis als eine Impression. Auf Seitenebene erhält dagegen jede Seite ihre eigene Impression. Folglich liegen die Impressionen in der Tabelle URL Impression meist höher. Auch die durchschnittliche Position unterscheidet sich.

Eine Datenquelle nutzt immer nur eine Methode. Wenn Sie beide nebeneinander sehen wollen, legen Sie also zwei Datenquellen an und fügen beide in einen Bericht ein. Zum Beispiel zeigt der obere Teil den Gesamttrend mit Site Impression und der untere Teil die Seitenanalyse mit URL Impression.

Auch der Typ Ihrer Property beeinflusst die Zahlen. Den Vergleich finden Sie in unserem Beitrag Domain Property oder URL Präfix Property.

Was ist der Bulk Export der Search Console nach BigQuery?

Der Bulk Export (bulk data export) überträgt Ihre Leistungsdaten aus der Search Console automatisch einmal täglich nach Google BigQuery. BigQuery ist das Data Warehouse von Google Cloud für Abfragen über sehr große Tabellen. Diese Methode ist der vollständigste Datenweg, den die Search Console anbietet.

Laut der Hilfeseite von Google sehen Sie in diesem Export alle Leistungsdaten, die der Search Console für Ihre Property vorliegen; die einzige Ausnahme sind anonymisierte Suchanfragen. Die tägliche Zeilengrenze der API gilt hier also nicht. Fast alle Ihre Longtail Suchanfragen landen in Ihren Tabellen.

Allerdings bringt die Methode drei wichtige Eigenschaften mit:

• Sie holt keine Vergangenheit nach. Der Export startet am Tag der Einrichtung.
• Sie braucht ein Google Cloud Projekt mit aktiver Abrechnung.
• Zum Auswerten brauchen Sie SQL Kenntnisse oder ein Reportingtool mit BigQuery Anbindung.

Der erste Punkt wiegt am schwersten. Richten Sie den Export heute nicht ein, existieren die heutigen Daten nie in BigQuery. Für die Zeit davor bleiben nur API und Berichte. Deshalb raten wir bei großen Websites dringend davon ab, die Einrichtung aufzuschieben.

Dafür richten Sie den Export nur einmal ein, danach läuft er jeden Tag von selbst. Zudem fällt die Grenze von 16 Monaten Historie für Sie weg, denn Sie behalten die Daten so lange, wie Sie möchten.

Wie richten Sie den BigQuery Export Schritt für Schritt ein?

Die Einrichtung findet an zwei Stellen statt: zuerst in Google Cloud, dann in der Search Console. Hier die Reihenfolge der Google Hilfeseite zum Start eines neuen Bulk Exports in Kurzform:

1. Bereiten Sie ein Google Cloud Projekt mit aktiver Abrechnung und aktiviertem BigQuery vor.
2. Notieren Sie die Projekt ID, nicht die Projektnummer.
3. Prüfen Sie im Bereich APIs und Dienste, ob die BigQuery API und die BigQuery Storage API aktiv sind.
4. Fügen Sie in IAM das Dienstkonto für den Search Console Datenexport als Hauptkonto hinzu; die genaue Adresse steht auf der Hilfeseite.
5. Geben Sie diesem Konto die Rollen BigQuery Job User und BigQuery Data Editor.
6. Öffnen Sie in der Search Console in den Einstellungen Ihrer Property den Bulk Export (Bulk data export).
7. Tragen Sie Projekt ID, Name des Datasets und Speicherort ein.
8. Bestätigen Sie und fahren Sie fort.

Der Name des Datasets lautet standardmäßig searchconsole und muss mit dieser Zeichenfolge beginnen. Achten Sie deshalb besonders auf den Speicherort. Die Hilfeseite warnt, dass eine Änderung nach Beginn der Exporte schwierig ist.

Laut Google erfolgt der erste Export bis zu 48 Stunden nach erfolgreicher Einrichtung. Leere Tabellen in dieser Zeit sind daher normal. Ändern Sie außerdem nie das Tabellenschema. Laut Hilfeseite lässt das die Exporte scheitern.

Welche Tabellen entstehen in BigQuery, und wie lesen Sie sie?

Der Export legt drei Tabellen in Ihrem Dataset an. Die Google Seite mit Richtlinien und Referenz zu den Tabellen beschreibt sie so:

• searchdata_site_impression: Leistungsdaten, zusammengefasst nach Property.
• searchdata_url_impression: Leistungsdaten, zusammengefasst nach URL.
• ExportLog: ein Eintrag für jeden erfolgreichen Export. Fehlgeschlagene Versuche erscheinen hier nicht.

Die ersten beiden Tabellen folgen also derselben Logik wie Site Impression und URL Impression in Looker Studio. Für Trends nutzen Sie daher die Websitetabelle, für Seitenanalysen die URL Tabelle.

Beim Lesen gelten drei Regeln. Erstens folgt das Datumsfeld (data_date) der pazifischen Zeitzone. Zweitens können sich Zeilen mit denselben Schlüsseln wiederholen, denn die Search Console sammelt Daten schrittweise. Deshalb sollten Sie Ihre Kennzahlen in Abfragen fast immer aufsummieren.

Drittens braucht die durchschnittliche Position Sorgfalt. Die Tabellen enthalten keine fertige Spalte dafür. Stattdessen speichern sie eine bei null beginnende Summe der Positionen. Die durchschnittliche Position berechnen Sie, indem Sie diese Summe durch die Impressionen teilen und dann eins addieren. Ohne diesen Schritt wirkt jede Position um einen Platz besser als in Wirklichkeit.

Prüfen Sie außerdem regelmäßig die Tabelle ExportLog. Fehlt ein Tag, ist der Export an diesem Tag sehr wahrscheinlich gescheitert. So unterscheiden Sie einen echten Trafficeinbruch von einer bloßen Datenlücke.

Wie halten Sie die Kosten in BigQuery im Griff?

BigQuery bietet ein kostenloses Nutzungskontingent. Speicher und Abfragen darüber hinaus erscheinen auf Ihrer Google Cloud Rechnung. Prüfen Sie das aktuelle Gratiskontingent und die Preise auf der offiziellen Preisseite von Google Cloud, denn diese Werte können sich ändern.

Zwei Dinge treiben die Kosten: wachsender Speicher und unsaubere Abfragen. Standardmäßig behält der Bulk Export die Daten unbegrenzt. Also wächst der Speicher auf lange Sicht. Die höheren Kosten entstehen allerdings oft durch unnötig breite Abfragen.

Für die Kostenkontrolle empfehlen wir diese Schritte:

1. Legen Sie ein Ablaufdatum für Partitionen fest, nicht für die Tabelle.
2. Nutzen Sie in Abfragen immer einen Filter für den Zeitraum.
3. Wählen Sie nur die Spalten, die Sie wirklich brauchen.
4. Richten Sie in Google Cloud eine Budgetwarnung ein.
5. Verbinden Sie Dashboards mit Übersichtstabellen statt mit Rohtabellen.

Der erste Schritt ist entscheidend. Laut Tabellenreferenz von Google löscht ein Ablaufdatum auf Tabellenebene alle Ihre Daten. Ein Ablauf auf Partitionsebene entfernt dagegen nur alte Tage. Die Einrichtungsseite empfiehlt zudem einen Partitionsablauf von mindestens 14 Tagen.

Beispielszenario: example.com wertet nur die letzten 12 Monate aus. Dann begrenzt ein Partitionsablauf von 12 Monaten den Speicher. Machen Sie dagegen mehrjährige Saisonvergleiche, verzichten Sie auf den Ablauf und achten Sie stattdessen auf saubere Abfragen.

Welche Methode passt zu welcher Website?

Wir haben alle Methoden in einer Tabelle verglichen. Lesen Sie jede Zeile vor dem Hintergrund Ihrer Websitegröße und der technischen Möglichkeiten Ihres Teams.

Die Grenzwerte in der Tabelle stammen aus der offiziellen Dokumentation, Google kann sie jedoch ändern. Prüfen Sie daher die aktuellen Werte auf der jeweiligen Hilfeseite, bevor Sie etwas aufbauen.

In der Praxis schließen sich die Methoden nicht aus. Für viele Projekte ist dieser Aufbau am effizientesten: den BigQuery Export sofort aktivieren und den Zeitraum davor mit der API auffüllen. So entsteht ein einziger Datenbestand für Vergangenheit und Zukunft.

Warum fehlen anonymisierte Suchanfragen bei jeder Methode?

Keine Exportmethode bringt anonymisierte Suchanfragen zurück. Zum Schutz der Privatsphäre zeigt Google keine Suchanfragen, die nur sehr wenige Menschen stellen. Das gilt für die Oberfläche, die API, Looker Studio und BigQuery gleichermaßen.

In BigQuery bleiben diese Zeilen erhalten, aber der Text der Suchanfrage bleibt leer. Laut Tabellenreferenz steht das Merkmal für anonymisierte Suchanfragen in diesen Zeilen auf wahr, und das Feld für die Suchanfrage enthält keinen Wert. Sie sehen also, dass dieser Traffic existiert und wie groß er ist. Nur die Wörter dahinter bleiben verborgen.

Das beeinflusst Ihre Analyse doppelt. Erstens liegen Summen auf Ebene der Suchanfragen immer unter der Gesamtsumme der Website. Zweitens wächst die Lücke bei Websites, die stark vom Longtail leben. Somit stimmt auch die Annahme „Bulk Export bedeutet vollständige Daten“ nicht.

Was können Sie also tun? Verfolgen Sie den anonymisierten Anteil als eigene Kennzahl. Steigt dieser Anteil schnell, gewinnt Ihre Website Traffic aus vielen verstreuten Suchanfragen mit geringem Volumen. Schon das ist ein wertvolles Signal für Ihre Contentstrategie.

Auch die Discover Daten haben ein ähnliches Merkmal zur Anonymisierung. Steht es auf wahr, fehlen eventuell Felder wie URL und Land. Behandeln Sie daher auch Summen aus Discover mit Vorsicht.

Welche SEO Analysen ermöglichen vollständigere Daten?

Das Ziel ist nicht eine größere Datei, sondern bessere Entscheidungen. Mit vollständigeren Daten werden Analysen möglich, die die Oberfläche nicht leisten kann.

• Longtail Chancen: finden Sie Suchanfragen mit vielen Impressionen und wenigen Klicks, Seite für Seite.
• Kannibalisierung: erkennen Sie Seiten, die für dieselbe Suchanfrage konkurrieren.
• Content Decay: entdecken Sie Artikel, die über Monate langsam Traffic verlieren.
• Kategorien und Ordner: messen Sie Wachstum Bereich für Bereich anhand der URL Struktur.
• Mehrjährige Saisonvergleiche: sehen Sie Trends jenseits des Fensters von 16 Monaten.
• Länder und Geräte: trennen Sie die echte Nachfrage in jedem Zielmarkt.

Die Analyse von Content Decay zum Beispiel braucht Seitendaten über viele Monate. Die Schritte zeigen wir im Beitrag Content Decay erkennen mit der Search Console. Für einen schnellen ersten Blick hilft zudem die neuere Übersicht der Search Console; wir stellen sie in Was ist Search Console Insights vor.

Kurz gesagt liefern vollständige Daten keine fertigen Antworten. Stattdessen helfen sie Ihnen, die richtigen Fragen zu stellen. Deshalb muss die Person, die analysiert, Ihre Website, Ihren Markt und Ihre Ziele verstehen.

Welche Fehler passieren beim Export von Search Console Daten am häufigsten?

Die häufigsten Fehler aus unserer Praxis sind keine technischen. Es sind Fehler in der Interpretation. Selbst korrekte Daten führen zu falschen Entscheidungen, wenn Sie sie falsch lesen.

1. Die exportierten 1.000 Zeilen für die gesamte Website halten.
2. Zahlen aus Site Impression und URL Impression in einer Tabelle mischen.
3. Wiederholte Zeilen in BigQuery lesen, ohne sie aufzusummieren.
4. Bei der durchschnittlichen Position vergessen, eins zu addieren.
5. Ein Ablaufdatum für die Tabelle setzen und alle Daten verlieren.
6. Vorläufige Zahlen der letzten Tage als endgültig berichten.
7. Den Bulk Export mit „machen wir später“ aufschieben.

Der letzte Fehler kostet am meisten, denn er lässt sich nicht rückgängig machen. Der Export holt keine Vergangenheit nach, also geht jeder aufgeschobene Tag endgültig verloren. Trotzdem können Sie die letzten 16 Monate noch über die API sichern. Ein später Start bedeutet daher nicht, dass Sie keine Optionen mehr haben.

Häufig betrifft ein Problem außerdem die Zugriffskontrolle. Ein Looker Studio Bericht mit den Anmeldedaten des Inhabers und einem öffentlichen Link kann Ihre Suchanfragen den falschen Personen zeigen. Prüfen Sie Ihre Freigaben deshalb regelmäßig.

Wer richtet das auf Ihrer Website ein und verfolgt die Ergebnisse?

Die technische Einrichtung wirkt wie die Arbeit weniger Stunden. Der eigentliche Wert entsteht allerdings erst, wenn jemand die Daten jeden Monat richtig liest und in Maßnahmen übersetzt. Genau diesen Prozess übernehmen wir im Rahmen unserer SEO Beratung von Anfang bis Ende.

Meist starten wir damit, den tatsächlichen Datenbedarf Ihrer Website zu ermitteln. Dann wählen wir die passende Methode und richten bei Bedarf den BigQuery Export samt Nachfüllung der Historie ein. Danach machen wir aus den Daten einen regelmäßigen Bericht und eine priorisierte Aufgabenliste. Zum Beispiel entscheidet diese Liste, welche Seiten wir aktualisieren und welche Suchanfragen neuen Content brauchen.

Eines sagen wir offen: Keine Dateneinrichtung garantiert Rankings. Gute Daten erleichtern also gute Entscheidungen. Das Ergebnis hängt allerdings von Content, technischer Basis und Wettbewerb gemeinsam ab. Deshalb bieten wir Ihnen statt großer Versprechen einen messbaren Arbeitsplan.

Wenn Ihnen die Daten der Search Console für Ihre Entscheidungen zu dünn erscheinen, fordern Sie über unsere Seite zur SEO Beratung ein Angebot an. Im Angebot legen wir fest, welche Methode zu Ihrer Website passt und was der Umfang umfasst.

Grundlagen: Was ist Online Marketing? Arten, Beispiele und Vorgehen auf einer Seite, mit einem interaktiven Film durch das Gehirn.