--- title: "WDF*IDF zählt Begriffe, Seitenfokus prüft das Thema deiner Produktseite" description: "WDF*IDF zählt Begriffe. Unsere Shop-Analysen zeigen zwei andere Fehler: Vorlagen übertönen den Produkttext, oder er nennt sein Produkt nicht." url: https://hechtinsgefecht.de/wdf-idf/ date_published: 2026-10-30 date_modified: 2026-10-30 organization: HECHT INS GEFECHT organization_url: https://hechtinsgefecht.de organization_knowledge_graph_id: /g/1pp2twrtc organization_sameas: - https://www.northdata.de/HECHT+INS+GEFECHT+GmbH,+Bremen/HRB+42926 - https://firmeneintrag.creditreform.de/28309/2051250968/HECHT_INS_GEFECHT_GMBH - https://www.companyhouse.de/HECHT-INS-GEFECHT-GmbH-Bremen - https://implisense.com/de/companies/hecht-ins-gefecht-gmbh-bremen--DETQXQBC7O52 - https://www.linkedin.com/company/hechtinsgefecht - https://www.xing.com/pages/hecht-ins-gefecht/ - https://social.hechtinsgefecht.de/@hig - https://x.com/hechtinsgefecht - https://www.facebook.com/HechtinsGefecht/ - https://www.instagram.com/hechtinsgefecht/ - https://de.pinterest.com/HechtinsGefecht/ - https://www.threads.com/@hechtinsgefecht - https://www.crunchbase.com/organization/hecht-ins-gefecht-digitalagentur-f%C3%BCr-webdesign-seo - https://clutch.co/profile/hecht-ins-gefecht - https://www.designrush.com/agency/profile/hecht-ins-gefecht - https://agencies.semrush.com/hecht-ins-gefecht/ - https://www.sortlist.de/agency/hecht-ins-gefecht - https://www.goodfirms.co/company/hecht-ins-gefecht - https://techbehemoths.com/company/hecht-ins-gefecht - https://themanifest.com/company/hecht-ins-gefecht - https://www.topseos.com/profile/hecht-ins-gefecht-digitalagentur-fur-webdesign-seo - https://www.semfirms.com/profile/hecht-ins-gefecht - https://www.omt.de/agentur-finden/agentur/hecht-ins-gefecht/ - https://onlinemarketing.de/dienstleister/online-marketing-agentur/bremen/hecht-ins-gefecht - https://www.agenturtipp.de/agentur/hecht-ins-gefecht/ - https://www.seo-united.de/seo-agenturen/hecht-ins-gefecht-3461/ - https://omr.com/de/reviews/service/hecht-ins-gefecht - https://www.ibusiness.de/dienstleister/jb/092582windolph.html - https://feedbax.de/anbieter/hecht-ins-gefecht - https://feedbax.ai/profile/hecht-ins-gefecht - https://www.werbeagentur.de/de/a/hecht-ins-gefecht - https://www.campixx.de/agenturen/seo/hecht-ins-gefecht/ - https://agenturfinder.com/agenturen/hecht-ins-gefecht/ - https://agencyvista.com/agency/hecht-ins-gefecht/marketing-agency/summary - https://www.bark.com/de/de/company/hecht-ins-gefecht/NlYy2/ - https://www.provenexpert.com/de-de/hecht-ins-gefecht/ - https://de.trustpilot.com/review/hechtinsgefecht.de - https://www.trustedshops.de/bewertung/hechtinsgefecht-de - https://www.awwwards.com/HECHTINSGEFECHT/ - https://www.bremen.de/visitenkarte/digitalagentur-hecht-ins-gefecht---webdesign--seo-46684197 - https://www.yelp.com/biz/hecht-ins-gefecht-bremen - https://maps.apple.com/place?place-id=IBAEFB4CEAFB63F7B author: Benny Windolph author_url: https://hechtinsgefecht.de/benny-windolph/ author_orcid: https://orcid.org/0009-0009-2458-3099 author_knowledge_graph_id: /g/11v4_sqnsh --- # WDF*IDF zählt Begriffe, Seitenfokus prüft das Thema deiner Produktseite **WDF\*IDF steht für Within Document Frequency mal Inverse Document Frequency und gewichtet Begriffe im Vergleich zu anderen Dokumenten.** SEO-Tools leiten daraus ab, welche Begriffe deinem Text fehlen. Ich habe früher selbst Produkttexte nach WDF\*IDF gefüllt und viele Keywords hineingestopft. Mittlerweile arbeite ich nicht mehr keywordgetrieben, wie ich in meinem Beitrag zu [Information Gain und KI-Suche](https://hechtinsgefecht.de/information-gain/#ki-suche-bezahlt) beschreibe. Wörter zähle ich heute nur noch zur Diagnose, nicht als Einbauliste. Bei HECHT INS GEFECHT prüfen wir Shopseiten auf Seitenfokus: Entweder übertönt die Vorlage den Produkttext, oder die Beschreibung lässt ihr eigenes Produkt sprachlich aus. Bei einem Terraristik-Fachshop sind die Produkt-Slider auf über 90 % der Produktseiten länger als die Beschreibung. Beide Fehlerbilder entstehen auch, wenn die vom Tool vorgeschlagenen Wörter im Produkttext stehen. Zwei Fehlerbilder bei Produktseiten als Seitenskizzen. Fehlerbild 1, die Vorlage übertönt den Produkttext: In einem Terraristik-Fachshop umfassen zwei Slider im Median zusammen rund 820 Wörter, die Beschreibung rund 540, auf über 90 % der Produktseiten sind die Slider länger. Fehlerbild 2, der Text nennt sein Produkt nicht: Die Produktart steht in der H1, die Beschreibung nutzt Gattungswörter wie „das Modell“. Bei 399 von 1.251 Produktseiten eines Nischenshops liegt die Produktart auf Rang 6 oder tiefer oder fehlt. Beides findet keine Begriffsliste nach WDF\*IDF. Zwei Fehlerbilder bei Produktseiten 1 Die Vorlage übertönt den Produkttext Terraristik-Fachshop, Median je Produktseite Beschreibung rund 540 Wörter Zwei Slider zusammen rund 820 Wörter, länger als die Beschreibung auf über 90 % der Produktseiten 2 Der Text nennt sein Produkt nicht Schema einer Produktseite H1 nennt die Produktart Beschreibung Gattungswörter wie „das Modell“ statt der Produktart 399 von 1.251 Produktseiten eines Nischenshops Produktart auf Rang 6 oder tiefer oder fehlt Beides findet keine Begriffsliste nach WDF\*IDF. Abb. 1 · HECHT INS GEFECHT Abb. 1: Zwei Fehlerbilder bei Produktseiten. Oben übertönen die Slider die Beschreibung, unten nennt die Beschreibung ihr Produkt nicht. ## Inhalt 1. [Was WDF\*IDF misst und wofür es in der Praxis benutzt wird](#was-wdfidf-misst-und-wofur-es-in-der-praxis-benutzt-wird) 2. [Seitenfokus: die Frage, die WDF\*IDF nicht stellt](#seitenfokus-die-frage-die-wdfidf-nicht-stellt) 3. [Fehlerbild 1: Die Vorlage übertönt den Produkttext](#fehlerbild-1-die-vorlage-ubertont-den-produkttext) 4. [Fehlerbild 2: Der Text nennt sein Produkt nicht](#fehlerbild-2-der-text-nennt-sein-produkt-nicht) 5. [Drei Messfallen bei Shopseiten](#drei-messfallen-bei-shopseiten) 6. [Wenn die Seitenfokus-Prüfung „Fokus hält“ ergibt](#wenn-die-seitenfokus-prufung-fokus-halt-ergibt) 7. [Bewertungen und Cross-Selling zuschneiden](#bewertungen-und-cross-selling-zuschneiden) 8. [Was die Seitenfokus-Messung zeigt und was nicht](#was-die-seitenfokus-messung-zeigt-und-was-nicht) 9. [Seitenfokus selbst prüfen: Checkliste](#seitenfokus-selbst-prufen-checkliste) 10. [Häufige Fragen](#haufige-fragen) 11. [Quellen](#quellen) ## Was WDF\*IDF misst und wofür es in der Praxis benutzt wird WDF\*IDF misst, wie stark ein Begriff deinen Text im Vergleich zu anderen Dokumenten prägt. In der Praxis wird das Verfahren oft genutzt, um möglichst viele Keywords in einen Text zu stopfen. In der verbreiteten deutschsprachigen Darstellung gewichtet WDF ein Wort nach der Formel `WDF = log2(Häufigkeit des Worts + 1) / log2(Gesamtzahl der Wörter)`. Der Logarithmus soll verhindern, dass ein Suchwort gegenüber der einfachen Keyworddichte zu stark gewichtet wird. WDF\*IDF ist eine Termgewichtung ähnlich wie TF-IDF (Term Frequency mal Inverse Document Frequency), bei der IDF den Begriff ins Verhältnis zu anderen Dokumenten setzt. Die Rechnung beantwortet die Frage zur Wortauswahl. Der Seitenfokus bestimmt dagegen, welcher Bereich der Seite den Inhalt prägt und ob der Satzbau das Produkt zum Thema macht. Ein Produkttext kann alle vorgeschlagenen Begriffe enthalten und trotzdem austauschbar bleiben. Dann entsteht [Commodity Content](https://hechtinsgefecht.de/information-gain/#commodity-content), weil ein eigenes Thema mehr als weitere Keywords braucht. Auch ein sehr langer Produkttext kann sein Produkt sprachlich übergehen. Die Praxisfrage lautet, ob deine Beschreibung das Produkt klar benennt und im Hauptbereich trägt. Der Seitenfokus verlangt dafür eine andere Messung. ## Seitenfokus: die Frage, die WDF\*IDF nicht stellt Seitenfokus nennen wir bei HECHT INS GEFECHT die Frage, welches Thema den eigenen Text und den Kern einer Seite bestimmt. WDF\*IDF liefert Begriffe, Seitenfokus prüft das Thema. Wir messen dafür Wörter, Wortpaare und Entitäten auf mehreren Textebenen und trennt so den Produktgegenstand von wiederkehrenden Vorlagen. Der Vergleich trennt die beiden Prüffragen: | Frage | WDF\*IDF | Seitenfokus | | --- | --- | --- | | Was wird gemessen? | Begriffsgewichtung gegen andere Dokumente | Welche Entität den eigenen Text und den Kern bestimmt | | Welcher Textbereich? | Der eingegebene Text, beim Content-Score-Tool Surfer die ganze URL | Eigener Text und Kern, getrennt von Vorlagen | | Was kommt heraus? | Termgewichte; Tools machen daraus eine Liste fehlender Begriffe | Rang der Produktart und Urteilsklasse | | Blinder Fleck | Vorlagen und Satzbau | Wirkung auf Rankings ist nicht belegt | Vier Textebenen trennen wir für jede Seite: - Die ganze Seite enthält alle sichtbaren Texte. - Der Hauptbereich lässt Kopf, Menü und Footer weg. - Der eigene Text lässt zusätzlich Blöcke weg, die auf vielen Seiten wortgleich stehen. - Der Kern lässt außerdem FAQ, Bewertungen, Slider, Produktlisten und die Kaufbox weg. Vier Textebenen einer Produktseite als ineinanderliegende Rahmen, mit der Zahl der Seiten, auf denen die Produktart auf Rang 1 liegt, in einem Terraristik-Fachshop mit 668 Produktseiten. Ebene 1, ganze Seite mit Kopf, Menü und Footer: 42. Ebene 2, Hauptbereich ohne Kopf, Menü und Footer: 419. Ebene 3, eigener Text ohne Blöcke, die auf vielen Seiten wortgleich stehen: 465. Ebene 4, Kern ohne FAQ, Bewertungen, Slider, Produktlisten und Kaufbox: 519. Geurteilt wird auf Ebene 3 und 4, nie auf der ganzen Seite. Vier Textebenen einer Produktseite Je Ebene: Seiten, auf denen die Produktart auf Rang 1 liegt Terraristik-Fachshop, 668 Produktseiten 1 Ganze Seite 42 von 668 Kopf und Menü 2 Hauptbereich 419 von 668 Blöcke, die auf vielen Seiten wortgleich stehen 3 Eigener Text 465 von 668 FAQ Bewertungen Slider Produktlisten Kaufbox 4 Kern 519 von 668 Produktbeschreibung Footer Wir urteilen auf Ebene 3 und 4, nie auf der ganzen Seite. Abb. 2 · HECHT INS GEFECHT Abb. 2: Vier Textebenen einer Produktseite im Terraristik-Fachshop. Auf der ganzen Seite liegt die Produktart nur bei 42 von 668 Seiten auf Rang 1, im Kern bei 519. Den Rang der Produktart bereinigen wir. Synonyme, Unterarten und Kurzformen fassen wir zu einer Familie zusammen, Marken-, Größen- und Variantenwörter zählen nicht als Konkurrenz. Die rohe Liste der Google-API führt diese Varianten getrennt und sieht die Produktart deshalb seltener vorn. Alle Ränge in diesem Beitrag sind solche bereinigten Ränge. Wir urteilen auf dem eigenen Text und dem Kern, nie auf der ganzen Seite. Zwei Messungen laufen parallel. Ein N-Gramm-Zähler erfasst Wörter und Wortpaare, wobei N-Gramm hier diese gezählten Wortfolgen bezeichnet. Bei deutschen Komposita berücksichtigt er das Kopfwort am Ende. Die zweite Messung nutzt die Entitäts-Salience der Google Natural Language API. NLP steht für Natural Language Processing, also maschinelle Sprachanalyse. Google beschreibt Salience mit „provides information about the importance or centrality of that entity to the entire document text“. Der Wert zeigt also, wie zentral eine Entität für den jeweils analysierten Text ist und liegt zwischen 0 und 1. Der Salience Score sagt mir, welche Entität den Content bestimmt. Wenn sehr viele Wortpaare nicht zum Produkt passen, verwässern sie das Thema der Seite. Mehr dazu steht unter [Salience und Marke als Subjekt](https://hechtinsgefecht.de/entity-seo/#das-eav-modell-in-der-praxis). Salience ist ein Diagnosewert. Sie zeigt, ob deine Beschreibung klar ist, aber sie ist kein Hebel für bessere Rankings. Als Rankingfaktor ist Salience nicht belegt. Unsere Urteilsklassen lauten klar fokussiert, knapp, verwässert und fremddominiert. Jede auffällige Seite wird von Hand gelesen. Die N-Gramm- und NLP-Messungen in diesem Beitrag stammen aus dem Oktober 2026. Seitenfokus ist eine interne Heuristik von HECHT INS GEFECHT. Gegen Rankings validiert ist sie bisher nicht. ## Fehlerbild 1: Die Vorlage übertönt den Produkttext Fehlerbild 1 liegt vor, wenn Slider, Kundenstimmen oder andere Vorlagen im Hauptbereich mehr Raum füllen als deine Beschreibung und dadurch den Seitenfokus verwässern. Navigation und Topbar dürfen auf jeder Seite wiederkommen. Problematisch sind Elemente, die den Content der Seite aufblähen, aber nicht darauf einzahlen, dass du für dieses Thema gefunden wirst. Im schlimmsten Fall überwiegen die Kundenstimmen den eigentlichen Inhalt der Produktseite. ### Was Google zum Hauptbereich und zu Boilerplate sagt Martin Splitt von Google beschrieb 2021 eine „centerpiece annotation“, also eine Markierung des zentralen Inhalts. Zu Boilerplate, also wiederkehrenden Vorlagenblöcken, sagte er: „We figure out what looks like boilerplate and then that gets weighted differently as well.“ Google erkennt solche Bereiche demnach und gewichtet sie anders. Gary Illyes von Google sprach 2025 beim Search Central Deep Dive Asia über „positional analysis“. Google analysiert danach auf der gerenderten Seite, wo Inhalte stehen, und gewichtet die Wörter entsprechend. Die Zusammenfassung stammt von Kenichi Suzuki. Ältere Aussagen von John Mueller (Google) gehen in eine andere Richtung. 2017 schrieb er, Boilerplate sei „usually no problem“. 2018 schrieb er, nützlicher Inhalt werde „regardless where on a page it is“ behandelt. Das widerspricht der These nur auf den ersten Blick. Mueller spricht über nützlichen Inhalt. Wortgleiche Blöcke auf allen Produktseiten liefern für die einzelne Seite keinen eigenen Inhalt. Links zu verwandten Produkten gehören nach Splitts Einschätzung nicht wirklich zum zentralen Inhalt. Google versucht also, Hauptinhalt und wiederkehrende Seitenbereiche zu unterscheiden. Ob ein Slider im Hauptbereich so sauber erkannt wird wie die Navigation, belegen die Quellen nicht. Dass Slider und Kundenstimmen im Hauptbereich den Fokus schwächen, ist meine Arbeitshypothese. Nicht jedes Textanalyse-Tool trennt Hauptinhalt und Vorlage. Ich halte den Hauptbereich deshalb schlank. ### Terraristik-Fachshop: Slider und Herstellerzeile bestimmen die Messung Der erste Fall ist ein Terraristik-Fachshop mit 668 Produktseiten. Die beiden Slider „Kunden haben sich ebenfalls angesehen“ und „Kunden kauften auch“ umfassen zusammen im Median rund 820 Wörter. Die Produktbeschreibung umfasst im Median rund 540 Wörter. Dieses Längenverhältnis gilt für über 90 % der Produktseiten. Die Messung trennt die vier Ebenen so: | Ebene | Produktart auf Rang 1 (von 668) | Median-Salience | | --- | --- | --- | | Ganze Seite | 42 | 0,012 | | Hauptbereich | 419 | 0,076 | | Eigener Text | 465 | 0,090 | | Kern | 519 | 0,164 | Dass die Werte steigen, wenn Text wegfällt, ist teilweise Rechenlogik: Salience verteilt sich auf alle Entitäten des übergebenen Texts. Entscheidend ist der Abstand zwischen ganzer Seite und Kern. Wer die ganze URL misst, sieht die Produktart nur auf 42 Seiten vorn. Über der Beschreibung steht eine Herstellerzeile mit dem Wort „Handelsmarke“. Auf 292 Produktseiten ist „Handelsmarke“ der häufigste Konkurrent der Produktart bei Google NLP. Der eigene Produkttext wird in der Messung also von Vorlagenblöcken überlagert. Für diesen Shop empfahlen wir, beide Slider auf höchstens 10 Artikel zu begrenzen. ### Baubedarf-Shop: Ein Kundenstimmen-Block füllt den Hauptbereich Wir haben einen Baubedarf-Shop für Rolladen- und Fensterzubehör mit rund 240 Produktseiten geprüft. Dort steht ein Kundenstimmen-Block mit rund 400 Wörtern wortgleich auf allen 239 Produktseiten. Der Hauptbereich umfasst im Median 954 Wörter, der Block füllt gut 40 % davon. Die gesamte Bewertungszone aus Kundenstimmen und Bewertungs-Widget umfasst 477 Wörter. Das ist die Hälfte des Hauptbereichs. Für diesen Shop empfahlen wir, die Kundenstimmen auf den Produktseiten auf drei Karten zu kürzen und den Produkttext vor die Kundenstimmen zu stellen. Hauptbereich einer Produktseite in einem Baubedarf-Shop als Raster aus 100 Feldern, ein Feld entspricht 1 % von im Median 954 Wörtern. Die Bewertungszone füllt mit 477 Wörtern die Hälfte: Davon ist der Kundenstimmen-Block mit rund 400 Wörtern gut 40 %, er steht wortgleich auf allen 239 Produktseiten, den Rest bildet das Bewertungs-Widget. Alles andere inklusive Produkttext umfasst die anderen 477 Wörter. Shopweit gleiche Kundenstimmen sagen über das einzelne Produkt nichts. Woraus der Hauptbereich einer Produktseite besteht Baubedarf-Shop, Hauptbereich im Median 954 Wörter Ein Feld entspricht 1 % des Hauptbereichs Bewertungszone 477 Wörter, die Hälfte Alles andere inkl. Produkttext, 477 Wörter Kundenstimmen-Block rund 400 Wörter, gut 40 %, wortgleich auf allen 239 Produktseiten Bewertungs-Widget Shopweit gleiche Kundenstimmen sagen über das Produkt nichts. Abb. 3 · HECHT INS GEFECHT Abb. 3: Der Hauptbereich einer Produktseite im Baubedarf-Shop als 100 Felder. Die Bewertungszone füllt die Hälfte, der wortgleiche Kundenstimmen-Block allein gut 40 %. ### Ticketshop: Vorlagenblöcke bestimmen die deutschen Ticketseiten Der dritte Fall ist ein Ticketshop für Sportevents in mehreren Sprachen. Auf den deutschen Ticketseiten macht der Kern im Median nur 6,6 % des Hauptbereichs aus. Bei Google NLP sind 202 von 491 Ticketseiten fremddominiert, 162 verwässert, 97 knapp und 30 klar fokussiert. Urteilsklassen bei 491 deutschen Ticketseiten eines Ticketshops für Sportevents nach Google NLP: 202 fremddominiert, 162 verwässert, 97 knapp, 30 klar fokussiert. Nur 30 von 491 Ticketseiten sind klar fokussiert. Urteilsklassen bei 491 Ticketseiten Ticketshop für Sportevents, deutsche Ticketseiten Urteil je Seite nach Google NLP 202 fremddominiert 97 knapp 162 verwässert 30 klar fokussiert Nur 30 von 491 Ticketseiten sind klar fokussiert. Abb. 4 · HECHT INS GEFECHT Abb. 4: Urteilsklassen der 491 deutschen Ticketseiten nach Google NLP. Nur 30 Seiten sind klar fokussiert. ### Was diese Textteile für KI-Antworten bedeuten können Dan Petrovic (DEJAN) hat an einem Shop-Beispiel untersucht, was Googles Grounding für KI-Antworten (Vertex AI Search) von einer Seite übernimmt. Menü-, Header- und Footer-Texte, Rabatthinweise und Rechtshinweise fehlten im Snippet. Das ist eine Einzelmessung des Autors, keine allgemeine Regel. Kevin Indig berichtet im Growth Memo, dass kürzere, fokussierte Seiten in ChatGPT häufiger zitiert werden als umfassende Guides. Seine Auswertung umfasst 815.000 Query-Seiten-Paare und bezieht sich ausschließlich auf ChatGPT. Zu Vorlagenblöcken sagt der frei lesbare Teil nichts. Viele Retrieval-Systeme hinter KI-Antworten arbeiten mit Passagen statt mit ganzen Seiten. Die [Content-Formatierung für LLMs](https://hechtinsgefecht.de/content-formatierung-llm/#content-formatierung-fur-llms-das-konzept-hinter-dem-begriff) beschreibt diesen Umgang mit Passagen. Der Seitenfokus betrifft dagegen die Frage, welches Thema deine Beschreibung trägt. ## Fehlerbild 2: Der Text nennt sein Produkt nicht Fehlerbild 2 liegt vor, wenn dein Produkttext Erlebnis und Nutzen erzählt, das konkrete Produkt aber sprachlich auslässt und dadurch den Seitenfokus verwässert. Eine Begriffsliste nach WDF\*IDF übersieht dieses Fehlerbild, denn die Wörter können im Text stehen. Nach meiner Erfahrung tritt das Muster vor allem in Warenwirtschafts-, Hersteller- und KI-Texten auf. Nach dem Storytelling folgen Gattungswörter und Pronomen wie „das Modell“, das Thema steht oft nur in der H1. ### ERP-Texte: Die Produktart fehlt im Kerntext Der erste Fall ist ein Nischen-Onlineshop, dessen Produkttexte aus dem Warenwirtschaftssystem (ERP) stammen. Bei 399 von 1.251 ausgewerteten Produktseiten steht die Produktart im Kerntext bei Google NLP auf Rang 6 oder tiefer oder fehlt ganz. Eine separat betrachtete Produktgruppe ist nicht mitgezählt. Die Produktart steht in der H1, der Produkttext selbst nennt sie kaum. Nach meiner Erfahrung reicht die H1 dafür nicht, die Beschreibung sollte die Produktart selbst als Gegenstand führen. ### Internatsprofile: Wörter stimmen, der Satzbau verwässert das Thema Der zweite Fall ist ein Beratungsportal für Internate im Ausland mit 151 Schulprofilen. Auf 108 von 151 Profilen ist der Schulname nicht die stärkste Entität bei Google NLP. Die N-Gramm-Zählung stuft dagegen 150 von 151 Profilen als klar fokussiert ein. N-Gramm-Zählung gegen Google NLP bei 151 Schulprofilen eines Beratungsportals für Internate im Ausland: Die N-Gramm-Zählung stuft 150 von 151 Profilen als klar fokussiert ein, laut Google NLP ist auf 108 von 151 Profilen der Schulname nicht die stärkste Entität. Gleiche Profile, zwei Messungen, zwei verschiedene Urteile. N-Gramm-Zählung gegen Google NLP Beratungsportal für Internate im Ausland, 151 Schulprofile N-Gramm-Zählung 150 von 151 Profilen klar fokussiert Google NLP 108 von 151: Schulname nicht die stärkste Entität Gleiche Profile, zwei Messungen, zwei verschiedene Urteile. Abb. 5 · HECHT INS GEFECHT Abb. 5: Dieselben 151 Schulprofile, zwei Messungen. Die N-Gramm-Zählung stuft fast alle als klar fokussiert ein, bei Google NLP liegt auf 108 Profilen eine andere Entität vor dem Schulnamen. Die Wörter stehen also im Text, aber Google NLP sieht die Schule trotzdem nicht als Hauptthema. Deshalb laufen beide Messungen parallel. Eine Häufigkeit allein zeigt nicht, welche Entität den Satz trägt. ### Erster Satz und Salience-Rang im Textexperiment An drei dieser Profile haben wir ein Textexperiment durchgeführt. Es war kein Live-Test und keine Ranking-Messung. Gemessen wurde ausschließlich der Salience-Rang des Schulnamens im Profil. Die Messung ergibt folgende Werte: | Profil | Vorher | Erster Satz neu | Plus Name | | --- | --- | --- | --- | | Profil A | 26 | 4 | 2 | | Profil B | 18 | 5 | 3 | | Profil C | 4 | 2 | 2 | | Vergleich (nur Name) | 2 | unverändert | 2 | Im ersten Schritt haben wir nur den ersten Satz umgeschrieben. Er beginnt mit dem Namen der Schule als Subjekt. Für den zweiten Schritt ersetzten wir „die Schule“ an den tragenden Stellen durch den Namen. Rang des Schulnamens bei Google NLP im Textexperiment an drei Internatsprofilen, Rang 1 ist die stärkste Entität. Profil A: vorher Rang 26, mit neuem erstem Satz Rang 4, zusätzlich mit Namen statt „die Schule“ Rang 2. Profil B: 18, 5, 3. Profil C: 4, 2, 2. Vergleichsprofil, nur Name: Rang 2, unverändert. Der Salience-Rang verbessert sich, eine Ranking-Wirkung belegt das Experiment nicht. Rang des Schulnamens im Textexperiment Drei Internatsprofile und ein Vergleichsprofil Rang 1 = stärkste Entität bei Google NLP vorher erster Satz neu plus Name Profil A 26 4 2 Profil B 18 5 3 Profil C 4 2 Vergleich nur Name 2 30 20 10 1 Rang Abb. 6 · HECHT INS GEFECHT Abb. 6: Salience-Rang des Schulnamens in drei Schritten. Gemessen ist nur der Rang im Profil, keine Ranking-Wirkung. Unser Experiment an drei Seiten zeigt eine Veränderung des Salience-Rangs. Es belegt keine Ranking-Wirkung. Ob Subjektstellung, Position oder die zusätzliche Namensnennung den Ausschlag gab, trennt das Experiment nicht. ## Drei Messfallen bei Shopseiten Drei Messfallen verzerren den Seitenfokus bei Shops. Das sind die ganze Seite statt des Kerns, deutsche Komposita ohne passende Regeln und Gattungswörter in Fremdsprachen, die nicht zur Shop-Taxonomie passen. HECHT INS GEFECHT kontrolliert diese Messfallen mit Regeln und Handsichtung. Wir haben am 29.10.2026 den Entwurf dieses Beitrags selbst durch Google NLP laufen lassen. Google NLP las „WDF\*IDF“ nicht als Fachbegriff, sondern als zwei Entitäten „WDF“ und „IDF“ vom Typ Organisation. Auch die Schreibweise „WDF-IDF“ ordnete es als Organisation ein. Auch Fachbegriffe mit Sonderzeichen landen in der Entitätsanalyse leicht in der falschen Schublade, weshalb jede auffällige Messung in die Handsichtung gehört. ### Die ganze Seite vermischt Produkt und Vorlage Wer eine ganze URL auswerten lässt, misst Menü, Sprachwechsler und Kaufbox mit. Beim Terraristik-Fachshop erreichte die Produktart auf der ganzen Seite nur bei 42 von 668 Seiten Rang 1. Im Kern waren es 519. Das Content-Score-Tool Surfer nennt sein Verfahren nicht WDF\*IDF. Laut eigener Doku wertet sein Audit aber alles im Body aus, ausdrücklich auch „the navigation bar, footer, menus, and comments“, also Navigationsleiste, Footer, Menüs und Kommentare. Wir urteilen deswegen auf der eigenen Beschreibung und dem Kern. ### Deutsche Komposita brauchen Regeln für das Kopfwort Deutsche Produktnamen tragen das Kopfwort hinten, zum Beispiel „Gurtwickler Abdeckplatte“. Ohne Regeln für Kopfwort, Kurzformen und Maßwörter stufte die N-Gramm-Zählung beim Baubedarf-Shop 61 von 239 Produktseiten als fremddominiert ein. Mit diesen Regeln waren es 7. Bei einem Set Abstandshalter aus Kunststoff lag „Verglasungsklotz“ mit 13 gegen 6 Nennungen vorn. Die Kurzform „Klotz“ musste zum Ziel zählen. Bei einer Rolle Gummigranulat war die Größenangabe „breit“ der stärkste Konkurrent. Solche Treffer lesen wir im Satzzusammenhang. Die Zählung liefert einen Hinweis, die Handsichtung klärt die Bedeutung. ### Fremdsprachen verändern die erkannte Entität Bei einem Hersteller von Fensterdekoration extrahierte Google NLP auf Französisch, Spanisch und Italienisch das Kopfnomen („store“, „estor“, „tenda“) statt „plissé“. Ohne eine Regel, die diese Gattungswörter dem Produkt zuordnet, wirken die Plissee-Seiten in diesen Sprachen fremddominiert. Sprachlich ist das korrekt, „store“ ist dort das Kopfnomen. Das Problem ist die Abweichung zur Taxonomie des Shops. Bei den Ratgebern galten 45 zunächst als fremddominiert (34 spanische, 7 französische, 4 italienische). Wir haben sie von Hand gelesen. Nur ein kleiner Teil wich tatsächlich vom Sortiment ab. Fremdsprachige Salience-Befunde behandeln wir als Prüfauftrag. Die automatische Klasse allein reicht für eine Empfehlung nicht aus. Was Regeln und Handsichtung an automatischen Klassen korrigieren. Deutsche Komposita im Baubedarf-Shop: Ohne Regeln für Kopfwort, Kurzformen und Maßwörter stufte die N-Gramm-Zählung 61 von 239 Produktseiten als fremddominiert ein, mit diesen Regeln 7. Fremdsprachige Ratgeber eines Herstellers von Fensterdekoration: Google NLP erkannte store, estor und tenda statt plissé, 45 Ratgeber galten zunächst als fremddominiert, nach der Handsichtung wich nur ein kleiner Teil vom Sortiment ab. Fachbegriff mit Sonderzeichen im Entwurf dieses Beitrags: Google NLP las WDF\*IDF als zwei Organisationen WDF und IDF. Regeln und Handsichtung machen aus der Zählung ein Urteil. Was Regeln und Handsichtung korrigieren Automatische Klasse Nach Regeln und Handsichtung Deutsche Komposita Baubedarf-Shop, 239 Produktseiten, N-Gramm-Zählung 61 fremddominiert 7 fremddominiert Fremdsprachige Ratgeber Fensterdekoration, Google NLP: store, estor, tenda statt plissé 45 fremddominiert nur ein kleiner Teil weicht vom Sortiment ab Fachbegriff mit Sonderzeichen Entwurf dieses Beitrags, Google NLP „WDF“ und „IDF“ als Organisation erkannt Fachbegriff WDF\*IDF Regeln und Handsichtung machen aus der Zählung ein Urteil. Abb. 7 · HECHT INS GEFECHT Abb. 7: Was Regeln und Handsichtung an automatischen Klassen korrigieren: Komposita, Fremdsprachen und Fachbegriffe mit Sonderzeichen. ## Wenn die Seitenfokus-Prüfung „Fokus hält“ ergibt Trotz umfangreicher zusätzlicher Inhalte kann Seitenfokus bestehen, wenn die Produktart in der eigenen Beschreibung und im Kern klar führt. „Fokus hält“ bedeutet bei HECHT INS GEFECHT, dass die Seite ihren erkennbaren Gegenstand neben Bewertungen oder weiteren Modulen behält. Die Prüfung empfiehlt dann keinen Umbau. Der Fall betrifft einen Hersteller von Wasserfiltern mit 107 Produktseiten. Auf 96 von 107 Produktseiten steht ein Bewertungsabschnitt im Hauptbereich, im Median rund 390 Wörter lang. Im Hauptbereich steht die Produktart trotzdem auf 84 von 107 Produktseiten auf Rang 1, im Kern ohne Bewertungen auf 85. Der Bewertungsblock verdünnt den Produkttext, verdrängt die Produktart aber nicht. Den Block zu kürzen, hätte am Seitenfokus kaum etwas geändert. ## Bewertungen und Cross-Selling zuschneiden HECHT INS GEFECHT empfiehlt für einen klaren Seitenfokus, shopweite Testimonials von der Produktseite zu nehmen und produktbezogene Bewertungen kurz oder eingeklappt zu halten. Cross-Selling darf bleiben, solange es die Produktinformationen nicht verdrängt. Zuschneiden ist die passende Reaktion auf ein verwässertes Messergebnis. Produktbezogene Bewertungen können zum Hauptinhalt einer Produktseite gehören. Shopweit gleiche Testimonials sagen über das einzelne Produkt nichts. Nielsen Norman Group beschreibt, dass Empfehlungen auf Produktseiten geschätzt werden. Gleichzeitig warnt der Artikel: „showing too many suggestions on a product page can distract from or obscure important product information“. Zu viele Vorschläge können also von wichtigen Produktinformationen ablenken oder diese verdecken. Google Search Central bewertet im Reviews-System Testberichte als eigenständige Inhalte. Ausgenommen sind ausdrücklich „third-party reviews, such as those posted by users in the reviews section“, also Bewertungen von Nutzern im Bewertungsbereich. Diese Nutzerbewertungen sind kein Gegenstand dieses Systems. Über den Nutzen von Nutzerbewertungen für deinen Shop sagt diese Doku nichts. Für [Kategorieseiten und ihren Aufbau](https://hechtinsgefecht.de/onlineshop-seo/#kategorieseiten-richtig-aufbauen) und die [Pyramide aus Startseite, Kategorie, Produkt und Blog](https://hechtinsgefecht.de/onlineshop-seo/#die-pyramide-startseite-kategorie-produkt-blog) gilt dieselbe Prüffrage nach der eigenen Beschreibung. Kategorie- und Produkttexte brauchen jeweils ihren erkennbaren Gegenstand. Wichtig ist, dass der Hauptbereich der Seite eigenständig ist und die wichtigsten Inhalte oben stehen. Für deine Produktseite heißt das: Die Beschreibung trägt das Produkt, wiederkehrende Blöcke ordnen sich ihr unter. Produktbezogene Bewertungen können dabei bestehen bleiben. ## Was die Seitenfokus-Messung zeigt und was nicht Die Messung des Seitenfokus zeigt, welche Begriffe und Entitäten deine Beschreibung bestimmen und ob Vorlagen den Produktgegenstand überlagern. HECHT INS GEFECHT nutzt Salience ausschließlich zur Diagnose, denn die bisherigen Messungen belegen weder eine Ranking-Wirkung von Fokus-Umbauten noch einen Einfluss des Salience-Rangs auf Rankings. Bei einem Kunden gewannen nach dem Entfernen wiederkehrender Vorlagenblöcke alle Seitengruppen 3 bis 5 Positionen. Die Kontrollgruppe ohne Änderung gewann jedoch genauso. Dieser Verlauf belegt keine Wirkung des Umbaus. Die Wirkung der Umbauten messen wir gerade weiter. ## Seitenfokus selbst prüfen: Checkliste Deine Beschreibung trennst du für die Prüfung des Seitenfokus vom übrigen Hauptbereich, vergleichst die Wortmengen und kontrollierst anschließend Satzbau sowie Entitäten. HECHT INS GEFECHT nutzt dafür dieselben Ebenen wie in den Analysen, gefolgt von einer NLP-Messung des kopierten Textes und einer Handsichtung auffälliger Ergebnisse. - Zähle die Wörter deiner Beschreibung und vergleiche sie mit allen anderen Inhalten im Hauptbereich. Beziehe Slider-Tabs, Kundenstimmen, Produktlisten und die Kaufbox ein, aber nicht Kopf, Menü und Footer. - Schreibe den ersten Satz so, dass die Produktart oder der Name als Subjekt steht. Vermeide einen Einstieg, der erst Erlebnis und Nutzen erzählt und das Produkt später durch ein Pronomen ersetzt. - Ersetze Gattungswörter und Pronomen an den tragenden Stellen durch den Produktnamen. Prüfe danach im Fließtext, ob die Beschreibung ihren Gegenstand ohne die H1 benennt. - Kopiere nur deinen eigenen Text in ein NLP-Tool, für diese Prüfung nicht die URL. - Für den Kern entfernst du zusätzlich FAQ, Bewertungen, Slider, Produktlisten und Kaufbox. - Wir bewerten die Produktart als schwach, wenn sie bei Google NLP auf Rang 6 oder tiefer steht oder fehlt und im Kerntext höchstens dreimal vorkommt. - Nutze für eine kurze Beschreibung den kostenlosen [Copywriting Analyzer von Kalicube](https://kalicube.pro/tools/google-copywriting-analyzer). Er nimmt bis 2.500 eingefügte Zeichen an, das sind laut Kalicube etwa 300 bis 500 Wörter. Für jede Entität zeigt er Typ, Zahl der Nennungen und die Salience als Wert von 0 bis 100 %. - Google bietet auf der Produktseite von [Cloud Natural Language](https://cloud.google.com/natural-language#demo) eine eigene Demo an (Abschnitt „Try the API“, mit Captcha). Lies jedes Ergebnis als Diagnose und prüfe auffällige Entitäten im Satzzusammenhang. Fokus-Schnelltest Wie viel vom Hauptbereich deiner Seite gehört der Produktbeschreibung, und wie viele Platzhalter stecken drin? Kopiere beide Texte hinein, das Ergebnis erscheint beim Tippen. Beispiel: Gartenhaus-Seite. Ersetze die Texte durch deine eigenen. Wortanteil Der Rest ist länger als deine Beschreibung. Platzhalter-Wörter Einfache Zählung im Browser, deine Texte verlassen ihn nicht. Für eine Entitätsanalyse: [Copywriting Analyzer von Kalicube](https://kalicube.pro/tools/google-copywriting-analyzer) ## Häufige Fragen ### Was unterscheidet WDF\*IDF und Seitenfokus? **Seitenfokus prüft das Thema des eigenen Textes und des Kerns einer Seite.** HECHT INS GEFECHT kombiniert dafür Wortzählung, Salience und Handsichtung. So lassen sich Vorlagenüberhang und fehlende Produktnennung getrennt erkennen, was eine reine Begriffsliste nicht leistet. ### Gehören Navigation und Footer aus der Analyse entfernt? **Ja, für Seitenfokus misst du ohne Kopf, Menü und Footer.** Diese Bereiche stehen auf jeder Seite gleich und sagen wenig über das Thema der einzelnen Seite. Entscheidend ist, was im Hauptbereich neben deiner Beschreibung steht. ### Solltest du Bewertungen und Cross-Selling löschen? **Löschen ist selten nötig, zuschneiden reicht meist.** HECHT INS GEFECHT rät, shopweit gleiche Testimonials von der Produktseite zu nehmen und Cross-Selling zu kürzen, wenn es Produktinformationen verdrängt. ### Ist Salience ein Rankingfaktor? **Als Rankingfaktor ist Salience nicht belegt.** HECHT INS GEFECHT misst mit ihr, welche Entität den analysierten Text bestimmt. Aus einer veränderten Salience folgt keine belegte Veränderung der Rankings. ### Was ist WDF\*IDF? **WDF\*IDF ist eine Termgewichtung ähnlich TF-IDF.** WDF gewichtet in der verbreiteten Darstellung ein Wort nach log2(Häufigkeit + 1) / log2(Gesamtzahl der Wörter), IDF setzt den Begriff ins Verhältnis zu anderen Dokumenten. SEO-Tools leiten daraus Listen fehlender Begriffe ab. ## Quellen - Google Cloud: [„Entity“ (Cloud Natural Language API)](https://docs.cloud.google.com/natural-language/docs/reference/rest/v1/Entity) (Stand 13.06.2025) - Wikipedia: [„Within-document Frequency“](https://de.wikipedia.org/wiki/Within-document_Frequency) (abgerufen 29.10.2026) - Search Engine Roundtable: [„Google Centerpiece Annotation: Primary Content Of Page & Site“](https://www.seroundtable.com/google-centerpiece-annotation-32267.html) (19.10.2021) - Search Engine Journal: [„Google Explains The Process Of Indexing The Main Content“](https://www.searchenginejournal.com/google-explains-the-process-of-indexing-the-main-content/552347/) (29.07.2025) - Search Engine Roundtable: [„Google: Boilerplate Content Is Not Harmful Or Toxic“](https://www.seroundtable.com/boilerplate-content-toxic-google-24447.html) (12.09.2017) - Search Engine Roundtable: [„Google: Useful Content Position On A Page Doesn’t Matter“](https://www.seroundtable.com/google-content-position-26214.html) (15.08.2018) - DEJAN: [„How much of your content survives the AI Search filter?“](https://dejan.ai/blog/ai-search-filter/) (08.11.2025) - Growth Memo: [„Shorter, Focused Content Wins in ChatGPT“](https://www.growth-memo.com/p/shorter-focused-content-wins-in-chatgpt) (13.04.2026) - Surfer: [„Analyzing Your Audit“](https://docs.surferseo.com/en/articles/6321975-analyzing-your-audit) (Stand Oktober 2026) - Google Search Central: [„Google Search’s reviews system and your website“](https://developers.google.com/search/docs/appearance/reviews-system) (Stand 10.12.2025) - Nielsen Norman Group: [„UX Guidelines for Ecommerce Product Pages“](https://www.nngroup.com/articles/ecommerce-product-pages/) (24.11.2019) - Kalicube: [„Copywriting analyzer“](https://kalicube.pro/tools/google-copywriting-analyzer) (abgerufen 29.10.2026) - Google Cloud: [„Natural Language AI“](https://cloud.google.com/natural-language) (abgerufen 29.10.2026)