Ist die Verweildauer (Dwell Time) ein Ranking-Faktor?

Die Verweildauer eines Besuchers auf einer Seite (im Englischen dwell time genannt), wird von Google vielleicht als Ranking-Faktor verwendet.

Die Logik dahinter ist Folgende:

Wenn ein Besucher ein bestimmtes Keyword bei Google eingibt, eine Seite in den Suchergebnissen anklickt und sich diese Seite lange ansieht, könnte das ein Hinweis darauf sein, dass die Seite qualititativ hochwertig und hilfreich zur Erfüllung der Suchintention des Keywords ist.

Wenn derjenige hingegen nur für ein paar Sekunden auf der Seite bleibt, könnte das heißen, dass die Seite ist thematisch unpassend ist oder eine schlechte Qualität hat.

Viele SEOs sind sich uneinig darüber, ob die Verweildauer tatsächlich ein Ranking-Signal ist. Dagegen spricht zum Beispiel, dass eine genaue Messung der Verweildauer schwierig ist.

Ein Beispiel:

Ein Nutzer klickt auf ein Suchergebnis, hält sich für 5 Minuten auf der Seite auf und kehrt dann zur Google-Suche zurück. Hier würde sich die Verweildauer leicht durch Google messen lassen. Was aber, wenn der Besucher nach den 5 Minuten seinen PC herunterfährt? Oder, wenn der Besucher auf einer anderen Seite weitersurft, ohne zu Google zurückzukehren?

Gary Illyes wird fast wütend bei dem Thema:

Dwell time, CTR… those are generally made up crap. Search is much more simple than people think.

Auf der anderen Seite besagt ein Google Patent, dass die Verweildauer durchaus als Ranking-Signal gewertet werden könnte:

Depending on the configuration of the system, one or more of a mouse rollover, a click, a click of at least a certain duration, or a click of at least a certain duration relative to a resource length, for example, may be treated by the system as being a user selection.

In Googles Patent US8661029B1 geht es darum, die Qualität einer Seite anhand von Nutzer-Feedback zu messen.

Dabei wird zwischen short clicks (kurze Verweildauer), medium clicks (mittlere Verweildauer) und long clicks (lange Verweildauer) unterschieden und diesen verschiedene Punktzahlen zugeordnet, wobei eine lange Verweildauer laut Patent auf eine qualitativ hochwertige Seite schließen lässt:

For example, a short click can be considered indicative of a poor page and thus given a low weight (e.g., −0.1 per click), a medium click can be considered indicative of a potentially good page and thus given a slightly higher weight (e.g., 0.5 per click), a long click can be considered indicative of a good page and thus given a much higher weight (e.g., 1.0 per click), and a last click (where the user doesn’t return to the main page) can be considered as likely indicative of a good page and thus given a fairly high weight (e.g., 0.9). Note that the click weighting can also be adjusted based on previous click information. For example, if another click preceded the last click, the last click can be considered as less indicative of a good page and given only a moderate weight (e.g., 0.3 per click).

Interessant ist hier übrigens die Erwähnung von last clicks. Das heißt, dass die Verweildauer möglicherweise in Kombination mit der Back-to-SERP-Rate verwendet wird.

Ein weitere Erwähnung des Konzepts short, medium und long clicks findet sich in Patent US8838587, in dem es um die eindeutige Identifizierung von Entitäten in Suchanfragen geht:

A quality of result statistic for a document is derived from user behavior data associated with the document. One example of user behavior data is “click data.” Click data refers to how long a user views or “dwells” on a query result document after selecting it (e.g., clicking on the query result, selecting the result by a voice command, touching an icon associated with the query result, etc.) in a document results list a query. For example, a longer time spent dwelling on a document, termed a “long click”, can indicate that a user found the document to be relevant for their query. A brief period viewing a document, termed a “short click”, can be interpreted as a lack of document relevance.

Laut einer Aussage von Nick Frost, dem Head of Google Brain in Toronto/Kanada, schaut sich Google mithilfe von Machine Learning zumindest an, ob Nutzer auf der Seite bleiben oder zurück zu Google springen:

So when search was invented, like when Google was invented many years ago, they wrote heuristics that had figure out what the relationship between a search and the best page for that search was. And those heuristics worked pretty well and continue to work pretty well.

But Google is now integrating machine learning into that process. So then training models on when someone clicks on a page and stays on that page, when they go back or when they and trying to figure out exactly on that relationship.

Auch die Ranking Factors Study von SEMRush in 2017 fand einen Zusammenhang zwischen Time on Site und Ranking:

SEMRush Ranking Factors Study 2.0: Time on Site

In der Studie ist die Verweildauer sogar der zweitwichtigste von den 17 untersuchten Faktoren:

Verweildauer in der Ranking Factors Study 2.0 von SEMRush

Auch eine kleinere Korrelations-Studie von WordStream zeigt einen möglichen Zusammenhang zwischen Ranking und Verweildauer.