![\"Aus](\"https:\/\/www.lukaswojcik.com\/blog\/wp-content\/uploads\/diagrams\/gsc-seo-dashboard-de.png\")
Was die API liefert und die Oberfl\u00e4che nicht<\/h2>\n
Der Leistungsbericht exportiert bis zu tausend Zeilen. Die Methode F\u00fcr ein Dashboard ruft der native Search-Console-Connector von Looker Studio dieselbe API ohne jeden Code auf \u2013 der praktische Weg, sofern die Daten nicht ohnehin in einem Warehouse landen. Eine strukturelle Einschr\u00e4nkung sollte vor jedem Entwurf bekannt sein: Der Connector bietet eine Tabelle auf Property-Ebene, in der die Dimension Suchanfrage existiert, und eine auf URL-Ebene, in der die Zielseite existiert \u2013 Suchanfrage und Zielseite lassen sich nicht kombinieren<\/strong>. Das ist eine Eigenschaft der Search-Console-Daten selbst und kein Fehler des Connectors, und kein berechnetes Feld umgeht sie.<\/p>\n Beide Stellen, an denen sich ein regul\u00e4rer Ausdruck schreiben l\u00e4sst, verhalten sich anders, als es von Regex anderswo gewohnt ist.<\/p>\n Die Search Console verwendet RE2<\/strong>, ohne Lookahead und ohne Lookbehind. Der vertraute Kniff f\u00fcr Nicht-Marke \u2013 ein negativer Lookahead, der den Markennamen ausschlie\u00dft \u2013 l\u00e4sst sich schlicht nicht kompilieren. Der unterst\u00fctzte Weg ist die Umkehrung des Filters selbst: ein eigener Regex-Filter auf stimmt nicht \u00fcberein<\/em>, mit dem Markenmuster als Ausdruck.<\/p>\n Das Kennzeichen Dieselbe Konstruktion, erweitert, wird zur Dimension, auf der das Dashboard aufbaut. Die Reihenfolge z\u00e4hlt \u2013 der erste zutreffende Zweig gewinnt, die Marke geh\u00f6rt also nach vorn, sonst landet eine markenbezogene Suche nach einer Funktion im Cluster dieser Funktion:<\/p>\n Einen ausdr\u00fccklichen Zweig Ohne Treffer<\/em> statt einer Auffangbezeichnung zu behalten ist das, was das Feld pflegbar h\u00e4lt. Dieser Topf ist eine Arbeitsliste: nach Impressionen sortiert, f\u00fchrt er die Nachfrage auf, die die Taxonomie noch nicht abbildet \u2013 und jedes Cluster nach den ersten beiden entsteht \u00fcblicherweise aus dem Lesen dieser Liste.<\/p>\n Mit einer Cluster-Dimension gen\u00fcgen drei Diagramme. Impressionen je Cluster im Zeitverlauf zeigen, ob die Sichtbarkeit breiter wird oder sich zusammenzieht. Klicks und CTR je Cluster zeigen, ob diese Sichtbarkeit zu Besuchen wird. Eine Tabelle der Anfragen ohne Treffer speist die n\u00e4chste Runde der Taxonomie.<\/p>\n Die Falle in dieser Ansicht ist das Marken-Cluster. Markensuchen steigen mit Bekanntheit, mit Kampagnen und mit der Saison, und sie konvertieren weit besser als alles andere \u2013 ein gesund aussehender Gesamtwert kann darunter also schrumpfende Nicht-Marken-Cluster verbergen. Marke und Nicht-Marke als getrennte Linien statt als eine Sichtbarkeitssumme zu berichten h\u00e4lt genau das sichtbar.<\/p>\n Die Search Console hat keine Dimension f\u00fcr KI-generierte Antworten. Impressionen, die innerhalb eines generativen Ergebnisses entstanden sind, stecken in denselben Leistungsdaten wie gew\u00f6hnliche Ergebnisse, und es gibt keinen Filter, der sie trennt \u2013 jedes Dashboard, das aus dieser Quelle generative Sichtbarkeit zu messen behauptet, schlie\u00dft also, statt zu messen.<\/p>\n Was die Daten hergeben, ist ein beobachtenswertes Muster: ein informationsgetriebenes Cluster, dessen Impressionen stabil bleiben oder wachsen, w\u00e4hrend Klicks und CTR zur\u00fcckgehen, \u00fcber einen Zeitraum ohne Rankingverlust, der das erkl\u00e4ren w\u00fcrde. Diese Form passt dazu, dass Antworten schon auf der Ergebnisseite befriedigt werden \u2013 sie passt aber auch zu einem ge\u00e4nderten Snippet oder einer verschobenen Anfragemischung innerhalb des Clusters. Deshalb geh\u00f6rt sie als zu pr\u00fcfende Frage in einen Bericht und nicht als vorzeigbare Kennzahl.<\/p>\n Drei Eigenschaften der Quelldaten begrenzen, was das Dashboard ehrlich behaupten kann. Seltene Anfragen werden aus Datenschutzgr\u00fcnden vollst\u00e4ndig zur\u00fcckgehalten, die Anfragezeilen summieren sich also immer auf weniger als die Property-Gesamtwerte \u2013 die Differenz ist kein abzugleichender Fehler, und Cluster-Anteile sind als Anteile der berichteten Anfragen zu lesen. Die Historie endet nach sechzehn Monaten, was einen Jahresvergleich m\u00f6glich macht, aber kein zweites Jahr davon; alles L\u00e4ngere braucht eine eigene Ablage. Und die durchschnittliche Position ist bereits ein nach Impressionen gewichteter Durchschnitt innerhalb jeder Zeile; diese Durchschnitte \u00fcber ein Cluster hinweg zu mitteln ergibt eine Zahl, die pr\u00e4zise aussieht und wenig bedeutet \u2013 weshalb Impressionen und Klicks die Aussage besser tragen als die Position.<\/p>\n","protected":false},"excerpt":{"rendered":" Mehr Zeilen aus der Search Console holen, als die Oberfl\u00e4che exportiert, Suchanfragen mit Regex-Feldern in Looker Studio in Marken- und Themencluster aufteilen und das Ergebnis ehrlich lesen \u2013 einschlie\u00dflich dessen, was die Daten \u00fcber generative Suchergebnisse nicht sagen k\u00f6nnen.<\/p>\n","protected":false},"author":1,"featured_media":11408,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[129],"tags":[92026,92508,92289,92235,92110],"class_list":["post-10147","post","type-post","status-publish","format-standard","hentry","category-tutorials-de-digital-marketing-de","tag-marketing-cyfrowy-pl-de","tag-looker-studio-de","tag-seo-de","tag-tutorial-de","tag-web-analytics-de"],"yoast_head":"\nsearchanalytics.query<\/code> der API liefert bis zu 25.000 je Anfrage und bl\u00e4ttert den Rest \u00fcber startRow<\/code> durch \u2013 das ist der Unterschied zwischen dem Kopf der Verteilung und dem langen Ende, in dem neue Themen zuerst auftauchen.<\/p>\nPOST https:\/\/searchconsole.googleapis.com\/webmasters\/v3\/sites\/\n https%3A%2F%2Fexample.com%2F\/searchAnalytics\/query\n\n{\n \"startDate\": \"2026-07-01\",\n \"endDate\": \"2026-07-31\",\n \"dimensions\": [\"query\"],\n \"rowLimit\": 25000,\n \"startRow\": 0,\n \"dimensionFilterGroups\": [{\n \"filters\": [{\n \"dimension\": \"query\",\n \"operator\": \"includingRegex\",\n \"expression\": \"(?i)(preis|kosten|lizenz)\"\n }]\n }]\n}<\/code><\/pre>\nZwei Regex-Regeln, an denen das Ganze h\u00e4ngt<\/h2>\n
REGEXP_MATCH<\/code> in Looker Studio verlangt, dass das Muster den gesamten<\/strong> Feldwert trifft, nicht einen Ausschnitt davon. Ein Muster acme<\/code> trifft nur die Anfrage, die exakt das Wort acme<\/em> ist; wer jede Anfrage treffen will, die es enth\u00e4lt, muss die Platzhalter ausschreiben:<\/p>\n-- Feld: Marke vs. Nicht-Marke\nCASE\n WHEN REGEXP_MATCH(Query, '(?i).*(acme|acme corp|acmecorp|acme app).*')\n THEN 'Marke'\n ELSE 'Nicht-Marke'\nEND<\/code><\/pre>\n(?i)<\/code> macht den Abgleich in beiden Systemen unabh\u00e4ngig von Gro\u00df- und Kleinschreibung. Die Markenalternation lohnt sich von Anfang an gro\u00dfz\u00fcgig: Tippfehler, die Schreibweise mit und ohne Leerzeichen sowie der Produktname geh\u00f6ren in den Marken-Topf, denn jede davon, die drau\u00dfen bleibt, bl\u00e4ht die Nicht-Marken-Zahl mit Suchen auf, die nie \u00fcber Inhalte gewonnen wurden.<\/p>\nAus Themen Cluster machen<\/h2>\n
-- Feld: Anfrage-Cluster\nCASE\n WHEN REGEXP_MATCH(Query, '(?i).*(acme|acmecorp).*') THEN 'Marke'\n WHEN REGEXP_MATCH(Query, '(?i).*(preis|kosten|was kostet).*') THEN 'Preise'\n WHEN REGEXP_MATCH(Query, '(?i).*(integrat|api|webhook|sync).*') THEN 'Integrationen'\n WHEN REGEXP_MATCH(Query, '(?i).*(vs |alternative|vergleich).*') THEN 'Vergleich'\n ELSE 'Ohne Treffer'\nEND<\/code><\/pre>\nDas Dashboard lesen<\/h2>\n
Was diese Daten \u00fcber generative Ergebnisse nicht sagen<\/h2>\n
Innerhalb der Leitplanken bleiben<\/h2>\n