SEO-Datenanalyse mit GPT: Google-Ergebnisse automatisch auswerten

Moin und willkommen zu einem neuen Snip. Heute geht es um einen GPT, den ich vor einer Weile auf LinkedIn geteilt habe, um Google-Suchergebnisse, also die echten Google-Suchergebnisse, zu analysieren und entsprechend als kleinen SEO-Assistenten zu verarbeiten. Wie das Ganze funktioniert, wie es gebaut ist und was am Ende des Tages natürlich auch kostet, will ich dir heute in diesem Snip einmal zeigen. Vorweg, du brauchst dafür ein paar Tools. Wir nutzen dafür Make beispielsweise zur Automatisierung. Auch dazu haben wir schon einige Snips gedreht, auch Grundlagenvideos haben wir dazu. Wir nutzen einen Datenprovider, in dem Fall ist das DataForSEO. Auch hier gibt es verschiedene Anbieter. Und wir nutzen natürlich ChatGPT, hier in der Plus-Version, damit wir einen GPT bauen. Das ist ein Basis- oder ein Beispiel-Setup. Das Ganze kannst du von der Idee her ganz anders bauen, wie es für deine Use Cases am sinnvollsten ist. Ich will dir hier aber einfach mal einen ganz, ganz einfachen Weg zeigen. So, hier war dieser GPT, den ich gebaut habe, und habe ihn bei LinkedIn gepostet. Und wie das ganze Ding dann funktioniert und aussieht, das schauen wir uns jetzt mal an. So, wir machen hier mal einen neuen Chat über den Suchergebnis-Analyst und geben einfach mal als entsprechendes Suchwort, da ich gerne klettere, Kletterschuhe ein. Hier kannst du quasi jedes beliebige Suchwort eingeben, was du bei Google eingeben würdest, und kannst dann hier schauen, wo das Ganze dann auch oder wie die Suchergebnisseite aussieht. Und hier will der GPT die Action ausführen. Das heißt, wir sprechen hier mit Make, sagen auf Confirm, und innerhalb von wenigen Sekunden bekommen wir hier eine Top-Übersicht der entsprechenden Ergebnisse. Und du siehst hier, wir bekommen die Daten von Google, von dem Datenprovider, und wir bekommen hier nicht nur den Titel der Seite, die Position, natürlich, die Beschreibung, die URL, sondern wir haben hier auch noch nach einer Suchintention und einer Analyse der Meta-Tags gefragt. Also wie schlägt sich dann quasi die Beschreibung und der Titel im Vergleich und nach besten Guidelines? Vorweg: Da berufen wir uns natürlich auf das LLM. Das heißt, so was wie Suchintention und Analyse der Meta-Tags, das ist natürlich abhängig vom Prompt, von unseren Zielen, von unserer generellen Erwartungshaltung und unserer Expertise. Von daher nicht zu sehr darauf verlassen, was hier rauskommt, da vielleicht noch mal ein bisschen mehr Arbeit reinstecken. Das ist erst mal ein erster Indikator und soll demonstrieren, dass auch hier das LLM mit den Daten super arbeiten kann. So, wir bekommen hier ja einige Daten, acht Ergebnisseiten, und können jetzt hiermit weiterarbeiten. Das heißt, wir könnten jetzt hier zum Beispiel sagen: Baue mir doch mal da was Neues draus. Und wie das Ganze aufgebaut ist, will ich dir heute einmal zeigen. Wir nutzen dafür das Tool DataForSEO, und das verlinken wir natürlich auch in der Beschreibung. Und was hier ganz, ganz wichtig ist zu sagen: Es ist sehr, sehr günstig. Also du siehst hier, die Suchanfragen, die wir gerade getätigt haben, eine Suchanfrage kostet 0,0006 Dollar-Cent. Das heißt, für 1 Million Abfragen zahlen wir 600 Dollar. Das heißt, da haben wir nach oben hin schon ja noch mal einiges an Geld, das wir uns sparen können. Selbst hier mit einer Realtime, mit einer Live-Mode zahlen wir 0,02 Cent. Also auch hier alles überschaubare Kosten, je nachdem, wie viele Abfragen du tätigst. Hier ist aber der Fokus ganz klar auf Entwickler. Das heißt, hier gibt's ganz viele verschiedene APIs. Kann man sich mal anschauen, lohnt sich auf jeden Fall und ist auf jeden Fall praktisch in der Nutzung. Das heißt, hier einen Account machen, kurz einloggen, dann bist du auf dem Playground und kannst hier, wie der Name schon sagt, herumspielen. Das heißt, du findest links die verschiedenen Möglichkeiten, von der Backlink-Analyse bis hin zu einer SERP-Analyse, und kannst hier dann entsprechend auch Beispiele loslösen mit den ganzen Optionen und hier auch schauen: Okay, was kommt denn da am Ende des Tages raus? Das Ganze wollen wir jetzt aber nicht nur in dem Playground hier machen und mit dem Code hier, auch hiermit könnten wir super arbeiten, wir wollen das Ganze natürlich in Make machen. Und der Workflow sieht sehr, sehr einfach aus. Drei Punkte. Das heißt, wir haben hier unseren klassischen Aufbau eines GPTs: Wir haben hier einmal den Webhook, den wir aufbauen, das heißt, wir fügen hier einen neuen Custom Webhook hinzu. Das können wir hier unten über Webhooks und dann Custom Webhook machen, dann findest du hier hast du hier ein neues Modul. Und dann, praktischerweise, hat dieser Anbieter DataForSEO auch hier die Module integriert. Das heißt, du kannst hier auf Add klicken, gibst hier Datafor ein und bekommst hier auch DataForSEO als Modul. Und mit diesem Modul kannst du hier halt alle Spielereien machen, die du dir vorstellen kannst. Das heißt, von der Backlink-Analyse bis hin zur Analyse der Suchergebnisseiten, was wir jetzt machen, kannst du vieles einzeln machen oder verbinden. Das natürlich ist hier nur ein sehr, sehr simples Beispiel, aber das haben wir schon wesentlich komplexer und umfangreicher gebaut, es ist nur hier ein sehr simpler Case zur Demonstration. Und was du hier rausbekommst, ist dann auch entsprechend die Daten. Das heißt, wenn du hier mal reingehst, siehst du hier auch in wenn du ganz, ganz weit runtergehst, auch hier diese Items, das heißt, hier haben wir vier Ergebnisse bekommen, in dem Fall ist es jetzt ein anderes Ergebnis, hier war es für Schuhe, aber wir bekommen hier genau diese Daten raus. Das heißt, hier in diesem Modul werden die Echtzeitdaten von Google abgefragt. Und last but not least haben wir hier ein Webhook-Response-Modul. Wir gehen jetzt in die Konfiguration mal rein, dann zeige ich dir das einmal kurz. Aber hier hast du auch nur einfach die Sache, dass du den Status auf 200 setzt, das ist aber per Default so gesetzt, und als Body bzw. Webhook Response, also was du an den GPT zurückgibst, wählst du hier diese Items aus. Das heißt, hier gehst du dann in die Auflistung und gehst hier bis oder du machst es noch einfacher, du gibst dir die Items ein und bekommst du hier die Items, klickst drauf und dann wird dir das hier quasi an GPT zurückgeschickt. So, das heißt, hier das erste und das letzte Modul, da brauchst du eigentlich gar nicht viel konfigurieren. In der Mitte auch nicht so viel, das ist überschaubar. Du hast hier eine Connection, das heißt, hier stellst du einfach eine Connection kurz her, wie bei allen anderen Modulen in Make, einmal kurz hinzufügen, authentifizieren und dann hast du hier die Connection drin. Dann hast du das Keyword hier. Das Keyword holen wir aus dem Webhook hier vorne. Und wir haben als Location Germany und als Language German. Desktop-Devices, die wir oder Devices, die wir einstellen können, wir haben Betriebssysteme, die wir nutzen können, wenn wir möchten. Und wir haben hier die Depth, also die Menge an Suchergebnisseiten bzw. Suchergebnissen. Ich habe hier einmal 10 genommen anstatt 100, dann hat man da nicht so viele Daten in ChatGPT. Auch das könnten wir hier theoretisch verarbeiten und weiternutzen. Und das ist eigentlich auch schon der gesamte Aufbau dieses Make-Workflows. Das heißt, hier hast du ein sehr solides Grundgerüst, mit dem du ja bestimmt 10, 20, 30, 40 verschiedene Use Cases noch mal neu abdeckst. Und auch ich arbeite dann noch mal an weiteren Use Cases, die ich in den nächsten Tagen mal zeigen werde. Aber das hier soll es erst mal in Make gewesen sein. Das heißt, ganz einfach: ein Webhook, der etwas aufbaut, eine Datenanalyse und die Daten wieder an ChatGPT zurückschicken. So, last but not least springen wir kurz in den GPT rein, dann zeige ich dir die Konfiguration auch noch mal. Und um hier reinzuspringen, gehst du hier auf „Edit GPT“. Und du siehst hier, der Prompt ist relativ einfach: Du bist SEO-Experte, der Trigger ist: Der User gibt ein Keyword vor, die Aktion ist: Es wird was ausgeführt. Auch das können wir gerne in die Snip-Beschreibung noch reinpacken. Und dann fragen wir hier genau nach der Beschreibung, nach der Analyse, nach der Suchintention und haben hier halt noch mal einiges an Möglichkeiten. Hier gibt's noch einen kleinen Werbeslot mit dazu. Aber das ist eigentlich auch schon der ganze Prompt, den wir haben, um das Ganze aufzubauen. Ja, und das schließen wir, gehen hier noch mal in die Actions ganz unten rein und haben hier unser JSON-Format, also unser OpenAPI-Format. Und hier tauschen wir eigentlich nur unseren Webhook aus, das heißt, das hier ist der aus dem ersten Schritt, den dir Make gibt. Und hier den Aufbau packe ich auch noch mal in die Snip-Beschreibung mit rein. Kannst du dann einfach kopieren und bekommst hier quasi aus einem Keyword entsprechend die Werte raus. Das kannst du natürlich auch für deinen Case noch mal erweitern, wenn du die Sprachauswahl noch dazu packen willst, die Language, die Location vielleicht, all das kannst du hier entsprechend anpassen. Hier das kannst du aber ganz, ganz einfach Copy-Pasten, hier rein, und bekommst dann diese Action. Rechts kannst du das Ganze dann testen, wie das Ergebnis aussehen soll, wie dein Prompt dann so passt, ob das Ganze so aussieht, wie du es erwartest. Und mit dieser Integration hast du ganz, ganz viele Möglichkeiten, nämlich echte Google-Daten oder SEO-Daten für deine GPT-Arbeit zu verwenden. Das wie gesagt, das war jetzt ein Beispiel, um zehn Suchergebnisseiten zehn Ergebnisse von Google mit reinzubekommen. Das Ganze kannst du aber noch beliebig weiterdenken, wenn du einmal dieses Make-Prinzip und diesen Datenprovider verstanden hast. Wie gesagt, mehrere Snips werden dazu mit Sicherheit noch kommen. Da sind auf jeden Fall auch einige Ideen noch bei mir, die im Kopf herumschwirren. Aber beim Ausprobieren, Aufsetzen und erst mal Testen wünsche ich dir ganz viel Spaß. Und wenn es Fragen gibt, gerne in die Kommentare. Ansonsten sehen wir uns beim nächsten Snip. Ciao!