TF-IDF (WDF*IDF).

TF-IDF setzt sich aus zwei Teilen zusammen. Die Term Frequency (TF) zählt, wie oft ein Begriff in einem Dokument vorkommt. Die Inverse Document Frequency (IDF) gewichtet diesen Wert danach, wie selten der Begriff in der gesamten Sammlung ist. Ein Wort wie «und» kommt überall vor und erhält deshalb kaum Gewicht. Ein Wort wie «Abnahmegarantie» ist selten und wird stark gewichtet, wenn es in einem Dokument häufig vorkommt. Das Produkt der beiden Werte zeigt, welche Begriffe ein Dokument besonders kennzeichnen.

Das Verfahren stammt aus den 1970er-Jahren und war lange eine Grundlage von Suchsystemen. Im deutschsprachigen SEO wurde um 2012 die Variante WDF*IDF bekannt. WDF (Within Document Frequency) dämpft die reine Häufigkeit logarithmisch, damit lange Texte und Wiederholungen nicht übermässig zählen. SEO-Tools berechnen WDF*IDF für die bestrankten Seiten zu einem Suchbegriff und zeigen, welche Begriffe dort typischerweise vorkommen und im eigenen Text fehlen.

Der Nutzen liegt in der Themenabdeckung. Ein Text über Umzugsreinigung, in dem Begriffe wie «Abnahme», «Verwaltung», «Backofen» oder «Fenster» fehlen, deckt das Thema vermutlich unvollständig ab. Eine WDF*IDF-Analyse macht solche Lücken sichtbar. Google hat aber nie bestätigt, TF-IDF als Rankingfaktor zu nutzen, und moderne Suchsysteme arbeiten mit Sprachmodellen und Vektor-Embeddings, die Bedeutung weit besser erfassen als Wortzählungen.

Heute ist WDF*IDF deshalb ein Hilfsmittel für die Recherche, kein Optimierungsziel. Wer Texte so lange umschreibt, bis die Kurven eines Tools übereinstimmen, produziert leicht austauschbare Inhalte, die dasselbe sagen wie alle anderen. Sinnvoller ist es, die Analyse als Checkliste zu verwenden und den Text dann mit eigenem Wissen, Beispielen und Erfahrungen zu füllen.