Semantic Similarity (Semantische Ähnlichkeit)
Maß für Bedeutungsähnlichkeit zwischen Texten via Cosine Similarity.
Definition
Semantic Similarity ist ein Maß dafür, wie ähnlich zwei Texte, Wörter oder Dokumente in ihrer Bedeutung sind – unabhängig von exakten Wort-Übereinstimmungen. Berechnet wird Semantic Similarity typischerweise über Cosine Similarity zwischen Vector Embeddings: Zwei Texte mit ähnlicher Bedeutung haben Vektoren, die im hochdimensionalen Raum nah beieinander liegen.
Warum das wichtig ist
Klassische Keyword-Analyse versagt bei semantischer Ähnlichkeit: "Automobil" und "Auto" → 0% Keyword-Overlap, aber 95% semantisch ähnlich. Moderne Suchmaschinen und LLMs verstehen Bedeutung – Semantic Similarity ist die Metrik, die misst, ob dein Content die richtige Bedeutung abdeckt.
Vidasus-Kontext
Praxis-Beispiel
SaaS-Unternehmen schrieb über "Marketing Automation". Semantic Similarity-Analyse zeigte: Konkurrent A deckt "Email Workflows" besser ab, Konkurrent B deckt "Lead Scoring" ab (identifizierte Content-Gaps). Erstellung gezielter neuer Artikel führte zu deutlich verbesserter Topical Authority.
Messbarkeit
Cosine Similarity Interpretation: 0.9-1.0 (nahezu identisch), 0.7-0.9 (sehr ähnlich), 0.5-0.7 (moderat ähnlich), 0.3-0.5 (schwach ähnlich), 0.0-0.3 (unähnlich).