Suggestion Keyword Tool: Autocomplete-Vorschläge methodisch auswerten
In sechs Schritten vom Autocomplete-Export zum Seitenplan: Vorschläge erheben, bereinigen, nach Suchintention clustern und mit Trenddaten validieren.
Ein Suggestion Keyword Tool liest die Vorschläge aus, die eine Suchmaschine während der Eingabe einblendet. Der Export ist in Minuten erzeugt, und genau darin liegt die Falle: Eine Liste mit 400 Phrasen ist noch keine Recherche. Der Wert entsteht erst danach, wenn aus Vorschlägen Hypothesen werden, aus Hypothesen geprüfte Cluster und aus Clustern konkrete Seiten.
Dieser Leitfaden beschreibt den Weg als wiederholbaren Ablauf in sechs Schritten. Für jeden Schritt steht die Entscheidungsregel dabei, nach der ein Vorschlag behalten, zusammengelegt oder verworfen wird. Als durchgehendes Beispiel dient das Seed-Keyword „Espressomaschine".
Was Autocomplete-Daten belegen und was nicht
Suchvorhersagen entstehen laut Google Search-Hilfe unter anderem aus häufigen und trendenden Suchanfragen, den bereits eingegebenen Zeichen, dem Standort und früheren Suchanfragen. Dieselbe Quelle stellt klar, dass es sich um mögliche Suchanfragen handelt und nicht um verlässliche Angaben zum monatlichen Suchvolumen.
Für die Auswertung folgen daraus drei Regeln:
- Eine Suggestion belegt, dass eine Formulierung gesucht wird. Sie belegt keine Menge.
- Die Position in der Liste ist kein Rangwert für Beliebtheit.
- Jede Erhebung ist eine Momentaufnahme unter bestimmten Bedingungen: Standort, Sprache, Zeitpunkt, teilweise auch die eigene Suchhistorie.
Praktisch heißt das: Autocomplete ist eine Hypothesenquelle mit hoher Trefferquote bei der Sprache der Nutzer und ohne jede Aussagekraft bei der Priorisierung. Wer die Liste ungeprüft als Redaktionsplan verwendet, priorisiert nach Zufall.
Deshalb lohnt es sich, die Erhebung aus einer sauberen Umgebung zu fahren: eigenes Profil abgemeldet oder privates Fenster, Land und Sprache bewusst gesetzt, Datum protokolliert. Sonst vergleichen Sie beim nächsten Durchlauf zwei unterschiedliche Messungen und halten den Unterschied für eine Marktveränderung.
Schritt 1: Seed-Keyword und Untersuchungsfrage festlegen
Der Seed bestimmt die Trefferbreite. „Kaffee" liefert überwiegend Mehrdeutigkeiten, „Siebträger Brühgruppe entkalken" liefert kaum Varianten. Brauchbar ist die Ebene, auf der Ihr Angebot definiert ist, also „Espressomaschine".
Notieren Sie vor der ersten Abfrage, welche Entscheidung die Daten tragen sollen. Zum Beispiel: Welche Kaufkriterien braucht eine Beratungsseite? Welche Pflegeprobleme rechtfertigen eigene Anleitungen? Diese Frage ist später der Filter, an dem irrelevante Vorschläge scheitern. Ohne sie sammeln Sie alles und entscheiden nichts.
Schritt 2: Systematisch erfassen statt einmal abfragen
Ein einzelner Aufruf zeigt nur die direkten Vorschläge zum Seed. Ergiebiger sind mehrere Abfragemuster, die den Suchraum in verschiedene Richtungen öffnen:
- Fragewörter: wie, warum, welche, was, wann
- Präpositionen und Konnektoren: für, mit, ohne, gegen, oder, vs
- Handlungsverben: kaufen, reinigen, entkalken, einstellen, reparieren
- alphabetische Erweiterung: „Espressomaschine a", „Espressomaschine b" und so weiter
- vorangestellte Modifikatoren: beste, günstige, kleine, leise Espressomaschine
Suggest-Daten stammen nicht nur aus der Websuche. Spezialisierte Suchsysteme wie YouTube, Amazon oder Bing bilden andere Bedürfnisse ab: Auf einer Produktplattform dominieren Eigenschaften und Kaufabsicht, in einer Videosuche eher Anleitungen und Vorführungen. Diese Quellen ergänzen sich, dürfen aber nicht ungekennzeichnet in einen Topf. Ein Vorschlag aus einer Shopping-Suche sagt etwas über Kaufsprache, nicht über die Websuche.
Erfassen Sie deshalb pro Zeile mehr als nur die Phrase:
| Feld | Zweck |
|---|---|
| Suggestion | vollständige Suchphrase |
| Seed und Modifikator | zeigt, welches Abfragemuster den Treffer erzeugt hat |
| Quelle | Suchsystem der Erhebung |
| Markt und Sprache | Kontext, ohne den Vergleiche wertlos sind |
| Erhebungsdatum | Grundlage für spätere Delta-Analysen |
| Intention | wird in Schritt 4 gesetzt |
| Cluster und Zielseite | Ergebnis von Schritt 4 und 6 |
Schritt 3: Bereinigen, ohne Bedeutung zu verlieren
Normalisieren Sie zuerst das Offensichtliche: Groß- und Kleinschreibung, doppelte Leerzeichen, identische Phrasen aus mehreren Abfragemustern.
Danach beginnt die Arbeit, die kein Skript übernimmt. Entscheidungsregel: Zusammenlegen dürfen Sie nur, wenn beide Phrasen dieselbe Antwort verlangen. „Espressomaschine reinigen" und „Espressomaschine entkalken" klingen verwandt, beschreiben aber verschiedene Vorgänge mit verschiedenen Mitteln und verschiedenen Intervallen. Wer sie vereint, verliert später eine Seite, die ranken könnte.
Nicht automatisch löschen sollten Sie Marken, Ortsangaben und Jahreszahlen. Ein wiederkehrender Markenname im Suggest zeigt, woran sich Nutzer orientieren, auch wenn Sie diese Marke nicht führen. Streichen Sie stattdessen konsequent alles, was Ihr Angebot nicht bedienen kann: andere Produktkategorien, Ersatzteilsuchen ohne Sortiment, Regionen ohne Lieferung.
Schritt 4: Nach Suchintention clustern
Für die Planung zählt die Absicht, nicht die Wortähnlichkeit. Ein Cluster ist genau dann tragfähig, wenn sich alle enthaltenen Suchanfragen mit einem Seitentyp und im Wesentlichen einer Antwort bedienen lassen.
Vier Grundtypen reichen als erste Ebene: informational (verstehen oder lösen), kommerziell (vergleichen und auswählen), transaktional (kaufen oder handeln), navigational (eine bestimmte Marke oder Seite ansteuern). Darunter entstehen die eigentlichen Bedürfniscluster.
| Suggestion | Intention | Cluster | Seitentyp |
|---|---|---|---|
| espressomaschine entkalken wie oft | informational | Wartungsintervalle | Anleitung |
| espressomaschine mit mahlwerk oder ohne | kommerziell | Bauformen | Kaufberatung |
| kleine espressomaschine für 2 personen | kommerziell | Haushaltsgröße | Kategoriefilter |
| espressomaschine kaufen | transaktional | Kaufabschluss | Kategorie |
Der Test für jeden Grenzfall: Erwarten beide Suchenden dieselbe Antwort im ersten Bildschirm? Wenn nein, trennen. Ordnen Sie jedem Cluster zusätzlich eine Phase der Entscheidungsreise zu. Erst dadurch wird sichtbar, ob Ihr Themenbestand vorne breit und hinten dünn ist oder umgekehrt.
Schritt 5: Mit unabhängigen Daten validieren
Jetzt bekommen die Cluster Zahlen, die Autocomplete nicht liefern kann. Der Google Keyword Planner liefert neue Keyword-Ideen sowie Prognosen und historische Kennzahlen für Suchkampagnen. Behandeln Sie diese Werte als Schätzungen: Sie können gruppiert, gerundet und vom gewählten Markt und Zeitraum abhängig sein.
Google Trends stellt das relative Suchinteresse normalisiert auf einer Skala von 0 bis 100 dar. Die Werte entsprechen nicht dem absoluten Suchvolumen. Ein Wert von 100 markiert nur den höchsten Punkt innerhalb der gewählten Abfrage, Region und Zeitspanne. Nutzen Sie Trends deshalb für Verlaufsfragen: Wächst das Thema, ist es saisonal, oder war der Ausschlag ein einmaliges Ereignis?
Ergänzen Sie außerdem, was nur Sie haben: Impressionen, Klicks und tatsächliche Suchanfragen aus der Search Console sowie die aktuelle Position Ihrer bestehenden Seiten. Ein Cluster, für das Sie bereits auf Position 12 Impressionen sammeln, ist ein anderer Fall als eines ohne jede Sichtbarkeit.
Schritt 6: Priorisieren und einer URL zuordnen
Priorisiert wird auf Clusterebene, nicht pro Keyword, und nicht nach Volumen allein. Bewerten Sie jedes Cluster entlang von vier Fragen: Wie stabil ist die messbare Nachfrage? Wie eng hängt das Thema am Angebot? Gibt es bereits eine Seite dafür? Kann diese Seite die beste verfügbare Antwort werden? Ein mittelgroßes Cluster mit klarer Lücke und hoher Angebotsnähe schlägt regelmäßig das große, unspezifische Thema.
Beim Mapping gilt: Mehrere Keywords dürfen auf dieselbe URL zeigen, solange Intention und erwartete Antwort übereinstimmen. Ein Cluster auf mehrere Seiten zu verteilen, erzeugt dagegen konkurrierende Ergebnisse aus dem eigenen Haus. Prüfen Sie vor jeder neuen URL, ob eine vorhandene Seite erweitert oder neu strukturiert werden kann. Das ist in den meisten Fällen der schnellere Weg zu einem Ergebnis.
Wiederholung: der Teil, der den Unterschied macht
Suggestions verändern sich mit Sprache, Nachfrage und Ereignissen. Wiederholen Sie die Erhebung für wichtige Themen in festem Turnus, etwa quartalsweise, und vergleichen Sie dann nicht nur neue und verschwundene Vorschläge, sondern drei Dinge: verschobene Formulierungen innerhalb eines Clusters, neue Modifikatoren, die auf ein neues Kaufkriterium hindeuten, und die Entwicklung der zugeordneten Seiten in der Search Console. Der Zyklus endet nicht mit der Veröffentlichung, sondern speist die nächste Runde.
Häufige Fehler
- Die Exportliste wird als Strategie behandelt.
- Position im Suggest wird als Volumen gelesen.
- Quelle, Markt und Datum fehlen, damit ist kein Vergleich möglich.
- Gruppiert wird nach Wortähnlichkeit statt nach erwarteter Antwort.
- Kleine Suchvolumina werden ohne Relevanzprüfung aussortiert.
- Ein kurzfristiger Trendausschlag wird als dauerhafte Nachfrage eingeplant.
- Neue URLs entstehen neben bestehenden Seiten zum selben Bedürfnis.
Ein Suggestion Keyword Tool liefert den Rohstoff: die Sprache, in der Menschen ihr Problem formulieren. Was daraus wird, entscheidet die Auswertung. Sauber dokumentierte Erhebung, intentbasiertes Clustering, unabhängige Validierung und eine eindeutige Zuordnung zu Inhalten trennen eine belastbare Recherche von einer langen Liste.
