KI für Keyword-Recherche und Clustering bedeutet, Sprachmodelle und Embedding-Tools zu verwenden, um große Keyword-Listen nach Suchintention und Thema zu gruppieren, sodass jede Gruppe von einer Seite statt von vielen konkurrierenden Seiten bedient werden kann. Dies ersetzt nicht die Keyword-Daten aus Tools wie Google Search Console, Google Keyword Planner, Semrush oder Ahrefs. Es ersetzt die langsame manuelle Sortierung, die nach dem Export der Daten stattfindet.
Warum überhaupt Keywords clustern?
Eine Website, die auf “Laufschuhe für Plattfüße”, “beste Laufschuhe für Plattfüße” und “Laufschuhe für Plattfüße” mit drei separaten Seiten abzielt, endet oft mit drei schwachen Seiten, die um dieselben Suchanfragen konkurrieren. Clustering stellt fest, dass diese Phrasen eine Absicht teilen und von einer starken Seite beantwortet werden sollten.
Manuelles Clustering funktioniert für ein paar hundert Keywords. Für eine E-Commerce-Website oder ein großes Dienstleistungsunternehmen mit zehntausenden von Suchanfragen dauert es Tage, und die Ergebnisse variieren je nach Person, die es durchführt.
Was sind die wichtigsten KI-Clustering-Methoden?
Es gibt drei gängige Ansätze, die kombiniert werden können.
- SERP-Überschneidung: Keywords werden gruppiert, wenn Google für sie viele der gleichen URLs anzeigt. Dies spiegelt wider, wie Google selbst die Absicht sieht. Tools wie der Keyword Strategy Builder von Semrush und mehrere dedizierte Clustering-Tools verwenden Varianten dieser Methode.
- Embeddings: Jedes Keyword wird in einen numerischen Vektor umgewandelt, der die Bedeutung erfasst, unter Verwendung von Modellen von OpenAI, Google, Cohere oder Open-Source-Bibliotheken wie Sentence Transformers. Ähnliche Vektoren werden mit Algorithmen wie k-means oder HDBSCAN gruppiert.
- Sprachmodell-Labeling: Ein Modell liest Gruppen von Keywords und weist ein Intent-Label (informationell, kommerziell, transaktional, navigational) und einen Themennamen zu.
SERP-Überschneidung ist das zuverlässigste Signal für die Absicht, kostet aber mehr, da sie Suchergebnisse für jedes Keyword benötigt. Embeddings sind billig und schnell, können aber Phrasen gruppieren, die ähnlich aussehen, aber unterschiedliche Dinge bedeuten, wie “Apple Speicher” für Obst und für iCloud.
Wie sieht ein guter Clustering-Workflow aus?
Die Qualität hängt mehr von den Schritten um die KI herum ab als vom Modell selbst.
- Sammeln: Exportieren Sie Keywords aus der Search Console, dem Keyword Planner und einem Drittanbieter-Tool sowie Fragen aus Support und Vertrieb.
- Bereinigen: Entfernen Sie Duplikate, Tippfehler ohne Volumen und irrelevante Begriffe wie Konkurrenzmarken, auf die Sie nicht abzielen.
- Anreichern: Fügen Sie Suchvolumen, die aktuelle Ranking-URL und die Position hinzu, sofern verfügbar.
- Clustern: Führen Sie Embeddings für eine erste Gruppierung aus und bestätigen Sie dann knappe Fälle mit SERP-Überschneidung.
- Labeln: Verwenden Sie ein Sprachmodell, um jedes Cluster zu benennen und die Absicht zuzuweisen.
- Überprüfen: Ein Stratege prüft Cluster, teilt gemischte auf und führt Duplikate zusammen.
- Mappen: Weisen Sie jedes Cluster einer bestehenden Seite oder einer neuen Seite im Plan zu.
Wie Alien Road KI-Keyword-Clustering in Kundenkampagnen anwendet
In einem typischen Engagement beginnt Alien Road mit der Discovery: einer Überprüfung der bestehenden Seiten des Kunden, der Performance in der Search Console und der geschäftlichen Prioritäten, wie z. B. welche Dienstleistungen oder Produktlinien die höchste Marge erzielen. Dieser Kontext bestimmt, welche Cluster wichtig sind.
Keyword-Daten werden dann aus der Search Console und Recherche-Tools exportiert, bereinigt und mit einem Embedding-Modell geclustert, mit SERP-Überschneidungsprüfungen bei Clustern, bei denen die Absicht mehrdeutig ist. Ein Sprachmodell entwirft Labels und Intent-Tags, und ein Stratege überprüft jedes Cluster, bevor es in den Plan aufgenommen wird.
Das Ergebnis ist eine Seiten-Map. Jedes Cluster wird einer URL zugeordnet: eine bestehende Seite zur Verbesserung, zwei oder mehr Seiten zur Konsolidierung, wo sie konkurrieren, oder eine neue Seite zur Erstellung. Konsolidierungen beinhalten Redirect-Pläne, damit kein bestehender Wert verloren geht. Der Kunde erhält die Map mit Prioritäts-Scores basierend auf Volumen, aktueller Position und kommerziellem Wert.
Die Messung ist an Cluster gebunden statt an einzelne Keywords. Monatliche Berichte zeigen Impressionen, Klicks und die durchschnittliche Position pro Cluster aus der Search Console sowie Conversions von den gemappten Seiten in Google Analytics 4. Das Tracking auf Cluster-Ebene spiegelt wider, wie moderne Suche funktioniert, da eine Seite für Hunderte von verwandten Suchanfragen ranken kann.
Welche Qualitätsprüfungen fangen KI-Fehler ab?
Automatisiertes Clustering macht vorhersehbare Fehler. Eine kurze Checkliste fängt die meisten davon ab.
- Gemischte Absicht: Ein Cluster, das sowohl “wie man einen tropfenden Wasserhahn repariert” als auch “Klempner in meiner Nähe” enthält, sollte aufgeteilt werden; das eine ist ein Ratgeber, das andere eine Dienstleistungsseite.
- Mehrdeutige Begriffe: Überprüfen Sie Cluster mit Wörtern, die mehrere Bedeutungen haben.
- Zu breite Cluster: Ein Cluster mit Hunderten von Keywords benötigt möglicherweise Unterthemen.
- Markenbegriffe: Halten Sie Ihre eigene Marke und Konkurrenzbegriffe in separaten Gruppen.
- Sprache und Standort: Gruppieren Sie für mehrsprachige Websites jede Sprache separat, da Embeddings über Sprachen hinweg Übersetzungen zusammenfassen können.
Wie verändert KI-Suche die Keyword-Recherche?
KI-Overviews, KI-Modus und Assistenten wie ChatGPT und Perplexity verarbeiten längere, konversationelle Fragen. Viele dieser Suchanfragen haben wenig oder kein Volumen in Keyword-Tools, zeigen aber, was Käufer wissen wollen. Das Hinzufügen echter Kundenfragen aus Support, Verkaufsgesprächen und Foren zur Keyword-Liste hilft Clustern, dies widerzuspiegeln.
Cluster machen es auch einfacher, Antwortinhalte zu planen: Eine Seite, die ein Thema gründlich abdeckt, mit klaren Abschnitten für die Hauptfragen, ist nützlicher für Suchergebnisse und KI-Antworten als mehrere dünne Seiten.
Was sind die Grenzen?
KI-Clustering kann Ihnen nicht sagen, welche Themen für Ihr Unternehmen verfolgenswert sind; das ist eine Strategieentscheidung. Es hängt auch von den Eingabedaten ab, sodass eine Keyword-Liste, der ganze Produktlinien fehlen, auch einen Plan produziert, dem diese fehlen. Und das Suchverhalten ändert sich, daher müssen Cluster aktualisiert werden, normalerweise alle paar Monate für aktive Websites.
Wie oft sollten Cluster aktualisiert werden?
Keyword-Cluster sind eine Momentaufnahme. Neue Produkte, saisonale Nachfrage und Änderungen in der Art und Weise, wie Google Ergebnisse gruppiert, verschieben sie im Laufe der Zeit. Für die meisten aktiven Websites ist eine vierteljährliche Aktualisierung mit frischen Search-Console-Daten ausreichend, mit einer vollständigen Neuerstellung einmal im Jahr. Vergleichen Sie die neuen Cluster mit den alten und suchen Sie nach drei Änderungen: Cluster, die gewachsen sind, neue Cluster ohne gemappte Seite und Cluster, bei denen sich die Ranking-URL geändert hat. Jedes weist auf eine spezifische Inhaltsaufgabe hin.
Wo man diese Woche anfangen sollte
Exportieren Sie die letzten drei Monate der Suchanfragen aus der Search Console für Ihre Website. Entfernen Sie Suchanfragen mit weniger als zehn Impressionen und gruppieren Sie den Rest nach der Seite, die derzeit für sie rankt.
Suchen Sie nach Seiten, die für nicht verwandte Themen ranken, und nach mehreren Seiten, die für dieselben Phrasen ranken. Diese beiden Muster zeigen, wo Clustering den größten Unterschied für Ihren Inhaltsplan machen wird.
Weiterlesen: SEO (Suchmaschinenoptimierung) · SEO