Hallo zusammen,
ich beschäftige mich seit ein paar Monaten damit, KI stärker in meine Keyword-Recherche einzubinden – nicht nur um Keywords zu finden, sondern um zu entscheiden, welche ich priorisieren soll. Bisher mach ich das noch sehr manuell: Suchvolumen, Wettbewerb, ungefähre Kaufabsicht – fertig. Aber das fühlt sich immer mehr nach Bauchgefühl an als nach Strategie.
Meine Frage ist konkret: Welche Signale gebt ihr der KI mit, damit sie sinnvoll priorisieren kann? Nur Suchvolumen und CPC reicht mir nicht. Ich hab gelesen, dass manche auch Saisonalitätskurven, SERP-Merkmale (also ob da Featured Snippets, Shopping-Boxen usw. auftauchen) oder sogar historische Conversion-Daten einbauen. Klingt gut in der Theorie, aber wie setzt ihr das praktisch um?
Mit dem Sommer jetzt läuft bei mir Traffic-seitig einiges anders als im Rest des Jahres. Klimatisierung und Gartenbereich laufen gut, aber ich merke, dass ich da oft zu spät priorisiere und die heißen Keywords erst erkenne, wenn der Peak schon fast vorbei ist.
Hat jemand einen funktionierenden Workflow, wie man KI dazu bringen kann, diese Timing-Frage besser in die Priorisierung einzubauen? Oder ist das am Ende doch noch zu komplex für automatisierte Entscheidungen?
Freue mich auf eure Erfahrungen.
Marcus
Ich seh das etwas anders als Stefan. Der Aufwand mit den drei Datenschichten klingt gut, aber ich frag mich ob das für kleinere Setups realistisch ist. Wenn du keinen eigenen Scraper hast und die SERP-Daten manuell zusammensuchen musst, frisst das schnell mehr Zeit als die manuelle Priorisierung.
Ich arbeite im Seniorenprodukt-Bereich, da sind die Saisonkurven ehrlich gesagt viel flacher als bei Klimaanlagen oder Gartenzeug. Deshalb kann ich zur Timing-Frage nicht so viel beitragen. Aber was ich sagen kann: KI zur Priorisierung funktioniert bei mir gut, sobald ich ihr eine klare Zielhierarchie gegeben hab. Also nicht 'finde gute Keywords', sondern 'Keywords bei denen Long-Tail-Kaufintent hoch ist UND Wettbewerb unter X liegt, sortiert nach erreichbarem Traffic in 60 Tagen'. Das Zeitfenster ist dabei der entscheidende Hebel.
Für dein Klimaanlagen-Problem würde ich mal schauen, ob du historische Daten aus Google Search Console segmentiert nach Gerätekategorie oder Unterseite ziehen kannst. Das ist oft präziser als generische Trendkurven.
Das Timing-Problem kenn ich gut. Hab mich vor ein paar Wochen intensiv damit beschäftigt, nachdem ich in einem anderen Kontext gemerkt hab, wie wichtig es ist, rechtzeitig die richtigen Hebel zu setzen – da ging's zwar um Provisionsstrukturen, aber die Grundfrage 'lohnt sich der Aufwand zu diesem Zeitpunkt' ist dieselbe.
Zu deiner eigentlichen Frage: Ich gebe meinem GPT-Workflow inzwischen drei Datenschichten mit. Erstens Google Trends Verlaufsdaten als CSV (12 Monate), zweitens SERP-Typ aus einem Scraper-Export (also ob Shopping, Snippets, Maps dominieren), drittens meine eigenen Conversion-Raten aus dem letzten Jahr, aufgeteilt nach Monat.
Das Entscheidende war, der KI nicht nur die Daten zu geben, sondern eine klare Gewichtungsanweisung: z.B. Saisonalitäts-Peak innerhalb der nächsten 6 Wochen = doppelter Prioritätspunkt. Ohne diese explizite Regel hat die KI einfach Volumen-stark priorisiert, was bei Sommertrends eben zu spät ist.
Funktioniert bei mir seit März ganz solide, aber ich würde nicht sagen, dass es perfekt ist. Man muss die Gewichte immer wieder nachjustieren.
Also ich hab vor kurzem was sehr Ähnliches ausprobiert, gerade weil ich bei meinen Klimaanlagen-Inhalten auch das Timing-Problem hatte. Hab dazu sogar mal in nem anderen Thread über Pinterest-Traffic für Klimaanlagen geschrieben – da war das Timing-Thema auch schon Thema.
Was bei mir funktioniert hat: Ich lass die KI nicht priorisieren, sondern klassifizieren. Also erstmal alle Keywords in 'jetzt relevant', 'in 3-6 Wochen relevant', 'off-season' einteilen – basierend auf Trends-Daten und ein paar manuellen Ankern die ich selbst gesetzt hab. Die eigentliche Priorisierung mach ich dann noch selbst, aber mit viel besserem Überblick.
Der Fehler den ich früher gemacht hab: ich wollte dass die KI alles auf einmal macht. Klassifizierung + Priorisierung + Contentempfehlung. Das wurde zu unscharf. Wenn du die Schritte trennst, wird's deutlich besser.
Ehrlich gesagt bin ich bei dem ganzen KI-Priorisierungsthema noch skeptisch. Ich hab das selbst ausprobiert und am Ende war mein manuelles Bauchgefühl mit meiner eigenen Nischenerfahrung oft treffsicherer als der KI-Output. Die Tools sind gut für Breite – viele Keywords schnell sichten – aber bei der feinen Timing-Frage fehlt ihnen der Kontext den du als Betreiber hast.
Vielleicht lieg ich damit falsch, aber ich würd erstmal schauen wie groß dein tatsächlicher Datensatz ist. Wenn du unter 50-60 Datenpunkte mit sauberen Conversion-Zuordnungen hast, lohnt sich der Aufbau eines KI-Workflows meiner Meinung nach noch nicht wirklich.