Keyword Research Strategien:
steigern Sie Ihre eCommerce Umsätze!

Das Problem: Keyword Research wird als SEO-Disziplin betrachtet, nicht als CRO-Disziplin. Wer Keywords nur nach Volumen und Schwierigkeit bewertet, verpasst die zentrale Frage: Was will der Mensch, der diesen Begriff eingibt. und wie weit ist er von einer Kaufentscheidung entfernt?

Wir haben ein Keyword-Research-Framework entwickelt, das nicht nur nach SEO-Metriken geht, sondern nach der Customer Journey. Dieser Artikel zeigt das Framework und seine Anwendung an echten Shop-Beispielen.

Unser Framework teilt Keywords in vier Ebenen ein. nicht nach dem klassischen Funnel (Awareness, Consideration, Decision), sondern nach der Art der Information, die der Suchende braucht:

Ebene 1. Navigational: Der Nutzer sucht eine bestimmte Seite oder Marke. Beispiel: „nike air max 270″, „apple store berlin“. Diese Keywords haben den höchsten Conversion-Intent, aber sie sind meist bereits abgedeckt. durch die Brand selbst oder durch stark etablierte Konkurrenten.

Ebene 2. Product-Centric: Der Nutzer sucht nach einem Produkttyp mit spezifischen Attributen. Beispiel: „wasserdichte wanderstiefel damen leicht“, „espresso maschine mit mahlwerk testsieger“. Diese Keywords sind das Sweet Spot für E-Commerce. Sie signalisieren klaren Kaufintent und lassen Raum für Differenzierung.

Ebene 3. Problem-Centric: Der Nutzer beschreibt ein Problem, nicht ein Produkt. Beispiel: „rückenschmerzen beim sitzen im büro“, „kleiderschrank riecht muffig“. Diese Keywords haben geringeren direkten Conversion-Intent, aber sie erschließen ein riesiges Volumen und bauen Vertrauen auf.

Ebene 4. Educational: Der Nutzer will lernen, vergleichen, verstehen. Beispiel: „unterschied latex memory foam matratze“, „wie funktioniert eine kaffeemaschine mit mahlwerk“. Diese Keywords generieren Traffic, aber der Conversion-Pfad ist länger. Sie sind strategisch wertvoll für Markenaufbau und Backlink-Gewinnung.

Die meisten Shops konzentrieren sich auf Ebene 1 und 2. Das ist richtig für den kurzfristigen Umsatz. Aber die Shops, die Ebene 3 und 4 systematisch bearbeiten, gewinnen langfristig den Markt.

Ein Büromöbel-Shop verkaufte ergonomische Stühle. Die klassischen Keywords. „ergonomischer bürostuhl“, „bürostuhl ergonomisch“, „drehstuhl ergonomisch“. waren hart umkämpft. Die Shop-Rankings lagen auf Position 8–12. Der Traffic war mäßig, die Conversion akzeptabel.

Wir analysierten Ebene-3-Keywords. Die Suchanfrage „rückenschmerzen büro was tun“ hatte 2.400 monatliche Suchen in Deutschland. Die Konkurrenz war schwach. hauptsächlich Gesundheitsportale und Krankenkassen-Websites. Kein einziger Möbel-Shop rankte auf der ersten Seite.

Wir erstellten einen Guide: „Rückenschmerzen im Büro: Die 5 wichtigsten Maßnahmen. und warum der Stuhl nur einer davon ist.“ Der Artikel behandelte ergonomische Sitzposition, Bildschirmhöhe, Pausenrhythmus, Bewegung. und Stuhl-Empfehlungen. Kein Verkaufs-Pitch. Stattdessen: „Wenn Sie alle anderen Maßnahmen umgesetzt haben und immer noch Schmerzen haben, ist ein guter Stuhl der nächste Schritt. Hier sind drei Modelle, die wir in über 200 Beratungen empfohlen haben.“

Der Artikel rankte nach vier Monaten auf Position 3 für „rückenschmerzen büro was tun“. Der Traffic: 380 Besucher pro Monat. Die Conversion Rate: 1,2 Prozent. niedriger als der Shop-Durchschnitt (2,4 Prozent), aber bei einem durchschnittlichen Warenkorbwert von 450 Euro ergaben das 4–5 weitere Verkäufe pro Monat. Umsatz: ca. 2.000 Euro pro Monat. Aus einem einzigen Artikel, der kein klassisches Produkt-Keyword nutzte.

Nach einem Jahr hatten wir 12 ähnliche Artikel für Problem-Centric-Keywords. Der kombinierte Umsatz: ca. 18.000 Euro pro Monat. Die Kosten: Content-Erstellung (ein Autor, zwei Tage pro Artikel). Der ROI: unendlich, nachdem die Artikel einmal publiziert waren.

Ein Kaffeemaschinen-Shop rankte für „espressomaschine“ auf Position 6. Das Keyword hatte 14.000 monatliche Suchen. Der Traffic war hoch, die Conversion mäßig (1,1 Prozent), weil der Intent breit war. von rein Informationsuchen bis hin zum sofortigen Kauf.

Wir analysierten die Search Console-Daten. Der Shop bekam Impressions für 340 verschiedene Long-Tail-Varianten: „espressomaschine mit mahlwerk testsieger“, „espressomaschine siebträger anfänger“, „espressomaschine kleine küche“, „espressomaschine preis leistung“. Keine dieser Varianten hatte genug Volumen für eine eigene Seite. aber zusammen hatten sie 8.200 monatliche Suchen.

Wir bauten einen „Espressomaschinen-Finder“: Ein interaktives Tool mit drei Fragen (Erfahrungslevel, Küchengröße, Budget), das passende Modelle empfahl. Jede Empfehlung verlinkte auf eine Detailseite mit Testbericht, Preisvergleich und einem klaren CTA.

Das Tool rankte nicht nur für die Long-Tail-Cluster. Es generierte auch organische Backlinks von drei Kaffee-Blogs, die das Tool als „nützlich“ empfahlen. Die Domain-Authority stieg um 4 Punkte. Die kombinierten Long-Tail-Rankings verbesserten sich durchschnittlich um 3 Positionen.

Die Conversion Rate der Finder-Traffic lag bei 3,2 Prozent. fast dreimal so hoch wie der Hauptkeyword-Traffic. Der Grund: Der Nutzer, der drei Fragen beantwortet hatte, war bereits qualifiziert. Er wusste, was er wollte. Er brauchte nur noch den richtigen Link.

Keyword-Tools wie Ahrefs, SEMrush oder Sistrix sind nützlich. Aber sie zeigen nur die Oberfläche. Die wertvollen Keywords finden sich in anderen Datenquellen:

Google Search Console: Die Search-Query-Daten zeigen, für welche Begriffe die Seite bereits Impressions bekommt. auch wenn sie nicht rankt. Das ist die beste Quelle für Long-Tail-Opportunities. Ein Begriff mit 100 Impressions und Position 25 hat mehr Potenzial als ein Begriff mit 10.000 Impressions und Position 45.

Interne Suche: Die Suchbegriffe, die Kunden im Shop selbst eingeben, zeigen, was sie nicht finden. Ein Begriff, der häufig in der internen Suche vorkommt, aber keine passende Kategorie hat, ist eine Content-Lücke.

Kundenbewertungen: Die Sprache, die Kunden in Bewertungen nutzen, ist die Sprache, in der zukünftige Kunden suchen. Ein Kunde, der schreibt „hält endlich meinen Rücken schmerzfrei durch den Arbeitstag“, nutzt Begriffe, die ein Keyword-Tool nicht vorschlagen würde.

Wettbewerber-Analyse: Nicht die Keywords kopieren, für die der Wettbewerber rankt. Sondern die Keywords finden, die der Wettbewerber vergisst. Ein Wettbewerber, der sich nur auf High-Volume-Keywords konzentriert, lässt Long-Tail-Gold liegen.

Keyword Research ist kein technisches Setup. Es ist eine strategische Entscheidung darüber, welche Kunden man ansprechen will. und in welcher Phase ihrer Journey. Wer nur auf Ebene 1 und 2 setzt, gewinnt kurzfristig Umsatz. Wer Ebene 3 und 4 systematisch ausbaut, gewinnt langfristig den Markt.

Das Problem-Centric-Keyword „rückenschmerzen büro was tun“ hat für den Büromöbel-Shop mehr Umsatz generiert als das Product-Keyword „ergonomischer bürostuhl“. bei einem Bruchteil der Konkurrenz. Der Long-Tail-Cluster für Espressomaschinen hatte mehr Conversion als das Hauptkeyword. bei höherer Qualität des Traffics.

Der Schlüssel ist das Framework: Navigational, Product-Centric, Problem-Centric, Educational. Jede Ebene hat ihre eigene Strategie, ihren eigenen Content-Typ und ihren eigenen Conversion-Pfad. Wer alle vier Ebenen bedient, erschließt ein Volumen, das der Wettbewerber nicht sieht. weil er nur mit Keyword-Tools arbeitet, nicht mit Kundenverständnis.

Keywords allein reichen nicht. Ein Elektronik-Shop identifizierte 200 Keywords. Aber seine Inhalte waren generisch. Ergebnis: Keines der Keywords rankte auf Seite 1. Nach der Erstellung individueller, detaillierter Inhalte: 87 Keywords rankten auf Seite 1.

Ein Modeshop nutzte Kundenfragen für Keyword-Research. „Wie pflege ich Lederstiefel?“ „Welche Größe passt bei Overknees?“ Diese Fragen wurden zu Blog-Artikeln. Ergebnis: 45.000 organische Besucher pro Monat. Die Conversion der Blog-Leser lag bei 1,8 Prozent.

Die Konkurrenz zeigt, welche Keywords wertvoll sind. Ein Elektronik-Shop analysierte die Top-10-Rankings seiner Konkurrenz. Ergebnis: Die Konkurrenz rankte für 340 Keywords, die er nicht abgedeckt hatte. Nach der Content-Erstellung für diese Keywords: Der organische Traffic stieg um 89 Prozent.

Ein Modeshop nutzte Google Suggest für Keyword-Research. Die automatischen Vorschläge zeigten, was Kunden wirklich suchten. Ergebnis: 78 neue Keyword-Ideen. 45 davon generierten Traffic innerhalb von 3 Monaten.