Suchintention & SEO: verstehen, bestimmen, nutzen

Im Bereich der Suchmaschinenoptimierung (SEO) hört man immer wieder von der Suchintention. Doch was genau ist das eigentlich, wie erkennt man die Suchintention und warum ist sie relevant? In diesem Blogbeitrag geben wir dir Antwort auf genau diese Fragen und noch mehr!

Was versteht man unter "Suchintention"?

Die Suchintention (Search Intent) meint die Absicht des Nutzers, eine Suchanfrage zu stellen. Dabei unterscheidet man grob zwischen drei Arten der Suchintention, die sich alle mit der Frage „Auf welche Webseiten möchte der User geleitet werden?“ beantworten lassen:

  1. Möchte der Nutzer mit seiner Suchanfrage zu einer Seite geführt werden, auf der er ein bestimmtes Produkt oder eine Dienstleistung kaufen kann? Dann handelt es sich um transaktionsorientierte (transactional) Suchanfragen. Transaktionsorientierte Suchanfragen betreffen in den meisten Fällen Kategorieseiten oder Landingpages, die optimiert werden sollen.
  2. Sucht der User eine bestimmte Seite oder einen Standort? Navigationsorientierte (navigational) Suchanfragen navigieren ihn zu seiner Zielseite oder seinem Zielstandort.
  3. Ist es die Absicht des Nutzers, mit seiner Suchanfrage auf Informationsseiten geleitet zu werden, um Wissen zu erlangen? Dann hat der User eine informationsorientierte Suchintention (Informational Search Intent). Informationsorientierte Suchanfragen führen den Nutzer auf Ratgeberseiten und andere Wissensbeiträge.

Aber Achtung: Obwohl die Zuordnung der jeweiligen Suchintention nach den drei Kategorien im Idealfall offensichtlich ist, sollte man immer beachten, dass es auch Mixed Intent gibt, also mehrere Suchintentionen in einem Keyword. Ein Beispiel dafür ist das Keyword „Ofen“. Nutzer, die bei Google nach „Ofen“ suchen, können sowohl auf kommerzielle Seiten als auch auf Informationsseiten geleitet werden wollen. Klarer zuzuordnen wären dagegen die Keywords „Ofen kaufen“ und „Ofen reinigen“.

Die Bedeutung von Such- & Nutzerintention

Um die Relevanz der Suchintention für die Suchmaschinenoptimierung (SEO) zu verstehen, muss man den Unterschied zwischen Suchintention und Nutzerintention (User Intention) kennen. Während die Suchintention die Intention beschreibt, die in der Suchanfrage steckt und sich wie oben erläutert zuordnen lässt, beschreibt die Nutzerintention die Absicht, die dem Ganzen vorausgeht. Das klingt erstmal komplex, ist es aber nicht. Hier ein Beispiel:

Der User stellt das Keyword „Ofen kaufen“. Die Suchintention dabei ist klar: Der Nutzer möchte auf eine Seite gelangen, auf der er einen Ofen kaufen kann. Die Nutzerintention dagegen ist die Kaufabsicht. Er möchte einen Ofen kaufen, deshalb stellt er eine Suchanfrage mit einer transaktionalen Suchintention („Ofen kaufen“), um zu den Anbieterseiten zu gelangen, auf denen er einen Ofen erwerben kann.

Die Frage, die man sich also stellen muss, um die Nutzerintention herauszufinden ist: „Wieso stellt der User diese Suchanfrage?“. Das Zusammenspiel von Nutzerintention und Suchintention kann man demnach folgendermaßen beschreiben: Die Nutzerintention beschreibt das Ziel des Nutzers, die Suchintention, wie er dieses Ziel erreicht.

Suchintention & SEO: Was macht den Search Intent so relevant?

Nutzerzufriedenheit steht für Google an oberster Stelle – und das macht die Suchintention besonders wichtig. Mit der Suchintention werden Nutzersignale ausgedrückt, auf die die Suchmaschine ihre Ergebnisse stützt. Die Suchmaschine muss also erkennen, welche Intention hinter der Suche steht, um passende Seiten vorzuschlagen. Indem Webseitenbetreiber ihre Seiten auf die jeweilige Such- und Nutzerintention ausrichten, erhöhen sie die Chance, dass ihre Website dem Nutzer von Google vorgeschlagen wird und erhöhen die Klickrate. Wer dagegen die Suchintention des Users verfehlt und dem Nutzer somit auf der Seite nicht das bietet, wonach dieser sucht, riskiert neben einer geringen Klickrate auch eine hohe Absprungrate. Das wirkt sich wiederum auf das Google-Ranking aus.

Wie bestimme ich den Search Intent eines Keywords?

So findest du am besten heraus, ob dein Keyword den gewünschten Search Intent bei Google erzielt:

  • Suchanfrage stellen: Die Suchintention eines Keywords findet man am besten heraus, indem man das Keyword googelt. Die Suchergebnisse geben Aufschluss darüber, wohin das Keyword führt. Besonders bei mehrdeutigen Keywords sollte man die Suchintention im Vorhinein bestimmen. Beispiel: Firma XY verkauft Absauger und richtet sich dabei an Zahnärzte. Sie überlegt nun, ob das Keyword „Sauger“ infrage kommt. Die Frage ist schnell geklärt: Googelt man „Sauger“, zeigt die Ergebnisseite vor allem Staubsauger, Nass- und Trockensauger. Mit dem Keyword „Sauger“ würde Firma XY also die Suchintention verfehlen.
  • Vorschläge beachten: Neben der Suchergebnisseite deuten bereits die Vorschläge die Suchintention der User an, indem sie das Keyword konkretisieren.
Google-Vorschläge am Beispiel "Sauger"
  • Verwandte Suchanfragen: Auch die verwandten Suchanfragen zeigen, wonach User in Zusammenhang mit diesem Keyword suchen und grenzen somit die Suchintention ein.
Verwandte Suchanfragen am Beispiel "Sauger"

Dein Keyword passt nicht zur gewünschten Suchintention und du fragst dich, wie du das geeignete Keyword findest? Kein Problem! In unserem Blogbeitrag zur Keyword-Analyse zeigen wir dir, wie’s geht!

Suchintention verstehen: unser Fazit

Ob Ratgeber, Kategorieseiten oder Landingpages - wer seine Website optimiert, sollte die wichtigsten SEO-Maßnahmen beachten - dazu gehören definitiv das Verständnis und der Umgang mit dem Search Intent. Dieser Blogbeitrag fasst zusammen, welche Arten von Suchanfragen es gibt, was Suchintention und Nutzerintention voneinander unterscheidet, wieso die Suchintention für SEO so wichtig ist und wie man den Search Intent bestimmt. Hast du weitere Fragen rund um das Thema Suchmaschinenoptimierung oder zum SEO-Content-Marketing? Das seowerk-Team steht dir mit Rat und Tat zur Seite!

Die Suche nach AGI führt KI Forschung an ihre Grenzen, verbindet technische Ambitionen mit ethischen Risiken und stellt Gesellschaften vor die Frage, wie universelle Maschinenintelligenz kontrolliert, ausgerichtet und sinnvoll in soziale und wirtschaftliche Strukturen eingebettet werden kann.
Weiterlesen
Mit der Transformer Architektur beginnt eine neue Ära, in der KI nicht nur versteht, sondern schöpft und dank Attention Mechanismen Texte, Bilder und Ideen generiert und so den Weg für moderne LLMs und kreative Anwendungen bereitet.
Weiterlesen
Der Deep-Learning-Boom entsteht aus Datenflut, GPU-Power und neuen Netzarchitekturen und entfesselt eine KI-Revolution, die Forschung und Industrie grundlegend verändert und den Übergang von symbolischer Logik zu selbstlernenden Systemen beschleunigt.
Weiterlesen
Nach Jahren des Stillstands erlebten neuronale Netze in den 1980ern mit Backpropagation eine Wiedergeburt. Mehrschichtige Netze lernten komplexe Muster automatisch, übertrafen Expertensysteme und legten den Grundstein für das spätere Deep Learning.
Weiterlesen
In den 1980er Jahren feierten Expertensysteme die KI kurzzeitig als wirtschaftlichen Erfolg. Hohe Wartungskosten, begrenzte Domänen und teure Hardware führten jedoch zum Scheitern und lösten den Zweiten KI Winter aus.
Weiterlesen
Ab etwa 1974 erlebt die symbolische KI eine Phase tiefer Ernüchterung. Die kombinatorische Explosion und gescheiterte Generalisierung aus Spielzeugwelten führen zu massiven Kürzungen der Fördergelder, ersten Rückzügen der Forschung und zum Ersten KI Winter.
Weiterlesen
In den 1960er Jahren dominiert die symbolische KI das Feld und erhebt die regelbasierte Manipulation von Symbolen zum Kern der Intelligenz. Programme wie Logic Theorist und GPS befeuern den Glauben, menschliches Denken vollständig in formale Strukturen übersetzen zu können.
Weiterlesen
xDer Dartmouth Workshop von 1956 definiert erstmals ein eigenes Forschungsfeld und gibt der Disziplin ihren Namen. Die Vision einer programmierbaren Intelligenz vereint führende Köpfe und markiert den Beginn einer Ära, geprägt von Ehrgeiz, Optimismus und bahnbrechenden Ideen.
Weiterlesen
In den frühen Nachkriegsjahren verschmelzen biologische Modelle, kybernetische Ideen und elektronische Architektur zu einem neuen Verständnis von Intelligenz. McCulloch, Pitts, Wiener und von Neumann schaffen die Grundlagen, auf denen moderne KI Systeme technisch und theoretisch aufbauen.
Weiterlesen
Alan Turing definiert inmitten der logischen Krise erstmals, was ein Algorithmus ist, und erschafft mit der universellen Maschine das Fundament der Informatik. Sein Modell legt die theoretischen Grenzen des Berechenbaren offen und prägt jede spätere KI Entwicklung maßgeblich.
Weiterlesen
Am Vorabend der modernen Informatik spitzte sich die Frage zu, was Berechnung überhaupt ist. Die Krise der Mathematik machte sichtbar, dass eine abstrakte Definition des Algorithmus fehlte und damit der letzte theoretische Schlüssel zur späteren KI Entwicklung weltweit.
Weiterlesen
Im 19. Jahrhundert entsteht durch die Erforschung von Reflexbögen und Nervenzellen erstmals ein mechanistisches Verständnis des Gehirns. Diese biologische Perspektive liefert die Blaupause künstlicher Neuronen und prägt die Grundlagen späterer Modelle lernfähiger KI-Systeme.
Weiterlesen
Kontakt
Leichte Sprache
crossmenu linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram