AI SEO In Detail

AI SEO In Detail › Modul C · Nachfrage und Keyword-Recherche › Folge 21

Folge 21 · 5:32 · kostenlos

Keyword-Intent im großen Maßstab mit KI klassifizieren

Klassifiziere Tausende Keywords nach Suchintention: Regeln für die klaren Fälle, dann ein KI-Klassifikator mit festen Labels. Prüfe die Ergebnisse, bevor du Seiten baust.

Beim Abspielen wird das Video von YouTube geladen (erweiterter Datenschutzmodus). Das Video ist auf Englisch, mit Untertiteln in deiner Sprache.

Kostenloses Kit

Intent Classifier Kit: Regeln, Prompt, Validierung und Stichprobenblatt

Eine Regelliste, ein Klassifikator-Prompt mit fünf festen Labels und JSON-Antwortformat, intent_kit.py, das die Regeln ausführt, Batches schreibt, jede Antwort validiert und das Ergebnis in SQLite speichert, sowie ein Stichprobenblatt, das deine Übereinstimmungsquote und die Grenze zeigt, an der es hakt. Das Skript ruft keine API auf.

  • Regeln für die eindeutigen Fälle — Ganzwort-Muster labeln die Keywords mit einem klaren Modifikator. Ein Keyword, das auf zwei Labels passt, ist ein Konflikt und geht in den nächsten Schritt, ebenso alles ohne Modifikator.
  • Ein Klassifikator mit festen Labels für den Rest — Fünf Labels inklusive unclear, drei Beispiele pro Label, eine JSON-Zeile pro Keyword, Batches von etwa hundert. Jede Antwort wird validiert; was durchfällt, wird erneut gesendet.
  • Prüfen, dann vertrauen — Labele eine zufällige Stichprobe von fünfzig selbst, ohne die Antwort des Modells anzusehen. Finde die Grenze, an der es hakt, behebe sie, lass nur die unsicheren Zeilen erneut laufen und protokolliere die Übereinstimmungsquote mit der Prompt-Version.
Klassifikator-Kit herunterladen (zip)

Python 3.9+ · Prompt · Regeldatei · Excel-Blatt · keine Keys, keine Anmeldung

Die Dateien sind auf Englisch.

Vollständiges Transkript (übersetzt)

850 Wörter · Übersetzung des gesprochenen Textes der Episode.

Intro

Sie haben achttausend Keywords für einen Kaffeemaschinen-Shop. Manche lernen. Manche vergleichen. Manche wollen kaufen. Jede Gruppe braucht eine andere Seite.

Von Hand labeln würde Tage dauern. Ohne Labels bauen Sie für die Hälfte die falschen Seiten.

Hier zeige ich eine Zwei-Schritt-Methode: einfache Regeln für klare Fälle, dann ein KI-Klassifizierer mit festen Labels für den Rest. Schnell, günstig und ehrlich über Unklarheiten.

Was Intent ist und welche Labels du nutzt

Search Intent ist der Grund hinter einer Suche. Was will diese Person erreichen?

Ich nutze vier Labels. Informational: sie wollen lernen. Commercial: sie vergleichen vor dem Kauf. Transactional: sie wollen jetzt kaufen oder handeln. Navigational: sie suchen eine bestimmte Seite oder Marke.

Sie können mehr Labels nutzen, etwa lokal, falls nötig. Halten Sie das Set klein und fest. Jedes Label macht die Grenzen unschärfer, unscharfe Labels machen den Datensatz weniger nützlich.

Noch etwas. Klassifizierung aus dem Keyword ist eine Vermutung über Intent. Der echte Beweis ist die Ergebnisseite: welche Seiten Google tatsächlich rankt. Das machen wir in Episode dreißig. Heute der schnelle erste Durchlauf, damit wir wissen wo wir hinschauen.

Schritt 1: Regeln für die eindeutigen Fälle

Starten Sie mit Regeln. Viele Keywords haben Modifier die Intent zeigen.

Fragewörter wie wie, was und warum bedeuten meist informational. Wörter wie beste, versus, test oder top bedeuten Vergleich. Kaufen, Preis, günstig, Gutschein oder in meiner Nähe signalisieren Aktion. Markennamen, Ihre oder die von Mitbewerbern, bedeuten oft navigational.

Ein kurzes Skript mit Mustern erledigt das in Sekunden. Zwei Details zählen. Ganze Wörter matchen, damit kaufen nicht auf Käufer feuert. Wenn ein Keyword zwei Regeln trifft, wie bester Preis, wählen Sie keins. Markieren Sie es als Konflikt und senden es zu Schritt zwei.

Meiner Erfahrung nach fangen Regeln einen Teil typischer Listen. Der Rest hat keinen klaren Modifier. Kaffeemühle allein könnte drei Intents sein. Hier kommt der Klassifizierer rein.

Schritt 2: ein KI-Klassifikator mit festen Labels

Für die restlichen Keywords nutze ich ein Sprachmodell via Claude Code. Wie Sie es einrichten entscheidet ob die Ausgabe nützlich ist oder Rauschen.

Geben Sie ein festes Label-Set. Die exakten vier Labels, jedes mit einzeiliger Definition. Plus ein Escape-Label: unclear. Das Modell muss aus dieser Liste wählen, nichts anderes.

Geben Sie Beispiele. Drei kurze Beispiele pro Label aus Ihrer eigenen Liste sind mehr wert als lange Erklärungen.

Fordern Sie strukturierte Ausgabe. Eine Zeile pro Keyword: das Keyword, das Label und Confidence high, medium oder low. Strukturierte Ausgabe kann ein Skript prüfen. Freitext nicht.

Senden Sie Keywords in Batches, etwa hundert pro Durchlauf. Dann validieren Sie jede Antwort automatisch. Ist das Label eins von den fünf? Ist jedes Keyword im Batch genau einmal zurückgegeben? Alles was fehlschlägt wird neu gesendet. Speichern Sie das Ergebnis in Ihrer Datenbank mit Label, Confidence und Herkunft: Regel oder Modell.

Den Klassifikator prüfen

Vertrauen Sie der Ausgabe nie ohne Prüfung. Nehmen Sie eine zufällige Stichprobe, fünfzig Zeilen reichen, und labeln Sie selbst ohne das Modell anzusehen. Dann vergleichen.

Wenn Sie bei den meisten übereinstimmen, gut. Dann schauen Sie wo Sie nicht übereinstimmen. Es ist fast nie zufällig. Meist eine Grenze, oft commercial versus transactional. Fixen Sie die Definition oder fügen Sie ein Beispiel für die Grenze hinzu, und führen Sie nur die unsicheren Zeilen neu aus. Schreiben Sie die Übereinstimmungsrate mit Datum und Prompt-Version auf. Das ist Ihre Qualitäts-Baseline für den nächsten Lauf.

Und respektieren Sie unclear. Das ist kein Fehler. Ein Keyword das das Modell nicht aus Text klassifizieren kann ist genau die Art die Sie auf der Ergebnisseite prüfen sollten. Die gehen direkt auf Ihre SERP-Liste.

Reproduzierbar bleiben

Eine Klassifizierung die Sie nicht wiederholen können ist nicht vertrauenswürdig. Also drei Gewohnheiten.

Versionieren Sie den Prompt. Speichern Sie Label-Definitionen und Beispiele in einer Datei, geben Sie eine Versionsnummer, und speichern Sie diese Nummer bei jedem Label. Wenn Sie eine Definition ändern, wissen Sie genau welche Zeilen unter der alten gelabelt wurden.

Labeln Sie nur Neues. Nächsten Monat wächst Ihre Keyword-Liste. Führen Sie Regeln und Klassifizierer nur auf neuen Zeilen aus. Labeln Sie nicht alles neu, sonst verschieben sich Zahlen aus Gründen die nichts mit dem Markt zu tun haben.

Erlauben Sie ein Label pro Keyword. Manche Keywords haben wirklich zwei Intents. Kaffeemühle kann Vergleich oder Kauf sein. Es ist verlockend zwei Labels zu erlauben. Aber für Seitenplanung ist ein primäres Label leichter umsetzbar. Wenn das Modell sagt es kann nicht wählen, das ist unclear, die Ergebnisseite klärt es später.

Was du mit den Labels machst

Jetzt können Sie gruppieren. Intent mapped grob auf Seitentyp. Informational Keywords wollen Guides. Commercial wollen Vergleiche und Tests. Transactional wollen Produkt- oder Kategorieseiten. Navigational lassen Sie meist in Ruhe außer die Marke ist Ihre.

Das gibt Ihnen eine erste Map welche Seitenarten Ihre Keyword-Liste fordert. Und es ist eine Hypothese, kein Urteil. Bevor Sie etwas bauen, bestätigen Sie es gegen die SERP. Ein Label aus Text sagt Ihnen wo Sie hinschauen. Die Ergebnisseite sagt Ihnen was wahr ist.

Ein letzter Tipp: manche Keyword-Tools, einschließlich DataForSEO Labs, bieten eigene Intent-Labels. Nützlich als zweite Meinung. Aber Sie können deren Definitionen nicht sehen oder ändern, also behalte ich meine Labels als Hauptspalte.

Fazit

Regeln für Offensichtliches, ein fester Label-Klassifizierer für den Rest, eine Stichprobe zum Prüfen und die SERP als finaler Richter. Die Regelliste und der Klassifizierer-Prompt sind in der Beschreibung verlinkt. Nächste Episode: Cost per Click nutzen um Keywords nach Wert zu ranken. Bis dann.