Welche bereits bekannten Positionen und CTR-Werte gibt es für Cluster-Queries?
Die Leitfrage aus dem Briefing – "Welche bereits bekannten Positionen/CTR-Werte gibt es für die Cluster-Queries, um sinnvolle Ausbau-A" – bildet den Rahmen dieser Analyse. Eine pauschale Antwort gibt es nicht – und wer bei Cluster-Queries nach festen CTR-Zielwerten sucht, wird schnell enttäuscht. Welche bereits bekannten Positionen und CTR-Werte es für die Cluster-Queries gibt und wie sich daraus sinnvolle Ausbau-Artikel ableiten lassen, hängt von drei Faktoren ab: Suchintention, SERP-Kontext und dem, was Ihre eigene Google Search Console (GSC) für die letzten 90 Tage zeigt. Eine praktische Grundlage dafür, wie sich die Suchintention aus GSC-Daten ableiten lässt, finden Sie auch in Suchintention in der Search Console erkennen: Kaufberatung, Ratgeber & Einrichtung.
Ratgeber und Erklär-Artikel – also klassische Ausbau-Artikel im Smart-Living-Kontext – landen typischerweise in der informativen Kategorie. Wer „Welche Sensoren brauche ich für ein smartes Zuhause?" eingibt, ist nicht auf dem direkten Weg zum Kauf. Das hat Folgen: Informationelle Keywords erzeugen strukturell niedrigere CTRs als transaktionale Suchanfragen, selbst wenn das Ranking stimmt. Position 1 bedeutet 2025 nicht mehr automatisch 30 Prozent CTR – das gilt heute nur noch in Ausnahmefällen und für bestimmte Branchen.
Was liefert die Google Search Console für Cluster-Queries?
Die GSC weist für jede Query vier Kerndaten aus: Klicks, Impressionen, durchschnittliche Position und die daraus berechnete CTR. Das ist die Grundlage, mit der Sie arbeiten. Eine „individuelle CTR" im Sinne einer Unique-Klickrate – also bereinigt um Mehrfachklicks derselben Person – gibt es in der GSC nicht. Wenn Sie Wiederholungsklicks herausrechnen möchten, kombinieren Sie GSC-Daten mit GA4: Lesen Sie dort Nutzer und Sitzungen je Landingpage aus dem Kanal google/organic aus und approximieren Sie so die unique Nutzerinteraktionen. Alternativ funktioniert das über Logfile-Analysen, was in der Praxis aber seltener eingesetzt wird.
Für die Ausbau-Auswahl reicht in den meisten Fällen die Standard-GSC-CTR. Entscheidend ist, dass Sie den Wert nicht isoliert betrachten, sondern immer zusammen mit der durchschnittlichen Position und der Impressionszahl – nur diese Kombination ist interpretierbar.
Wie unterscheiden sich CTR-Werte nach Intention und Position?
Konkrete branchenübergreifende Benchmarks liefern Auswertungen wie die von Backlinko auf Basis von FirstPageSage-Daten: Demnach erreicht Position 1 je nach Branche zwischen 35 und 42 Prozent organische CTR – allerdings in transaktionsnahen Segmenten wie Automotive oder E-Commerce. Für informationelle SERPs liegen CTRs auf Position 1 häufig im einstelligen bis niedrigen zweistelligen Bereich, stark abhängig von SERP-Features wie Featured Snippets, People-Also-Ask-Boxen oder Bilder-Karussells, die Klicks abziehen, bevor der Nutzer die organischen Ergebnisse erreicht.
Externe Tabellen mit festen Prozentwerten sollten Sie deshalb als grobe Orientierung lesen, nicht als Zielkorridore. Belastbarer sind Ihre eigenen GSC-Daten: Die durchschnittliche CTR Ihrer bereits rankenden Ratgeber-Artikel auf Position 1–3 ergibt den realistischsten Benchmark für Ihren spezifischen Kontext. Aus Redaktionssicht empfehlen wir, diese „eigene Baseline" einmal pro Quartal zu ziehen und als Referenz für neue Ausbau-Entscheidungen zu nutzen.
Richtwerte, die wir in Smart-Living-Ratgeber-Umfeldern beobachten (eigene Beobachtung, nicht repräsentativ):
- Position 1: häufig 6–15 %, bei ausgeprägten SERP-Features teils darunter
- Position 2: typisch 4–10 %
- Position 3: typisch 3–8 %
- Position 4–10: meist unter 4 %, oft deutlich darunter
Diese Spannen gelten bei moderater SERP-Feature-Dichte. Sobald ein Featured Snippet das Ergebnis dominiert, kann selbst Position 1 unter 5 Prozent bleiben.
Wie wählt man Cluster-Queries für Ausbau-Artikel aus: Heuristik mit Schwellenwerten
Hier liegt einer der häufigsten Denkfehler bei der Ausbau-Planung. Wer Cluster-Queries ausschließlich nach Suchvolumen sortiert und die Spitzenreiter auswählt, übersieht einen strukturellen Unterschied: In den begrenzten Plätzen einer Suchergebnisseite ist Diversität wichtiger als Frequenz. Das zeigt auch ein ETH-Zürich-Paper zum Clustering von Query-Refinements – es lohnt sich, nicht alle verwandten Queries nur nach Häufigkeit zu gewichten, sondern nach dem Spektrum der dahinterliegenden Nutzerintentionen.
Eine operationalisierbare Auswahl-Heuristik auf Basis Ihrer GSC-Daten (90-Tage-Zeitraum):
- Kandidaten-Filter: Impressions ≥ 500 (themenabhängig nach oben anpassen), Ø-Position 4–15, CTR unter der intentgerechten Erwartung für Ihren Kontext (z. B. unter 8–10 % informativ auf P1–3), ausschließlich Non-Brand-Queries
- SERP-Check: Anzahl und Art der SERP-Features prüfen (Featured Snippet, PAA-Box, Video-Karussell, Bilder); bei hoher Feature-Dichte CTR-Abschlag einplanen und Ausbau-Priorität entsprechend anpassen
- Intent-Diversität: Pro Themenfeld 2–3 Sub-Intents abdecken – im Smart-Home-Kontext etwa Mieter vs. Eigenheimbesitzer, Systemintegration verschiedener Plattformen oder unterschiedliche Budgetlagen
- Maßnahmen-Zuordnung: niedrige CTR bei guter Position → Snippet und Title testen, nicht zwingend Content-Ausbau; schwache Position bei hohen Impressionen → Content gezielt ausbauen; geringe Impressionen insgesamt → zunächst Auffindbarkeit steigern, kein Ausbau-Priorität
Diese vier Schritte filtern systematisch, welche Cluster-Queries tatsächlich Ausbau-Potenzial haben – und bei welchen Queries ein Titel-Test oder eine strukturelle Snippet-Optimierung die sinnvollere Maßnahme ist.
Welche Stolperfallen gibt es beim Interpretieren von CTR-Daten?
Die häufigste Falle: CTR-Benchmarks aus E-Commerce oder Finance auf informative Ratgeber übertragen. Das führt zuverlässig zu falschen Erwartungen. Ein Smart-Home-Ratgeber mit 12 Prozent CTR auf Position 1 ist kein schlechtes Ergebnis – er ist gut, wenn der Kontext informationell ist.
Eng damit verknüpft ist die Return-to-SERP-Rate. Wenn Nutzer nach dem Klick schnell zur Suchergebnisseite zurückkehren, ist das ein starkes Indiz für einen Mismatch zwischen dem Snippet-Versprechen und dem tatsächlichen Inhalt. Ob das direkt mit schlechteren Nutzersignalen korreliert und wie stark dieser Effekt das Ranking beeinflusst, ist nicht abschließend belegt – aber als Qualitätsindikator für Content sollten Sie die Return-to-SERP-Rate ernst nehmen.
Weitere Fehlerquellen im Überblick:
- SERP-Kontext ignorieren: Featured Snippets, Shopping-Ads oder Bilder-Boxen können die sichtbare CTR massiv verzerren, ohne dass der eigene Content schlechter geworden ist
- Nur Momentaufnahmen betrachten: CTR schwankt saisonal und nach Google-Updates – ein Quartalsvergleich ist belastbarer als ein Einzelwert
- Hohe Impressionen mit Ausbau-Bedarf gleichsetzen: Hohe Impressionen bei niedriger CTR können auch bedeuten, dass das Thema bereits durch SERP-Features abgedeckt wird und organischer Content strukturell benachteiligt ist
Fazit
Welche bereits bekannten Positionen und CTR-Werte für Cluster-Queries als Grundlage für sinnvolle Ausbau-Artikel taugen, lässt sich nicht mit universellen Benchmarks beantworten – Ihre eigenen GSC-Daten der letzten 90 Tage sind die verlässlichste Referenz. Externe Tabellen aus Studien wie FirstPageSage/Backlinko liefern grobe Orientierung, bilden aber nicht Ihren spezifischen Kontext ab. Für informationelle Ratgeber-Inhalte im Smart-Living-Bereich sind CTRs im einstelligen bis niedrigstigen zweistelligen Bereich realistisch. Die Auswahl-Heuristik – Kandidaten-Filter mit Positionsschwellenwert 4–15, SERP-Feature-Check, Intent-Diversität und klare Maßnahmen-Zuordnung – macht den Prozess operationalisierbar und vermeidet, dass Ausbau-Ressourcen in bereits SERP-feature-gesättigte Themen fließen.
__retry:3