Keyword-Recherche für Hotels lief lange auf eine Liste hinaus: Welche Begriffe geben viele Menschen ein, wie stark ist der Wettbewerb, wo lohnt sich der Aufwand. Diese Liste beantwortet eine Frage, die an Gewicht verliert.
Wenn ein Reisender heute ein Werkzeug wie ChatGPT nach einer Unterkunft fragt, bekommt er keine zehn Treffer, sondern zwei oder drei Namen. Ihr Haus ist in dieser Antwort oder es ist nicht darin. Eine Seite zwei gibt es nicht.
Damit verschiebt sich, was eine Keyword-Recherche überhaupt herausfinden muss. Die Frage lautet weniger, wonach gesucht wird. Sie lautet: Bei welchen Anfragen kann Ihr Haus als plausible Antwort erscheinen, und bei welchen entscheidet die Oberfläche längst gegen Sie.
Was dazu gemessen ist
Die Anordnung entscheidet mit, unabhängig vom Inhalt. Ein Algorithmus-Audit hat zwölf Sprachmodelle vor die Wahl zwischen fünf Hotels gestellt und dabei jedes Merkmal einzeln zufällig verteilt: Bewertung, Preis, Kettenzugehörigkeit, Ausstattung, Listenposition. Die Position in der Liste verschiebt die Empfehlung nachweislich, im Gegenwert von rund zwölf US-Dollar pro Nacht, obwohl sie inhaltlich nichts aussagt (Baig, Gillani & Ali, 2026, Preprint).
Bewertung und Preis dominieren. Eine Spitzenbewertung hebt die Auswahlwahrscheinlichkeit um 31,6 Prozentpunkte, ein hoher Preis senkt sie um 30,0 (Baig et al., 2026).
Zwei verbreitete Empfehlungen halten der Prüfung nicht stand. Die Zugehörigkeit zu einer Kette trug in derselben Untersuchung einen kleinen Malus von 1,8 Prozentpunkten. Die Managementantwort auf Bewertungen, die viele Dienstleister aktiv verkaufen, hatte keinen messbaren Effekt, plus 0,1 Prozentpunkte (Baig et al., 2026).
Die Form allein bringt nichts, der Beleg schon. Eine Auswertung von 602 kontrollierten Abfragen über ChatGPT, Google und Perplexity zeigt: Seiten, die stark in die generierte Antwort einfließen, sind länger, klarer gegliedert und reich an belegbaren Angaben, also Definitionen, Zahlen, Vergleichen, Handlungsschritten. Eine Aufmachung im Frage-Antwort-Format allein erhöht diesen Einfluss nicht, im Mittel lagen solche Seiten sogar leicht darunter (Zhang, He & Yao, 2026, Preprint).
Zur Einordnung: Das Hotel-Audit misst die Auswahl aus einer vorgegebenen Fünferliste. Für die vorgelagerte Frage, welche Häuser überhaupt in eine offene Antwort gelangen, gibt es diese Art Messung noch nicht. Zwei der drei Arbeiten sind Preprints. Und KI-Modelle antworten nicht deterministisch, dieselbe Frage kann morgen anders ausgehen.
Vier Felder, in denen Hotelnachfrage auftritt
Ich arbeite mit vier Feldern. Sie stammen aus dem Beitrag und dienen als Raster für die Erhebung.
Markenbezogen. Der Hausname, mit allen Varianten: mit Ort, mit Segment, mit den typischen Verwechslungen und Schreibfehlern. Diese Anfragen stehen einer Buchung am nächsten, weil das Haus schon feststeht.
Ortsbezogen. Stadt und Region, vor allem aber die Mikrolage: Viertel, Messe, Bahnhof, Klinik, Strand, Veranstaltungsort. Solche Anfragen tragen oft schon einen Reisezweck in sich. Sie sind der Punkt, an dem Lage vom Marketingsatz zur Antwort auf eine konkrete Frage wird.
Ausstattungsbezogen. Pool, Spa, Parkplatz, Hund erlaubt, Familienzimmer, Adults only. Hier ist Vorsicht angebracht, weil dieselben Merkmale auf den Buchungsplattformen als Filter existieren. Ein Attribut trägt erst, wenn es mit Zielgruppe und Anlass verbunden ist.
Erfahrungsbezogen. Ruhig, designgeprägt, romantisch, Auszeit, Wellness. Diese Anfragen fragen nach einem erwarteten Erleben. Sie sind für KI-Antworten interessant, weil sie sich schlecht filtern und gut beschreiben lassen.
Wie ich priorisiere
Suchvolumen bleibt eine Angabe unter mehreren. Ich stelle vier Fragen dazu:
- Wie klar ist die Absicht hinter der Anfrage?
- Wer beantwortet diese Anfrage heute, und kommt ein einzelnes Haus dort überhaupt vor?
- Passt die Anfrage zu dem, wofür Ihr Haus steht?
- Führt sie realistisch zu einer Direktbuchung bei Ihnen?
Der vierte Punkt hat einen Marktgrund. Über die Hälfte der Übernachtungen in Europa lief 2023 über direkte Kanäle, 50,9 Prozent bei 3.089 erfassten Häusern, mit weiter fallender Tendenz zugunsten der Buchungsplattformen (Schegg, 2024, Branchenstudie der HES-SO Valais-Wallis im Auftrag von HOTREC). Eine Anfrage, bei der die Plattformen die Antwort besetzen, ist für Sie weniger wert als eine kleinere, bei der Sie selbst vorkommen können.
Was daraus für Ihre Website folgt
Belegdichte vor Formatspielerei. Zahlen, Vergleiche, klare Angaben, konkrete Abläufe. Eine FAQ, die kurze Antworten aneinanderreiht, hilft nach der oben genannten Auswertung wenig. Eine, die konkret wird, schon.
Ihr Haus muss als Sache erkennbar sein. KI-Systeme brauchen die Fakten, die sagen, wer und wo Sie sind, damit sie Sie nicht mit einem anderen Haus verwechseln: gleicher Name überall, gleiche Adresse, klare Lagebezüge, saubere Angaben zu Segment und Ausstattung. Ein Hinweis darauf, dass es hier ansetzt, kommt aus der Auswertung selbst: Sie nennt Wiedererkennbarkeit ausdrücklich als eine der Bedingungen dafür, dass eine Seite überhaupt für die Antwort in Frage kommt (Zhang et al., 2026).
Cluster statt Einzelbegriffe. Wenige Nachfragefelder, in denen Marke, Lage, Ausstattung und Erlebnis zusammenpassen, tragen weiter als dreihundert Einzelbegriffe. Diese Felder sollten sich in der Seitenstruktur wiederfinden, nicht nur in einer Tabelle.
Was am Ende dasteht. Eine Liste der Anfragen, bei denen Ihr Haus heute vorkommt, und der Anfragen, bei denen andere vorkommen, jeweils mit Erhebungsdatum. Daraus die zwei oder drei Nachfragefelder, in denen sich Arbeit lohnt, und die Reihenfolge, in der ich sie angehen würde.
Die wissenschaftliche Fassung, mit allen Quellen
Dieser Text ist die Kurzfassung. Der vollständige Beitrag entwickelt den Rahmen theoretisch, führt die vier Nachfragefelder aus der Forschung zum Informationsverhalten her und legt jede Quelle offen, samt der Stellen, an denen die Befunde meiner eigenen Argumentation widersprechen. Deutsch, mit englischem Abstract.
Oder direkt weiter: was das Audit umfasst und wer es durchführt.