Bewertungen wirken auf zwei Ebenen gleichzeitig: als Vertrauenssignal für Menschen, die entscheiden, ob sie klicken, und als Relevanzsignal für Google, das Profiltext und Bewertungsinhalte liest.
Wer beide Mechanismen versteht, muss Bewertungen nicht „optimieren“. Er muss nur verstehen, was sie leisten und was sie nicht leisten können.
Ein Klempner in Mainz hat gute Bewertungen, aber keine davon nennt konkret, was er gemacht hat oder wo. Sein Konkurrent liegt auf Seite 1 mit 12 Bewertungen, in denen oft „Notdienst“, „Mainz-Gonsenheim“ und „Rohrverstopfung“ vorkommen.
Und wenn eine Bewertung trotzdem nur „Super, danke!“ enthält? Dann antwortet der Konkurrent: „Vielen Dank, schön, dass wir Ihren Wasserrohrbruch in Mainz-Gonsenheim so schnell beheben konnten.“
Die fehlenden Signale kommen trotzdem an. Über den Text, der vollständig unter seiner eigenen Kontrolle liegt.
Sterne sind der erste Filtermechanismus. Wer im Local Pack erscheint, wird anhand von Sternzahl und Bewertungsanzahl in Sekundenbruchteilen vorgefiltert, bevor jemand den Profiltext liest.
Was bei der Klickentscheidung zählt:
Beispiel: Zwei Zahnarztpraxen nebeneinander: 4,9 Sterne (8 Bewertungen, letzte vor 14 Monaten) vs. 4,5 Sterne (62 Bewertungen, letzte vor 3 Wochen). Die meisten Patienten wählen die zweite, weil Aktualität und Volumen ein stabileres Signal senden als ein perfekter Schnitt.
Sobald jemand klickt, wird der Text zur Entscheidungsgrundlage. Kunden lesen Bewertungen nicht, um den Betrieb zu beurteilen; sie lesen sie, um ihre eigene Erwartung zu kalibrieren: Hat dieser Betrieb schon genau das gemacht, was ich brauche?
Was Reviewtext leistet:
Was Google aus Bewertungstext liest:
Diese Signale sind nützlich, wenn sie organisch entstehen. Sie lassen sich nicht durch Anweisung erzwingen, ohne den Text unnatürlich klingen zu lassen.
Der zweite Weg: die Eigentümer-Antwort.
Wenn ein Kunde keinen Ort, keine Leistung und keine Situation nennt, kann der Betrieb das in der Antwort natürlich, gelegentlich und ohne Formel nachholen. Eine Antwort wie
Vielen Dank! Es freut uns sehr, dass wir Ihnen beim Rohrbruch in Mainz-Gonsenheim so schnell helfen konnten.
enthält alle drei Signale: Leistung, Situation, Ort. Der Betrieb hat die vollständige Kontrolle über diesen Text. Das ist der praktischste Hebel, den ein Betrieb bei Bewertungen hat.
Beispiel: Eine Bewertung mit „Super schnell, sehr nett“ liefert kein thematisches Signal. Eine Bewertung mit „Klempner Müller hat uns am Sonntagabend in Mainz geholfen. Notdienst in 45 Minuten, Rohrbruch behoben, klare Rechnung“ enthält Ort, Leistung, Zeitrahmen und Situation. Google kann damit etwas anfangen. Der nächste Kunde auch.
Thematische Passung beschreibt, ob das, was Kunden in Bewertungen schreiben, mit dem übereinstimmt, was der Betrieb wirklich anbietet und wie er sich positioniert.
Ein Betrieb mit 4,3 Sternen, dessen Bewertungen konsistent von konkreten Leistungen und spezifischen Situationen handeln, wirkt glaubwürdiger als ein Betrieb mit 4,9 Sternen, der nur allgemeines Lob sammelt.
Warum das für Conversion zählt:
Beispiel: Eine Haushaltsreinigung positioniert sich auf „Endreinigung für Vermieter“. Ihre Bewertungen erwähnen: „Wohnung besenrein übergeben“, „Kaution bekommen“, „Abnahme bestanden ohne Diskussion“. Die thematische Passung ist hoch; wer genau das sucht, findet sofort Bestätigung.
Spezifische Formulierungen vorgeben
„Bitte schreiben Sie, dass wir in Mainz tätig sind“ produziert Texte, die sich nach Anweisung anfühlen. Das merken Kunden und das senkt den Vertrauenseffekt für alle nachfolgenden Leser.
Ort- oder Keyword-Erwähnungen einfordern
Kunden, die aufgefordert werden, bestimmte Wörter zu nennen, schreiben in der Regel kürzere, weniger natürliche Texte. Das Ergebnis ist das Gegenteil von thematischer Glaubwürdigkeit.
Timing erzwingen statt Momentum nutzen
Der beste Moment für eine Bewertungsanfrage ist direkt nach einer positiv abgeschlossenen Erfahrung und nicht drei Wochen später per E-Mail-Erinnerung Nummer drei.
Fake-Bewertungen oder Tauschmodelle
Sie verstoßen gegen Google-Richtlinien und werden zunehmend erkannt. Ein thematischer Einbruch in der Bewertungsstruktur oder eine Häufung von inhaltslosen Texten innerhalb kurzer Zeit ist ein Warnsignal für Google und für Menschen.
Im Next-Level-Wachstum-Toolkit gibt es drei passende Übungen zu diesem Thema:
→ Alle Übungen im Toolkit