Auf dieser Seite
Am 25. März 2026 hat Cyrus Shepard von Zyppy eine Analyse veröffentlicht, die drei unabhängige Quellen zusammenführt: den Google API Leak, das US-Kartellverfahren gegen Google und Googles eigene Patentanmeldungen. Das Ergebnis ist die bisher detaillierteste öffentliche Darstellung, wie Google Klickverhalten in Rankings und KI-Antworten einfließen lässt.
Was die Kombination aus drei Quellen beweist
Der Google API Leak 2024 hat erstmals die internen Attributnamen offengelegt: goodClicks, badClicks, lastLongestClicks. Viele SEOs behandelten den Leak vorsichtig. Ein geleaktes Dokument ist kein Beweis für aktiven Einsatz.
Das US-Kartellverfahren ändert die Beweislage. Im Verfahren wurde argumentiert, dass Nutzerdaten (was Menschen anklicken und wie sie interagieren) den Großteil von Googles "Scale Advantage" ausmachen. Google-Ingenieure bestätigten unter Eid: Klickdaten ermöglichen es, Rankings so zu kalibrieren, dass Wettbewerber sie ohne Zugang zu denselben Daten nicht replizieren können.
Hinzu kommen Patentanmeldungen, die dieselben Konzepte unter denselben Bezeichnungen beschreiben. Drei unabhängige Quellen, die auf dieselben internen Strukturen zeigen: Das ist qualitativ ein anderes Evidenzniveau als ein geleaktes Dokument allein.
Was das für die Einordnung bedeutet: Der API Leak hat die Attributnamen geliefert. Das Antitrust-Verfahren hat bestätigt, dass diese Signale aktiv genutzt werden, nicht nur dokumentiert sind. Was wir in unserer Analyse der Google API Leak-Dokumente als starkes Indiz eingestuft hatten, ist jetzt durch Gerichtsaussagen faktisch erhärtet.
Die fünf Klicksignale im Detail
Die fünf zentralen Klickattribute, die in allen drei Quellen auftauchen:
impressions: Google zeigt Seiten in verschiedenen SERP-Positionen und misst, welche Ergebnisse bei welcher Positionierung besser performen. Keine passive Anzeige, sondern aktives Testen.
clicks: Häufige Klicks auf ein Ergebnis relativ zu Impressionen wirken als positives Signal. Nicht als einfache CTR-Rechnung, sondern gewichtet.
badClicks: Ein kurzer Klick mit sofortiger Rückkehr zu den Suchergebnissen ("Pogo-Sticking") gilt als Indikator für eine Seite, die die Suchanfrage nicht beantwortet hat. Unsere Rankingsignal-Analyse beschreibt dieses Muster seit 2026-03 als nachgewiesenes Nutzersignal.
goodClicks: Lange Klicks, bei denen Nutzer nicht schnell zurückkehren, signalisieren eine nützliche Seite. Wichtig: Das ist nicht "Dwell Time" im klassischen Sinn. Google gewichtet jeden Klick nach Query, Nutzertyp, Sprache und Land. Eine Frage wie "Wie hoch ist der Mount Everest?" erfordert andere Verweildauer als "Portfolio für Inflation optimieren".
lastLongestClicks: Das stärkste Einzelsignal: Der letzte und längste Klick in einer Suchanfragen-Sequenz. Wenn ein Nutzer auf Ihre Seite klickt und danach nicht mehr zu den Suchergebnissen zurückkehrt, hat Ihre Seite den Suchprozess abgeschlossen. Google nennt das intern die Abfrage, die "der Nutzer nicht zurücksendet".
Bekannt seit dem API Leak (2024)
- Attributnamen dokumentiert: goodClicks, badClicks, lastLongestClicks
- NavBoost als Re-Ranking-System beschrieben
- 13-Monats-Fenster für Klickdaten dokumentiert
- siteAuthority als Domain-Level-Signal identifiziert
Neu durch Antitrust-Verfahren (2026)
- Aktiver Einsatz der Signale unter Eid bestätigt
- Klicks als eines von drei fundamentalen Google-Signalen ("ABC") benannt
- "Scale Advantage" durch Klickdaten als Wettbewerbsvorteil argumentiert
- Manipulation durch "squashed"-Werte technisch beschrieben
Der entscheidend neue Befund: KI-Antworten brauchen Klickdaten
Bis zur Shepard-Analyse war die Verbindung zwischen Klicksignalen und KI-Antworten nicht klar dokumentiert. Der neue Befund ist technisch präzise und hat direkte Konsequenzen.
Googles FastSearch/RankEmbedBERT, das System, das AI Overviews generiert, verwendet "70 Tage Suchlogs plus Bewertungen von menschlichen Ratern". Diese Suchlogs enthalten Klickdaten. Die Quellen, die in AI Overviews zitiert werden, wurden über denselben Mechanismus ausgewählt, der auch klassische Rankings beeinflusst.
Das bedeutet: Wer gut für NavBoost-Signale optimiert (lange Klicks, keine Pogo-Sticking-Rate, vollständige Antworten) hat strukturell bessere Chancen auf AI-Overview-Zitierungen. Nicht wegen eines separaten KI-Optimierungsrezepts, sondern weil beide Systeme auf dasselbe Qualitätsurteil zugreifen.
Die zweite Komponente betrifft ChatGPT. Laut der Analyse stützt sich ChatGPT auf Google-Suchergebnisse für Antworten, weil Bings Daten allein für Long-Tail-Anfragen "nicht ausreichen, um Googles Genauigkeit zu replizieren". Das ist der Mechanismus hinter der Beobachtung, die wir in ChatGPT SEO beschrieben haben: 90% der LLM-Zitate stammen von Seiten unter Google-Position 20, weil Google die Auswahl-Pipeline ist, die ChatGPT nutzt. Klicksignale bestimmen, welche Seiten in dieser Pipeline oben stehen.
Kostenlose Ersteinschätzung. Welche Seiten verlieren Nutzer nach dem ersten Klick? Wir prüfen Ihr Klickprofil in der Search Console datenbasiert. Jetzt anfragen
Neu vs. Bekannt: Was die Analyse wirklich bringt
Shepards Analyse hilft, zwei Kategorien zu trennen, die in der SEO-Diskussion oft vermischt werden.
Bestätigt, aber nicht neu: Dass Klickdaten Rankings beeinflussen, war für erfahrene SEOs keine Überraschung. NavBoost war durch den API Leak bekannt, Pogo-Sticking als Negativsignal durch den API Leak und durch Gerichtsaussagen von Google-Ingenieuren. Wer unsere API-Leak-Analyse gelesen hat, kannte goodClicks, badClicks und lastLongestClicks bereits als dokumentierte Attribute.
Tatsächlich neu: Drei Punkte waren in dieser Klarheit nicht öffentlich dokumentiert:
Erstens: Die "ABC"-Klassifizierung durch Google selbst. Dass Klicks offiziell als eines von drei fundamentalen Signalen neben Ankertexten und Body-Text benannt wurden, ist eine qualitative Aufwertung in der offiziellen Einordnung.
Zweitens: Die Verbindung zu AI Overviews über FastSearch/RankEmbedBERT. Dass KI-Antworten auf Suchlogs basieren, die Klickdaten enthalten, war nicht dokumentiert.
Drittens: Die Abhängigkeit von ChatGPT von Googles Qualitätssignal. Dass Bing-Daten allein für Long-Tail-Präzision nicht ausreichen, erklärt, warum Google-Ranking-Signale auch in ChatGPT-Zitaten durchschlagen.
Praktische Konsequenzen
Shepards Playbook deckt sich mit dem, was wir in fünf Methoden für bessere Rankings ohne Budget beschrieben haben. Die Klicksignal-Logik macht die Begründung schärfer:
Relevanz vor Klickrate. Das Ziel ist nicht eine hohe CTR, sondern gute Klicks. Clickbait-Titel, die Klicks erzeugen, aber keine Antwort liefern, akkumulieren badClicks. Die Strafe bleibt 13 Monate im System.
Vollständige Antworten statt Traffic-Traps. lastLongestClicks belohnt Seiten, die den Nutzer nicht wieder in die Suche treiben. AJ Kohns Beispiel trifft den Kern: Wer Bewertungen von anderen Plattformen auf der eigenen Seite zeigt, verhindert, dass Nutzer zur Suche zurückgehen. Authentische Inhalte mit echter Substanz sind strukturell im Vorteil.
Brand Search als stärkstes Signal. Wenn Nutzer direkt nach Ihrem Unternehmen suchen, startet und endet die Suchreise bei Ihnen. Bessere lastLongestClicks-Voraussetzung gibt es nicht. Das ist dieselbe Logik, die Rand Fishkin im API-Leak-Kontext beschrieben hat: Brand ist wichtiger als alle anderen Signale.
Engagement messen, nicht nur Rankings. Google Search Console zeigt CTR pro Seite. GA4 zeigt "Average engagement time per active user". Seiten mit hohen Impressionen und niedriger CTR erzeugen strukturell negative NavBoost-Signale. Eine Rankinganalyse mit eigenen Daten ist der Einstieg in diese Optimierungslogik.
Quelle: How Google Click Signals Drive SEO Rankings and AI Answers, Cyrus Shepard, Zyppy Signal, 25. März 2026.