Google Maps für Restaurants: Sichtbarkeit hängt am Intent – nicht nur an Bewertungen

Dieser Benchmark zeigt, wie sich die Google‑Maps‑Sichtbarkeit von Restaurants in Zürich innerhalb eines gemessenen Gebiets verändert, sobald sich die Suchintention ändert: vom generischen Query "restaurant" hin zum Anlass‑Intent "brunch".
Gemessen wurde mit einem GeoGrid (7x7 = 49 Punkte, Schritt ~0.64 km). Pro Grid‑Punkt wurden die Top-20 Google‑Maps‑Resultate erfasst. Für den Vergleich nutzen wir jeweils die Top-170 Einträge pro Intent (Snapshot).
Die Analyse basiert auf zwei Kernmetriken: Coverage (Found In) und Position (ARP). Coverage zeigt, in wie vielen der 49 Grid-Punkte ein Venue überhaupt in den Top-20 erscheint. ARP zeigt, wie hoch es dort im Durchschnitt rankt (1-20), wo es sichtbar ist. Zusätzlich verwenden wir einen stabilen, nachvollziehbaren VisibilityScore, der Coverage und Position in einer Kennzahl verbindet.

Drei zentrale Erkenntnisse:

• Intent verändert die Sichtbarkeitsdecke im Messgebiet. In unseren Daten liegt das maximale Coverage bei "brunch" bei 38/49 (77.6%), bei "restaurant" bei 19/49 (38.8%). Innerhalb der gemessenen Zone können brunch-Leader somit deutlich breiter sichtbar sein als restaurant-Leader.
• Sichtbarkeit ist nicht gleich Reputation. Sterne und Review‑Count helfen, erklären die Unterschiede zwischen Intents aber nicht zuverlässig. Für Intent‑Sichtbarkeit spielen Relevanz‑Signale (Kategorie‑Setup, Menü/Content, Attribute, Nutzerinteraktionen) eine entscheidende Rolle - nicht nur Bewertungen.
• Intent Shift ist real und messbar. Einzelne Venues gewinnen bei "brunch" deutlich an Sichtbarkeit, obwohl sie bei "restaurant" nur mittelmässig performen - und umgekehrt. Das zeigt, dass sich das Wettbewerbsfeld je nach Suchabsicht konkret verschiebt.

Für Restaurantbetreiber ist die wichtigste Konsequenz: Es gibt zwei unterschiedliche Wachstumsaufgaben. (1) Coverage erhöhen (in mehr Punkten überhaupt erscheinen) und (2) Position verbessern (höher ranken, wenn man erscheint). Ein Venue kann in wenigen Punkten sehr hoch ranken und trotzdem wenig Discovery-Traffic erhalten, wenn das Coverage klein bleibt. Umgekehrt kann breites Coverage mit mittlerer Position eine stabile Basis sein, die sich durch gezielte Optimierungen in Sichtbarkeit und Nachfrage übersetzen lässt.

Einordnung: die Ergebnisse sind ein Zeitpunkt‑Snapshot und beziehen sich auf das gemessene Gebiet (Grid), nicht auf "ganz Zürich". Venues werden zwischen den Intents per exaktem Business‑Namen gematcht.

Google Maps wirkt auf den ersten Blick simpel: Suchbegriff eingeben, Liste anschauen, fertig. In der Praxis ist genau das der Grund, warum Restaurants ihre Sichtbarkeit systematisch überschätzen oder falsch einordnen. Maps ist kein statisches "Ranking für Zürich", sondern ein dynamisches Empfehlungssystem, das stark von Kontextsignalen abhängt - insbesondere von Standort und Suchintention.

2.1 Standortabhängigkeit: "Ich sehe mich nicht" ist oft nur eine Perspektive
Die häufigste Fehlannahme: Ein Restaurant prüft die Sichtbarkeit von einem einzigen Ort aus (im Betrieb, zu Hause oder im Büro) und schliesst daraus auf die gesamte Lage im Markt. Tatsächlich ändert sich die Ergebnisliste je nach Startpunkt bereits innerhalb kurzer Distanzen deutlich. Wer nur einen Standort testet, sieht nur einen sehr kleinen Ausschnitt der Realität.
In unserem Messdesign wird diese Perspektive systematisch erweitert: statt einer Sichtprobe nutzen wir 49 Punkte in einem GeoGrid (7×7) mit einem Schritt von rund 0.64 km zwischen den Punkten. Das ergibt eine belastbare Aussage darüber, wie "breit" ein Venue innerhalb des gemessenen Gebiets überhaupt sichtbar ist (Coverage), und wie gut es dort im Schnitt rankt (Position).

2.2 Maps ist Discovery - und Discovery ist Intent-getrieben
Viele Suchen in Google Maps sind Discovery-Suchen: die Person hat noch kein konkretes Restaurant gewählt, sondern beschreibt einen Bedarf. Genau hier ist Maps besonders wertvoll - aber auch besonders missverständlich.
Der entscheidende Punkt: Ein generischer Bedarf ("restaurant") ist nicht dasselbe wie ein Anlass ("brunch"). Diese beiden Suchintents aktivieren unterschiedliche Relevanzlogiken. Maps versucht nicht nur "gute Restaurants" zu zeigen, sondern die passenden Optionen für den jeweiligen Kontext. Dadurch kann sich das Wettbewerbsfeld zwischen zwei scheinbar ähnlichen Begriffen stark verschieben.

2.3 Zwei Metriken, die das Problem greifbar machen: Coverage und Position
Wenn Restaurants über "Ranking" sprechen, meinen sie meistens nur die Position in der Liste. Für Geschäftsentscheide reicht das nicht. Sichtbarkeit in Maps hat zwei Dimensionen:

• Coverage (Found In): in wie vielen Punkten des Grids erscheint das Venue überhaupt in den Top-20?
• Position (ARP): wenn es erscheint: wie hoch ist die durchschnittliche Position?

Ein Venue kann lokal sehr stark sein (Top-Platzierung an wenigen Punkten), aber insgesamt wenig Discovery-Traffic erhalten, weil es in vielen Teilen des gemessenen Gebiets gar nicht vorkommt. Umgekehrt kann ein Venue relativ breit sichtbar sein, aber mit einer durchschnittlichen Position, die kaum Klicks und Aktionen erzeugt. Ohne diese Trennung bleibt Optimierung oft zufällig: man arbeitet an Bewertungen, Fotos oder Posts - ohne zu wissen, ob das eigentliche Problem Coverage oder Position ist.

2.4 Typische Fehlinterpretationen (und was sie in der Praxis bedeuten)
Die folgenden Muster sehen wir in der Praxis besonders häufig. Sie klingen banal, führen aber direkt zu falschen Prioritäten.

2.5 Warum das für Entscheidungen zählt
Maps-Optimierung ist dann wirksam, wenn sie an der richtigen Stellschraube ansetzt:

• Wenn Coverage niedrig ist, braucht es Massnahmen, die die Wahrscheinlichkeit erhöhen, dass Maps das Venue in mehr Punkten als relevanten Kandidaten betrachtet.
• Wenn Position schwach ist, braucht es Massnahmen, die die Auswahl und Rangordnung verbessern, sobald das Venue bereits im Kandidatenset ist.

Das lässt sich ohne Messung nicht zuverlässig unterscheiden. Genau deshalb ist die Trennung von Coverage und Position (und der Vergleich über Intents) der Kern dieses Benchmarks.

3.1 Messdesign: GeoGrid
Google Maps rankt nicht "für Zürich", sondern abhängig vom Standort der suchenden Person. Um diese Standortabhängigkeit messbar zu machen, verwenden wir ein GeoGrid:

• Gebiet: gemessenes Gebiet in Zürich (kein "ganz Zürich").
• Grid: 7x7 = 49 Messpunkte.
• Abstand: ca. 0.64 km zwischen benachbarten Punkten.
• Pro Messpunkt: Google-Maps-Suche und Erfassung der Top-20 Resultate.

So entstehen pro Suchbegriff 49 "Snapshots" der Maps-Resultate innerhalb des gemessenen Gebiets.

3.2 Suchintents
Wir vergleichen zwei Intents:

• "restaurant" - generischer Intent.
• "brunch" - Anlass-Intent.

Wichtig: das ist kein Vergleich "Restaurants vs Cafes", sondern ein Vergleich von Suchabsichten. Der Intent beeinflusst, welche Venues Google als relevant einstuft und wie das Wettbewerbsfeld innerhalb des gemessenen Gebiets aussieht.

3.3 Einheit der Analyse: Venue (Google-Maps-Eintrag)
Die Analyse erfolgt auf Ebene eines einzelnen Maps-Eintrags. Pro Venue nutzen wir die in den Resultaten sichtbaren Attribute (z.B. Name, Kategorien, Rating, Review-Count) und die Messresultate aus dem Grid.

3.4 Kernmetriken
Wir arbeiten mit zwei bewusst einfachen, überprüfbaren Metriken und einem stabilen Komposit-Index.

• Coverage (Found In).
• Definition: Anzahl Grid-Punkte (von 49), in denen das Venue in den Top-20 vorkommt.
• Interpretation: Wie breit Google das Venue innerhalb des gemessenen Gebiets empfiehlt.
• Position (ARP - Average Rank Position).
• Definition: Durchschnittliche Rangposition (1 bis 20) über jene Grid-Punkte, in denen das Venue gefunden wurde.
• Interpretation: wie hoch das Venue rankt, wenn es sichtbar ist.
• VisibilityScore (eigener Index).
• Ziel: Coverage und Position in eine robuste Kennzahl überführen.
• Vorteile: Unabhängig von internen Plattformmetriken, stabil und nachvollziehbar.

Formeln:

• Coverage = FoundIn / 49.
• RankScore = (21 - ARP) / 20.
• VisibilityScore = 100 * Coverage * RankScore.

Beispielhafte Einordnung:

3.5 Vergleich der Intents: Intent Shift
Nach der Berechnung pro Intent vergleichen wir die Differenzen:

• GapCoverage = FoundIn_brunch - FoundIn_restaurant.
• GapScore = VisibilityScore_brunch - VisibilityScore_restaurant.

Interpretation:

• Gap < 0 - Venue ist im generischen Intent stärker als im Anlass-Intent
• Gap > 0 - Venue ist im Anlass-Intent stärker als im generischen Intent

3.6 Datenumfang und Matching

• Datensatz: Top-170 Venues pro Intent (Snapshot).
• Matching zwischen "restaurant" und "brunch": exakter Abgleich des Feldes Business (Name).

Einordnung: exaktes Name-Matching ist schnell und praktikabel, kann aber bei Ketten, Filialen oder sehr ähnlichen Namen zu Fehlzuordnungen führen. Diese Limitation ist für die Interpretation einzelner Grenzfälle relevant, ändert aber die Muster auf Marktebene nicht grundsätzlich.

3.7 Grenzen der Messung

• Zeitpunkt-Snapshot: Google Maps ist dynamisch, Resultate können sich ändern.
• Messgebiet: Aussagen beziehen sich auf das gemessene Gebiet des Grids, nicht auf "die ganze Stadt".
• Intent-spezifisch: Ergebnisse sind eine Sichtbarkeitsanalyse, keine Aussage über Küchenqualität oder Servicequalität.

Die erste Frage im Benchmark ist nicht "Wer ist Nummer 1?", sondern: Wie breit empfiehlt Google ein Venue innerhalb des gemessenen Gebiets überhaupt? Genau das misst Coverage - also in wie vielen der 49 Grid-Punkte ein Venue in den Top-20 erscheint.

4.1 Coverage ist der unterschätzte KPI
Viele Restaurants optimieren auf Position, weil sie nur den Moment sehen, in dem sie irgendwo ranken. Coverage zeigt dagegen die Reichweite der Empfehlung innerhalb des Messgebiets.

• Found In 1 von 49 - sichtbar "fast nirgends" im Grid.
• Found In 10 von 49 - sichtbar in einem Teil des Messgebiets.
• Found In 25 von 49 - sichtbar in etwa der Haelfte des Messgebiets.
• Found In 35 plus - sichtbar sehr breit innerhalb des gemessenen Gebiets.

Das ist der Grund, warum zwei Restaurants mit aehnlicher Position in einem Screenshot komplett unterschiedliche Mengen an Discovery-Traffic bekommen koennen - das eine erscheint nur punktuell, das andere an vielen Orten.

4.2 Die Coverage-Decke unterscheidet sich stark nach Intent
Ein zentrales Muster in den Daten: Der maximale erreichbare Coverage-Wert ist je nach Intent deutlich unterschiedlich.
Interpretation:

• Im Anlass-Intent "brunch" koennen einzelne Venues im gemessenen Gebiet sehr breit vorkommen.
• Im generischen Intent "restaurant" bleibt Coverage selbst bei den Spitzenreitern deutlich begrenzter. Das deutet auf ein fragmentierteres Wettbewerbsfeld hin - viele lokale Gewinner je nach Standort.

Wichtig: das ist keine Aussage "fuer die ganze Stadt", sondern nur fuer das gemessene Gebiet und den Zeitpunkt der Messung.

4.3 Wer hat innerhalb des Grids den breitesten Footprint?
Hier sind die Coverage-Leader in unserem Datensatz - sie zeigen, wie sich "breit sichtbar" je Intent konkret anfuehlt.
"brunch" - hohe Coverage (Auszug)

• EatPositive Brunch Zurich (monthly) - Found In 38.
• Aerni and Schwarz GmbH - Found In 33.
• Soul | Creative Kitchen Bar - Found In 31.
• Bros Beans and Beats - Found In 26.
• Bar Butter - Found In 24.
• BrauerGastro - Found In 24.

"restaurant" - hohe Coverage (Auszug)

• Bilo Bistro Restaurant - Found In 19.
• Josef - Found In 17.
• BrauerGastro - Found In 16.
• Knoedl - Found In 11.
• Piccolo Giardino - Found In 11.
• Schnupf Restaurant and Cocktail Bar - Found In 10.
• Vineria Centrale - Found In 10.
• Schoenau - Found In 10.

Was diese Liste zeigt:

• Der Intent "brunch" produziert innerhalb des Messgebiets deutlich breitere Visibility-Footprints bei den Spitzenreitern.
• Bei "restaurant" ist selbst der Top-Coverage-Wert nur etwa halb so hoch wie bei "brunch". Das legt nahe, dass Optimierung fuer den generischen Intent haeufiger lokal differenziert gedacht werden muss.

4.4 Was Coverage praktisch bedeutet - und welche Fehler sie verhindert
Wenn Coverage niedrig ist, ist das nicht primaer ein "Position"-Problem. Es ist ein Kandidaten-Problem: Das Venue kommt in vielen Punkten gar nicht erst in die Auswahl der Top-20.
Typische Gruende, warum Coverage innerhalb eines Grids niedrig bleibt:

• Das Venue sendet schwache oder widerspruechliche Relevanzsignale fuer den Intent.
• Kategorien und Content passen eher zu einem anderen Bedarf als zur gesuchten Intention.
• Das Profil ist zwar "okay", aber nicht klar genug, um in vielen Standorten als Kandidat zu gelten.

Die wichtigste Konsequenz:

• Wer nur auf Position optimiert, obwohl Coverage der Engpass ist, investiert oft am falschen Ende. Erst wenn ein Venue in mehr Punkten regelmaessig vorkommt, wird Positions-Optimierung im grossen Stil wirksam.

Im naechsten Abschnitt verbinden wir Coverage mit Position ueber den VisibilityScore - und zeigen, warum die Gewinnerlisten je Intent deutlich auseinanderlaufen.

Wenn Restaurants ueber Google Maps sprechen, meinen sie fast immer "wir sind auf Platz X". Das greift zu kurz, weil es zwei unterschiedliche Arten von Sichtbarkeit gibt:

• breite Sichtbarkeit im gemessenen Gebiet - hohes Coverage.
• hohe Platzierung dort, wo man sichtbar ist - guter ARP.

Beides kann Wert schaffen, aber es sind unterschiedliche Probleme und unterschiedliche Hebel.

5.1 VisibilityScore - eine Kennzahl fuer "breit und hoch"
Um Coverage und Position zusammenzubringen, nutzen wir den VisibilityScore:

• Coverage = FoundIn / 49.
• RankScore = (21 - ARP) / 20.
• VisibilityScore = 100 * Coverage * RankScore.

Der Score ist bewusst simpel - er belohnt Venues, die in vielen Grid-Punkten vorkommen und dort im Schnitt gut ranken.

5.2 Top-10 nach VisibilityScore - "brunch"
Diese Liste zeigt die staerksten Kombinationen aus Coverage und Position fuer den Intent "brunch" in unserem Datensatz.
Was diese Liste praktisch bedeutet:

• "Soul" und "Aerni & Schwarz" gewinnen nicht nur ueber Coverage, sondern auch ueber solide durchschnittliche Position.
• "EatPositive" hat das hoechste Coverage im Datensatz, wird aber im Score von "Soul" uebertroffen, weil die durchschnittliche Position tiefer ist. Coverage alleine ist also nicht alles.

5.3 Top-10 nach VisibilityScore - "restaurant"
Diese Liste zeigt die staerksten Kombinationen aus Coverage und Position fuer den Intent "restaurant" in unserem Datensatz.
Interpretation:

• Die Scores liegen insgesamt tiefer als bei "brunch", weil die Coverage-Decke bei "restaurant" im Messgebiet deutlich niedriger ist.
• "Vineria Centrale" zeigt ein wichtiges Profil: mittleres Coverage, aber sehr guter ARP - das ist ein typischer "Local Champion".

5.4 Zwei Gewinner-Profile, zwei Optimierungsstrategien
Aus den Daten lassen sich zwei archetypische Profile ableiten.
Profil A - Broad-Coverage Leader

• hoher FoundIn-Wert.
• ARP ist solide, muss aber nicht extrem gut sein.
• Effekt: stabile Sichtbarkeit an vielen Punkten im Messgebiet.

Wachstumslogik:

• Position inkrementell verbessern, ohne Coverage zu riskieren.
• Profil konsistent halten - Kategorien, Menue, Fotos, Attribute aktuell.

Profil B - Local Champion

• Niedriger bis mittlerer FoundIn-Wert.
• Sehr guter ARP in den Punkten, wo das Venue auftaucht.
• Effekt: starke Performance in Teilbereichen, aber begrenzter Footprint.

Wachstumslogik:

• zuerst Coverage erweitern - also in mehr Punkten als Kandidat in die Top-20 kommen
• erst danach lohnt sich Feintuning auf Position im grossen Stil

5.5 Warum das fuer Restaurants entscheidend ist
Viele Massnahmen werden nach Bauchgefuehl umgesetzt - mehr Fotos, mehr Reviews, mehr Posts. Ohne zu wissen, ob das Problem Coverage oder Position ist, bleibt der Effekt zufaellig.
Die praktische Regel aus diesem Benchmark:

• Wenn Found In niedrig ist, ist das primaer ein Coverage-Problem - es fehlt an Relevanz- und Kandidatensignalen im Intent.
• Wenn Found In hoch ist, aber ARP schwach, ist das primaer ein Positions-Problem - das Venue ist im Set, verliert aber in der Rangordnung.

Im naechsten Abschnitt zeigen wir, wie stark sich diese Profile je nach Intent verschieben - und warum ein Venue bei "restaurant" stark sein kann, bei "brunch" aber Sichtbarkeit verliert, oder umgekehrt.

Der wichtigste Effekt in diesem Benchmark ist nicht eine einzelne Gewinnerliste, sondern die Verschiebung des gesamten Spielfelds zwischen zwei Suchintents. "restaurant" und "brunch" wirken aehnlich, aber Google Maps behandelt sie als unterschiedliche Probleme. Dadurch kann dasselbe Venue im generischen Intent stabil sichtbar sein und im Anlass-Intent fast verschwinden - oder umgekehrt.
Fuer den Vergleich matchen wir Venues ueber den exakten Eintrag im Feld Business. Das ist schnell und fuer Muster sehr brauchbar, kann aber bei Filialen oder sehr aehnlichen Namen zu Einzelfaellen fuehren.

6.1 Intent Shift in Zahlen: Beispiele mit GapCoverage und GapScore
Die folgende Tabelle zeigt Venues, die in beiden Listen vorkommen. VisibilityScore ist nach der im Methodikteil definierten Formel berechnet und auf eine Dezimalstelle gerundet.
Was diese Beispiele zeigen:

• Intent Shift entsteht oft durch Coverage, nicht nur durch Position. Der groesste Hebel ist haeufig "in mehr Punkten ueberhaupt auftauchen".
• Einige Venues sind im generischen Intent stark, verlieren aber im Anlass-Intent massiv an Sichtbarkeit. Das ist kein "kleiner Rankingverlust", sondern ein anderes Kandidatenset.
• Umgekehrt koennen Venues im Anlass-Intent sehr breit sichtbar sein, obwohl sie im generischen Intent nur punktuell vorkommen.

6.2 Die 2x2 Logik: Vier Sichtbarkeits-Profile je Intent
Fuer die operative Arbeit ist es hilfreich, jede Marke in eine Matrix einzuordnen. Die Achsen sind VisibilityScore fuer "restaurant" und fuer "brunch". Daraus entstehen vier Profile:

• Hoch bei "restaurant" und hoch bei "brunch" - Allrounder.
• Hoch bei "restaurant" und tief bei "brunch" - generisch stark, Anlass schwach.
• Tief bei "restaurant" und hoch bei "brunch" - Anlass-Spezialist.
• Tief bei beiden - geringe Sichtbarkeit im Messgebiet.

Beispiele aus den Daten:

• Allrounder - BrauerGastro.
• Generisch stark, Anlass schwach - Josef, Bilo Bistro Restaurant.
• Anlass-Spezialist - Neni, Rooftop, Aerni & Schwarz GmbH.
• Niedrig bei beiden - Echo ist ein typisches Beispiel: geringe Coverage, aber Position kann punktuell sehr gut sein.

Der Nutzen dieser Matrix: Sie trennt "was ist das Problem" von "was ist die Loesung". Ein Venue mit schlechtem brunch-Score braucht andere Massnahmen als ein Venue, das bei brunch bereits breit vorkommt, aber schwach platziert ist.

6.3 Was Intent Shift fuer Restaurantbetreiber konkret bedeutet
Intent Shift ist nicht nur ein Analyse-Effekt, sondern eine direkte Umsatzfrage:

• Wenn Brunch ein relevantes Produkt ist, ist eine starke Sichtbarkeit bei "restaurant" kein Ersatz. Viele Nutzer suchen explizit nach Anlass. Wer dort nicht vorkommt, verliert Discovery-Traffic in einer Phase, in der die Entscheidung noch offen ist.
• Wenn ein Venue bei "brunch" deutlich breiter sichtbar ist als bei "restaurant", kann das ein Wachstumspfad sein: Anlass-Intents sind haeufig "enger" und erlauben innerhalb des Messgebiets breitere Footprints.

6.4 Warum dieser Shift passiert - ohne Spekulation, aber mit klarer Richtung
Wir koennen aus den Daten nicht "in Googles Kopf schauen". Was sich aber sauber ableiten laesst: Der Kandidatenpool aendert sich je Intent. Das bedeutet, dass unterschiedliche Signale relevant werden.
Fuer die Praxis heisst das:

• Wer bei "restaurant" stark ist, hat nicht automatisch starke Relevanzsignale fuer "brunch".
• Wer bei "brunch" stark ist, sendet wahrscheinlich klarere Anlass-Signale, die Google fuer diese Suche als relevant interpretiert.

Im naechsten Abschnitt zeigen wir, wie sich diese Erkenntnisse in ein kompaktes "Playbook light" uebersetzen lassen - mit sofort umsetzbaren Pruefpunkten, ohne ein komplettes internes Umsetzungshandbuch offenzulegen.

Dieser Abschnitt ist bewusst kompakt. Ziel ist nicht, jede Massnahme im Detail zu erklaeren, sondern schnell zu zeigen, welche Hebel typischerweise wirken - abhaengig davon, ob das Problem Coverage, Position oder ein Intent Shift ist. Die konkrete Priorisierung und Umsetzung unterscheidet sich von Venue zu Venue und sollte immer mit Messung validiert werden.

7.1 Typ A - Breiter Footprint im Grid, aber Position ausbaufähig
Profil:

• Found In ist hoch - das Venue erscheint in vielen Punkten im Messgebiet.
• ARP ist mittel bis schwach - die Position kostet Klicks, Routen, Anrufe.

Sofort pruefen:

• Profil-Qualitaet: sind Titelbild, aktuelle Fotos, Beschreibung und Menue klar auf den Intent ausgerichtet.
• Conversion-Signale: sind Menue-Link, Website, Reservierung und Kontakt sauber gepflegt und funktional.
• Review-Mix: kommen regelmaessig neue Reviews, und beschreiben sie den relevanten Anlass oder nur generisch.
• Konsistenz: stimmen Oeffnungszeiten, Angebote und Attribute mit der Realitaet ueberein, besonders am Wochenende.

Zielbild:

• Coverage halten, Position schrittweise verbessern. Wenn Coverage bereits hoch ist, wird Positionsarbeit schneller messbar.

7.2 Typ B - Local Champion: sehr gute Position, aber kleines Coverage
Profil:

• ARP ist sehr gut in den Punkten, wo das Venue sichtbar ist.
• Found In ist niedrig - das Venue erscheint nur in wenigen Punkten.

Sofort pruefen:

• Kategorien: passt das Primary Setup, und sind Secondary Categories sinnvoll gesetzt, insbesondere fuer "brunch".
• Anlass-Signale: ist Brunch als Angebot im Menue und in der Profilstruktur klar erkennbar, inklusive Zeiten und Produktlogik.
• Content-Fokus: sind Fotos und Menue-Inhalte eher "Dinner" oder zeigen sie klar den Anlass "Brunch".
• Relevanz-Cohesion: passt die Sprache auf Website, Menue und Profil zur Suchintention, oder sind die Signale widerspruechlich.

Zielbild:

• Erst Coverage erweitern, dann Position optimieren. Wer nur an Position arbeitet, bleibt lokal stark, aber verliert Reichweite im Grid.

7.3 Typ C - Intent Specialist: stark bei einem Intent, schwach beim anderen
Profil:

• Sichtbarkeit ist deutlich besser bei "restaurant" oder deutlich besser bei "brunch".
• GapCoverage und GapScore zeigen eine klare Luecke.

Sofort pruefen:

• Intent-Entscheid: ist "brunch" ein strategisches Produkt oder nur ein Nebenangebot.
• Signal-Set fuer den schwachen Intent: Kategorien, Menue, Fotos, Attribute und Review-Sprache muessen den schwachen Intent explizit tragen.
• Angebots-Klarheit: wenn Brunch wichtig ist, muessen Zeiten, Menue-Abschnitte und Verfuegbarkeit eindeutig sein. Wenn nicht, sollte das Venue nicht versuchen, fuer etwas zu ranken, das es operativ nicht konsequent liefert.

Zielbild:

• Den schwachen Intent nicht mit generischen Massnahmen angehen, sondern mit einem eigenen Signal-Set. Viele Venues sind "gut", aber nicht klar genug fuer den Anlass.

7.4 Typ D - Geringe Sichtbarkeit in beiden Intents
Profil:

• Found In ist niedrig und ARP ist nicht stark genug, um in wenigen Punkten zu kompensieren.

Sofort pruefen:

• Profil-Setup: Vollstaendigkeit, korrekte Daten, konsistente Oeffnungszeiten, saubere Kontaktpunkte.
• Kategorien und Angebot: passt das Setup zur Realitaet, oder ist es zu breit oder unpraezise.
• Grundsignale: Menue vorhanden, hochwertige Fotos, klare Beschreibung, Q und A, regelmaessige Updates.
• Reputation-Engine: Reviews sind nicht nur "nice to have". Ohne regelmaessige Signale bleibt Positionsarbeit oft instabil.

Zielbild:

• Zuerst Stabilitaet herstellen, dann gezielt in Coverage und Position investieren. Ohne Basis entsteht selten ein reproduzierbarer Effekt.

7.5 Eine klare Regel, die in fast allen Faellen gilt

• Wenn Found In niedrig ist, ist das primaer ein Coverage-Problem. Fokus auf Relevanz- und Kandidatensignale, nicht auf kosmetische Optimierung.
• Wenn Found In hoch ist, aber ARP schwach, ist das primaer ein Positions-Problem. Fokus auf Auswahl und Rangordnung, nicht nur auf "mehr Content".

Im naechsten Abschnitt beschreiben wir, wie ein Restaurant diesen Benchmark fuer sich selbst nutzen kann - als einmaligen Audit oder als wiederholbaren monatlichen Prozess, bei dem Massnahmen und Messung miteinander verknuepft werden.

Die Erkenntnisse aus diesem Benchmark sind nur dann wertvoll, wenn sie in einen wiederholbaren Prozess uebersetzt werden. Google Maps ist dynamisch, Wettbewerber veraendern sich, und selbst kleine Profil- oder Angebotsaenderungen koennen die Sichtbarkeit je Intent verschieben. Deshalb ist es sinnvoll, den Benchmark nicht nur als einmalige Auswertung zu sehen, sondern als Messlogik, die sowohl fuer einen Audit als auch fuer ein laufendes Wachstumsprogramm funktioniert.

8.1 Einmaliger Audit - wenn man schnell Klarheit braucht
Ein Audit ist dann sinnvoll, wenn ein Restaurant eine der folgenden Situationen kennt:

• Brunch ist operativ wichtig, aber die Maps-Nachfrage bleibt aus.
• Man sieht punktuell gute Rankings, aber die Buchungen oder Walk-ins bleiben instabil.
• Man weiss nicht, ob das Problem Coverage oder Position ist.
• Man will priorisieren, bevor man Zeit und Budget in Inhalte, Reviews oder Website steckt.

Was ein Audit im Kern liefern sollte:

• Found In und ARP fuer "restaurant" und "brunch".
• VisibilityScore pro Intent, plus GapCoverage und GapScore.
• Eine Einordnung in eines der vier Profile aus dem Playbook light.
• Eine priorisierte Liste der naechsten Schritte, getrennt nach Coverage-Hebeln und Positions-Hebeln.

Wichtig ist dabei weniger die Menge an To-dos als die Reihenfolge. Ein Restaurant, das Coverage-Probleme hat, profitiert selten von reiner Feinarbeit an Position. Umgekehrt bringt breites Coverage wenig, wenn die Position so schwach ist, dass kaum Interaktionen entstehen.

8.2 Monatlicher Prozess - wenn man Maps als Wachstums-Kanal betreiben will
Ein Retainer macht Sinn, wenn Maps nicht nur "Presence" sein soll, sondern ein messbarer Akquisekanal. Dann geht es nicht um einmaliges Optimieren, sondern um Iteration:

• Messen - um zu sehen, was sich im Grid wirklich veraendert.
• Umsetzen - entlang der Hypothesen, die aus Coverage, Position und Intent Shift folgen.
• Nachmessen - um Effekte von zufaelligen Schwankungen zu trennen.

Ein sauberer Monatsprozess umfasst typischerweise:

• Monitoring von Coverage und ARP je Intent.
• Gezielte Profil- und Content-Optimierung auf den relevanten Intent.
• Aufbau eines stabilen Review-Flows, der nicht kampagnenartig wirkt.
• Laufende Konsistenzarbeit, damit Signale nicht auseinanderlaufen.
• Dokumentierte Tests: welche Massnahme sollte welchen KPI bewegen, und hat sie das getan.

Der Vorteil dieser Logik: Man optimiert nicht "fuer Google", sondern fuer messbare Kennzahlen, die in Discovery-Verhalten uebersetzbar sind.

8.3 Warum "Playbook full" nicht identisch ist fuer alle Restaurants
Viele Artikel im Netz geben generische Checklisten. In der Praxis sind zwei Restaurants mit aehnlichem Rating und aehnlicher Kategorie in Maps oft in komplett unterschiedlichen Ausgangslagen - weil Coverage, Position und Intent-Profile anders sind.
Darum ist ein benchmark-basierter Ansatz hilfreich:

• Gleiche Metriken fuer alle, aber Massnahmen priorisiert nach Profil.
• Nicht "alles machen", sondern das machen, was den Engpass im jeweiligen Intent bewegt.

8.4 Was man intern vorbereiten sollte, bevor man Massnahmen bewertet
Damit Messung und Optimierung belastbar bleiben, braucht es klare Bedingungen:

• Gleiches Messgebiet und gleiche Grid-Logik ueber die Zeit.
• Klare Definition, welche Intents priorisiert werden.
• Saubere Abbildung des Angebots im Profil, damit Maps die Relevanzsignale ueberhaupt lesen kann.
• Saubere Tracking-Basics, um Maps-Interaktionen als Teil der Nachfrage zu verstehen.

Die zentrale Idee bleibt: Sichtbarkeit ist nicht nur eine Rangzahl. Sie ist ein Zusammenspiel aus Coverage und Position - und sie haengt stark an der Suchabsicht. Genau deshalb lohnt sich ein Prozess, der Intents getrennt misst und optimiert, statt nur "Maps allgemein" zu verbessern.

Ist das ein Ranking fuer ganz Zürich?
Nein. Die Messung bezieht sich auf ein gemessenes Gebiet, das durch ein GeoGrid abgedeckt wird. Das Grid hat 7x7 Punkte mit einem Abstand von rund 0.64 km. Aussagen gelten fuer dieses Messgebiet und den Messzeitpunkt, nicht als allgemeines "Stadt-Ranking".

Warum reicht es nicht, einmal in Google Maps zu suchen?
Weil Maps standortabhaengig ist. Eine Suche von einem einzigen Ort zeigt nur einen Ausschnitt. Ein Venue kann in einem Teilbereich sehr gut ranken und in anderen Bereichen gar nicht erscheinen. Ohne Grid-Messung bleibt unklar, ob das Problem Coverage oder Position ist.

Was ist wichtiger - Bewertungen oder Kategorien?
Beides kann relevant sein, aber sie wirken auf unterschiedliche Weise. Bewertungen sind Teil der Prominenz und koennen die Position staerken. Kategorien, Menue und Profilstruktur sind starke Relevanzsignale, die mitentscheiden, ob ein Venue fuer einen bestimmten Intent ueberhaupt als Kandidat auftaucht. In der Praxis sieht man oft: Wenn Coverage der Engpass ist, helfen reine Review-Massnahmen alleine selten.

Warum rankt mein Restaurant bei "restaurant", aber nicht bei "brunch"?
Weil "brunch" ein anderer Intent ist. Google stellt fuer unterschiedliche Suchabsichten oft unterschiedliche Kandidatensets zusammen. Wenn Brunch relevant ist, muessen die Signale im Profil und im Angebot diesen Anlass klar tragen - sonst bleibt die Sichtbarkeit im brunch-Intent trotz guter generischer Sichtbarkeit gering.

Kann ich das selbst messen und optimieren?
Grundsaetzlich ja. Entscheidend ist saubere Methodik: gleiches Messgebiet, konsistente Messpunkte, klare Intents und eine klare Trennung von Coverage und Position. Ohne diese Struktur wird Optimierung schnell zum Trial-and-Error, weil man Schwankungen nicht von echten Effekten trennen kann.

Wie oft sollte man messen?
Das haengt von Wettbewerb und Saisonalitaet ab. Fuer Restaurants, bei denen Maps ein relevanter Akquisekanal ist, ist ein regelmaessiger Rhythmus sinnvoll, damit Intent Shift, neue Wettbewerber oder Profil-Aenderungen sichtbar werden. Wichtig ist weniger "so oft wie moeglich" als "konsistent und vergleichbar".

Ist das eine Bewertung der Qualitaet von Essen oder Service?
Nein. Gemessen wird Sichtbarkeit in Google Maps innerhalb eines Messgebiets und zu einem Zeitpunkt. Sichtbarkeit kann mit Qualitaet zusammenhaengen, ist aber keine direkte Qualitaetsbewertung.

Drei Punkte fassen diesen Benchmark am besten zusammen:

• Google Maps ist standortabhaengig. Wer nur von einem Ort testet, misst nicht die reale Sichtbarkeit im Markt.
• Intent veraendert das Wettbewerbsfeld. "restaurant" und "brunch" fuehren zu unterschiedlichen Sichtbarkeitsprofilen - und damit zu unterschiedlichen Chancen auf Discovery-Traffic.
• Sichtbarkeit ist zweidimensional. Coverage sagt, ob und wie breit man im Messgebiet auftaucht. Position sagt, wie hoch man rankt, wenn man auftaucht. Erst beides zusammen ergibt ein belastbares Bild.

Wenn Brunch oder andere Anlaesse ein relevanter Teil des Geschaefts sind, lohnt sich eine intent-basierte Sichtbarkeitsmessung. Sie zeigt, wo Nachfrage verloren geht, und macht Optimierung planbar - als einmaliger Audit fuer schnelle Klarheit oder als monatlicher Prozess, um Maps als Wachstums-Kanal zu betreiben.

Wenn du nicht nur ein Gefühl für deine Sichtbarkeit haben willst, sondern belastbare Entscheidungen treffen möchtest, lohnt sich ein datenbasierter Ansatz. Studio.351 arbeitet deshalb nicht mit Vermutungen, sondern mit Messung: Wir erfassen und analysieren die Ausgangslage in Google Maps innerhalb eines definierten Messgebiets und vergleichen Sichtbarkeit nach Suchintention, Coverage und Position. Auf dieser Basis leiten wir priorisierte Massnahmen ab und überprüfen deren Wirkung in Folgemessungen. So entsteht ein transparenter Verbesserungsprozess - nachvollziehbar, wiederholbar und ohne Optimierung "im Blindflug".

Dasselbe Vorgehen lässt sich auf beliebige relevante Suchbegriffe und Anlässe anwenden - nicht nur auf "restaurant" und "brunch". Je nach Angebot und Zielgruppe messen wir zum Beispiel auch Intents wie "sushi", "pizza", "vegan", "burger", "breakfast", "coffee", "take away" oder "delivery" und machen sichtbar, wo genau im Messgebiet Sichtbarkeit entsteht oder verloren geht. Damit wird Google Maps zu einem steuerbaren Kanal: Du siehst, welche Suchintents für dein Restaurant bereits funktionieren, wo die Lücken liegen und welche Massnahmen den grössten Effekt haben.