Google-Maps-Leadpotenzial nach Kategorie 2026
Bei der Google-Maps-Prospektion ist die Kategorienwahl oft wichtiger als die Listengröße. Tausend gemischte Unternehmen können weniger relevante Chancen enthalten als ein sauber definiertes Segment mit fünfzig Profilen. Um diese Auswahl datenbasiert zu unterstützen, haben wir beobachtbare Lücken in 3.147 lokalen Unternehmensprofilen aus 253 exakten Kategoriebezeichnungen bewertet.
Der offene Kategorien-Datensatz enthält die 33 Kategorien mit mindestens zehn erfassten Profilen. Er zeigt fehlende Website-Links, fehlende Telefonnummern, das gemeinsame Fehlen beider Felder, Profile ohne Bewertungen und den berechneten Lückenscore. Unsere Datenstudie zu Unternehmen ohne Website erläutert die Grenzen des Website-Feldes genauer.
Höchste beobachtete Scores
| Kategorie | Stichprobe | Website-Lücke | Telefon-Lücke | Null Bewertungen | Score |
|---|---|---|---|---|---|
| Frühstücksrestaurant | 18 | 72,2 % | 5,6 % | 27,8 % | 41,1 |
| Familienrestaurant | 35 | 65,7 % | 28,6 % | 11,4 % | 40,6 |
| Bar & Grill | 15 | 60,0 % | 20,0 % | 13,3 % | 35,3 |
| Arzt | 13 | 53,8 % | 0,0 % | 23,1 % | 30,0 |
| Fast-Food-Restaurant | 39 | 43,6 % | 12,8 % | 25,6 % | 29,1 |
Das ist keine Rangliste kommerzieller Attraktivität. Mehrere führende Kategorien haben kleine Stichproben, und der Gesamtdatensatz ist stark von Gastronomie und Zahnmedizin geprägt. Ein hoher Score bedeutet lediglich, dass die gewählte Formel mehr unvollständige Felder beobachtet. Er bedeutet weder schlechte Unternehmen noch leicht zu gewinnende Kunden.
Berechnung des Scores
Der Score kombiniert vier Anteile auf einer Skala von 0 bis 100:
- 45 % Website-Link-Lücke
- 15 % Telefon-Lücke
- 15 % gleichzeitiges Fehlen von Website und Telefon
- 25 % Anteil der Profile ohne Bewertungen
Die Gewichte spiegeln typische Recherchefragen wider. Website-Lücken können für digitale Dienstleistungen relevant sein, Kontaktlücken erhöhen den Prüfaufwand und null Bewertungen können ein Signal für die Profilreife sein. Entscheidend ist, dass die Gewichtung sichtbar bleibt und andere Teams sie verändern können.
Ein Callcenter würde der Telefonnummer mehr Gewicht geben. Eine Webagentur könnte den Status einer eigenen Domain priorisieren. Eine Reputationsberatung könnte die Medianzahl der Bewertungen statt der Nullgrenze nutzen. Die Komponenten im CSV erlauben alle diese Varianten.
Erst Stichprobengröße, dann Score
Bei zehn Profilen verändern zwei weitere Treffer den Prozentsatz deutlich. Eine Kategorie mit 949 Profilen ist stabiler, kann aber weiterhin durch Länder- und Stadtkonzentration verzerrt sein. Lesen Sie deshalb immer sample_size, bevor Sie den Score interpretieren.
Kleine Kategorien eignen sich zur Exploration, große eher zur Planung. Bei einem kleinen Segment sollte jeder Datensatz manuell geprüft werden. Bei einer großen Kategorie empfiehlt sich eine Aufteilung nach Land oder Stadt. Kein Kategorienanteil sollte ohne Nenner veröffentlicht werden.
Aus dem Label eine prüfbare Hypothese machen
Die exakte Maps-Kategorie beginnt die Analyse, beendet sie aber nicht. Zwei Unternehmen derselben Kategorie können sich in Größe, Geschäftsmodell und digitaler Reife stark unterscheiden. Formulieren Sie eine Hypothese wie:
Unabhängige Familienrestaurants in Stadt X mit Telefonnummer, ohne erkennbare eigene Website und mit mindestens 20 Bewertungen könnten für eine Direktbestell-Landingpage geeignet sein.
Diese Aussage definiert Region, beobachtbare Filter und Angebot. Sie ist besser prüfbar als „Restaurants brauchen Websites“ und kann nach einem kleinen Test verworfen werden.
Google empfiehlt Kategorien, die beschreiben, was ein Unternehmen ist, statt jede angebotene Leistung aufzulisten. Die offizielle Kategorien-Anleitung für Unternehmensprofile hilft bei der Interpretation von Haupt- und Zusatzkategorien.
Vierstufige Qualifikation
Beobachtbare Filter
Filtern Sie nach Kategorie, Standort, Website-Feld, Telefon, Bewertung und Bewertungszahl. Bewahren Sie Quell-URL und Erfassungsdatum auf.
Identitäts- und Dublettenprüfung
Normalisieren Sie Namen, Telefone und Domains. Filialen einer Marke können gültige eigene Datensätze sein; Schreibvarianten desselben Standorts sind es meist nicht.
Manuelle Kontextprüfung
Öffnen Sie Profil und Zielseite. Prüfen Sie, ob die Lücke real und das Angebot sinnvoll ist. Ein Social-first-Modell kann beabsichtigt sein; eine Franchise-Filiale besitzt möglicherweise keine Kaufentscheidung.
Ergebnismessung
Messen Sie geprüfte Passung, Antworten und qualifizierte Gespräche nach Kategorie. Liefert eine hoch bewertete Kategorie schlechte Gespräche, kann die kommerzielle Hypothese falsch sein.
Fazit
Kategorienwahl ist eine Modellierungsentscheidung. In dieser Stichprobe unterscheiden sich beobachtbare Lücken deutlich, doch kleine Nenner und konzentrierte Erhebung verlangen Zurückhaltung. Nutzen Sie den Score, um die nächste Prüfung zu wählen, und validieren Sie das Segment anschließend mit aktuellen Profilen, manueller Kontrolle und echten Kampagnenergebnissen.