Kennzahlen zur KI-Sichtbarkeit in der Suche: Ein Praxisleitfaden zur Messung

Erstellen Sie ein Fragenset, das Sie wiederverwenden können

Beginnen Sie mit Fragen, die potenzielle Käufer stellen könnten, bevor sie Ihre Marke kennen. Gruppieren Sie sie nach Absicht, etwa Recherche zu einer Produktkategorie, Problemlösung, Vergleiche, Umsetzung und gezielte Fragen zur Marke. Führen Sie Fragen mit Markennamen in einer eigenen Gruppe, damit sie das Ergebnis für Fragen ohne Markennamen nicht künstlich erhöhen.

Eine allgemeingültige Mischung von Fragetypen gibt es nicht. Ein lokaler Dienstleister, ein Softwareanbieter und ein Onlineshop haben unterschiedliche Kaufprozesse. Dokumentieren Sie, warum jede Frage enthalten ist, für wen sie steht und welchen Markt oder welche Sprache sie abdeckt.

Ändern Sie das Set während eines Berichtszeitraums nicht. Wenn Sie Fragen hinzufügen oder entfernen, weisen Sie die Änderung aus, statt den neuen Score direkt mit dem alten zu vergleichen.

Bewahren Sie für jeden Durchlauf den genauen Wortlaut der Frage, die ausgegebene Antwort, die zitierten URLs, das KI-Antwortsystem, das Datum, den Standort, den Kontostatus und, sofern die Oberfläche es anzeigt, das Modell oder den Produktmodus auf. Führen Sie dasselbe Set mehrfach aus, wenn das Budget es zulässt. Antworten von Assistenten können sich zwischen Durchläufen ändern.

Eine einzelne Antwort ist daher eine Beobachtung, keine stabile Platzierung.

Nutzen Sie eine einfache Abfolge zur Diagnose:

1. Wurde die Marke genannt?
2. Wurde ihre eigene Domain zitiert?
3. Hat die zitierte Seite die Aussage belegt?
4. Waren die Angaben zur Marke korrekt und aktuell?
5. Folgte ein messbarer Besuch oder eine Conversion?

Jede Frage weist auf ein anderes Problem hin. Wenige Nennungen können auf eine geringe Relevanz für die Produktkategorie hindeuten. Bei Nennungen ohne Quellenverweise sollten Sie die Quellenlage prüfen.

Fehlerhafte oder nicht belegte Quellenverweise erfordern eine Prüfung der Seiten und Aussagen. Besuche ohne nennenswerte Ergebnisse deuten auf ein Problem bei der Analyse oder Conversion hin.

Verwenden Sie Kennzahlen mit klaren Definitionen

Ein praxisnaher Bericht braucht keine vierzehn Kennzahlen, die sich überschneiden. Beginnen Sie mit Kennzahlen, die Ihr Team berechnen und überprüfen kann:

• Abdeckung des Fragensets: abgeschlossene gültige Durchläufe geteilt durch geplante Durchläufe.
• Markennennungsrate: gültige Antworten mit einer Nennung der Marke geteilt durch gültige Antworten derselben Fragengruppe.
• Domain-Zitierungsrate: gültige Antworten mit einem Verweis auf die Domain der Marke geteilt durch gültige Antworten derselben Gruppe.
• Rate belegter Quellenverweise: geprüfte Quellenverweise, deren Zielseite die zugehörige Aussage belegt, geteilt durch alle geprüften Quellenverweise.
• Rate sachlich richtiger Angaben: überprüfte Aussagen zur Marke, die als korrekt und aktuell bewertet wurden, geteilt durch alle überprüften Aussagen.
• Verteilung zitierter URLs: die Seiten und Seitentypen, die in Quellenverweisen erscheinen.
• Unterschiede zwischen KI-Antwortsystemen: die Unterschiede zwischen vergleichbaren Beobachtungen aus den einzelnen Systemen. Beschreiben Sie diese nur, sofern Stichprobe und Methode keine statistische Analyse rechtfertigen.
• Besuche über KI-Quellen: Besuche, die in der Webanalyse einem Assistenten oder einer KI-Suche zugeordnet werden. Bei manchen Besuchen fehlen Verweisdaten oder sie sind unvollständig.
• Zugeordnete Geschäftsergebnisse: Leads, Registrierungen, Käufe oder andere ausgewählte Ereignisse aus zugeordneten Besuchen. Geben Sie Attributionszeitraum und Attributionsmodell an.

Machen Sie die Bezugsgrößen sichtbar. Eine Zitierungsrate auf Basis von sechs verwertbaren Antworten sollte nicht so verlässlich wirken wie eine Rate aus einer größeren, wiederholt erhobenen Stichprobe. Unterscheiden Sie außerdem zwischen einer Markennennung und einem Link zur Domain der Marke.

Das eine belegt nicht das andere.

Vermeiden Sie einen einzigen zusammengesetzten Score, es sei denn, die Gewichtung ist dokumentiert und für eine konkrete Entscheidung hilfreich. Solche Scores können genau das Problem verdecken, das Ihr Team beheben muss.

Prüfen Sie Quellenverweise und technische Voraussetzungen

Öffnen Sie jeden Quellenverweis in einer überschaubaren Stichprobe und halten Sie drei Ergebnisse fest: ob die URL funktioniert, ob die Seite die Aussage belegt und ob die Informationen aktuell sind. Markieren Sie unklare Fälle für eine zweite Prüfung. Ein funktionierender Link beweist nicht, dass die Antwort die Quelle richtig wiedergibt.

Pflegen Sie ein kurzes Faktenblatt für Angaben, die Assistenten häufig falsch wiedergeben, etwa aktuelle Produktnamen, den Ort der Preisseite, unterstützte Regionen, Kontaktdaten und das Datum geltender Richtlinien. Bewerten Sie nur Fakten, die sich anhand einer benannten Quelle überprüfen lassen. Füllen Sie Lücken nicht mit Annahmen.

Richten Sie technische Prüfungen nach den veröffentlichten Anforderungen der jeweiligen Plattform aus. Laut Google müssen Seiten indexiert und für die Anzeige eines Suchergebnisauszugs geeignet sein, damit sie in den KI-Suchfunktionen von Google als unterstützende Links erscheinen können. Laut den Google-Richtlinien ist dafür kein spezielles KI-Markup erforderlich.

Die Hinweise von OpenAI für Publisher erklären, wie OAI-SearchBot die Auffindbarkeit für die ChatGPT-Suche unabhängig von den Einstellungen für das Training mit GPTBot steuert.

Prüfen Sie robots-Anweisungen, Indexierbarkeit, kanonische URLs, Serverantworten, sichtbare Seiteninhalte und interne Links. Verwenden Sie strukturierte Daten nur, wenn sie mit den für Leser sichtbaren Inhalten übereinstimmen und die einschlägigen Suchrichtlinien erfüllen. Diese Prüfungen verbessern die technischen Voraussetzungen und die Klarheit der Inhalte.

Sie garantieren weder die Aufnahme noch einen Quellenverweis.

Wählen Sie Tools nach ihrer Methode aus, nicht nach ihrem Score

Die Abdeckung und Funktionsweise von Tools ändern sich schnell. Prüfen Sie das aktuelle Produkt, statt sich auf eine alte Vergleichstabelle zu verlassen. Lassen Sie sich von jedem Anbieter zeigen:

• welche KI-Antwortsysteme, Märkte, Sprachen und Produktmodi abgedeckt sind;
• wie Fragen zeitlich eingeplant werden und ob wiederholte Durchläufe möglich sind;
• welche Originalantworten und Quellenverweise hinter den einzelnen Scores stehen;
• wie fehlgeschlagene Durchläufe, fehlende Quellenverweise und doppelte Quellen behandelt werden;
• ob sich Ergebnisse mit Zeitstempeln und Versionen der Fragen exportieren lassen;
• was sich ändert, wenn ein KI-Antwortsystem sein Modell oder seine Oberfläche aktualisiert;
• welche aktuellen Bedingungen für Datenspeicherung, Datenschutz und Abrechnung gelten.

Führen Sie vor einer Entscheidung einen kleinen Praxistest durch. Geben Sie jedem Tool dasselbe Fragenset und prüfen Sie eine Stichprobe der gespeicherten Antworten und Links manuell. Wenn die Plattform nur einen Score ohne die zugrunde liegenden Belege anzeigt, lässt sich das Ergebnis schwer überprüfen und taugt wenig als Entscheidungsgrundlage.

Für eine erste Bestandsaufnahme reicht eine Tabelle. Automatisierung wird dann nützlich, wenn sie die Originalbelege bewahrt, die Methode zuverlässig wiederholt und den Erfassungsaufwand senkt, ohne Fehler zu verbergen. Planen Sie auch bei automatisierter Erfassung Zeit für die manuelle Prüfung von Quellenverweisen und Fakten ein.

Bewerten Sie Unterschiede zwischen KI-Antwortsystemen mit Bedacht

Verschiedene Assistenten können unterschiedliche Antworten liefern, weil sich ihre Systeme zum Abruf von Informationen, Indizes, Oberflächen, Modelle, Personalisierung und Verfügbarkeit der Suche unterscheiden. Nehmen Sie solche Unterschiede zum Anlass, die Belege zu prüfen. Sie beweisen nicht, dass ein KI-Antwortsystem einen bestimmten Quellentyp dauerhaft bevorzugt.

Vergleichen Sie Gleiches mit Gleichem. Verwenden Sie nach Möglichkeit denselben Wortlaut der Fragen, denselben Markt, dieselbe Sprache, denselben Zeitraum und denselben Anmeldestatus. Berichten Sie zunächst für jedes KI-Antwortsystem getrennt, bevor Sie ein Gesamtergebnis zeigen.

Wenn ein Produkt zu einer Antwort keine Quellenverweise liefert, halten Sie das fest, statt zu raten, welche Quelle die Antwort beeinflusst hat.

Branchenbenchmarks können Anregungen für Fragen liefern, ersetzen aber keine eigene Ausgangsmessung. Prüfen Sie vor ihrer Verwendung das Fragenset, die Erhebungsdaten, die Auswahl der Stichprobe, die geografische Abdeckung, die Konfiguration der KI-Antwortsysteme und die Definition einer Nennung oder eines Quellenverweises. Scores verschiedener Anbieter sind nicht direkt vergleichbar, wenn sich die Methoden unterscheiden.

Wenn sich ein Ergebnis verändert, sehen Sie sich die zugrunde liegenden Antworten und zitierten URLs an. Eine höhere Markennennungsrate kann weiterhin falsche Aussagen enthalten. Eine niedrigere Zitierungsrate kann auf eine geänderte Oberfläche, einen fehlgeschlagenen Erfassungsdurchlauf oder eine tatsächliche Verschiebung der Quellen zurückgehen.

Anhand der Originalbelege erkennen Sie, welche Erklärung plausibel ist.

Verknüpfen Sie Sichtbarkeit mit Entscheidungen, ohne Kausalität zu behaupten

Eine Nennung liefert nützlichen Kontext zur Präsenz Ihrer Marke. Sie beweist aber weder Autorität noch Besuche oder Umsatz. Ein Quellenverweis ist ein stärkerer Beleg dafür, dass eine Seite als Quelle angezeigt wurde. Auch er beweist nicht, dass jemand geklickt oder eine Conversion ausgelöst hat.

Erfassen Sie in Ihrer Webanalyse Besuche, bei denen eine erkennbare KI-Quelle als Herkunft angegeben ist. Verknüpfen Sie damit dieselben Lead-, Registrierungs- oder Kaufereignisse, die Sie auch für andere Kanäle verwenden. Dokumentieren Sie Attributionsmodell und Attributionszeitraum.

Manche Nutzer kehren über direkte Zugriffe oder einen anderen Kanal zurück, und manche Assistenten übermitteln keine verwertbaren Verweisdaten. Die ausgewiesenen Besuche über KI-Quellen sind deshalb nur der beobachtbare Teil, keine vollständige Zählung.

Halten Sie bei Änderungen an Inhalten oder der technischen Einrichtung das Datum fest und lassen Sie das Fragenset unverändert. Vergleichen Sie die Beobachtungen vor und nach der Änderung. Prüfen Sie dann, ob Produktupdates, saisonale Effekte, Kampagnen oder andere Ursachen infrage kommen.

Bezeichnen Sie eine Korrelation als Korrelation. Ein kontrolliertes Experiment kann eine stärkere Schlussfolgerung stützen, ein Trend im Dashboard allein nicht.

Am Ende des Berichts sollten Maßnahmen stehen, die sich aus den Belegen ergeben. Reparieren Sie fehlerhafte Seiten, korrigieren Sie unbelegte Aussagen, aktualisieren Sie veraltete Fakten, verbessern Sie Seiten, die bereits relevante Quellenverweise erhalten, und untersuchen Sie Fragengruppen mit wiederholt falschen Angaben. Versprechen Sie keine höhere Zitierungsrate.

Messen Sie die nächste Stichprobe und zeigen Sie, was sich verändert hat.