KI-Sichtbarkeit für Onlineshops messen

Was bedeutet KI Sichtbarkeit

KI-Sichtbarkeit beschreibt, ob und wie dein Shop, deine Marke oder deine Produkte in den untersuchten KI-Antworten vorkommen. Die Messung bezieht sich auf bestimmte Fragen, Systeme, Länder und Zeiträume. Sie zeigt einen Ausschnitt möglicher Antworten und misst nicht die gesamte Nachfrage nach deinen Produkten.

Vier Beobachtungen solltest du auseinanderhalten:

Eine Erwähnung kann ohne Link stattfinden. Ein Quellenlink kann ohne ausdrückliche Produktempfehlung erscheinen. Und ein sichtbarer Link führt nicht zwangsläufig zu einem Klick oder Kauf.

Schritt 1 Relevante Kauffragen festlegen

Beginne mit Fragen, die deine Kunden bei der Auswahl tatsächlich stellen. Nutze Kundenservice, Beratungsgespräche, interne Suche und vorhandene Suchanfragen als Ausgangspunkt. Reine Fragen nach deiner Marke misst du separat von Fragen, in denen Nutzer noch keinen Anbieter kennen.

Ein illustratives Beispiel für einen Shop mit Laufschuhen:

Das ist ein fiktives Beispiel. Dein tatsächliches Set leitest du aus deinem Sortiment und den Entscheidungen deiner Kunden ab. Halte Wortlaut, Sprache, Land und Produktbezug fest. Wenn bereits ein Fragenset und eine Messhistorie existieren, verwendest du sie weiter und dokumentierst notwendige Änderungen als neue Version.

Schritt 2 Unter vergleichbaren Bedingungen prüfen

Lege vor dem Start fest, welche KI-Systeme du beobachtest und wie häufig du die Fragen prüfst. Eine Ausgangsbeobachtung über etwa 14 Tage kann helfen, Schwankungen besser einzuordnen. Die passende Dauer hängt von Messfrequenz und Datenlage ab; sie ist keine Garantie für statistische Sicherheit.

Speichere je Frage Datum, System, Antwortzustand, Markennennung und Quellenlinks. Prüfe zusätzlich, ob Produktdetails korrekt sind. Bei manuellen Tests dokumentierst du, ob du angemeldet warst und welche Einstellungen du verwendet hast. Spezialisierte Tools wie Otterly können die wiederkehrende Erhebung unterstützen. Ihre Kennzahlendefinitionen und Ausfälle musst du trotzdem prüfen.

Eine fehlgeschlagene Abfrage zählt nicht als Antwort, in der deine Marke fehlt. Auch eine Antwort ohne Quellenlinks ist ein eigener Befund. Sie darf nicht nachträglich in einen technisch fehlgeschlagenen Test umgedeutet werden.

Schritt 3 Kennzahlen eindeutig definieren

Lege fest, ob du einzelne Antworten oder unterschiedliche Fragen zählst. Sonst können zwei Berichte denselben Begriff verwenden und trotzdem verschiedene Werte zeigen.

Für eine eigene Auswertung auf Antwortebene sind folgende Definitionen möglich:

Fiktives Rechenbeispiel: Du planst 100 Antwortprüfungen. Zehn schlagen technisch fehl; 90 Antworten lassen sich auswerten. In 18 Antworten wird deine Marke genannt, neun Antworten enthalten einen Link zu deinem Shop. Damit beträgt die Erwähnungsrate 20 Prozent, die Quellenrate 10 Prozent und die Messabdeckung 90 Prozent. Dieses Beispiel sind keine tzn- oder Kundendaten.

Der Share of Voice braucht zusätzlich eine definierte Vergleichsgruppe und Zählweise. Manche Auswertungen zählen Markennennungen, andere Antworten mit einer Marke. Verwende bei Anbieterberichten deren dokumentierte Definition. Vergleiche Prozentwerte erst, wenn Fragen, Systeme und Nenner zusammenpassen.

Schritt 4 Quellen und Lücken untersuchen

Schau dir die Antworten an, in denen deine Marke fehlt. Welche Seiten werden dort als Quellen verwendet? Beantworten sie die Frage mit einer Anleitung, einem Vergleich oder konkreten Produktinformationen? Prüfe dann, ob deine eigene Seite diese Frage tatsächlich beantwortet und ob wichtige Angaben aktuell, nachvollziehbar und zugänglich sind.

Eine häufig zitierte Seite liefert einen Ansatzpunkt für die Inhaltsanalyse. Sie beweist nicht, welcher einzelne Faktor die Quellenwahl verursacht hat. Entscheide deshalb anhand der Nutzerfrage, welche Informationen du verbessern solltest, und dokumentiere die betroffene URL und den Änderungstag.

Schritt 5 Sichtbarkeit und Websitebesuche verbinden

Web-Analytics wie GA4 kann Besuche aus erkennbaren KI-Referrals zeigen. Diese Daten bilden nur den Teil ab, dessen Herkunft und Messung verfügbar sind. Direct-Verkehr darfst du nicht pauschal als KI-Verkehr behandeln.

Google Search Console zeigt Suchklicks und Impressionen. Google erfasst Auftritte in AI Overviews und AI Mode gemeinsam mit anderem Web-Suchverkehr. Die Gesamtklicks sind deshalb kein separater Nachweis für KI-Suchklicks. Quelle: Google Search Central.

Bezahlte ChatGPT-Anzeigen führst du getrennt von organischen KI-Antworten. Prüfe Herkunft, Medium und Kampagne und schließe bekannte Trackingtests aus deiner Produktionsauswertung aus. Bei mehreren Domains in einer Analytics-Property grenzt du den betrachteten Shop beziehungsweise Hostnamen ausdrücklich ab.

Schritt 6 Echte Geschäftsergebnisse prüfen

Eine erfasste Conversion ist ein Trackingereignis. Ob dahinter eine echte Anfrage, ein bestätigter Termin oder ein Kauf steht, prüfst du mit dem tatsächlichen Geschäftsprozess. Berücksichtige Tests, Mehrfachauslösungen und die gewählte Attribution.

Steigen gleichzeitig KI-Erwähnungen und Umsatz, ist das ein Anlass zur Untersuchung. Es beweist allein noch nicht, dass die Inhaltsänderung den zusätzlichen Umsatz verursacht hat. Halte deshalb Sichtbarkeit, Besuche und Geschäftsergebnisse im Bericht getrennt sichtbar.

Checkliste für deine nächste Auswertung

• Fragenset, Sprache, Land und Systeme sind dokumentiert.
• Markenfragen und Fragen ohne vorgegebenen Anbieter werden getrennt ausgewertet.
• Erfolgreiche Antworten und technische Ausfälle sind unterscheidbar.
• Kennzahlen besitzen einen klaren Zähler und Nenner.
• Quellenlinks und Produktangaben wurden geprüft.
• KI-Referrals, organische Suche, Anzeigen und Trackingtests sind getrennt.
• Anfragen, Termine und Käufe wurden mit realen Ergebnissen abgeglichen.
• Vergleichszeiträume und Veröffentlichungsdaten sind nachvollziehbar.

Häufige Fragen

Reicht eine einzelne Frage an ChatGPT?

Sie liefert eine Stichprobe. Für eine vergleichbare Beobachtung brauchst du mehrere passende Fragen und wiederholte Prüfungen unter dokumentierten Bedingungen.

Warum nennt die KI meine Marke, verlinkt aber meinen Shop nicht?

Eine Markennennung und ein Quellenlink sind unterschiedliche Beobachtungen. Prüfe die jeweilige Antwort und die tatsächlich verlinkten Quellen. Eine Nennung allein lässt keinen Websitebesuch erwarten.

Brauche ich ein neues Fragenset für jede Auswertung?

Ein konstantes Set erleichtert Vergleiche. Ergänzungen können sinnvoll sein, müssen aber nachvollziehbar versioniert werden. Sonst lässt sich eine Veränderung im Bericht nicht sauber von einer Veränderung der Messung unterscheiden.

Wie oft sollte ich nach einer Inhaltsänderung prüfen?

Dokumentiere zuerst den tatsächlichen Veröffentlichungstag. Kontrollen nach 14 und 28 Tagen können erste Beobachtungen liefern. Ob diese aussagekräftig sind, hängt von Datenmenge, Messabdeckung und Änderungen im Umfeld ab.

Nächster Schritt für deinen Shop

Wenn du deine Ausgangslage prüfen und passende Maßnahmen ableiten möchtest, lerne unsere AI-Commerce-Leistungen für Onlineshops kennen. Die KI-Produktdatenoptimierung erklärt die Datenbasis; die GEO-Grundlagen ordnen den Optimierungsansatz ein.

AI-Commerce-Ausgangsanalyse anfragen →