Zwei Fragen tauchen bei Shopbetreibern immer wieder auf. Erstens: „Wir nutzen bereits Search Console und Shop-Analysen, aber keines davon zeigt, was passiert, wenn jemand ChatGPT oder Gemini nach einer Produktempfehlung fragt.“ Zweitens, von einem Verkäufer, der einer Agentur beinahe $3,000 für ein Audit plus $400 monatlich für die weitere Beobachtung gezahlt hätte: Lohnt sich das?
Die beste Antwort auf die zweite Frage kam von einem anderen Verkäufer in derselben Diskussion: Wenn das Ergebnis ein Bericht ist, können Sie darauf verzichten, ob für £450 oder $3,000 — und dafür zu bezahlen, eine Zahl zu beobachten, bevor Sie etwas geändert haben, ist die falsche Reihenfolge. Hier ist also die Prüfung selbst. Wir haben sie auf drei Plattformen an uns selbst durchgeführt, und zwei Erkenntnisse haben unser Handeln verändert.
Schritt 1 — Schreiben Sie die Fragen auf, die Ihre Käufer wirklich stellen
Nicht „Ist meine Marke sichtbar?“. Zwanzig bis vierzig Fragen, so formuliert, wie Käufer sie vor dem Kauf eintippen: beste <Produktart> für <Anwendungsfall>, <Produktart>, die <wichtige Anforderung>, Alternativen zu <dem naheliegenden Mainstream-Produkt>. Nehmen Sie auch einige Fragen mit Markennamen auf — sie verhalten sich völlig anders, und dieser Unterschied erweist sich als wichtig.
Speichern Sie die Liste in einer Datei. Die Liste ist der wertvolle Bestand, denn Sie werden sie erneut durchlaufen.
Schritt 2 — Halten Sie fest, was Sie erhalten haben, nicht nur, ob Sie vorkamen
Stellen Sie jede Frage an ChatGPT und Gemini und erfassen Sie zu jeder Antwort vier Dinge: Wurden Sie erwähnt? Wurden Sie mit einem echten Link in den Quellen zitiert? Welche Wettbewerber erschienen in welcher Reihenfolge? Und welche URLs wurden überhaupt zitiert?
Erwähnt und zitiert zu werden ist nicht dasselbe, und die Lücke liefert den Ansatz zum Handeln. In unseren eigenen Läufen fanden wir Antworten, die unsere Positionierung fast wortwörtlich wiedergaben, uns aber nur allgemein beschrieben — ohne Markennamen, ohne Link. Das ist ein Problem des Quelltexts, nicht des Rankings. Kein Sichtbarkeitsdashboard hätte uns gesagt, welches von beiden vorlag.
Schritt 3 — Die Spalte, die Ihr Handeln verändert
In der vierten Spalte liegt der Wert. Als wir Kategoriefragen ohne Markenbezug auf drei Plattformen stellten, gingen sämtliche Quellenangaben an GitHub-Repositorys und Listenartikel Dritter — nicht an unsere Website. Fragen mit Markennamen verhielten sich anders und zitierten unsere eigenen Seiten.
Für einen Shop hat das zwei Folgen. Wenn Antworten ohne Markenbezug in Ihrer Kategorie Händlerübersichten, Marktplatz-Listings und Bewertungsseiten zitieren, verändert eine neue Startseite diese Antworten nicht; die maßgebliche Verbreitungseinheit ist das, was das Modell tatsächlich zitiert. Testen Sie die beiden Fragetypen außerdem getrennt. Mitteln Sie sie zu einem Sichtbarkeitswert, erhalten Sie eine Zahl, die sich aus Gründen bewegt, auf die Sie nicht gezielt reagieren können.
Schritt 4 — Korrigieren Sie die Quelle, nicht das Dashboard
Verkäufer berichten von zwei Fehlerarten, die sich beide an der Quelle beheben lassen.
Veraltete Fakten. Bei einem Verkäufer kam ein Kunde mit einem Preis, der seit der Shoperöffnung vor über einem Jahr nicht mehr galt. Ein anderer stellte fest, dass ChatGPT ein seit Monaten nicht mehr verkauftes Produkt empfahl; bei der Prüfung zeigten zwei weitere Modelle denselben eingestellten Artikel. Steht ein alter Preis oder ein nicht mehr verfügbares Produkt noch in einer zwischengespeicherten Seite, einem alten Beitrag oder einem Listing eines Dritten, wird genau das Ihren Kunden wiedergegeben.
Fehlende Vergleichsinhalte. Ein Modell, das „X vs. Y“ beantwortet, braucht etwas zum Zitieren. Hat niemand in Ihrer Kategorie einen ehrlichen Vergleich geschrieben, wird die Antwort aus den Quellen zusammengestellt, die einen geschrieben haben.
Die Maßnahmenliste lautet also: veraltete Fakten dort korrigieren, wo sie tatsächlich stehen, auch auf fremden Seiten; danach die fehlenden Vergleichs- oder Anwendungsinhalte dort erstellen, wohin die Quellenangaben tatsächlich führen. Warum eine Passage zitiert wird und eine andere nicht, erklärt unser Beitrag zur Zitierung durch ChatGPT.
Schritt 5 — Erneut messen, aber nicht nächste Woche
Für Modelle sichtbare Metadaten hinken stark hinterher. Bei unseren Prüfungen meldeten die Plattformen eine Sternezahl und ein Veröffentlichungsdatum, die Monate veraltet waren. Bewerten Sie eine Korrektur nicht innerhalb einer Woche nach der Umsetzung. Stellen Sie dieselbe Fragenliste nach einigen Wochen erneut und vergleichen Sie Erwähnungsrate, Zitierungsrate und Wettbewerberreihenfolge mit dem ersten Lauf — deshalb sollten Sie die Liste in Schritt 1 in einer Datei behalten.
Eine weitere Regel: Dies sind Stichproben, keine Messung. Antworten variieren zwischen Läufen. Wiederholen Sie daher jede Frage mindestens dreimal an verschiedenen Tagen, bevor Sie eine Veränderung für belastbar halten. Ein einzelner Lauf sagt fast nichts.
In Orkas ausführen
Orkas bringt einen integrierten SeoGeoAgent mit. Fragenliste, Aufzeichnungen jedes Laufs und Korrekturliste liegen in einem Projektordner. So kann der zweite Lauf mit dem ersten verglichen werden, statt neu anzufangen. Den umfassenderen Workflow — verfolgen, bei welchen Fragen Sie erscheinen, und Lücken in Seiten verwandeln — beschreibt der Anwendungsfall zur Sichtbarkeit in Suche und KI-Antworten.
Was Sie dadurch nicht erhalten
- Keine Traffic-Zahlen. Der Bericht zu generativer KI in Google Search Console hat keine API und zeigt strukturell nur Impressionen — daraus lässt sich keine KI-Klickrate berechnen.
- Keinen tatsächlichen Wettbewerberanteil. Sie nehmen Stichproben von Antworten, statt eine Grundgesamtheit zu messen.
- Keine Garantie, dass eine Korrektur übernommen wird. Manche zitierten Quellen liegen vollständig außerhalb Ihrer Kontrolle.