GEOly: Marken-Sichtbarkeit in der generativen Suche verstehen und verbessern

GEOly hilft Teams zu beobachten, wie generative KI eine Marke erwähnt, zitiert, vergleicht und empfiehlt – und diese Beobachtungen in priorisierte Maßnahmen zu überführen.

Was GEOly beantwortet

Klassische SEO-Rankings zeigen nicht vollständig, wie ChatGPT, Gemini, Perplexity, Grok oder Google AI eine Marke beschreiben. GEOly bündelt die Beobachtung von Markenpräsenz, Quellen, Wettbewerbern, Themen, Produktempfehlungen und Stimmung in einem gemeinsamen Arbeitsablauf.

Typische Fragen sind:

• Wird die Marke in KI-Antworten erwähnt – und in welchem Kontext?
• In welchen Themen, Prompts und KI-Plattformen ist die Sichtbarkeit stark oder schwach?
• Welche eigenen, fremden oder konkurrierenden Quellen stützen KI-Antworten?
• Welche Nachfragethemen, Sucherweiterungen und Produktempfehlungen zeigt der öffentliche Markt?
• Welche Erkenntnisse sollten zu Content-, PR-, Produktdaten- oder Website-Aufgaben werden?

1. Datenbereiche richtig einordnen

GEOly trennt zwei Datenbereiche, die nicht miteinander verwechselt werden dürfen.

Eine Marken-Nennung, Produktkarte oder Kanalquote in öffentlichen Daten ist kein Beleg für Werbeausgaben, Impressionen, Verkäufe, Bestand oder Conversion. Umgekehrt ist AIGVR aus dem eigenen Monitoring nicht mit öffentlichem Marktvolumen gleichzusetzen.

2. Konto, Marke und Monitoring-Umfang einrichten

Bevor Kennzahlen interpretiert werden, sollte der Monitoring-Umfang klar definiert sein. GEOly kann nur Antworten und Quellen im konfigurierten Umfang auswerten.

Marke und Domain festlegen

Hinterlegen Sie die zu beobachtende Marke, die relevante Domain und gegebenenfalls eindeutige Namensvarianten. Das erleichtert die Trennung zwischen einer tatsächlichen Markennennung und gleichlautenden Begriffen. Ergänzen Sie Wettbewerber nur dann, wenn sie für die Entscheidungssituation relevant sind; ein Wettbewerbsvergleich ist kein automatisches Discovery-Verfahren für jede Marke im Markt.

Märkte, Topics und Prompts priorisieren

Definieren Sie Land, Sprache und Themenkontext passend zum Markt. Beginnen Sie nicht mit einer langen, ungeprüften Liste, sondern mit Fragen, die eine konkrete Geschäftsentscheidung unterstützen:

• Wie wird die Marke bei einer Kategorie- oder Kaufberatung beschrieben?
• Wird sie bei einem Produktvergleich genannt oder übergangen?
• Welche Einwände, Funktionen oder Anwendungsfälle prägen die KI-Antwort?
• Zitiert die Antwort eine eigene Seite, eine Drittquelle oder einen Wettbewerber?

Ordnen Sie Prompts nach Topic, Priorität und Intent. So lassen sich Ergebnisse später nicht nur als Gesamtwert, sondern als Muster je Entscheidungssituation lesen.

Datenbasis vor jeder Auswertung prüfen

Kontrollieren Sie vor einem Vergleich immer Zeitraum, Plattform, Markt und die Zahl abgeschlossener Ausführungen. Unterschiedliche Prompt-Mengen oder fehlende Ausführungen können eine Veränderung erklären. Erst nach dieser Prüfung sollte eine Sichtbarkeitsänderung in eine inhaltliche oder operative Hypothese übersetzt werden.

3. Empfohlener Arbeitsablauf

1. Marke und Markt konfigurieren: Domain, Markenname, Länder, Sprachen und Monitoring-Umfang festlegen.
2. Topics und Prompts strukturieren: Fragen zu Marke, Vergleich, Anwendungsfall, Problem, Kaufentscheidung und Quellen abbilden.
3. Monitoring prüfen: Antworten, Nennungen, Position und Zitate pro Prompt und Plattform überprüfen.
4. Analysis auswerten: Veränderungen nach Zeitraum, Topic und KI-Plattform vergleichen.
5. Citations und Sentiment vertiefen: Quellen, URLs und die Art der Markenbeschreibung prüfen.
6. Explore, AI Search und Shopping nutzen: öffentliche Nachfrage-, Such-, Wettbewerbs- und Produktsignale recherchieren.
7. Erkenntnisse operationalisieren: über Agent, Berichte und Team-Workflows in Hypothesen und Aufgaben überführen.

4. Dashboard, Monitoring und Analysis: eigene Sichtbarkeit messen

Kernsignale im Dashboard

• AIGVR (AI-Generated Visibility Rating): GEOlys Sichtbarkeitsscore von 0 bis 100. Er kombiniert, ob die Marke erwähnt wird, wo sie in der KI-Antwort erscheint, wie oft sie genannt wird und ob eine markeneigene URL zitiert wird. Sentiment wird separat analysiert.
• Mention Rate: Anteil abgeschlossener Monitoring-Datensätze, in denen die Marke erwähnt wird.
• Citation Rate: Anteil abgeschlossener Datensätze, in denen KI eine markeneigene URL zitiert. Dieser Wert ist nicht mit allgemeinen Nennungen oder der Anzahl fremder Zitat-URLs gleichzusetzen.
• Plattformvergleich: Unterschiede zwischen unterstützten Plattformen wie ChatGPT, Gemini, Perplexity, Grok und Google AI prüfen.

Was in Monitoring geprüft wird

Monitoring zeigt die Antworten zu den eingerichteten Prompts und die zugehörigen Ausführungsdaten.

• Wurde die Marke erwähnt?
• Welche Position, Nennungshäufigkeit und Zitate sind sichtbar?
• Wie unterscheiden sich Antworten derselben Frage nach KI-Plattform?
• Wie viele Datensätze wurden abgeschlossen und wo bestehen zeitliche Lücken?
• In welchem Kontext werden Wettbewerber erwähnt?

Ein fehlender Datenpunkt bedeutet nicht automatisch Sichtbarkeit null. Prüfen Sie immer den Ausführungsstatus, die Zahl abgeschlossener Datensätze und den gewählten Umfang.

Ergebnisse in Analysis interpretieren

Analysis hilft, Themen, Prompts und Plattformen gegeneinander zu lesen.

• Starke Topics: Bereiche, in denen die Marke bereits sichtbar oder positiv beschrieben wird.
• Chancen-Topics: wichtige Bereiche mit geringer Markenpräsenz oder stärkerer Konkurrenz.
• Plattformlücken: KI-Kanäle, in denen dieselbe Frage schwächer beantwortet wird.
• SoM (Share of Model): ein relativer Vergleich mit beobachteten Wettbewerbern; SoM ist nicht identisch mit AIGVR.

Die Signale zeigen, was untersucht werden sollte; sie beweisen keine Ursache. Bei operativen Entscheidungen sollten sie mit First-Party-Daten zu Traffic, Umsatz und Conversion abgeglichen werden.

5. Prompt-Research und Citation-Monitoring: von der Frage zur überprüfbaren Quellenhypothese

Prompts als Entscheidungs-Szenarien gestalten

Gute Prompts bilden nicht nur Markenname-Suchen ab. Sie erfassen die Fragen, bei denen Menschen KI tatsächlich um Orientierung bitten. Typische Gruppen sind:

• Markenverständnis: Was ist die Marke, für wen ist sie geeignet und welche Eigenschaften werden ihr zugeschrieben?
• Kaufentscheidung: Welche Produkte oder Anbieter empfiehlt die KI für einen Zweck, ein Budget oder eine Einschränkung?
• Vergleich: Wie grenzt die KI die Marke von beobachteten Wettbewerbern ab?
• Problem und Anwendung: Welche Lösung nennt die KI bei einem konkreten Bedarf?
• Quellenfokus: Welche Antworten nennen oder zitieren eine eigene Landingpage, Produktseite oder Redaktion?

Erweitern Sie einen Prompt erst, wenn klar ist, welche Entscheidung oder Hypothese er abdecken soll. Viele ähnliche Prompts ohne Priorisierung erschweren die Interpretation und machen Trendvergleiche weniger belastbar.

Ausführungsprotokolle und Antwortvergleich

Für einen einzelnen Prompt können die Antworten und Signale nach KI-Plattform verglichen werden. Prüfen Sie dabei nicht nur die Kennzahl, sondern auch:

1. den tatsächlichen Antworttext und den Kontext der Nennung;
2. Position, Häufigkeit und Art der Markenerwähnung;
3. ob eine URL zitiert wird und wem diese Quelle gehört;
4. ob die Plattform die Antwort aus einem abweichenden Quellenmix aufbaut;
5. ob ausreichend abgeschlossene Datensätze für einen Vergleich vorhanden sind.

Eine KI-Antwort kann die Marke nennen, ohne eine eigene Seite zu zitieren. Umgekehrt kann eine eigene URL zitiert werden, ohne dass die Marke im gewünschten Empfehlungskontext prominent erscheint. Beide Fälle müssen getrennt bewertet werden.

Citation-Monitoring im eigenen Marken-Kontext

Der Bereich Citations ergänzt das Prompt-Monitoring mit einem Blick auf Domains, URLs und deren Entwicklung.

• Quellenumfang: Anzahl zitierter URLs und Domains im gewählten Zeitraum.
• Eigene versus fremde Quellen: markeneigene Seiten im Vergleich zu Drittplattformen, Community-Seiten, Medien oder Wettbewerbern.
• Domain- und URL-Details: Seiten mit wiederkehrenden Zitaten, Prompt-Verteilung und unterstützende Antwortauszüge.
• Plattformpräferenzen: Unterschiede darin, welche Seiten einzelne KI-Plattformen bei vergleichbaren Fragen referenzieren.

Nutzen Sie diese Ansichten, um eine Quellenhypothese zu formulieren: etwa „Für Topic X werden Vergleichsseiten häufig zitiert, die eigene Produktseite jedoch nicht“. Die richtige Folgeaktion ist dann keine automatische Ursache-Wirkungs-Behauptung, sondern eine Prüfung von Inhalt, strukturierten Informationen, Aktualität, externer Referenzierung und der erneuten Messung im gleichen Scope.

Von Erkenntnissen zu Maßnahmen

Dokumentieren Sie pro auffälligem Topic mindestens vier Dinge: die Frage, das beobachtete Signal, die belegende Antwort oder URL und den nächsten Test. Mögliche Outputs sind ein Content-Briefing, eine Prüfung von Produktdaten, eine Liste wichtiger Drittquellen, eine PR-Recherche oder ein erneuter Vergleich nach Veröffentlichung. So bleibt die Analyse nachvollziehbar, auch wenn sich Datenumfang und KI-Antworten später ändern.

6. Explore, AI Search und Citations: den öffentlichen KI-Markt erforschen

Explore: Kategorien, Topics und Marken

Explore ist der Einstieg in öffentliche KI-Suchrecherche. Nach Auswahl von Markt und verfügbarer KI-Plattform können Kategorien, Trend-Topics und öffentliche Marken untersucht werden.

Nützliche Fragen:

• Welche Kategorien und Topics zeigen im gewählten Markt KI-Suchaktivität?
• Welche Marken erscheinen zu einem bestimmten Topic?
• Welches Topic sollte vor einer Content-, Produkt- oder Wettbewerbsanalyse vertieft werden?

Angezeigte KI-Suchaktivität und Markenpräsenz beschreiben den gewählten öffentlichen Datenumfang. Sie sind keine direkten Kennzahlen für Website-Traffic, Ranking oder Umsatz.

AI Search: Query FanOut und Nachfrage-Themen

AI Search zeigt, in welche Web-Suchanfragen ChatGPT eine Kategoriefrage beim Beantworten auffächert.

• Popular Searches: häufige Such-Einstiege und die Anzahl abgedeckter Fragen.
• Demand Themes: gruppierte Suchanfragen nach Nutzerbedarf, zum Beispiel Empfehlung, Funktion oder Vergleich.
• Markenpräsenz: Marken, die im Umfeld eines Suchbegriffs oder Nachfrage-Themas auftreten.

Ein sinnvoller Ablauf: Kategorie wählen, Popular Searches prüfen, Demand Themes eingrenzen und anschließend relevante Marken, Quellen und Produkte recherchieren. Häufigkeit oder Sichtbarkeit einer Marke belegt weder Ranking noch Werbeausgaben, Klicks oder Kausalität.

Citations: Quellen hinter KI-Antworten

Citations hilft, die von KI-Antworten referenzierten Domains und URLs zu untersuchen.

• Eigene Domains von Dritt- und Wettbewerbsquellen unterscheiden
• Seiten und Domains nach Plattform vergleichen
• Auffällige URLs auf Prompt- und Topic-Ebene nachverfolgen
• Quelllücken als Ausgangspunkt für weitere Recherche nutzen

Fehlende Zitate sind nicht automatisch ein Qualitätsurteil. Zeitraum, Plattform, Datenverfügbarkeit und Ausführungsumfang müssen berücksichtigt werden.

7. Shopping: Produkte, Wettbewerbsregal und Retail-Kanäle

Shopping gruppiert KI-empfohlene Produkte nach Kategorie. In der Produktansicht kann nachvollzogen werden, welche Topics und Prompts zu einer beobachteten Empfehlung geführt haben.

Untersucht werden können:

• Produktkarten: Produktname, verfügbarer Preis, zugeordnetes Topic, Erscheinungszahl und Zeitpunkt der Beobachtung
• Produktkontext: Topics und Prompts, in denen ein Produkt erscheint
• Wettbewerbsregal: Marken, Produkttypen und Preisbereiche, die innerhalb einer Kategorie nebeneinander sichtbar sind
• Retail Channels: Domains und Handelspartner, auf die KI im gewählten Umfang häufig verlinkt
• Preissignale: auf Produktkarten beobachtete Preise, Preisbereiche und fehlende Preisangaben

Erscheinungszahlen und Kanalanteile sind Beobachtungen im gewählten öffentlichen Zeitraum. Sie sind keine Werbeimpressionen, Verkaufszahlen, Lagerbestände oder Conversion-Kennzahlen.

8. Sentiment: wie KI über die Marke spricht

Sentiment fasst bewertete KI-Antworten zusammen und hilft, die Darstellung der Marke zu prüfen.

• Durchschnittswerte sowie positive, neutrale, gemischte, negative und unbekannte Antworten
• Veränderungen der Signale über Zeit
• Unterschiede zwischen KI-Plattformen
• Ausgangspunkt für die erneute Prüfung von Prompt, Antworttext und Quellen

Sentiment ist ein Analysesignal aus generierten Antworten, keine direkte Messung von Kundenzufriedenheit, NPS, Bewertungen oder Geschäftserfolg.

9. Agent, Skills, MCP und Triggers: Erkenntnisse in Workflows überführen

Der Agent ist ein dialogorientierter Arbeitsbereich für GEOly-Daten. Er kann Fragen zu Marken-Sichtbarkeit, Prompts, Quellen, Wettbewerbern, Sentiment und Plattformunterschieden strukturieren.

• Skills: wiederkehrende Analysen und Berichte gezielt ausführen
• MCP: GEOly-Funktionen und Daten in unterstützte Tool- und Service-Workflows einbinden
• Triggers: wiederkehrende oder bedingte Abläufe für kontinuierliche Prüfungen einrichten
• Diagnose und Maßnahmen: Sichtbarkeitslücken, schwache Topics, Quellenlücken, Wettbewerbsdifferenzen und Audit-Themen in priorisierte nächste Schritte überführen

Agent-Antworten sind eine Analysehilfe innerhalb des verfügbaren Datenumfangs. Wichtige Entscheidungen sollten immer anhand der ursprünglichen Monitoring-Datensätze, Zitat-URLs und First-Party-Daten geprüft werden.

10. Praktische Prüfliste

• Markt, Land, Sprache, KI-Plattform und Zeitraum wurden eindeutig gewählt.
• Eigenes Monitoring und öffentliche Branchen-Insights wurden getrennt betrachtet.
• Fehlende Daten wurden nicht mit null Sichtbarkeit gleichgesetzt.
• AIGVR, Mention Rate, Citation Rate und SoM wurden nicht als derselbe Wert interpretiert.
• Starke und schwache Topics wurden mit Antworttext und Quellen nachvollzogen.
• AI-Search-Themen wurden in konkrete Content-, Produkt- oder Recherchehypothesen übersetzt.
• Shopping-Signale wurden nicht als Umsatz- oder Werbenachweis interpretiert.
• Die Wirkung von Maßnahmen wird zusätzlich mit First-Party-KPIs validiert.

11. GA4-Integration

Für Traffic- und Seitenanalysen kann eine GA4-Property mit GEOly verbunden werden. Die Einrichtung ist im GA4-Tutorial beschrieben.