Kategorie: Tracking & Analytics

Eine KI-Antwort liest sich oft so, als hätte jemand fünfzehn Quellen gelesen und das Ergebnis zusammengefasst. Und genau so funktionieren LLMs. Gefragt, wer die beste TMS-Software für mittelständische Logistikbetriebe anbietet, nennt ChatGPT zwei oder drei Namen, erklärt kurz warum und liefert die Antwort zusätzlich mit einer Empfehlung vollständig innerhalb des Chatfensters. Wer möchte, kann noch in einem „Gespräch mit der KI“ die Wünsche und Anforderungen verfeinern. Die Antwort wird schnell und umfassend geliefert. Kein Besuch auf einzelnen Websites nötig. Und das ist kein Fehler. Das ist Das ist die Funktionslogik von LLMs.

Warum KI kein Interesse daran hat, Nutzer:innen weiterzuschicken

Google war jahrelang ein Weiterleitungssystem. Die Suchmaschine zeigte Links, Nutzer:innen klickten sich durch auf der Suche nach den für sie relevanten Informationen. KI-Systeme wie ChatGPT, Perplexity, Gemini, Copilot und Co. funktionieren anders. Sie sind darauf trainiert, Fragen zu beantworten, vollständig, direkt und im Dialog. Wer da eine zufriedenstellende Antwort erhält, hat keinen Grund, die Plattform zu verlassen.

Während sich die Rankings stabil halten, sterben Klicks. Google hält Nutzer:innen bewusst auf der Suchergebnisseite, statt sie – wie früher –  zu Websites weiterzuschicken. Bei eigenständigen KI-Assistenten ist das noch ausgeprägter: Es gibt keinen Werbeindex, keinen Link-Klick-Mechanismus, keine Monetarisierung über Weiterleitungen.

Wer sichtbar sein will, kämpft deshalb nicht mehr um Klicks. Er kämpft um Zitate. Wer also einzelne Keywords trackt und Besuche auf der eigenen Website, misst ein Spiel, das bereits beendet ist.

Die Metriken, die jetzt zählen

Klassisches SEO-Tracking misst, was in Google-SERPs passiert. Es sagt nichts darüber aus, wie Sprachmodelle ein Unternehmen verarbeiten.

Neue KPIs sind

• Share of Voice entlang der Customer Journey
• Zitierhäufigkeit in KI-Antworten
• Markenerwähnungen im offenen Internet als Indikatoren für digitalen Einfluss.

Lass mich dir kurz die neuen Begriffe und Metriken erklären:

Citation Frequency: Wie oft taucht die eigene Marke in KI-Antworten auf? Einfachste Messmethode: 25 Fragen formulieren, die Zielgruppe einer KI stellen würde, und diese regelmäßig in ChatGPT, Gemini und Perplexity testen (Vorsicht: Nicht im eigenen Account, sondern in einem Temporary Chat, der nicht die eigene Historie miteinbezieht). Dies ist manuelle Arbeit, aber kann schnell und billig erste Einblicke liefern. Tools wie Otterly.ai oder Peec.ai automatisieren das für größere Setups.

Share of Voice: Diese Metric zählt nicht, ob man zitiert wird, sondern wie groß der eigene Anteil ist, verglichen mit dem Mitbewerb.

Sentiment: Erscheint man in KI-Antworten als Empfehlung oder nur als Erwähnung? Wird man positiv beschrieben oder neutral aufgeführt? Sichtbarkeit allein reicht nicht, entscheidend ist, wie die KI ein Unternehmen beschreibt, wenn Nutzer:innen danach fragen.

Branded Search und Direkt-Traffic: Steigen Suchanfragen nach dem eigenen Markennamen, obwohl organischer Traffic sinkt? Steigen die Direktzugriffe? Das sind Indizien für KI-Einfluss im Dark Funnel, wie im vorherigen Beitrag beschrieben.

Was das für Marketingmaßnahmen bedeutet

KI-Sichtbarkeit ist kein rein technisches Thema. Sie entsteht durch Inhalte, die echte Fragen beantworten, und durch Erwähnungen, die außerhalb der eigenen Website stattfinden.

Zwei Punkte werden dabei oft übersehen:

Erstens: KI-Empfehlungen sind hochgradig inkonsistent. Bei identischen Prompts liefern ChatGPT und Google AI in weniger als 1 von 100 Fällen dieselbe Markenliste (SparkToro, Januar 2026) – dies macht natürlich die manuelle Kontrolle der Citation Frequency schwierig. Wer nun glaubt, einmal in ChatGPT aufzutauchen und dauerhaft sichtbar zu sein, unterschätzt wie diese Systeme funktionieren.

Zweitens: Klassisches SEO bleibt das Fundament. Wer in Google nicht rankt, wird auch in KI-Antworten seltener zitiert. LLMs holen ihre Informationen aus dem Web, und was dort nicht auffindbar ist, wird nicht empfohlen. Die Grundlage ändert sich also nicht, nur die Art der Messung.

Was man nun tatsächlich messen sollte

Wie oben beschrieben, sind die neuen Metriken komplex, schwer zu erfassen und oft nur Momentaufnahmen für die Sichtbarkeit der eigenen Marke in KI-Antworten. Was jedoch weiterhin die harte Währung von Marketingmaßnahmen bleibt, sind die Conversions: Landen (mehr) Menschen auf meinen Verkaufsseiten? Werden meine Dienstleistungen über Sales-Kanäle öfter abgefragt? Und kaufen (mehr) Menschen bei mir ein?

Während der Verkaufs- und Beratungsprozess in den KI-Antworten mehr und mehr unsichtbar wird, zeigt sich der Erfolg jedoch deutlicher in anderen Zahlen: Mit einer höheren Verkaufsrate von bis zu 5x gegenüber organischem Traffic (Opollo AI Search Benchmark Report, 2026). Wer also wirklich tracken möchte, ob die KI das Unternehmen und die Produkte gut empfiehlt, sollte das in der Verkaufszahlen sehen.

Doch wie erreicht man nun diese guten Verkaufszahlen?

Kampagnen als erster GEO-Testballon

Wer nicht weiß, wo anfangen, dem empfehle ich eine Kampagne als Einstieg. Nicht weil Kampagnen besonders gut für GEO geeignet wären, sondern weil sie einen klaren Vorteil haben: Sie haben einen Anfang und ein Ende.

Eine Produkteinführung, ein Event, eine saisonale Aktion erzeugt in kurzer Zeit konzentrierte Inhalte, Erwähnungen in Medien und auf Plattformen, und eine natürliche Vorher-Nachher-Messung. Man kann testen, ob ChatGPT die Kampagnenbotschaft aufgreift, ob das Unternehmen bei relevanten Fragen erscheint, wie sich Branded Search und Direkt-Traffic verhalten.

Das Risiko ist überschaubar, der Erkenntnisgewinn jedoch hoch. Und von da kann man sich weiterhangeln: Zu der Überarbeitung der eigenen Webseite und Etablierung von langfristigen Maßnahmen.

Eine Person plant Urlaub in Österreich. Ruhig soll es sein, gutes Essen, kein Wellnesstempel und optimal für Kinder. Das über Google zu suchen, beansprucht sehr viel Zeit. Also kein Google, sondern ChatGPT: „Ich suche ein ruhiges Hotel im Österreich, familiär, gute Küche mit regionalen Produkten. Meine Kinder sollen sich wohl fühlen und es soll Unterhaltung für sie geben, damit wir ausspannen können.“ Die KI nennt vier Häuser, beschreibt diese kurz, eines klingt genau richtig. Die Person schließt den Chat, öffnet Google, tippt den Hotelnamen ein, klickt auf die Website, schaut sich die Bilder an und bucht.

Was steht in Google Analytics? Branded Search. Vielleicht auch Direct.

ChatGPT taucht selten auf. Und wenn, dann nur, wenn der Klick aus dem Chatfenster direkt kam und der Referrer-Header sauber übertragen wurde.

Was der Dark Funnel ist

Das ist der Dark Funnel: Der Teil der Customer Journey, der in klassischen Analytics-Tools kaum mehr sichtbar wird. KI empfiehlt, filtert, beeinflusst die Entscheidung, und wenn jemand schließlich klickt, fehlt oft der Zusammenhang im System. Die Entscheidung ist längst gefallen, bevor GA4 irgendetwas registriert hat.

Studien zeigen, dass nur 60 bis 80 Prozent aller KI-initiierten Besuche einen sauberen Referrer-Header mitbringen. Der Rest landet als Direct Traffic oder bleibt unkategorisiert. Deshalb ist auch der neue AI Assistant Channel in GA4 nur ein Anfang: Seit dem 13. Mai 2026 erkennt GA4 Traffic von ChatGPT, Gemini, Claude etc. automatisch als eigene Kanalgruppe namens AI Assistant (global ausgerollt seit Anfang Juni). Was er abbildet, ist jedoch nur die Untergrenze. Was er nicht sieht, sind In-App-Browser, mobile Apps, Copy-Paste-Links, und Google AI Overviews, die weiterhin unter Organic Traffic laufen.

Warum sinkende Klickzahlen trotzdem kein Alarmsignal sein müssen

Im ersten Blogpost haben wir gesehen, dass 70 % des B2B-Kaufprozesses abgeschlossen sind, bevor ein Anbieter das erste Mal kontaktiert wird. Der Dark Funnel ist genau der Ort, wo diese 70 % passieren. Unsichtbar für jedes Dashboard.
Was man stattdessen beobachten kann: steigender Direktzugriff, mehr Markennennungen, mehr eingehende Anfragen ohne klaren Tracking-Ursprung. Indizien zwar nur, keine Beweise. Aber sie zeigen in eine Richtung.

Die gute Nachricht: GA4 bleibt sinnvoll. Trends im User-Flow, welche Inhalte Interesse erzeugen, generelles Nutzerverhalten auf der Website, das lässt sich weiterhin gut ablesen. Was es alleine nicht mehr beantworten kann: Welche Rolle KI im Kaufprozess gespielt hat. Welche (Verkaufs)Argumente Kund:innen tatsächlich überzeugt hat und welchen Entscheidungsprozess sie gefolgt sind.

Höhere Qualität der Klicks, die ankommen

Wer durch den Dark Funnel auf der Website landet, verhält sich anders als ein durchschnittlicher Google-Besucher. Eine Analyse von 312 B2B-Technologieunternehmen zeigt eine durchschnittliche Konversionsrate von 14,2 % bei KI-Traffic, gegenüber 2,8 % bei organischem Google-Traffic, also rund 5x so hoch (Opollo AI Search Benchmark Report, 2026). Branchenübergreifend bestätigt Semrush den Faktor 4,4x (Semrush, 2026).

Der Grund: Wer über eine KI-Empfehlung kommt, hat die Recherche bereits hinter sich. Die KI hat gefiltert, erklärt, verglichen. Der Klick ist kein Zufall mehr, sondern ein nächster Schritt im Kaufprozess.

Was GA4 trotzdem zeigen kann

Ob AEO-Maßnahmen wirken, lässt sich auch ohne perfektes Attribution-Tracking beobachten. Denn GA4 kann zeigen, ob der Content näher an den echten Fragen der Nutzer:innen ist. Wenn ja, zeigt sich das: Längere Verweildauer, mehr besuchte Conversionseiten, niedrigere Absprungrate bei den Inhalten, die für spezifische Fragen optimiert wurden. Wer auf die richtigen Fragen antwortet, zieht die richtigen Besucher:innen an, und das lässt sich messen, auch wenn der genaue Weg dorthin im Dunkeln bleibt.

Welche Metriken dabei konkret Sinn machen und wie man Citations trackt, schauen wir uns im nächsten Beitrag an.