Ich baue unser gesamtes Analytics-Framework für AI-Visibility neu auf. Traditionelle SEO-Metriken funktionieren nicht mehr.
Die alten Metriken (für Google weiterhin nützlich):
Das Problem mit AI:
Das tracke ich aktuell:
| Metrik | Tool | Häufigkeit |
|---|---|---|
| AI-Zitationsrate | Am I Cited | Wöchentlich |
| Marken-Suchvolumen | GSC | Monatlich |
| Wettbewerbs-Erwähnungen | Manuell | Wöchentlich |
| Sentiment in AI | Manuell | Monatlich |
Aber ich habe das Gefühl, dass mir etwas fehlt.
Fragen:
Ich habe Frameworks zur Messung von AI-Visibility aufgebaut. Hier ist der komplette Stack.
Das AI-Visibility-KPI-Framework:
Stufe 1: Sichtbarkeits-Kernmetriken
| Metrik | Definition | Zielwert |
|---|---|---|
| Inklusionsrate | % relevanter Anfragen, in denen du zitiert wirst | 25-40% |
| Erwähnungshäufigkeit | Gesamtzahl der Zitationen pro Zeitraum | Wachstum |
| Positions-Score | Gewichtung nach Erwähnungsposition (1. = mehr) | Verbesserung |
| Plattform-Abdeckung | % auf jeder AI-Plattform | 80%+ je Plattform |
Stufe 2: Qualitätsmetriken
| Metrik | Definition | Zielwert |
|---|---|---|
| Sentiment-Score | Positive vs. neutrale vs. negative Erwähnungen | >70% positiv |
| Kontext-Qualität | Empfehlung vs. Erwähnung vs. Warnung | Mehrheit Empfehlung |
| Genauigkeitsrate | Sind AI-Beschreibungen korrekt? | >90% |
| Wettbewerbs-SOV | Eigene vs. Wettbewerber-Erwähnungen | Verbesserung |
Stufe 3: Geschäftsnahe Proxys
| Metrik | Definition | Zielwert |
|---|---|---|
| Marken-Suchvolumen | Trends bei Markensuchen | Korrelation |
| AI-attribuierte Leads | “Über ChatGPT gefunden”-Tracking | Wachstum |
| Themen in Verkaufsgesprächen | AI-Erwähnungen in Sales-Calls | Vorhanden |
| Kundenakquisitionskosten | CAC-Trends | Verbesserung |
Die Attributions-Herausforderung ist real. So gehen wir damit um:
Direkte Attribution (begrenzt):
Manche Nutzer sagen dir:
Indirekte Attribution (besser):
| Signal | Was es anzeigt |
|---|---|
| Anstieg Markensuche | Mehr Menschen kennen dich |
| Wachstum Direkt-Traffic | Leute tippen deine URL ein |
| Referral-Qualität | Höhere Intention über AI |
| Kürzere Sales-Zyklen | Besser informierte Interessenten |
Unser Ansatz:
Wir korrelieren:
Korrelationsergebnis:
10% mehr AI-Zitationen → 6–8% mehr Markensuchen innerhalb von 6 Wochen.
Keine direkte Attribution, aber stark genug für Investitionsentscheidungen.
So ist unser Dashboard aufgebaut:
Executive Dashboard (monatlich)
| Bereich | Wichtige Metriken | Visualisierung |
|---|---|---|
| Sichtbarkeits-Score | Composite-Score-Trend | Liniendiagramm |
| Plattform-Abdeckung | Zitationsrate je Plattform | Balkendiagramm |
| Wettbewerbssituation | SOV vs. Top-3-Wettbewerber | Kreisdiagramm |
| Business Impact | Marken-Suche + Lead-Trends | Dual-Achsen-Chart |
Operations Dashboard (wöchentlich)
| Bereich | Wichtige Metriken | Visualisierung |
|---|---|---|
| Zitationsänderungen | Neue und verlorene Zitationen | Tabelle |
| Content-Performance | Zitationsrate je Inhalt | Ranking-Liste |
| Query-Abdeckung | Neue abgedeckte Suchanfragen | Liste |
| Action Items | Identifizierte Chancen | Aufgabenliste |
Unsere Tools:
Automatisierung:
Wöchentliche E-Mail mit:
B2B-KPIs für AI-Visibility:
B2B-spezifische KPIs:
| Metrik | Warum wichtig | Zielwert |
|---|---|---|
| AI-basierte Demos | Über AI gefunden | % verfolgen |
| Deal-Velocity | AI-Informierte vs. Nicht-AI | Vergleichen |
| Wettbewerbsgewinne | AI in Deals erwähnt | % verfolgen |
| ICP-Abdeckung | Richtige Zielgruppe sieht uns | Hohe Passgenauigkeit |
So tracken wir AI-basierte Leads:
Unsere Daten:
| Lead-Quelle | Abschlussrate | Durchschnittlicher Deal |
|---|---|---|
| Google Organic | 22% | $45K |
| Google Paid | 18% | $38K |
| AI-Entdeckung | 31% | $52K |
Leads über AI schließen schneller und größer ab.
Business Case:
Diese Daten rechtfertigen Investitionen deutlich besser als reine Zitationszahlen.
Wettbewerbsmessung ist entscheidend:
Das Wettbewerbs-Framework:
| Metrik | Berechnung | Erkenntnis |
|---|---|---|
| Share of Voice | Eigene Erwähnungen / Alle Erwähnungen | Marktposition |
| Positions-Konkurrenz | Wer wird zuerst genannt | Autoritätssignal |
| Query-Overlap | Gleiche Suchanfragen, andere Zitationen | Wettbewerbs-Lücken |
| Sentiment-Gap | Eigenes vs. Wettbewerber-Sentiment | Markenwahrnehmung |
So tracken wir:
Für 50 Prioritäts-Queries:
Monatlicher Wettbewerbsbericht:
| Query-Kategorie | Wir | Wettbewerber A | Wettbewerber B |
|---|---|---|---|
| Produkt-Queries | 35% | 28% | 22% |
| Branchen-Queries | 12% | 45% | 31% |
| Problem-Queries | 41% | 18% | 28% |
Strategische Erkenntnis:
Wir dominieren Produkt- und Problem-Queries, aber Wettbewerber A besitzt Thought Leadership bei Branchen-Queries.
Aktion: Investition in Branchen-Content erhöhen.
Funktionierender Reporting-Rhythmus:
Täglich (automatisierte Alerts):
Wöchentlich (Ops-Review):
Monatlich (Führungsebene):
Quartalsweise (Strategie):
Halbjährlich (Geschäft):
Das Entscheidende:
Täglich/wöchentlich = operativ Monatlich/quartalsweise = strategisch
Führe die Führung nicht mit Tagesmetriken in die Irre.
Sentiment in AI-Antworten zählt:
Sentiment-Kategorien:
| Typ | Beispiel | Wirkung |
|---|---|---|
| Empfehlung | “X ist die beste Option für…” | Sehr positiv |
| Positive Erwähnung | “X ist für Qualität bekannt” | Positiv |
| Neutrale Erwähnung | “Zu den Optionen zählen X, Y, Z” | Neutral |
| Einschränkung | “X ist gut, aber teuer” | Leicht negativ |
| Warnung | “Einige berichten von Problemen mit X” | Negativ |
So tracken wir:
Wir testen wöchentlich 20 Suchanfragen:
Was das Sentiment beeinflusst:
| Faktor | Einfluss auf AI-Sentiment |
|---|---|
| Review-Sentiment | Direkte Korrelation |
| Reddit-Diskussionen | Hoher Einfluss |
| Medienberichterstattung | Mittlerer Einfluss |
| Eigene Inhalte | Geringerer Einfluss |
Die Erkenntnis:
Du kannst das AI-Sentiment nicht vollständig steuern. Aber du kannst es durch Earned Media und Community-Perception beeinflussen.
Das ist genau das, was ich brauchte. Hier mein aktualisiertes KPI-Framework:
Der komplette AI-Visibility-Mess-Stack:
Kernmetriken (wöchentlich tracken):
| Metrik | Tool | Ziel |
|---|---|---|
| Inklusionsrate | Am I Cited | 35%+ |
| Positions-Score | Am I Cited | Verbesserung |
| Plattform-Abdeckung | Am I Cited | 80%+ je Plattform |
| Wettbewerbs-SOV | Manuell + Tool | Wachstum |
Qualitätsmetriken (monatlich tracken):
| Metrik | Tool | Ziel |
|---|---|---|
| Sentiment-Score | Manuell | >70% positiv |
| Genauigkeitsrate | Manuell | >90% |
| Kontext-Qualität | Manuell | Mehrheit Empfehlungen |
Business-Proxys (monatlich tracken):
| Metrik | Tool | Ziel |
|---|---|---|
| Marken-Suchvolumen | GSC | Korrelation |
| AI-attribuierte Leads | CRM | Wachstum |
| Lead-Qualität | Sales-Feedback | Verbesserung |
| Deal-Velocity | CRM | Verbesserung |
Wettbewerb (monatlich tracken):
| Metrik | Tool | Ziel |
|---|---|---|
| Share of Voice | Manuell | Wachstum |
| Query-Abdeckung | Manuell | Ausbau |
| Positionsvergleich | Manuell | Verbesserung |
Reporting-Rhythmus:
Attributionsansatz:
Korrelation > direkte Attribution:
Danke an alle – dieser Thread hat mein komplettes Messframework gebaut!
Get personalized help from our team. We'll respond within 24 hours.
Überwache die Kennzahlen, die für AI-Sichtbarkeit in der Suche zählen – mit umfassendem Tracking über alle wichtigen Plattformen.
Community-Diskussion über die Messung der Performance von AI-Suchanfragen. Echte Ansätze von Marketer:innen, die Metriken jenseits klassischer SEO entwickelt ha...
Erfahren Sie, wie Sie effektive KI-Visibility-Dashboards erstellen, um Ihre Marke bei ChatGPT, Perplexity und Google AI Overviews zu überwachen. Best Practices ...
Community-Diskussion über Metriken im AI Visibility Reporting. Echte Erfahrungen von Marketer:innen, die Dashboards zur Überwachung der Markenpräsenz in KI-gene...