Was sollte eine KI-Sichtbarkeitsanalyse für Ihren Online-Shop enthalten?

Die Analyse sollte zeigen, wo Sie als Nächstes Arbeit investieren sollten, und diese Entscheidung mit Beobachtungen begründen. Ein Shop muss vielleicht einen Produktdatensatz korrigieren, eine Lieferbeschränkung erklären, eine wichtige Kategorieseite verbessern oder untersuchen, warum Wettbewerber für einen bestimmten Kauf empfohlen werden. Eine Kennzahl ohne die zugrunde liegenden Beobachtungen sagt dem Inhaber nicht, welche dieser Aufgaben sich lohnt.

Betrachten wir einen Schmuckhändler, der fertige Stücke online verkauft und Anfragen für individuell gefertigte Ringe annimmt. Er möchte mehr passende Kaufinteressenten und Beratungsgespräche gewinnen. An diesem Beispiel zeigen wir, wie sich Befunde dokumentieren und passende Korrekturen auswählen lassen.

Für diesen Shop würde ein sinnvoller Prüfauftrag Markt, Sprache, relevante Kollektionen und Leistungen benennen. Die Produktsuche wäre von lokalen Empfehlungen und Empfehlungen für Maßanfertigungen zu trennen. Auch die geprüften KI-Dienste und Oberflächen müssten feststehen. Tests über eine API, die ChatGPT-Website und die Endnutzeroberfläche eines anderen Assistenten sollten getrennt ausgewiesen werden, statt sie unter »ChatGPT-Sichtbarkeit« zusammenzufassen.

Vereinbaren Sie vor der Freigabe, was Sie erhalten: die Beobachtungen, Fragenliste, Quellen-URLs, nach Priorität geordnete Befunde und eine Erklärung dessen, was nicht geprüft wurde. Bei einer Stichprobe müssen die untersuchten Produkte und Seiten genannt werden. Der Bericht darf nicht den Eindruck erwecken, der gesamte Katalog sei geprüft worden, wenn nur einige repräsentative Seiten untersucht wurden.

Jeder Befund braucht genügend Kontext, damit andere ihn prüfen können. Speichern Sie die genaue Frage, die vollständige Antwort und die dazu angezeigten Quellen. Erfassen Sie Zeitpunkt und Umgebung des Tests, Sprache, die verfügbare Modell- oder Modusbezeichnung, die Nutzung der Suche sowie relevante Konto- und Standorteinstellungen. Beginnen Sie jeden unabhängigen Test in einer neuen Unterhaltung und beschreiben Sie, wie die Personalisierung begrenzt wurde.

Leiten Sie Fragen nach Möglichkeit aus tatsächlichen Kundenbedürfnissen ab. Trennen Sie Fragen mit dem Namen des Händlers von solchen, durch die ein neuer Käufer ihn entdecken könnte. »Ändert dieses Geschäft die Ringgröße?« prüft Informationen über ein bekanntes Geschäft. »Wo kann ich einen Ring in meiner Größe bestellen?« prüft, welche Anbieter man entdecken kann. Werden diese Ergebnisse vermischt, kann eine bekannte Marke leichter auffindbar wirken, als die Daten belegen.

Wiederholen Sie die wichtigsten Tests und behalten Sie erfolglose Versuche im Protokoll. Kennzeichnen Sie, wenn eine Antwort blockiert wurde, ein Fehler auftrat oder die Suche nicht genutzt wurde. Ersetzen Sie eine schwierige Frage nicht stillschweigend durch eine leichtere. Ist keine Modellbezeichnung verfügbar, halten Sie das fest. Eine erfundene Versionsnummer lässt den Bericht genauer erscheinen, macht ihn aber weniger verlässlich.

Ein nützlicher Befund trennt das beobachtete Problem von der vermuteten Erklärung. Nehmen wir an, ein Produktangebot stelle eine Ringfassung so dar, als sei der zentrale Stein im Preis enthalten. Das unmittelbare geschäftliche Problem ist klar: Der Käufer könnte mit einer falschen Budgetvorstellung kommen. Die Ursache ist noch unklar. Die prüfende Person sollte die Quelle der Antwort, die sichtbare Seite, den zugehörigen Produktdatensatz und einen gegebenenfalls übermittelten Feed vergleichen, bevor sie den KI-Dienst verantwortlich macht.

Wenn Produkttitel und Beschreibung des Shops nahelegen, dass der Stein enthalten ist, während sein Ausschluss in einer Anmerkung versteckt steht, überarbeiten Sie diese Angaben. Ist die Website eindeutig, ein angebundener Katalog enthält aber noch die alte Beschreibung, prüfen Sie den Datensatz und seine Aktualisierung. Stammt die irreführende Angabe von einem anderen Händler oder einem älteren externen Artikel, dokumentieren Sie diese Quelle. Diese Fälle erfordern unterschiedliche Maßnahmen.

Nehmen wir nun an, der Shop fehlt in einer Antwort zu individuell gefertigten Ringen. Das Fehlen allein beweist weder eine Zugriffssperre noch schwache Texte oder mangelndes Vertrauen des Assistenten in die Marke. Prüfen Sie, wer stattdessen erschien, ob die Quellen dieselbe Leistung und denselben Ort betrafen und ob der Shop den Bedarf auf einer öffentlichen Seite beantwortet. Der Bericht sollte die Unsicherheit benennen, bis weitere Belege sie eingrenzen.

Für die Prüfung des Zugriffs nennt OpenAI OAI-SearchBot als Suchcrawler und behandelt den Trainingszugriff getrennt. Die prüfende Person sollte dokumentieren, was tatsächlich getestet wurde, einschließlich möglicher Einschränkungen beim Hosting. Ein erfolgreicher Seitenabruf belegt die Erreichbarkeit unter diesen Bedingungen. Er ist kein Beleg für eine Empfehlung oder dafür, dass ein bestimmter Assistent die Seite abgerufen hat.

Ordnen Sie Korrekturen nach ihrer Wirkung auf Kunden und der Sicherheit der Diagnose. Eine falsche Produktzuordnung, ein falscher Preis oder irreführende Lieferangaben verdienen Vorrang vor einem Veröffentlichungsprogramm, dessen Nutzen unklar ist. Eine Seite, die eine Leistung nicht erklärt, braucht möglicherweise nur eine gezielte Überarbeitung. Für eine Kampagne mit externen Erwähnungen sollte genauer begründet werden, welche Zielgruppe und welche Quellen sie erreichen würde.

Die folgende Tabelle zeigt, wie aus Analysebefunden konkrete Aufgaben werden. Die Umsetzung einer Korrektur und die spätere Prüfung von KI-Antworten sind getrennte Schritte. Ihr Team kann feststellen, ob eine Fassung auf der Website korrekt bezeichnet ist. Es kann nicht allein aufgrund einer Inhaltsänderung behaupten, sämtliche KI-Antworten hätten sich ebenfalls geändert.

Weisen Sie die Beobachtungen getrennt aus, bevor Sie einen Prozentsatz berechnen. Eine Markenerwähnung bedeutet, dass das Unternehmen genannt wird. Ein Quellenverweis ist ein Link zu einer Quelle. Ein Shopping-Angebot nennt ein Produkt und einen Verkäufer in der Einkaufsoberfläche. Keines davon ist für sich ein erfasster Besuch oder Verkauf. Legen Sie fest, welche Beobachtung jede Kennzahl zählt, und nennen Sie die Bezugsgröße.

Unterscheiden Sie bei wiederholten Tests zwischen der Zahl der Fragen und der Zahl der abgeschlossenen Antworten. Geben Sie an, bei wie vielen Fragen mindestens einmal ein Quellenverweis erschien und wie viele einzelne Antworten einen Quellenverweis enthielten. Diese Werte können voneinander abweichen. Lassen Sie fehlgeschlagene Versuche neben den abgeschlossenen sichtbar. Zeigen Sie absolute Zahlen vor Prozentwerten, damit eine kleine Veränderung nicht hinter einem groß wirkenden relativen Anstieg verschwindet.

Die Analyse kann auch sachliche Richtigkeit erfassen: War der genannte Artikel korrekt, wurde der Verkäufer richtig zugeordnet und stimmten Preis, Verfügbarkeit oder Leistungsangaben mit der damals geprüften Quelle überein? Halten Sie bei wechselnden Beständen und Preisen den Zeitpunkt fest. Der Vergleich eines Screenshots mit dem heutigen Katalog belegt möglicherweise nicht, was bei der Erstellung der Antwort galt.

Ergänzen Sie geschäftliche Ergebnisse aus Webanalyse und Anfragen, soweit sie vorliegen, und kennzeichnen Sie die Grenzen ihrer Zuordnung. Google dokumentiert, dass Zugriffe aus seinen KI-Suchfunktionen im Web-Leistungsbericht der Search Console enthalten sind. Eine Veränderung des gesamten Google-Traffics lässt sich deshalb für sich genommen nicht ausschließlich der KI zuordnen. Ebenso verrät ein ChatGPT zugerechneter Startseitenbesuch weder die genaue Frage des Besuchers noch, welcher Artikel die Empfehlung ausgelöst hat.

Verlangen Sie zu jedem Vorher-nachher-Vergleich die datierten Beobachtungen. Änderungen an Testfragen, Oberfläche oder Leistungsangebot können einen Unterschied erklären. Ein Bericht kann zeigen, dass sich die Sichtbarkeit während eines Arbeitszeitraums verändert hat, ohne damit zu beweisen, dass eine bestimmte Textänderung die Ursache war.

Lassen Sie sich einen Musterbericht zeigen, bevor Sie über eine mögliche Sichtbarkeitskennzahl sprechen. Sie sollten den Umfang, die Herkunft der Kundenfragen, die Zugriffsprüfungen und die anschließenden Aufgaben für Ihr Team verstehen. Klären Sie, wer Änderungen vornehmen kann und welche Belege Sie behalten, falls Sie später einen anderen Anbieter wählen.

Wenn Arbeiten an Produktfeeds enthalten sind, fragen Sie, ob eine bestehende Anbindung untersucht oder eine neue eingerichtet wird. Nach dem Stand der Prüfung vom 20. September 2026 können direkte Produktfeeds bei OpenAI nur von zugelassenen Partnern angebunden werden. Das Angebot sollte Voraussetzungen und Zuständigkeiten erklären. »Wir übermitteln Ihre Produkte« reicht nicht aus, wenn eine Zulassung oder die Regelungen einer anderen Plattform erforderlich sind.

Unsere kostenlose KI-Sichtbarkeitsanalyse umfasst zehn Fragen in einer Sprache, die aktuellen Antworten, den Crawler-Zugriff und konkrete Korrekturvorschläge. Das ist eine erste Untersuchung. Sie verspricht weder die Prüfung jedes Artikels im Shop noch eine vollständige Untersuchung dazu, welchen Kanälen geschäftliche Ergebnisse zuzuordnen sind. Für ein umfangreicheres Projekt müssen Kategorien, Märkte, Wiederholungsmessungen und Umsetzung vereinbart werden.

Beurteilen Sie am Musterbericht die Argumentation. Behebt die vorgeschlagene Korrektur ein belegtes Problem? Gibt es eine zuständige Person und eine Möglichkeit, die Umsetzung zu prüfen? Lassen sich Beobachtungen von Vermutungen des Anbieters unterscheiden? Diese Antworten machen eine Analyse auch dann nützlich, wenn sich zunächst nur eine kleine Korrektur am Shop empfiehlt, bevor weitere Inhalte beauftragt werden.