AI Share of Voice: messen und benchmarken

Die Kennzahl, präzise formuliert

Die meisten Teams werfen zwei verschiedene Dinge unter demselben Label zusammen. Trennt man sie, wird die Diagnose deutlich einfacher.

Die Nennungsrate beantwortet eine Ja-Nein-Frage: Kommen Sie überhaupt vor? Der Share of Answer beantwortet eine kompetitive: Wie viel Redezeit gehörte Ihnen von allen Marken, die der Assistent genannt hat? Ein B2B-Tool kann eine Nennungsrate von 90 % haben und trotzdem verlieren, weil es an neunter Stelle einer Zehnerliste steht — und die ersten drei die Aufmerksamkeit des Käufers bekommen.

Beide Werte werden pro Assistent und pro Prompt-Cluster berechnet. Ein Cluster ist eine Gruppe kaufnaher Fragen, die zur selben Entscheidung gehören: Preisvergleich, Alternativen zu einem konkreten Wettbewerber, Best-Tool-für-X, Integrationsfragen. Ein Mittelwert über alle Cluster hinweg ergibt eine Zahl, die sich aus Gründen bewegt, die Sie nicht zurückverfolgen können.

• Nennungsrate (%) = Durchläufe mit Nennung Ihrer Marke ÷ Prompt-Durchläufe insgesamt, für einen Assistenten und ein Cluster, × 100.
• Share of AI Answer (%) = Ihre Markennennungen ÷ alle Markennennungen in denselben Antworten, × 100. Das ist die eigentliche Anteilskennzahl, weil sie gegen ein definiertes Wettbewerbsset ein Nullsummenspiel ist.
• Gewichteter Anteil (optional) = dasselbe Verhältnis, wobei jede Nennung nach Position gewichtet wird — Platz eins zählt mehr als eine Fußnote. Verwenden Sie eine einfache Gewichtung (erste = 1,0, mittlere = 0,6, letzte = 0,3) und dokumentieren Sie sie.
• Empfehlungsrate = Durchläufe, in denen Sie als Empfehlung genannt werden, nicht bloß als Beispiel erwähnt. Bei Prompts mit hoher Kaufabsicht lohnt die separate Auswertung.

Die drei Eingangsgrößen, die entscheiden, ob Ihre Zahl etwas bedeutet

Eine KI-Sichtbarkeitskennzahl ist nur so stabil wie ihre Messanordnung. Drei Entscheidungen richten den größten Schaden an, wenn man sie locker trifft.

Erstens das Prompt-Set. Schreiben Sie es fest — die exakten Formulierungen, den Markt, die Sprache, den Persona-Rahmen — und versionieren Sie es. Jedes Mal, wenn Sie Prompts ergänzen, bricht Ihre Trendlinie; ergänzen Sie deshalb als neues Cluster, statt das alte zu bearbeiten. Ziel sind genug Prompts, um die Entscheidung abzudecken, nicht genug, um gründlich zu wirken: zwanzig bis vierzig gut gewählte Kauffragen pro Markt schlagen mehrere Hundert generische.

Zweitens die Anzahl der Durchläufe. Assistenten-Ausgaben sind nicht deterministisch; derselbe Prompt kann zweimal gestellt unterschiedliche Marken nennen, besonders wenn Live-Retrieval im Spiel ist. Ein einzelner Durchlauf ist also eine Anekdote. Führen Sie jeden Prompt pro Assistent und Periode mehrfach aus — fünf ist eine praktikable Untergrenze, mehr, wenn Ihre Kategorie einen langen Wettbewerber-Schwanz hat — und behandeln Sie kleine Unterschiede bei kleinen Stichproben als Rauschen, nicht als Bewegung.

Drittens die Zählregel. Legen Sie vorab fest, ob eine nackte URL zählt, ob eine Quellenangabe in der Quellenliste als Nennung gilt, wie Sie mit Schreibfehlern und Dachmarkennamen umgehen und ob eine negative Nennung zählt. Schreiben Sie die Regel auf; Inkonsistenz an dieser Stelle verursacht die meisten Streitfälle darüber, ob die Sichtbarkeit gestiegen ist.

Warum Benchmarks je Assistent abweichen — und warum das richtig ist

Eine Marke mit 55 % Share of Answer in Perplexity und 12 % in ChatGPT bei identischen Prompts ist kein Messfehler. Die Systeme unterscheiden sich genau auf der Ebene, die entscheidet, welche Marken überhaupt genannt werden können.

Der größte Unterschied liegt zwischen Retrieval und parametrischem Wissen. Assistenten, die auf Live-Websuche setzen, zeigen, was der aktuelle Index und ihre Ranking-Schicht bevorzugen; Antworten, die überwiegend aus den Modellgewichten kommen, spiegeln, wie prominent eine Marke in den Trainingsdaten vorkam. OpenAI beschreibt ChatGPT Search als Kombination des Modells mit Informationen aus dem Web und von Drittanbietern (OpenAI), Anthropic liefert Websuche als Tool aus, dessen Einsatz Claude selbst entscheidet (Anthropic), Perplexity ist von Grund auf auf Retrieval und Quellenangaben ausgelegt (Perplexity) und Google dokumentiert seine KI-Funktionen als Ebene über der Suche mit eigenem Verlinkungsverhalten (Google Search Central). Andere Eignungskriterien, andere Markenlisten.

Die Quellenvorliebe ist der zweite Treiber. Ein Assistent stützt sich stärker auf redaktionelle Übersichten und Bewertungsplattformen, ein anderer auf Dokumentation, Foren und Herstellerseiten. Wenn die Drittanbieter-Berichterstattung in Ihrer Kategorie auf eine Handvoll Listicles konzentriert ist, überrepräsentieren die Assistenten, die diesen Seiten vertrauen, wer dort gut rankt.

Aktualitäts- und Grounding-Regeln sind der dritte. Ein neu gestarteter Wettbewerber kann in retrieval-lastigen Assistenten sofort auftauchen und in gewichtslastigen monatelang unsichtbar bleiben. Region, Sprache und die Frage, ob ein Tool überhaupt eine Suche für nötig hält, erzeugen weitere legitime Varianz.

Die praktische Folge: Berichten Sie niemals einen assistentenübergreifenden Mischwert als Kernzahl. Berichten Sie eine Matrix. Die Spreizung zwischen den Assistenten ist selbst die Erkenntnis, denn sie zeigt, ob Ihr Problem die Quellenabdeckung, das Ranking auf fremden Seiten oder schlichte Abwesenheit im Korpus ist. Diese Aufschlüsselung je Assistent ist der Kern dessen, was wir bei Growli bauen — und der Grund, warum ein einzelner globaler Score die nutzloseste Zahl im Report ist.

Eine Benchmark-Tabelle zum Kopieren

Legen Sie eine Zeile pro Assistent, pro Prompt-Cluster und pro Periode an. Spalten, in dieser Reihenfolge:

Lesen Sie die Tabelle in zwei Richtungen. Entlang einer Zeile sehen Sie, ob ein Cluster auf einem Assistenten gesund und auf einem anderen kaputt ist. Entlang einer Spalte sehen Sie, ob ein Wettbewerber überall gewinnt (ein Korpus- und Autoritätsproblem) oder nur auf einer Oberfläche (ein Quellenproblem, das Sie gezielt angehen können).

Ergänzen Sie ein zweites Tabellenblatt mit dem Wettbewerbsset — fünf bis acht namentlich benannte Rivalen, für die Periode fixiert — plus der exakten Prompt-Liste und der Zählregel. Ohne diese Angaben ist die Zahl des nächsten Quartals nicht mit dieser vergleichbar.

• Periode — Woche oder Monat, mit den Durchlaufdaten.
• Assistent — ChatGPT, Gemini, Claude, Perplexity, Copilot, Grok. Je eine Zeile; keine Mischwerte.
• Prompt-Cluster — z. B. Best-Tool-für-X, Alternativen-zu-Wettbewerber, Preise.
• Durchläufe — Prompt-Durchläufe hinter der Zeile insgesamt. Alles unter fünf pro Prompt sollte als geringe Aussagekraft markiert werden.
• Ihre Nennungen — Durchläufe mit Ihrer Marke gemäß der dokumentierten Regel.
• Nennungsrate % — Ihre Nennungen ÷ Durchläufe.
• Markennennungen insgesamt — alle Nennungen von Ihnen und dem getrackten Wettbewerbsset in denselben Antworten.
• Share of Answer % — Ihre Nennungen ÷ Markennennungen insgesamt.
• Durchschnittsposition — mittlerer Rang bei Nennung in einer Liste.
• Top-Wettbewerber + dessen Anteil % — wer den Platz tatsächlich belegt.
• Häufigste zitierte Domains — die drei Quellen, auf die sich der Assistent am stärksten gestützt hat; das ist Ihre Maßnahmenliste.
• Delta zur Vorperiode — in Prozentpunkten, nicht in prozentualer Veränderung, damit kleine Basiswerte Bewegungen nicht übertreiben.

Aus SoV-Lücken Maßnahmen machen

Ein Share-of-Voice-Report, der mit einem Prozentwert endet, ist ein Dashboard. Der Wert liegt in der Zuordnung von Lückentyp zu Maßnahme — und es gibt nur eine Handvoll Lückentypen, die einen Namen verdienen.

Auf allen Assistenten abwesend bei einem Cluster heißt: Sie stehen nicht im Quellenmaterial, aus dem die Antworten gebaut werden. Die Arbeit heißt Abdeckung: genannt, beschrieben und verglichen werden auf den Seiten, die Assistenten für dieses Cluster ohnehin zitieren — Bewertungsplattformen, Kategorieübersichten, Community-Threads, Fachpublikationen — und auf den eigenen Seiten klar sagen, was Sie tun, für wen und zu welchem Preis.

In retrieval-lastigen Assistenten präsent, in gewichtslastigen abwesend deutet auf Aktualität. Sie existieren im Live-Web, aber nicht im tieferen Korpus. Rechnen Sie mit Verzögerung und konzentrieren Sie sich in der Zwischenzeit auf die Oberflächen, wo Retrieval über die Eignung entscheidet.

Genannt, aber an letzter Stelle ist ein Problem der Vergleichsbelege. Assistenten sortieren Listen entlang des Rahmens, den sie in den Quellen finden. Wenn Wettbewerber explizite Vergleichsseiten, Preistabellen und Use-Case-Beschreibungen haben und Sie nicht, landen Sie in der Rolle des Mitläufers. Veröffentlichen Sie die Details — für wen Sie nicht geeignet sind, ist genauso nützlich wie für wen doch.

Mit falschen Attributen genannt ist der schädlichste Fall und der am leichtesten zu übersehende, wenn Sie nur Nennungen zählen. Protokollieren Sie die Aussagen über Sie, nicht bloß die Tatsache der Nennung: falsches Preismodell, eine fehlende Integration, eine veraltete Positionierung. Korrigieren Sie es an der Quelle, die zitiert wird.

Ein Wettbewerber dominiert auf einem Assistenten lässt sich meist auf eine einzige Seite zurückführen. Finden Sie sie in der Spalte der zitierten Domains und entscheiden Sie dann, ob die Aufnahme in diese Seite, eine stärkere Alternative auf einer vergleichbaren Domain oder eine Bitte um Faktenkorrektur der richtige Zug ist.

Priorisieren Sie nach kommerziellem Gewicht, nicht nach Lückengröße. Zehn Punkte Lücke bei kaufnahen Alternativen-zu-Prompts sind mehr wert als vierzig Punkte bei Definitionsfragen. Wenn Sie den größeren Rahmen wollen — wie Nennungsrate, Sentiment und Zitatquellen zusammenspielen — lesen Sie unsere Einführung zu AI Visibility.

Takt, Aussagekraft und was als echte Bewegung zählt

Eine monatliche Messung passt für die meisten Kategorien; wöchentlich ist bei einem Launch, einem Rebranding oder einer laufenden Korrekturkampagne gerechtfertigt. Was auch immer Sie wählen: Führen Sie das komplette Prompt-Set in einem engen Zeitfenster aus, damit Modell-Updates nicht mitten in Ihre Stichprobe fallen.

Legen Sie eine Schwelle für Bewegung fest, bevor Sie berichten. Bei fünf Durchläufen pro Prompt liegt eine Verschiebung von wenigen Prozentpunkten in einem einzelnen Cluster klar innerhalb der Stichprobenvarianz — sprechen Sie erst von Bewegung, wenn sie zwei Perioden hintereinander hält oder über mehrere Cluster auf demselben Assistenten hinweg auftritt. Versehen Sie jeden Report mit Anmerkungen zu Ereignissen, die einen Sprung erklären könnten: ein Modell-Update, der Launch eines neuen Wettbewerbers, ein großer Fachartikel, der online geht, eine Änderung auf Ihrer eigenen Website.

Eine letzte Disziplin: Bewahren Sie die Rohantworten auf, nicht nur die Summen. In sechs Monaten sagen Ihnen die Summen, dass der Anteil gefallen ist — die gespeicherten Antworten sagen Ihnen, warum. Das ist der Unterschied zwischen einer KI-Sichtbarkeitskennzahl, die Sie verteidigen können, und einer Zahl, die eine Diskussion auslöst.

FAQ