B2B / Marken
Die klassischen Signale sahen gut aus: Marken wurden gefunden, relevante Seiten waren indexiert, es gab organischen Traffic. Auf die Frage, was ein potenzieller Kunde tatsächlich sieht, wenn er sein Bedürfnis Google oder einem KI-System vorlegt, gab das jedoch keine Antwort. Simply Dom baute einen Messrahmen, der diese unterschiedlichen Formen von Sichtbarkeit auseinanderhält — je Marke, Sprache, Markt, Intention und Umgebung.
Die Ausgangssituation
Die Ausgangsfrage klang einfach: Wie sichtbar sind unsere Marken eigentlich?
Es gab genug klassische Signale, um darauf schnell eine beruhigende Antwort zu geben. Die Website wurde gefunden, Markennamen lieferten Ergebnisse, Produkt- und Kategorieseiten waren bei Google gelistet, und auch externe Verkaufsstellen brachten die Marken nach oben.
Nur stellte sich heraus, dass diese eine Frage inzwischen zwei Fragen war. Wie sichtbar sind wir in klassischen Suchergebnissen? Und: Was passiert, wenn jemand dasselbe kommerzielle Bedürfnis als Frage an ein KI-System formuliert?
Auf diese zweite Frage gab der bestehende SEO-Überblick keine verlässliche Antwort.
Die geschäftliche Fragestellung
Das Problem war kein Mangel an Daten. Es gab im Gegenteil viele Daten: Search Console, Rankings, Website-Traffic, externe Erwähnungen, Produktseiten, Händler und andere Quellen. Dazu kamen neue Beobachtungen aus AI Overviews, AI Mode, ChatGPT und anderen Systemen.
Das erste Risiko bestand darin, all diese Signale auf einen Haufen zu werfen und daraus eine allgemeine Schlussfolgerung zu ziehen — „wir sind gut sichtbar“ — ohne zu wissen, wo, bei welcher Frage und gegenüber wem.
Das zweite Risiko lag in der Messmethode selbst. Ein einziges positives KI-Ergebnis beweist wenig. Aber ein selbst erfundener Prozentsatz auf Basis einer willkürlichen Anzahl von Prompts beweist von sich aus ebenso wenig.
Bevor gemessen werden konnte, musste also erst festgelegt werden, was als gültige Beobachtung galt.
Die Entscheidungen
Klassische Search und KI-Umgebungen wurden nicht als einen gemittelten Kanal behandelt. Google Search blieb eine eigene Messumgebung, Googles KI-Funktionen wurden gesondert betrachtet, und andere KI-Systeme erhielten jeweils ihre eigenen Beobachtungen.
Die kommerzielle Frage kam vor dem Tool. Welche Suchintentionen zählen wirklich — Markenbekanntheit, Produktauswahl, Vergleich, Kaufberatung, technische Information, einen Lieferanten finden? Für welche Marke, in welcher Sprache, in welchem Markt?
Erst danach wurden Testfragen aufgebaut.
Pro Durchlauf wurde nicht nur erfasst, ob die eigene Marke erschien, sondern auch, welche anderen Marken genannt wurden, welche Quellen sichtbar waren und welche Art von Antwort das System gab.
Annahmen wurden auch schlicht als Annahmen benannt. Eine gewählte Anzahl an Durchläufen ist eine Arbeitsvereinbarung, kein Naturgesetz. Eine Sprachverteilung ist eine methodische Entscheidung, kein bewiesenes Gewicht. Und ein selbst gebauter Visibility Score wird nicht offiziell, nur weil ein Prozentzeichen dahintersteht.
Meine Rolle
Meine Rolle begann nicht mit „SEO optimieren“, sondern damit, zu klären, was wir eigentlich wissen wollten.
Ich habe Marken, Märkte, Sprachen und kommerzielle Suchintentionen kartiert und nachgesehen, was Google und die anderen Plattformen selbst offiziell dazu dokumentieren, wie ihre Such- und KI-Erlebnisse mit Websites und Quellen umgehen.
Behauptungen aus Tools und Anbieterdokumentation wurden, wo möglich, auf ihre ursprüngliche Quelle zurückgeführt.
Danach habe ich den Messrahmen aufgebaut: Testfragen nach Intention gruppiert, Umgebungen strikt getrennt, Erwähnungen, Mitbewerber und genutzte Quellen erfasst.
Wo eine Beobachtung nicht reproduzierbar genug war, um eine Schlussfolgerung daran zu knüpfen, wurde sie auch nicht stärker dargestellt, als sie war.
Und die Methodik selbst wurde ebenso hart hinterfragt wie das Ergebnis.
Ein willkürlicher Maßstab wird nicht dadurch besser, dass man mit ihm sehr präzise misst.
Die Umsetzung
Das Ergebnis war keine magische GEO-Zahl, sondern ein brauchbares Bild: eine Matrix je Marke, Sprache, Markt, Intention und Suchumgebung.
Darin wurde sichtbar, wo die Marke selbst erschien, welche Mitbewerber immer wiederkehrten, welche eigenen und externen Quellen eine Rolle spielten, und wo klassische Search stark stand, während andere Umgebungen weniger eindeutig waren.
Vor allem kamen konkrete Lücken zum Vorschein, an denen sich etwas ändern ließ. Mal betraf das die technische Auffindbarkeit, mal die Struktur oder den Inhalt einer Seite. Mal fehlte schlicht eine klare Quelle zu einer Frage, auf die Kunden tatsächlich eine Antwort suchen. Und mal erwies sich externe Information über die Marke als mindestens so ausschlaggebend wie das, was auf der eigenen Website stand.
Daraus folgte keine generische Liste von GEO-Optimierungen, sondern eine Prioritätenliste: zuerst dort ansetzen, wo Beobachtung und kommerzielle Relevanz zusammenkommen.
Danach erneut messen, mit demselben Maßstab.
Erst dann lässt sich unterscheiden, ob sich wirklich etwas verändert — oder ob man einfach auf eine andere Momentaufnahme blickt.
Bewusst nicht gemacht
Keine Erklärung, dass SEO tot sei.
Kein Versprechen, dass ein Schema-Tag eine Marke in eine KI-Antwort drückt.
Kein Aufbau hunderter Seiten rund um vermutete Fan-out-Queries.
Keine Darstellung eines einmaligen ChatGPT-Prompts als Marktforschung.
Keine selbst erfundene Mindestanzahl an Durchläufen, die anschließend als „wissenschaftlich“ bezeichnet wird.
Keine willkürlichen Gewichtungen, um Google, ChatGPT und den Rest in einen einzigen beeindruckenden Prozentwert zu pressen.
Und keine Empfehlungen nur deshalb, weil „GEO jetzt wichtig ist“.
Erst messen, dann sehen, wo der Unterschied liegt, und erst danach entscheiden, ob überhaupt etwas geändert werden muss.