Was bessere GEO-Daten noch nicht entscheiden

Hundert Prozent sind ein angenehmer Einstieg in eine Budgetbesprechung. In einem Bericht zur Sichtbarkeit in KI-Suche könnte der Wert nahelegen, dass die eigene Marke den Wettbewerb hinter sich gelassen hat. Die nächste Frage wäre dann, wie sich dieser Erfolg ausbauen lässt.

Google dokumentiert für den AI-Performance-Bericht im Merchant Center einen anderen Grund für genau dieses Ergebnis. Wenn für ein Konto keine definierten Wettbewerber verfügbar sind, wird der Share of Voice mit 100 Prozent angegeben. Wer daraus vollständige Marktbeherrschung ableitet, behauptet mehr, als der Bericht aussagt. Google-Dokumentation

Der Bericht kann seine eigene Definition korrekt umsetzen und trotzdem eine schlechte Grundlage für die nächste Budgetentscheidung sein. Entscheidend ist, welche Frage man an ihn stellt.

Zusätzliche Angaben zu Suchintentionen, Produktattributen und Wettbewerbern machen die Arbeit an KI-Sichtbarkeit konkreter. Ein ausführlicherer Bericht beantwortet aber noch nicht die Frage, ob sich die vorgeschlagene Maßnahme lohnt.

In meinem vorherigen Essay AI Visibility. Was sich messen lässt und was nur verkauft wird ging es um die Qualität solcher Beobachtungen und ihre Grenzen für die Steuerung. Ein Abruf, eine Erwähnung, eine sichtbare Quellenangabe, ein Besuch und ein Geschäftsergebnis sind unterschiedliche Ereignisse. Ein Monitoring verbindet sie nicht automatisch zu einer nachgewiesenen Wirkungskette.

Hier möchte ich genauer untersuchen, welche Investition ein bestimmter Befund rechtfertigt. Bei GEO, also der Arbeit an Sichtbarkeit in generativen Such- und Antwortsystemen, betrifft das ganz unterschiedliche Vorhaben. Eine fehlende Produktangabe zu ergänzen ist eine andere Entscheidung, als ein Team aufzubauen oder den gesamten Katalog neu schreiben zu lassen.

Für diese Entscheidungen braucht es unterschiedliche Begründungen. Wer jede kleine Verbesserung von einem vollständigen Wirkungsnachweis abhängig macht, blockiert sinnvolle Arbeit. Wer jede Sichtbarkeitsbewegung als Erfolg wertet, kann beträchtliche Mittel ohne belastbaren Nutzen einsetzen.

Damit lässt sich gezielter untersuchen, bei welchen Informationsbedürfnissen oder Produkten ein Händler wenig sichtbar ist. Aus einer allgemeinen Sorge kann eine prüfbare Vermutung werden.

Zunächst muss allerdings klar sein, welche Anfragen, Oberflächen, Länder und Wettbewerber ein Wert erfasst und welche davon zum eigenen Geschäft gehören. Ein sorgfältig definierter US-Bericht kann für einen ausschließlich deutschen Händler wenig unmittelbare Aussagekraft haben.

Der Vorteil eines direkten Plattformwerts liegt darin, dass die Plattform einen Teil ihres eigenen Geschehens sichtbar macht. Wie weit sich diese Beobachtung auf andere Märkte, Oberflächen oder Geschäftsergebnisse übertragen lässt, bleibt gesondert zu beurteilen.

Bessere Daten grenzen ein, wo eine genauere Prüfung lohnt. Welche Änderung helfen würde und ob sich ihr Aufwand rechnet, sind die anschließenden Fragen.

Die erste Entscheidung betrifft einen nachweisbaren Fehler. Eine falsche Größenangabe, ein nicht mehr gültiger Lieferhinweis oder ein widersprüchlicher Preis verdient eine Korrektur. Ein Shop muss verlässliche Informationen bereitstellen. Dafür braucht es keinen zusätzlichen Nachweis, dass auch eine KI-Antwort durch die Korrektur besser wird.

Die zweite Entscheidung betrifft eine plausible Verbesserung mit ungewisser Wirkung. Kunden fragen nach produktspezifischen Informationen, die im Shop bisher kaum erklärt werden. In wiederholten Abfragen erscheinen Wettbewerber bei diesen Fragen häufiger. Das kann einen Versuch rechtfertigen. Es zeigt noch nicht, ob die vorgeschlagene Änderung die Ursache trifft oder wie groß der Versuch ausfallen sollte.

Die dritte Entscheidung betrifft eine dauerhafte Ressourcenbindung. Ein neues Team, eine umfangreiche Agenturleistung oder ein längerer Softwarevertrag muss sich an alternativen Verwendungen derselben Mittel messen lassen. Dafür reicht ein gelungener Einzelfall gewöhnlich nicht. Es braucht eine begründete Erwartung wiederholbaren Nutzens, eine realistische Kostenrechnung und Bedingungen, unter denen die Investition zurückgenommen wird.

Je teurer eine Fehlentscheidung wäre und je schwerer sie sich rückgängig machen ließe, desto stärker sollte ihre Begründung sein. In die Abwägung gehören auch die Kosten des Wartens. Wenn relevante Nachfrage über einen neuen Zugang entsteht, kann langes Zögern ebenfalls teuer werden. Wie groß dieses Risiko im eigenen Geschäft ist, muss begründet werden. Der Hinweis auf die Geschwindigkeit des Marktes allein genügt dafür nicht.

Ein Händler muss also nicht zuerst das gesamte Verhalten eines Sprachmodells erklären, bevor er eine hilfreiche Produktinformation ergänzt. Er sollte wissen, welche Entscheidung er gerade trifft und welchen Nachweis sie verlangt.

Bei der Prüfung seines Sortiments zeigt sich ein uneinheitliches Bild.

Bei einigen Schuhen fehlt die vom Hersteller bestätigte Weitenangabe, obwohl sie intern vorliegt. Hier ist die Datenpflege unvollständig. Der Händler kann die Information korrekt ergänzen und zugleich prüfen, ob Shop, Feed und Filter dieselbe Angabe verwenden. Google empfiehlt für seine KI-Suchfunktionen weiterhin grundlegende Suchmaschinenarbeit und konsistente, zugängliche Informationen. Zusätzliche spezielle KI-Dateien oder ein besonderes Schema sind für die Berücksichtigung als unterstützender Link in AI Overviews und AI Mode nicht erforderlich. Google Search Central

Bei anderen Schuhen sind alle Angaben vorhanden. Unklar ist, ob Kunden den Unterschied zwischen Leistenform, Schuhweite und Passform verstehen. Ein zusätzlicher Vergleich könnte helfen. Reale Kundenfragen und die Produktkenntnis des Teams sollten bestimmen, was er erklärt. Er darf keine Passform versprechen, die der Händler nicht belegen kann.

Schließlich schlägt ein Dienstleister in diesem Beispiel vor, den gesamten Katalog nach einem neuen GEO-Verfahren umzuschreiben. Aus einer konkreten Informationslücke wird damit ein flächendeckendes Produktionsprojekt. Der Händler muss nun wissen, warum gerade diese Methode zusätzlichen Nutzen erwarten lässt und ob ihr Aufwand gegenüber anderen Verbesserungen vertretbar ist.

Alle drei Maßnahmen könnten im Reporting unter Produktdatenoptimierung erscheinen. Kaufmännisch sind es verschiedene Vorhaben. Der Händler sollte die bekannte Datenlücke schließen, den Vergleich in begrenztem Umfang erproben und die flächendeckende Neuproduktion zunächst gesondert beurteilen. Die Dringlichkeit der ersten Aufgabe begründet nicht automatisch den Umfang der dritten.

Entscheidend ist das Testdesign. Die Attributsignale wurden verändert, während die Sichtbarkeitsergebnisse konstant blieben. Geprüft wurde, ob der Agent das veränderte Signal wiederfindet. Ob die Umsetzung seiner Empfehlung die Sichtbarkeit erhöht, lässt sich damit nicht feststellen. Der Autor bezeichnet die Diagnose ausdrücklich als zusammenhangsbasiert und grenzt sie von einer Schätzung der Interventionswirkung ab. Volltext, Abschnitte zur Diagnose und Evaluation

Die Arbeit macht den Weg von der Beobachtung zur Empfehlung überprüfbar. Für eine Investitionsentscheidung bleiben weitere Schritte nötig.

Der Laufschuhhändler müsste zunächst feststellen, ob das diagnostizierte Problem in seinem Sortiment tatsächlich vorkommt. Danach wäre zu prüfen, ob die vorgeschlagene Änderung es beeinflussen kann. Erst die Umsetzung und eine geeignete Auswertung könnten zeigen, ob sich ein relevantes Ergebnis stärker verbessert, als ohne diese Änderung zu erwarten gewesen wäre.

Ein Beratungsangebot sollte deshalb offenlegen, welchen dieser Schritte seine Evidenz tatsächlich abdeckt. Eine überzeugende Diagnose ist wertvoll. Wie wirksam die daraus abgeleitete Maßnahme ist, muss zusätzlich geprüft werden.

Zuerst muss der Händler bestimmen, was er herausfinden will. Ob Kunden eine Passform besser einschätzen können, ob ein Antwortsystem den Händler häufiger nennt und ob zusätzliche Bestellungen entstehen, sind unterschiedliche Untersuchungsfragen. Ein gutes Ergebnis bei einer davon beantwortet die anderen nicht automatisch.

Danach folgt die Wahl einer geeigneten Vergleichsbasis. Ein bloßer Vergleich der Wochen vor und nach der Änderung bleibt anfällig für saisonale Nachfrage, neue Wettbewerberangebote, Modelländerungen oder eine parallel laufende Kampagne. Die kontrafaktische Evaluationslogik fragt deshalb nach dem Ergebnis, das ohne die Maßnahme zu erwarten gewesen wäre. Das Joint Research Centre der Europäischen Kommission erläutert diesen Grundgedanken für Wirkungsevaluationen. Seine Übertragung auf den Commerce-Versuch ist hier eine methodische Einordnung. Joint Research Centre

Bekannte Fehler in den Produktangaben würden vor dem Versuch korrigiert. Für die zusätzlichen Passformvergleiche könnte der Händler geeignete Produkt- oder Kategoriegruppen auswählen und, soweit sinnvoll, zufällig einer frühen oder späteren Einführung zuordnen. Ein Besuchertest im Shop untersucht dagegen zunächst die Wirkung der Darstellung auf diese Besucher. Er belegt nicht, dass ein externes Antwortsystem die Inhalte häufiger empfiehlt.

Die Vergleichsgruppen müssen zur Frage passen. Zwei Kategorien mit unterschiedlicher Saison, Marge und Nachfrage werden durch ähnliche Größe noch nicht vergleichbar. Außerdem kann eine neue Kategoriebeschreibung mehrere Produkte zugleich betreffen. Verlinkungen können Wirkungen in andere Bereiche tragen. Wo solche Einflüsse zu erwarten sind, dürfen einzelne Produktseiten nicht einfach als voneinander unabhängige Versuchseinheiten behandelt werden.

Für die Beobachtung von KI-Antworten kommen Wiederholungen hinzu. Die Untersuchung „Don't Measure Once“ beschreibt, warum Sichtbarkeit über mehrere Abfragen und Zeitpunkte als Verteilung betrachtet werden sollte. Schulte, Bleeker und Kaufmann Hundert Wiederholungen derselben Anfrage sind allerdings auch keine hundert unabhängigen Kunden. Sie helfen, die Variation eines ausgewählten Tests zu beurteilen. Den tatsächlichen Umfang der Marktnachfrage messen sie nicht.

Der Händler sollte seine Prüfung auch nicht nachträglich auf jene Formulierungen verengen, bei denen er gut abschneidet. Er könnte einen Teil der Fragen bei der Textentwicklung unberücksichtigt lassen und erst später zur Prüfung verwenden. Verbessert sich das Ergebnis nur bei den Formulierungen, auf die der Text zugeschnitten wurde, bleibt die Übertragbarkeit offen. Die zurückgehaltenen Fragen machen das Panel nicht repräsentativ. Sie erschweren aber, dass es nur die eigene Textarbeit bestätigt.

Wie lange der Versuch laufen sollte, hängt unter anderem von der Zahl relevanter Ereignisse, Aktualisierungsverzögerungen und der erkennbaren Effektgröße ab. Verändert ein beobachtetes System währenddessen sein Modell oder die Darstellung seiner Antworten deutlich, muss die Vergleichbarkeit erneut geprüft werden.

Bei sehr wenig relevanten Käufen kann auch ein sorgfältiger kurzer Versuch keinen verlässlichen Umsatznachweis liefern. Daraus folgt eine Grenze der Aussage, kein automatisches Verbot der Maßnahme.

Die Inhalte könnten den Kunden unabhängig vom Weg in den Shop helfen. Die zusätzlichen Nennungen könnten auf dieselbe Änderung zurückgehen, durch andere Einflüsse entstanden sein oder innerhalb der normalen Schwankung liegen. Dass beides im selben Zeitraum geschieht, belegt noch keinen ursächlichen Zusammenhang.

Für die Entscheidung über bessere Passforminformationen kann ein belastbarer Nutzen im Shop ausreichen. Für die Behauptung, eine bestimmte GEO-Methode habe zusätzlichen Umsatz erzeugt, reicht derselbe Befund nicht. Der Unterschied ist kaufmännisch relevant. Unter Umständen lohnt sich die redaktionelle Arbeit, während die Begründung für einen separaten GEO-Vertrag offenbleibt.

Gerade bei Maßnahmen, die zugleich Produktberatung, klassische Suche und KI-gestützte Auffindbarkeit verbessern sollen, ist eine eindeutige Zuordnung zu einem Kanal schwierig. Ich würde deshalb zuerst beurteilen, ob sich die Maßnahme insgesamt lohnt. Ihren Nutzen würde ich einem bestimmten Kanal nur zuschreiben, soweit die Untersuchung das trägt.

Das wäre ein erheblicher Erkenntnisgewinn. Es bliebe jedoch die Frage, ob der Kunde ohne diese Empfehlung ebenfalls gekauft hätte. Eine nachvollziehbare Ereigniskette erklärt einen beobachteten Weg. Den zusätzlichen Beitrag der Maßnahme muss man gesondert untersuchen.

Für die Wirtschaftlichkeit ist außerdem relevant, was nach dem Kauf geschieht. Eine größere Zahl vermittelter Bestellungen kann mit höheren Retouren, Rabatten oder Servicekosten einhergehen. Umgekehrt könnte eine geringere Zahl besser informierter Käufer einen wertvolleren Beitrag leisten. Das sind mögliche Verläufe, keine hier behaupteten empirischen Befunde.

Für den Laufschuhhändler wären deshalb auch Deckungsbeitrag, Retouren und vermeidbare Servicekosten relevant. Eine Sichtbarkeitskennzahl kann helfen, Veränderungen zu erklären. Ob diese Veränderungen wirtschaftlich nützen, muss an den tatsächlichen Folgen für das Geschäft beurteilt werden.

Eine begrenzte Investition lässt sich auch unter Unsicherheit begründen. Dazu braucht es einen nachvollziehbaren Wirkungsweg, einen konkreten Nutzen, falls nur ein Teil der Erwartungen eintritt, und einen überschaubaren möglichen Verlust. Der Laufschuhhändler könnte etwa eine kleine Zahl häufig nachgefragter Passformvergleiche erstellen lassen, deren Verwendung im Shop bereits plausibel ist. Die spätere Übernahme in KI-Antworten wäre dann eine zusätzliche, noch zu prüfende Erwartung.

Eine einfache Rechnung kann die Größenordnung verdeutlichen. Nehmen wir für dieses Gedankenbeispiel 6.000 Euro Gesamtkosten über einen festgelegten Betrachtungszeitraum an. Bei durchschnittlich 30 Euro zusätzlichem Deckungsbeitrag pro zusätzlicher Bestellung wären 200 zusätzliche Bestellungen in diesem Zeitraum nötig, um die Kosten zu decken. Die 30 Euro müssten Retouren und relevante variable Kosten bereits berücksichtigen. In die 6.000 Euro gehörten sämtliche Kosten der Maßnahme im betrachteten Zeitraum, einschließlich Pflege und Auswertung.

Unter diesen Annahmen zeigt die Rechnung, wie viele zusätzliche Bestellungen zur Kostendeckung nötig wären. Sie sagt nicht voraus, dass sie eintreten werden. Bei geringer relevanter Nachfrage kann schon diese Größenordnung gegen das Vorhaben sprechen. Bei plausibler Nachfrage hilft sie, die Erwartung zu konkretisieren und den Umfang eines Versuchs abzuwägen.

Für eine größere Fortsetzung sollten die günstigsten Annahmen nicht der einzige tragfähige Fall sein. Zu prüfen wäre, ob der Aufwand auch dann vertretbar bleibt, wenn die Wirkung kleiner ausfällt, die Pflege teurer wird oder der erhoffte KI-Zugang weniger Besucher bringt. Solche Szenarien ersetzen keine Evidenz. Sie zeigen, wie abhängig die Entscheidung von noch unbewiesenen Erwartungen ist.

Wer wegen einer erwarteten Marktverschiebung bewusst früher investieren will, sollte diese Entscheidung als begründetes Risiko benennen und einen begrenzten Einsatz festlegen. Ein besserer Bericht macht aus dieser Wette noch keinen nachgewiesenen Ertrag.

Der Händler sollte deshalb vom konkreten Entscheidungsbedarf ausgehen. Was würde er mit einem genaueren Ergebnis anders machen? Wenn die zusätzliche Präzision weder den Umfang noch die Fortsetzung einer Maßnahme verändern würde, ist ihr praktischer Wert begrenzt.

Vor einem Versuch sollten deshalb auch die Konsequenzen möglicher Ergebnisse feststehen. Ein überzeugender Befund kann die Erweiterung rechtfertigen. Ein widersprüchlicher Befund verlangt zunächst eine Erklärung. Bleibt das Ergebnis unklar, kommt eine Verlängerung nur infrage, wenn zusätzliche Beobachtung die offene Entscheidung voraussichtlich besser beantworten kann. Mehr Zeit allein macht einen ungeeigneten Versuch nicht aussagekräftig.

Ein ausbleibender Nachweis ist nicht automatisch der Nachweis fehlender Wirkung. Er rechtfertigt aber auch keine unbegrenzte Fortsetzung auf Verdacht. Im Händlerbeispiel könnten die korrekten Produktangaben und die hilfreichen Vergleiche erhalten bleiben, während die teure Ausweitung oder das wenig ergiebige Monitoring beendet werden. Das Urteil über die Inhalte muss nicht mit dem Urteil über jede begleitende Leistung identisch ausfallen.

Für die verantwortliche Person ergeben sich daraus vier praktische Fragen.

1. Welche konkrete Entscheidung soll diese Beobachtung verändern?
2. Welche zusätzliche Wirkung erwarten wir von der vorgeschlagenen Maßnahme?
3. Welche Evidenz ist angesichts von Kosten und Rücknehmbarkeit ausreichend?
4. Welches Ergebnis würde uns veranlassen, die Maßnahme zu ändern oder zu beenden?

In der nächsten Budgetbesprechung wäre damit mehr gewonnen als ein besser erklärter Prozentwert. Der Händler könnte begründen, welche Information korrigiert wird, welche Erweiterung er erproben will und welchen größeren Auftrag er vorerst nicht erteilt. Er könnte auch sagen, was seine Einschätzung ändern würde.

Genau darin liegt für mich der praktische Wert besserer GEO-Daten. Sie ermöglichen eine genauere Entscheidung über den nächsten Einsatz von Geld und Arbeit. Wie groß dieser Einsatz ausfallen darf, bleibt eine Frage des unternehmerischen Urteils.

Redaktioneller Stand 14. September 2026. Das Händlerbeispiel einschließlich sämtlicher angenommener Ergebnisse und Rechengrößen ist hypothetisch. Das vorgeschlagene Entscheidungsmodell und die Übertragung von Evaluationsmethoden auf GEO sind eigene Einordnungen. Der Text führt den vorherigen GEO-Essay fort. Er stellt keine Untersuchung mit eigenen Händlerdaten dar.