Wie misst und berichtet man über Verkäufe mit AI Search?

Generative Suche ändert die Spielregeln - Die KI-Suche (z. B. ChatGPT, Gemini, Perplexity) generiert Antwortergebnisse anstelle einer Liste von Links, was bedeutet, dass herkömmliche Metriken wie die Konversionsrate nach dem letzten Klick die geschäftlichen Auswirkungen dieses Kanals nicht mehr vollständig erfassen. In früheren Artikeln haben wir gezeigt, wie sich die Sichtbarkeit in der KI von der klassischen SEO unterscheidet - jetzt ist es an der Zeit, einen Schritt weiter zu gehen und zu zeigen, wie man die Effektivität einer solchen Sichtbarkeit in GA4 und anderen Tools messen kann.

Einführung

Für viele Unternehmen sind die ersten Monate der Aktivität rund um die KI-Suche eine Überraschung: Der Traffic ist da, aber die Verkäufe sind gering. In der Praxis unterstützt die KI-Suche eine Kaufentscheidung oft eher, als dass sie sie in GA4 abschließt. Daher erfordert die Berichterstattung über die Effektivität richtig konfigurierte KPIs und analytische Segmente.

In diesem Artikel besprechen wir:

• wie man den Verkehr mit AI Search genau verfolgt
• welche KPIs in welchen Phasen des Trichters relevant sind
• wie man GA4 einrichtet, um die Auswirkungen der KI besser zu verstehen

Standard-GA4-Berichte sind nicht ausreichend

GA4 zeigt Verkehrsquellen, Sitzungen und Transaktionen. Allerdings:

• KI-Suche löst oft Interesse aus und Kaufentscheidungen werden in einem anderen Kanal getroffen
• datenverkehr aus AI-Modellen kann ohne klare Zuordnung als "direkt" oder "Empfehlung" klassifiziert werden
• viele KI-bezogene Konversionen sind im traditionellen Attributionsbericht nicht enthalten

In der Praxis bedeutet das Ausbleiben von Verkäufen in den ersten Monaten nicht, dass die KI keine Auswirkungen hat - es ist vielmehr ein Hinweis darauf, dass die analysieren wir nicht die relevanten Metriken.

Wie erkennt man Traffic von AI Search in GA4?

Der Schlüssel dazu ist die Erstellung spezieller KI-Verkehrsdefinitionen. Hier sind die praktischen Schritte:

1. Sicherstellen, dass AI-Quellen korrekt gekennzeichnet sind

In GA4 lohnt es sich, benutzerdefinierte Kanäle einzurichten, denen Sie Verkehr von Adressen wie z. B.:

• chat.openai.com
• chatgpt.com
• openai.de
• gemini.google.com
• perplexity.ai
• grok.de

Mit diesem:

• der AI-Verkehr wird nicht mit anderen Kanälen verwechselt
• sie können die Beteiligung der KI an den Nutzerpfaden leichter bestimmen

2. Markieren von Ereignissen in der KI

Erstellen Sie Ereignisse wie z. B.:

gtag('event', 'ai_session_start', {source: 'AI Search'});
gtag('event', 'ai_engaged_session', {engagement_time_msec: ...});

Auf diese Weise können Sie die Sitzungen detaillierter als nur nach Quelle analysieren.

3. Segmente festlegen

Das Segment "KI-Nutzer" sollte Folgendes umfassen:

• nutzer, die mindestens einmal von einer zugewiesenen AI-Quelle aus eingegeben haben
• nutzer, die spezifische Interaktionen mit der KI-Suche hatten (z. B. Sitzungen aus Chatbot-Antworten)

Diese Segmente ermöglichen:

• vergleiche des Verhaltens von AI-Nutzern mit anderen
• analyse ihrer Umstellungswege

KPIs, die wirklich zählen

Im Zusammenhang mit der KI-Suche ist es sinnvoll, die KPIs auf mehreren Ebenen zu betrachten:

Ebene 1 KPI - Sichtbarkeit

• anzahl der Sitzungen mit KI-Tools
• einzelne Nutzer AI
• erhöhung des Anteils der KI an den Verkehrsquellen

Ziel: Bestätigung, dass die Marke erkennbar ist und in den Antworten der Modelle erscheint.

Ebene 2 KPI - Verkehrsqualität

• durchschnittliche Sitzungsdauer
• aufrufe pro Sitzung
• rückgaben auf der Website

Zweck: Beurteilung, ob die Besucher von AI Search an den Inhalten interessiert sind.

Ebene 3 KPI - Kaufabsicht

Bevor Transaktionen stattfinden, sollte die Absicht sichtbar sein:

• einträge auf Angebotsseiten
• zum Warenkorb hinzufügen
• laufende Beschaffungsprozesse
• newsletter-Anmeldung / Kontaktformulare

Ziel: Bewertung der Kaufbereitschaft von KI-Nutzern.

Ebene 4 KPIs - Verkauf und Zuteilung

Nach der Konfiguration der Attribution nach Modellen (z. B. datengesteuert), analysieren Sie:

• kI-gestützte Transaktionen
• umstellungswege, bei denen AI einer der Schritte war

Ziel: Bewertung des tatsächlichen Beitrags der KI zu den Einnahmen.

So konfigurieren Sie GA4 Schritt für Schritt

A. Segmente und Erkundungen

Erstellen Sie Untersuchungen wie "Konversionspfade", in denen Sie analysieren:

• nutzer, die mit AI-Sitzungen beginnen
• zeit bis zur Konvertierung
• anzahl der Interaktionen entlang des Pfades

B. Definitionen von Hilfsumwandlungen

Beschränken Sie sich nicht auf Transaktionen, sondern setzen Sie sie zum Beispiel als Conversions ein:

• zugriff auf die Produktseite
• CTA "Kontakt"
• pDF-Download
• newsletter-Abonnement

Dies ermöglicht es, Signale der Absicht früher als bei der Ankunft zu erkennen.

C. Mehrkanalige Zuteilung

Ergebnisse vergleichen:

• im Modell des letzten Klicks
• in einem datengesteuerten oder zeitlichen Abklingmodell

Daraus geht hervor, wie oft KI bei Kaufentscheidungen "hilft".

Beispielveranstaltung in GA4

Nachfolgend finden Sie ein Beispiel für ein Ereignis, das Sie hinzufügen können, um KI-Sitzungen besser zu verfolgen:

<script async src="https://www.googletagmanager.com/gtag/js?id=G-XXXXXXX"></script>
<script>
  window.dataLayer = window.dataLayer || [];
  function gtag(){dataLayer.push(arguments);}
  gtag('js', new Date());

  // Standard GA4
  gtag('config', 'G-XXXXXXX');

  // AI-Sitzungsereignis
  gtag('event', 'ai_session_start', {
    event_category: 'AI Search',
    event_label: 'AI Session'
  });
</script>

Ein solches Ereignis ermöglicht eine anschließende Segmentierung und Analyse.

FAQ

Ist es möglich, die Verkäufe eindeutig ChatGPT oder einem anderen KI-Modell zuzuordnen?
Nicht auf eine völlig deterministische Weise. Die KI-Suche fungiert sehr oft als ein Kanal, der eine Kaufentscheidung einleitet oder unterstützt. Daher sind Attributionsmodelle, Pfadanalysen und unterstützte Konversionen, nicht nur der letzte Klick, entscheidend.

Warum ist die Qualität des AI-Traffics oft hoch, die direkte Konversion aber niedrig?
Denn die Nutzer verwenden KI hauptsächlich in der Phase der Recherche, des Vergleichs und der Aufklärung. Dies ist die obere und mittlere Stufe des Trichters, nicht der Moment, in dem die Transaktion abgeschlossen wird.

Wie unterscheidet man wertvollen Traffic von KI von zufälligen Klicks?
Durch die Analyse von: Verweildauer, Anzahl der Seitenaufrufe pro Sitzung, Nutzerrückkehr, Übergänge zu Listenseiten und Nutzung von Suchmaschinen. Sitzungen allein sind kein ausreichender Indikator.

Reicht GA4 aus, um AI Search zu messen?
GA4 ist eine gute Grundlage, aber in der Praxis lohnt es sich, sie zu ergänzen durch: Audits von KI-Modellantworten, Überwachung der Markensichtbarkeit in Antworten, Abfragetests und KI-Sichtbarkeitstracking-Tools.

Wie lange müssen Sie Daten messen, um geschäftliche Schlussfolgerungen zu ziehen?
Der angemessene Mindestzeitraum beträgt 3-4 Monate. Stabilere Schlussfolgerungen zu den Auswirkungen auf den Umsatz ergeben sich in der Regel über einen Zeitraum von 4-6 Monaten.

Bedeutet das Ausbleiben von Verkäufen nach 3 Monaten, dass der Kanal nicht funktioniert?
Nein. Wenn die Zahl der Sitzungen steigt, die Qualität des Datenverkehrs sich verbessert und Mikrokonversionen stattfinden, ist der Kanal dabei, Einfluss aufzubauen. Das Problem ist eher das Ausbleiben dieser Signale als das Ausbleiben der Transaktion selbst.

Welche Mikro-Conversions eignen sich am besten für die Traffic-Analyse mit KI?
Die häufigsten: Zugriff auf Produkt- und Angebotsseiten, Hinzufügen zum Einkaufswagen, Starten der Kaufabwicklung, Ausfüllen eines Formulars, Anmeldung zu einem Newsletter, Herunterladen von Materialien.

Kann die KI-Suche SEO oder bezahlte Kampagnen kannibalisieren?
Sie kann ihren Anteil an den Konversionspfaden verändern, arbeitet aber meist komplementär. In Multi-Channel-Berichten ist häufig zu sehen, dass KI Besuche initiiert und SEO oder Direct diese abschließt.

Wie berichten Sie der Geschäftsleitung oder dem Kunden über die Auswirkungen von KI, wenn es noch keine Umsätze gibt?
Durch vier Blöcke:

1. sichtbarkeit
2. qualität des Verkehrs
3. absicht
4. auswirkungen auf die Verkehrswege

Eine solche Berichterstattung zeigt den Trend und das Geschäftspotenzial, nicht nur das finanzielle Ergebnis.

Lohnt es sich, separate Dashboards für die KI-Suche zu erstellen?
Ja. Ein separates Dashboard ermöglicht es, die Dynamik der Kanäle ohne das "Rauschen" anderer Quellen zu verfolgen und macht es einfacher, die Auswirkungen innerhalb der Organisation zu kommunizieren.

Wie überprüfen Sie, ob Offline- oder B2B-Verkäufe durch KI unterstützt werden?
Durch: fragen auf Formularen ("Wie haben Sie uns erreicht?"), Analyse der ersten Besuche auf GA4, Korrelation der Sichtbarkeit in AI mit der Anzahl der Anfragen.

Sind Werbekampagnen angesichts der wachsenden Bedeutung der KI-Suche sinnvoll?
Ja, aber ihre Rolle ändert sich. Sie übernehmen oft die Funktion, die Nachfrage zu schließen, die zuvor durch SEO und AI Search generiert wurde.

Glossar

AI Suche - Ein KI-basiertes Suchmodell, bei dem der Nutzer anstelle der klassischen Linkliste direkte Antworten erhält, die von Sprachmodellen (z.B. ChatGPT, Gemini, Perplexity) generiert werden.

GEO (Generative Suchmaschinenoptimierung) - Eine Reihe von Maßnahmen zur Verbesserung der Sichtbarkeit von Marken, Produkten und Inhalten in den von KI-Modellen generierten Antworten.

AEO (Antwort-Engine-Optimierung) - Optimierung von Inhalten für nutzerorientierte Systeme (Suchmaschinen, Sprachassistenten, Chatbots) mit dem Ziel, eindeutige, leicht zitierbare Antworten zu geben.

AI Sichtbarkeit -Der Grad der Marken-, Produkt- oder Inhaltspräsenz in den Antworten der KI-Modelle, unabhängig davon, ob der Nutzer auf den Link klickt.

AI-Zitat / AI-Zitat - Eine Situation, in der ein KI-Modell eine Marke, eine Domäne oder einen Inhalt als Informationsquelle für seine Antwort heranzieht.

Null-Klick-Suche - Abfragen, bei denen der Nutzer eine Antwort erhält, ohne die Website aufrufen zu müssen. Bei der KI-Suche ist dies das vorherrschende Interaktionsmodell.

Mikro-Umwandlungen - Nutzeraktionen, die ein Interesse an einem Angebot signalisieren, aber noch keinen Verkauf darstellen, z. B. der Besuch einer Produktseite, die Anmeldung zu einem Newsletter, das Herunterladen von Material, das Starten einer Kaufabwicklung.

Unterstützte Konversionen - Transaktionen, bei denen ein Kanal (z. B. KI-Suche) im Pfad des Nutzers erschien, aber nicht der letzte Klick war.

Multi-Channel-Attribution - Ein Modell, um den Verkaufswert verschiedenen Kontaktpunkten zwischen dem Nutzer und der Marke zuzuordnen (z. B. KI-Suche, SEO, Werbung, Direktwerbung), anstatt das Ganze einer einzigen Quelle zuzuordnen.

Datengesteuerte Zuteilung - Attributionsmodell in GA4, das Daten und Algorithmen nutzt, um den tatsächlichen Beitrag einzelner Kanäle zur Konversion zu ermitteln.

Benutzerabsicht - Stadium und Zweck der Nutzeranfrage, z. B. informativ (Recherche), vergleichend, transaktional. Die KI-Suche wird von Informations- und Beratungsanfragen dominiert.

Anteil der Stimme bei AI - Markenanteil an KI-generierten Antworten im Vergleich zu Wettbewerbern für eine bestimmte Gruppe von Abfragen.

Umwandlungspfad - Die Abfolge der Interaktionen des Nutzers mit der Marke, bevor das Ziel ausgeführt wird (z. B. AI → SEO → direkt → Kauf).

Letzter Klick - Ein Attributionsmodell, das den gesamten Wert einer Konversion der letzten Input-Quelle zuschreibt, unterschätzt im Falle der KI-Suche sehr oft deren tatsächlichen Einfluss.

Quellen

AI-Suchmetriken, die tatsächlich von Bedeutung sind - analyse der wichtigsten KPIs für die Sichtbarkeit der generativen Ergebnisse und ihre Auswirkungen auf die Konversionen.

GEO Metrics: KPIs für die Sichtbarkeit im Wettbewerb - beschreibung von generativen Sichtbarkeitsmetriken, die sich von klassischen SEO-Metriken unterscheiden.

Verfolgung des AI-Überblicks Erfolg - analyse der Metriken in Bezug auf das Vorhandensein von KI-Übersichten und deren Auswirkungen auf das spätere Nutzerverhalten.

Erfolgsmessung bei der KI-Suche: Die wichtigsten Metriken - überprüfung von Kennzahlen wie Share of Voice, Zitierhäufigkeit und KI-Snapshot-Präsenz.

Optimierung von Antwortsystemen (AEO) - eine enzyklopädische Diskussion des AEO-Konzepts, das eng mit der Optimierung im Rahmen der KI-Suche verbunden ist.

Google Analytics - allgemeine Dokumentation des Analyseinstruments, das wir als Grundlage für die Messung der KPIs verwenden.

Semly.ai-Blog - kI-Suche und Sichtbarkeitsmaterialien - weitere Artikel über Sichtbarkeitsstrategien in KI-Modellen.

Teilen:

Link kopieren