GEO-Messung

Mention Rate und Sentiment in KI-Antworten messen

Ein reproduzierbares Messmodell für Markenmentions, Quellen, Position und Sentiment in generativen Antworten.

Mention Rate und Sentiment in KI-Antworten messen

Mention Rate beschreibt, in welchem Anteil eines definierten Tests eine Marke genannt wird. Die Kennzahl wirkt einfach, ist aber ohne dokumentiertes Promptset, System, Zeitpunkt und Auswertungsregel kaum vergleichbar. Es gibt keinen universellen Branchenbenchmark, der für jede Marke und jedes Modell gilt.

Ein reproduzierbares Promptset aufbauen

Jeder Prompt erhält eine feste ID und wird einer Käuferphase zugeordnet:

  • Problemverständnis,
  • Lösungsrecherche,
  • Anbieterauswahl,
  • Vergleich,
  • Validierung vor dem Kauf.

Markenhaltige Prompts werden von ungestützten Prompts getrennt. „Was bietet Firma X?“ misst etwas anderes als „Welche Anbieter lösen Problem Y?“. Auch Standort, Sprache und angemeldeter Zustand können Ausgaben beeinflussen und gehören in die Testdokumentation.

Mention Rate berechnen

Die einfachste Formel lautet:

Mention Rate = Antworten mit Markennennung / gültige Antworten × 100

Eine gültige Antwort ist eine erfolgreich erzeugte und nach der definierten Regel auswertbare Ausgabe. Fehler, leere Antworten und blockierte Abfragen werden separat gezählt. Bei mehreren Wiederholungen pro Prompt wird vorher festgelegt, ob jede Ausgabe oder der Prompt als Ganzes die Beobachtungseinheit ist.

Citation Rate getrennt erfassen

Eine Nennung ist nicht automatisch eine Quelle. Deshalb werden mindestens drei Zustände unterschieden:

  1. Marke genannt, aber keine eigene Quelle verlinkt.
  2. Marke genannt und eigene Domain als Quelle verwendet.
  3. Eigene Domain als Quelle verwendet, Marke aber nicht sinnvoll eingeordnet.

Zusätzlich wird die genaue URL gespeichert. So wird sichtbar, ob eine Leistungsseite, ein Fachartikel oder eine veraltete Seite als Beleg dient.

Sentiment nicht blind automatisieren

Für kleine und mittlere Testsets ist eine einfache menschliche Klassifikation meist verlässlicher als ein scheinpräziser Score:

  • positiv,
  • neutral,
  • negativ,
  • gemischt,
  • nicht beurteilbar.

Daneben wird die faktische Richtigkeit geprüft. Eine positiv klingende, aber falsche Leistungsbeschreibung ist kein Erfolg. Für jede negative oder falsche Aussage sollte der konkrete Textausschnitt, die genannte Quelle und eine mögliche Ursache dokumentiert werden.

Vergleichbarkeit sichern

Zwischen Messläufen bleiben Prompttext, Sprache, Region, Modelloberfläche und Wiederholungszahl möglichst konstant. Produkt- oder Modelländerungen werden als Bruch in der Zeitreihe markiert. Weil generative Ausgaben variieren, sollten einzelne Antworten nicht als Rankingposition interpretiert werden.

Mit Website-Conversions verbinden

Mention Rate zeigt nur eine mögliche Präsenz. Wirtschaftliche Wirkung wird über weitere Signale geprüft:

  • Referrals von Such- und KI-Oberflächen,
  • Einstiegsseite,
  • CTA-Klick,
  • Formularstart und erfolgreiche Anfrage,
  • Checkout-Start und verifizierte Zahlung,
  • qualifizierter Abschluss im CRM.

Freie Prompt- oder Formulardaten gehören nicht ungeprüft in ein Analytics-System. Für die Website reichen kurze Ereignisnamen und sachliche Eigenschaften wie Seitentyp oder Angebot.

Ein sinnvoller Monatsbericht

Ein kompakter Bericht zeigt das Promptset, Änderungen der Testumgebung, Mention und Citation Rate, häufige Quellentypen, Beispiele für richtige und falsche Aussagen sowie die nachgelagerten Conversions. Empfehlungen werden aus den konkreten Befunden abgeleitet – nicht aus einer isolierten Sichtbarkeitszahl.

Die übergeordnete Systematik steht auf der Seite GEO-Messung und Conversion-Attribution.

GEO Audit buchen