← Zurück zum Blog
Founder ColumnGEOAI VisibilityAnalyticsAI AttributionAttribution
Das ist ein synthetisches Szenario. Die Zahlen dienen nur dazu, Messlogik zu erklären; sie sind keine Gravity-Kundendaten und keine Daten einer einzelnen Marke. Mit umfassendem AI Monitoring sieht das Team nicht eine größere GA4-Zahl, sondern fünf Ebenen: trackable referrals, AI Overview impressions, Dark AI Traffic, AI crawler intent und Citation SOV. Die Frage verschiebt sich von "ist AI in GA4 groß genug?" zu "welche Ebene wird unterschätzt und welche Ebene braucht operative Maßnahmen?"
Prüfen Sie, ob der AI Assistant Channel in GA4 vorhanden ist. Behalten Sie historische Custom Groups. Ergänzen Sie nicht erkannte Plattformen wie DeepSeek, Perplexity, Kimi, Doubao, Tongyi Qianwen, Zhipu, ERNIE, Yuanbao, Poe, You.com, Grok und Mistral per Referrer Regex. Ergebnis: AI Referral wird teilweise sichtbar, aber Dark AI, AI Overview, Crawler Activity und Zero-Click bleiben außen vor.
Prüfen Sie, ob Search Generative AI Reports verfügbar sind. Erfassen Sie wöchentlich AI Impressions, Trend und meistzitierte Seiten. AI Impressions sind kein Conversion-KPI, sondern ein Sichtbarkeitstrend. Steigende AI Impressions bei fallenden Organic Clicks deuten auf Great Decoupling. Häufig zitierte Seiten sind Ihre AI-Search-Storefront und müssen aktuell sein.
Diese Stufe verändert die Sicht massiv.
Dimension | GA4 (Client-Side) | Server-Side |
|---|---|---|
AI crawler visibility | Unsichtbar | Voll sichtbar |
Referrer-stripped traffic | Direct | Erkennbar über UA + IP + Verhalten |
AdBlocker impact | Betroffen | Kaum betroffen |
AI platform coverage | begrenzter nativer Umfang | erweiterbare Multi-Plattform-Abdeckung |
Crawler intent classification | Nein | Fünf Intent-Typen |
Data latency | 24-48 Stunden | Nahe Echtzeit |
Level 2 liefert AI Crawler Profile, Intent Classification und Dark AI Identification. GPTBot-Frequenz misst langfristige Aufmerksamkeit; ChatGPT-User-Frequenz misst hohe Nutzerintention.
Definieren Sie relevante Queries, testen Sie sie regelmäßig auf AI-Plattformen und messen Sie Erwähnung, Position, Kontext, Sentiment und Wettbewerbsvergleich.
Metric | Meaning |
|---|---|
Citation Rate | Anteil relevanter Queries mit Brand Mention |
Average Position | Durchschnittliche Position in Empfehlungen |
Platform Coverage | Zahl der Plattformen mit Erwähnung |
Sentiment Distribution | Tonalität der Erwähnung |
Competitive SOV | Anteil gegenüber Wettbewerbern |
Level | Investment | New Coverage | Expected Outcome |
|---|---|---|---|
L0 | 5 Minuten | Layer 1 teilweise | AI Referrals teilweise sichtbar |
L1 | 30 Min/Woche | Layer 2 Impressions | Great Decoupling verstehen |
L2 |
Alle Marken sollten L0 sofort erledigen. Marken mit mehr als 10.000 monatlichen Visits sollten L1 starten. Wer AI Growth ernst nimmt, braucht L2. Kategorie-Leader sollten L3 aufbauen.
Wichtig ist, diese Stufen nicht als Tool-Einkauf zu behandeln, sondern als Reifegradmodell. L0 beantwortet die Frage, ob offensichtliche AI Referrals sichtbar sind. L1 beantwortet, ob die Marke in Googles AI-Oberflächen erscheint. L2 beantwortet, ob AI-Ökosysteme aktiv lesen, suchen oder im Auftrag von Nutzern abrufen. L3 beantwortet, ob AI die Marke im Wettbewerb tatsächlich empfiehlt. Jede Stufe reduziert eine andere Unsicherheit.
Für Budgetentscheidungen sollte das Reporting deshalb nicht nur "AI Traffic %" zeigen. Es sollte zeigen, welche Layer abgedeckt sind, welche Layer noch blind sind und welche Hypothesen offen bleiben. Ein CMO kann dann entscheiden, ob das nächste Budget in Content, technische Infrastruktur, Citation Monitoring oder Conversion Optimierung gehört. Ohne diese Layer-Map wird AI schnell als kleiner Kanal missverstanden.
Ein pragmatischer Implementierungsplan ist quartalsweise. Monat 1: GA4 und GSC sauber konfigurieren, Baseline für AI Assistant, Organic, Direct und AI Impressions setzen. Monat 2: serverseitige Logs aktivieren und die wichtigsten Crawler klassifizieren. Monat 3: Citation SOV für priorisierte Kategorie-Queries starten. Danach wird nicht mehr gefragt, ob AI "groß" ist, sondern welche Schicht gerade das Wachstum limitiert.
Diese Roadmap sollte mit klaren Entscheidungsrechten verbunden werden. Marketing verantwortet Query Sets und Content-Prioritäten, Engineering verantwortet Datenzugang, Data verantwortet Messqualität, und Leadership entscheidet über Budget nach Layer-Abdeckung. Ohne diese Ownership bleibt AI Monitoring ein Dashboard-Projekt; mit Ownership wird es ein Growth-System.
Der wichtigste Kontrollpunkt ist die wöchentliche gemeinsame Review. AI Assistant, Organic, Direct, AI Impressions, Server Logs und Citation SOV müssen nebeneinander liegen. Erst dann erkennt das Team, ob ein Problem bei Content, technischer Zugänglichkeit, Landing Page Conversion oder Messlücke liegt. Diese Routine macht aus einem DTC Monitoring Setup ein operatives System, nicht nur ein einmaliges Analytics-Projekt.
Sie verhindert außerdem, dass AI nur als kleiner Referrer bewertet wird.
A: Ja. Begrenzen Sie Custom Groups auf Plattformen, die GA4 nicht nativ erkennt.
A: Ja, über Cloudflare Workers, Vercel Edge Functions oder CDN Layer.
A: Mindestens 30 Queries, 3 Plattformen und 4 Wochen; größere Samples verbessern die Zuverlässigkeit.
A: L0 ist kostenlos, L1 Zeitaufwand, L2 Tech oder SaaS, L3 abhängig von Sampling-Frequenz.
A: Level 2, weil es Referrals erweitert und Crawler Intent freischaltet.
Dieser Artikel ist ein Evidence Asset. Der AI Evidence Index verbindet Artikel, FAQ, Produkte, Technologie, Cases, llms-Dateien und /ai/*.md.
Der AI-Visibility-Audit zeigt Zitate, Empfehlungen und Evidenzlücken.
AI-Visibility-Audit anfragenTech-Invest |
Layer 1/3/4 |
AI Activity und Intent sichtbar |
L3 | Ongoing Ops | Layer 5 | Zero-Click messbar |