Eine aktuelle Studie von Surferseo zeigt, dass man bei den Suchmaschinen-Funktionen, die KI bereitstellt, vorsichtig mit der Analyse sein muss. So sind Programme, die automatisiert die Sichtbarkeit herausfinden, nicht selten auf der falschen Fährte.

Untersucht wurde speziell, ob sich das Ergebnis, das per API automatisch abgeholt wurde, anders ist als jenes, das ein „echter User“ im Frontend von ChatGPT oder Perplexity eingibt. APIs werden schließlich auch von den Statistiksystemen verwendet, die herausfinden, ob eine Website oder Marke in den KI-Systemen gefunden wird.

Und jetzt die Bombe: Was die API ausspuckt hat praktisch nichts damit zu tun, was ein User im Web erhält. Andere Antwortlängen, eine andere Menge an Anfragen, die in Web weitergereicht werden, andere Quellen – nur wenige Prozent der Suchanfragen bzw. Prompts kann man als ähnlich bezeichnen. Wenn man per Werkzeug die Sichtbarkeit herausfinden will, liegt man in der überwiegenden Menge der Ergebnisse komplett daneben.

Diese Erkenntnis ist nicht neu und war schon bei Suchmaschinen mit zunehmender Personalisierung ähnlich schwierig zu handhaben. Aus diesem Grund geht des AI-Echo auch einen anderen Weg, hier wird weitgehend im Frontend der KI nach Argumentationssträngen dieser gesucht, um diese dann durch passende Antworten unterstützen zu können. Man versucht da die Logik der Empfehlungen zu erkennen, nicht das konkrete Auftreten in speziellen Abfragen. SEOs müssen sich also darauf einstellen, dass die Arbeit mehr wird und das Ergebnis nicht in einer Zahl darstellbar ist, um noch Erfolg zu haben.

Was die Branche auch gerade beschäftigt ist der Name des KI-SEO, wo sich nun Google eingemischt hat. Das, was man aktuell gerade oft GEO oder AIO bzw. AEO nennt, wird bei Google intern schlicht „SEO“ genannt, spezifischer SEO für AI, wenn es nur um diesen Teil davon geht. Danni Sullivan und John Mueller haben im Podcast beschrieben, dass das alles ein Komplex ist, der immer mehr zusammenwächst und nicht getrennt zu sehen ist. So gesehen wird auch hier deutlich, dass der Blick auf die Werkzeuge wichtig wird – insbesondere, wenn sie so daneben liegen wie bei den API-basierten Analysen.