LLMO messen: Zitierrate, Erwähnungsdichte und KI-Referral-Conversion

LLMO-Messung ist die Praxis, zu verfolgen, ob KI-Systeme Ihre Inhalte zitieren, wie tief sie sie zitieren und was diese Zitate für Ihr Unternehmen wert sind. Sie ersetzt die Ranking-KPIs des klassischen SEO, die in der KI-Suche kein Äquivalent haben: Es gibt keine Positionen 1 bis 100, nur zitiert oder nicht zitiert.

Die Messlücke

SEO-Messung ist ein gelöstes Problem: Google Search Console meldet Rankings, Impressionen, Klicks und CTR kostenlos, täglich. LLMO hat kein Äquivalent. Stand 2026 bietet keine KI-Plattform — weder OpenAI, Anthropic, Google noch Perplexity — eine offizielle API, die meldet, wie oft Ihre Website zitiert wurde.

Zwei Konsequenzen:

1. GA4-Referral-Traffic ist die Spitze des Eisbergs. Wenn eine KI Sie zitiert und der Nutzer auf den Link klickt, zeichnet GA4 einen Referral auf. Wenn eine KI Sie zitiert und niemand klickt — was meistens der Fall ist — wird nichts an einem für Sie sichtbaren Ort aufgezeichnet. Ein Zitat, das nie angeklickt wird, positioniert Sie dennoch als Quelle innerhalb der Antwort, und das akkumuliert sich.
2. Drittanbieter-Tracker weichen stark voneinander ab. Ein kontrollierter Vergleich, bei dem dieselbe Website in sieben KI-Zitations-Tracker über dieselben 15 Tage eingespeist wurde, ergab sieben verschiedene Zahlen, von 38 bis 312 — eine 8,2-fache Spanne (vollständiger Bericht (auf Englisch)). Die Divergenz ist ein Definitionsproblem, kein Anbieterfehler: Tools unterscheiden sich darin, was als Zitat zählt (verlinkte Quelle vs. jede Markenerwähnung), welche LLMs sie samplen, wie oft und in welchen Sprachen.

Die praktische Regel daraus: Schreiben Sie Ihre Definition von „Zitat” in einem Satz auf, bevor Sie einen Tracker kaufen oder bauen. Wenn Sie Attributions-Traffic wollen, zählen Sie nur verlinkte Zitate. Wenn Sie Markenpräsenz wollen, zählen Sie Erwähnungen. Die Zahlen sind über Definitionen hinweg nicht vergleichbar.

Die drei Kernmetriken

Makro-Indikatoren wie SOV (Share of Voice) und SOM (Share of Model) sagen Ihnen, ob sich Ihre gesamte KI-Präsenz bewegt hat, aber nicht, was Sie als nächstes tun sollen. Für einen Verbesserungszyklus zerlegen Sie in drei Metriken:

Metrik	Was sie misst	Einheit	Rhythmus
Citation Rate	Wie oft KI Sie bei einem festen Prompt-Set erwähnt	%	Wöchentlich
Brand Mention Density	Wie tief KI über Sie spricht, wenn sie es tut	Erwähnungen pro 1.000 Wörter	Monatlich
AI Referral Conversion	Was ein KI-vermittelter Besuch wert ist	%	Monatlich

Zusammen decken sie Häufigkeit, Tiefe und Wert ab — eine bloße Zitations-Anzahl vermischt alle drei.

1. Citation Rate

Führen Sie einen festen Satz von 10–20 Prompts über die KI-Plattformen aus, die Sie interessieren, und messen Sie den Anteil der Durchläufe, bei denen Ihre Marke oder Domain erscheint:

Citation Rate = erwähnt (Prompt × Plattform) / Gesamtdurchläufe × 100

10 Prompts × 5 Plattformen = 50 Durchläufe; 12 Erwähnungen = 24 %.

Das Prompt-Set muss eingefroren bleiben. LLM-Antworten sind nicht-deterministisch — derselbe Prompt erzeugt an verschiedenen Tagen verschiedene Antworten — daher ist eine einzelne Prüfung Rauschen. Verfolgen Sie den Trend auf einem unveränderten Prompt-Set für mindestens 4 Wochen, bevor Sie etwas daraus lesen.

2. Brand Mention Density

Citation Rate ist pro Durchlauf binär: erwähnt oder nicht. Aber Zitate variieren in der Tiefe — ein beiläufiges „andere Optionen sind X” ist weniger wert als ein Absatz, der Ihren Ansatz erklärt. Mention Density misst Marken-Term-Vorkommen pro 1.000 Wörter Antworttext:

def mention_density(answer_text: str, brand_terms: list[str]) -> float:
    total_words = len(answer_text.split())
    mentions = sum(answer_text.lower().count(t.lower()) for t in brand_terms)
    return mentions / total_words * 1000

Ein tiefes Zitat überwiegt oft einen Stapel flacher. Density zeigt Ihnen den Unterschied.

3. AI Referral Conversion

Erstellen Sie in GA4 eine Channel-Gruppe (Verwaltung → Channel-Gruppen) mit einer Session-Source-Regex:

chatgpt\.com|perplexity\.ai|claude\.ai|gemini\.google\.com|copilot\.microsoft\.com

Vergleichen Sie dann die Conversion-Rate dieses Segments mit Organic Search. Feldmessungen zeigen konsistent, dass KI-vermittelte Besucher zu einem Vielfachen des organischen Werts konvertieren — 2026er Branchendaten berichten 8–12 % vs. 2–3 % für organisch, und unser eigenes Referenz-Website-Tracking lag im Bereich von 2–4× organisch (Messungs-Setup (auf Englisch)). Der Mechanismus: Ein Nutzer, der eine KI fragt „Was soll ich für X verwenden?”, befindet sich später im Entscheidungsprozess als ein Nutzer, der Keywords in Google eingibt. Die KI hat die Recherche erledigt; der Klick ist näher an der Entscheidung.

Bekannter blinder Fleck: Kostenlose ChatGPT-Nutzer senden oft keinen Referrer, sodass ihre Klicks in Direct landen. Ihre GA4-KI-Zahlen sind eine Untergrenze, keine Obergrenze.

Drei Implementierungsebenen

Beginnen Sie auf der Ebene, die Ihren Ressourcen entspricht; jede Ebene erhöht die Auflösung.

Ebene 1: GA4-Channel-Gruppe (kostenlos, 5 Minuten)

Die obige Regex. Misst nur Klicks — die Spitze des Eisbergs — aber sie ist verifizierbar und dauert fünf Minuten.

Ebene 2: Das manuelle Fünf-Plattform-Protokoll (kostenlos, 30 Minuten/Monat)

An einem festen Tag pro Monat führen Sie Ihre 10–15 eingefrorenen Prompts auf ChatGPT, Perplexity, Gemini, Claude und Copilot aus. Zeichnen Sie pro Durchlauf auf: erwähnt (ja/nein), Kontext (Empfehlung / Vergleich / neutral / negativ), Genauigkeit und ob eine URL angegeben wurde. Berechnen Sie die Citation Rate. Manuell und mühsam — und dennoch die zuverlässigste verfügbare Methode, da kein automatisiertes Tool beurteilt, ob eine Erwähnung eine Empfehlung oder eine Ablehnung war.

Ebene 3: Mit APIs automatisieren (ein Nachmittag, ~1–8 $/Monat)

Das manuelle Protokoll, geskriptet:

BRAND_TERMS = ["your-site.com", "Your Brand"]
CHECK_QUERIES = ["Best tools for <your category>", ...]  # eingefrorener Satz

def check(query: str, ask) -> dict:
    answer = ask(query)  # OpenAI / Anthropic / Perplexity API-Aufruf
    return {
        "query": query,
        "mentioned": any(t.lower() in answer.lower() for t in BRAND_TERMS),
        "density": mention_density(answer, BRAND_TERMS),
        "snippet": answer[:300],
    }

Wöchentlich per Cron ausführen, an eine JSON- oder CSV-Zeitreihe anhängen. Nach 8–12 Wochen können Sie Bewegungen auf spezifische Maßnahmen zurückführen: „Die Zitierrate stieg nach dem Hinzufügen strukturierter Daten von 12 % auf 28 %” ist ein Satz, den Ebene 3 Ihnen ermöglicht zu sagen.

Das Crawler-Signal, das die meisten Websites ignorieren

Server-Zugriffslogs zeichnen bereits auf, welche KI-Systeme Ihre Inhalte besuchen — GPTBot, ClaudeBot, PerplexityBot und Google-Extended identifizieren sich alle im User-Agent:

grep -E "GPTBot|ClaudeBot|PerplexityBot|Google-Extended" access.log \
  | awk '{print $7}' | sort | uniq -c | sort -rn

Seiten, die nie gecrawlt werden, können nicht aus dem Live-Index zitiert werden. Crawl-Häufigkeit ist ein indirekter, aber führender Indikator: Sie zeigt Ihnen, welche Inhalte KI-Systeme überspringen, bevor die Zitations-Daten es können.

Der Verbesserungszyklus

Messung ohne Aktion ist Daten-Hortung. Ein nachhaltiger Rhythmus:

• Wöchentlich (10 Min.): GA4-KI-Kanal und das Citation-Rate-Delta prüfen; Prompts markieren, die ungewöhnlich tiefe Zitate erzeugt haben.
• Monatlich (30 Min.): Mention-Density-Trend und AI Referral Conversion vs. organisch überprüfen; Prompts mit null Zitaten auflisten.
• Quartalsweise (1 Std.): Vollständiges Review — das Query-Set aktualisieren und prüfen, ob Content-Änderungen messbare Bewegungen erzeugt haben.

Priorisieren Sie die Prompts mit null Zitaten. Einen Prompt von 0 % auf 10 % zu bringen ist fast immer günstiger als einen 30-%-Prompt auf 40 % zu bringen, weil das Null meist eine strukturelle Ursache hat — keine Seite zielt auf diese Frage ab, oder die Seite, die es tut, verletzt Wissensklarheit oder Abrufsignale.

Beziehung zu LLMO Score

Die Metriken auf dieser Seite messen Outcomes: ob KI Sie tatsächlich zitiert. Der LLMOFramework Score misst das Substrat: ob die maschinenlesbaren Oberflächen Ihrer Website überhaupt vorhanden sind. Substrat-Prüfungen sind sofortig und deterministisch; Outcome-Metriken sind langsam und verrauscht. Führen Sie beide durch — Substrat, um zu finden, was zu reparieren ist, Outcomes, um zu bestätigen, dass die Korrekturen gewirkt haben.

Checkliste

• „Zitat” ist in einem Satz definiert, bevor ein Tool eingesetzt wird
• Ein Prompt-Set von 10–20 Anfragen ist aufgeschrieben und eingefroren
• GA4 hat eine KI-Such-Channel-Gruppe mit der Referral-Regex
• Citation Rate wird in einem festen Rhythmus verfolgt (wöchentlich oder monatlich)
• Mention Density unterscheidet tiefe Zitate von beiläufigen Erwähnungen
• AI Referral Conversion wird im Vergleich zu organisch betrachtet, nicht isoliert
• Crawler-Logs werden auf Seiten geprüft, die KI-Systeme nie besuchen
• Prompts mit null Zitaten treiben den Content-Rückstand