Drei Fälle aus eigenen Projekten. Der Befund lag nie dort, wo er vermutet wurde.
Zweimal steckte das Problem in der Technik, einmal in Quellen, die dem Unternehmen nicht gehören. Jeder Fall ist als eigene Seite dokumentiert: Ausgangslage, Diagnose mit den konkreten Prüfschritten, umgesetzte Massnahmen und die Kennzahlen, an denen die Wirkung gemessen wird.
Fallstudien
- In ChatGPT unsichtbar, weil das CDN die KI-Crawler blockierte
Rankings stabil, in generativen Antworten kein einziges Mal genannt. Die Ursache lag in einer Bot-Schutzregel, die niemand mehr auf dem Radar hatte.
- Sechs Filialen, vier Datenstände: wie widersprüchliche Standortdaten Sichtbarkeit kosten
Ein Händler wurde lokal schlechter gefunden als kleinere Anbieter. Die Ursache waren nicht die Inhalte, sondern Adressdaten, die überall leicht anders lauteten.
- Wenn die KI ein Angebot beschreibt, das es nicht mehr gibt
Genannt wurde das Unternehmen regelmässig, nur mit Leistungen und einem Standort von vor Jahren. Die Korrektur lief über Quellen, die dem Unternehmen nicht gehören.
Was die drei Fälle gemeinsam haben
Kein Content-Problem, sondern eines von Zugriff, Eindeutigkeit und Aktualität.
Zugriff
Was nicht abgerufen werden kann, existiert für ein Sprachmodell nicht. Firewall, CDN und Rendering entscheiden das, nicht die Redaktion.
Eindeutigkeit
Zwei Schreibweisen, zwei Telefonnummern oder zwei Profile machen aus einem Unternehmen mehrere schwache Entitäten.
Aktualität
Alte Fremdquellen wirken lange weiter. Ohne Protokoll merkt man es erst, wenn Kunden falsche Erwartungen mitbringen.
Ergebniszahlen stehen in diesen Fallstudien nicht. Wir veröffentlichen Werte erst mit Kundenfreigabe, dann mit Ausgangswert, Zeitraum und Quelle. Im Erstgespräch zeigen wir anonymisierte Auszüge aus den Auswertungen.
Erkennen Sie Ihre Ausgangslage in einem dieser Fälle?
Dann zeigt ein Audit in zwei bis drei Wochen, wie es bei Ihnen aussieht, mit Ihren Logs, Ihren Profilen und einem Frageset aus Ihrem Markt.