GEO, AEO und LLMO mit etracker analytics

von Olaf Brandt

In der neuen Ära der KI-gesteuerten Informationsfindung geht es bei der Online-Sichtbarkeit nicht mehr nur um traditionelles SEO, sondern darum, die neuen Disziplinen der Generative Engine Optimisation (GEO), der Answer Engine Optimisation (AEO) und der Large Language Model Optimisation (LLMO) zu meistern.

Letztlich geht es darum, von den KI-Systemen verstanden zu werden und in den Antworten möglichst prominent aufzutauchen. Ähnlich wie beim Thema SEO (Suchmaschinenoptimierung) kann Web-Analyse auch hier wertvollen Input für die neu zu treffenden Maßnahmen liefern. Hierzu gehört, den Traffic von KI-Systemen wie ChatGPT oder den Google AI Mode sichtbar zu machen.

Ersteres ist in etracker analytics besonders einfach. Öffne hierzu den Marketing Report Medium und ergänze die Dimension Herkunft.

Anschließend findest du das Medium AI, das du ausklappen kannst, um die einzelnen Referrer bzw. in diesem Fall LLMs sichtbar zu machen.

Das Traffic-Volumen ist im Vergleich zu SEO meist noch sehr gering. Aber möglicherweise ist das Engagement und die Conversion-Rate auffällig. Es empfiehlt sich auch ein Drill-down nach den dazugehörigen Einstiegsseiten. Daraus lassen sich gegebenenfalls Rückschlüsse ziehen, in welchen Bereichen Autorität zugewiesen wird oder die inhaltliche Aufbereitung förderlich ist.

Googles AI Overview Links messen

Googles AI Overview (kurz AIO) ist eine Funktion, die KI-generierte Antworten und Zusammenfassungen oberhalb der herkömmlichen Suchergebnisse anzeigt. Zu messen, wie viele Nutzer über diese KI-Inhalte auf die Website kommen, ist leider nicht ganz so einfach.

Die AI Overviews verlinken auf externe Inhalte über die Quellenangabe. Diesen Links wird häufig das entsprechende Textfragmente (#:~:text=) in den URLs übergeben. Wenn Nutzer auf Links in den Zusammenfassungen klicken, landen sie so direkt auf einem ganz bestimmten Abschnitt der verlinkten Seite, der dann auch noch hervorgehoben wird.

Diese Textfragmente aus den AI Overview Links lassen sich in etracker analytics sichtbar machen. Dies sieht dann folgendermaßen aus:

Auch hierbei ist es wiederum empfehlenswert, die jeweils dazugehörige Einstiegsseite auszuwerten.

Um zu dieser Auswertung zu gelangen, sind diese vier Schritte erforderlich:

1. Füge eine eigene Dimension vom Typ Page Impression über Account → Datenanreicherung/Eigene Dimensionen hinzu.

2. Erstelle eine Variable im etracker tag manager zum Auslesen des Textfragments aus dem URL-Parameter.

Füge hierzu folgenden Code ein:

function testaio() {
  var nav = performance.getEntriesByType("navigation")[0];
  if (!nav) return;
  
  var hash = new URL(nav.name).hash;
  var match = hash.match(/:~:text=([^&]*)/);
  
  return match ? decodeURIComponent(match[1]) : undefined;
}

3. Erstelle einenTrigger, der prüft, ob die AIO-Variable gefüllt ist.

Nutze hierfür die zuvor erstellte Variable als benutzerdefiniertes Ereignis.

Regex für die Prüfung, ob vorhanden: ^.+$

4. Erstelle einen Tag vom Typ etracker Dimension.

Nutze hierfür den zuvor erstellten Trigger sowie die eigene AIO-Dimension.

Optional kannst du jetzt noch eine Report-Konfiguration mit der eigenen AI-Dimension anlegen. Hierzu einfach bspw. den Mediums-Report aufrufen, die Dimension AIO hinzufügen und als neue Konfiguration abspeichern.