Das Playbook für KI-Zitationstracking: Prompt-Set aufbauen, Stichproben aus jeder Engine erfassen, Quellen extrahieren und den Zitationsanteil berechnen. Was du brauchst, um das bei jedem monatlichen Scan mit belastbaren Ergebnissen umzusetzen.
Kombiniere vier Prompt-Typen in einem stabilen Set mit 200 Prompts:
Gewichte den Mix danach, wie deine Käufer tatsächlich fragen. Kategorieerkundung sorgt für die meisten Impressionen insgesamt; Vergleichs- und Funktions-Prompts sorgen für die meisten Zitationen in der späten Funnel-Phase.
Führe bei jedem monatlichen Scan jeden Prompt auf jeder Engine aus. Erfasse den wortgetreuen Antworttext sowie jede zitierte Quell-URL. Nicht paraphrasieren und nicht auf Prompt-Ebene deduplizieren - du brauchst die Rohdaten später für Audits und Konfidenzberechnungen.
Löse jede zitierte URL zur registrierten Domain auf (Root + eTLD). Berücksichtige Subdomains, Weiterleitungen und gekürzte URLs vor dem Abgleich. Eine Antwort „zitiert“ deine Domain, wenn eine der aufgelösten Quell-URLs übereinstimmt - zähle die Abdeckung auf Antwortebene, nicht die reine Linkanzahl.
CitationShare = answers_citing(you) / answers_analysed, berechnet pro Scan, pro Engine und aggregiert. Ordne jeder Zahl anhand der Anzahl analysierter Antworten eine Konfidenzstufe zu - unzureichend (0), richtungsweisend (1–20), mittel (21–100), hoch (101+).
Erfasse Stichproben für jeden Prompt auf jeder Engine. Speichere Antworten + Zitationen.
Extrahiere Zitationen, berechne den Zitationsanteil pro Engine und aggregiert und kennzeichne die Konfidenzstufe.
Vergleiche mit dem Scan des Vormonats. Markiere Prompts, bei denen du neu zitiert wirst oder nicht mehr zitiert wirst.
Setze eine Content- oder PR-Änderung um, die auf die Prompts mit den größten Lücken abzielt.
Dokumentiere die Änderung bei den betroffenen Prompts. Miss beim nächsten monatlichen Scan erneut.
Siehe citation share (concept) für die Definition und ein durchgerechnetes Beispiel sowie methodology für Details zu Stichproben und Konfidenz.

