Eine Nennung ist noch keine Empfehlung

„Anbieter A und B eignen sich für diesen Einsatz; C ist dafür eher zu teuer.“ Alle drei Marken wurden genannt. Eine reine Erwähnungszahl würde den Unterschied zwischen ihnen unterschlagen.

Für die Bewertung sind deshalb mindestens zwei Fragen hilfreich: Kommt die Marke vor? Und welche Aussage wird über sie gemacht? Eine dritte Frage betrifft die Quelle: Wird die eigene Website verlinkt oder eine andere Seite?

Die Formulierung nachlesen

Eine automatische Einordnung in positiv, neutral oder negativ verdichtet den Text. Das erleichtert die Auswertung vieler Antworten, kann aber Bedeutungsnuancen verlieren. „Gut für kleine Teams“ ist beispielsweise nur dann eine passende Empfehlung, wenn kleine Teams zur untersuchten Zielgruppe gehören.

Auffällige Ergebnisse sollten deshalb zum Lesen der Antwort führen. Prüfen Sie das genannte Produkt, den Anwendungsfall und mögliche Einschränkungen. Aus einer allgemeinen positiven Tonalität folgt noch keine Kaufempfehlung für jede Situation.

Bei KI Score bleiben die Kennzahlen getrennt

Der KI-Score eines Markts beruht auf Erwähnungsrate und Positionsabdeckung. Tonalität und Zitation fließen nicht in diesen Wert ein.

Im eigenen Monitoring stehen Sentiment und Empfehlungsquote daneben. Die Empfehlungsquote bezieht sich auf eingeordnete Nennungen der Marke, nicht auf sämtliche Antworten. Bei einzelnen Prompts erscheinen diese Auswertungen erst ab fünf eingeordneten Nennungen.

Im Kundenreport sollten Nenner und Zeitraum mitgenannt werden. „Oft empfohlen“ und „häufig sichtbar“ können auf unterschiedlichen Mengen beruhen. Ein Blick in die Originalantworten macht aus diesen Formulierungen eine überprüfbare Aussage.