Café Lumen übernimmt wieder die Kontrolle über sein Bild in der KI
Wie eine fiktive Schweizer Kaffeerösterei ihre Präsenz in ChatGPT, Claude, Gemini, Perplexity und Mistral gemessen und ihren Fortschritt Monat für Monat verfolgt hat.
Ein fiktiver Fall auf Basis von Beispieldaten, um die Periscop-Methode zu veranschaulichen. Keine echten Kundendaten.
Eine bei Kunden bekannte Marke, für die KI unsichtbar
Café Lumen verkauft Spezialitätenkaffee in der Westschweiz. Die Kundschaft fand die Marke leicht im Web, doch niemand wusste, was KI-Assistenten auf die Frage «Welche Rösterei soll ich in der Schweiz wählen?» antworten. Dabei stellen immer mehr Käufer genau diese Frage einer KI, bevor sie bei Google suchen.
Das Unsichtbare messen, ohne den ganzen Tag damit zu verbringen
Jede KI jede Woche manuell mit Dutzenden Fragen zu testen, war nicht tragbar. Es brauchte eine regelmässige, über die Zeit vergleichbare und auch ohne Fachwissen lesbare Messung.
Eine strukturierte, monatlich wiederholte Messung
Periscop verfolgte die Marke über die fünf wichtigsten Assistenten anhand eines Fragenkatalogs, der den Kaufprozess abbildet.
5 abgefragte Assistenten: ChatGPT, Claude, Gemini, Perplexity, Mistral.
Echte Kauffragen, in jedem Zyklus identisch gestellt, um vergleichbar zu bleiben.
Monatliche Verfolgung: Erwähnungsrate, Share of Voice und Tonalität der Antworten.
Ein klares Bild auf einen Blick
Schon im ersten Bericht hatte Café Lumen einen quantifizierten Richtwert und eine Basis, um den Fortschritt zu verfolgen. Die Zahlen unten stammen aus dem Beispiel.
Datengestützte Entscheidungen
Statt zu raten, weiss die Marke nun, wo sie genannt wird, wo nicht und welche Fragen zuerst anzugehen sind. Die monatliche Verfolgung macht aus einer Vermutung einen messbaren Trend, und jede Content-Massnahme lässt sich im nächsten Zyklus überprüfen.
Neugierig, wo Ihre Marke steht?
Starten Sie eine erste Messung und erhalten Sie Ihren eigenen Sichtbarkeitswert in der KI.