Drei neue Analysen im AI Check zeigen, wie KI-Systeme über deine Marke sprechen, welche Stärken und Schwächen sie ihr im Vergleich zum Wettbewerb zuschreiben und bei welchen Kaufanlässen sie empfohlen wird oder fehlt. Jede Aussage belegt mit Original-Zitat und Prompt, abrufbar für jede Marke, ganz ohne eigenes Projekt.
Ob eine Marke gewählt, empfohlen oder übergangen wird, entscheidet sich zunehmend in KI-Antworten. Für das Marketing entsteht damit eine neue Aufgabe: die eigene Markenwahrnehmung nicht mehr nur in Umfragen oder sozialen Medien zu messen, sondern auch dort, wo KI-Systeme sie täglich neu formulieren. Wie reden die Modelle über die Marke? Welche Eigenschaften schreiben sie ihr zu, welche dem Wettbewerb? Und in welchen Kaufsituationen wird sie empfohlen? Genau für diesen Prozess gibt es ab sofort drei neue Analysen in SISTRIX für AI/Chatbots.
Zu finden sind die Analysen im AI Check, dem Bereich, in dem nach Eingabe einer Domain oder Marke direkt sichtbar wird, bei welchen Prompts diese in AI-Antworten erwähnt oder zitiert wird. Die Sentiment-Analyse ist dort ein eigener Bereich in der Navigation, die Wahrnehmung im Wettbewerb und die Empfehlungs-Landkarte gibt’s im Bereich „Wettbewerber“.
Den kompletten Workflow von der Bestandsaufnahme bis zum Maßnahmenplan zeigt Schritt für Schritt das Brand-Gap-Analyse-Tutorial.
Echte Antworten statt Modell-Meinung
Alle drei Analysen arbeiten nach demselben Prinzip: Keine der Aussagen stammt „aus dem LLM“. Das ist nicht vergleichbar damit, ein KI-Modell zu fragen, wie es eine Marke sieht, und der Antwort zu vertrauen.
Die Datenbasis sind stattdessen echte KI-Antworten auf echte Nutzerfragen. Fragt ein Nutzer etwa nach der besten E-Mail-Software und ChatGPT nennt in der Antwort mehrere Anbieter, werden diese Marken in der Antwort erkannt, in dieser und in vielen tausend weiteren. Jede wertende Aussage wird extrahiert und deterministisch verrechnet, das KI-Modell zählt also nicht selbst. Und für jede Aussage in den Analysen lässt sich der Prompt und der Textbaustein zeigen, aus dem sie stammt.
Sentiment: Wie reden KI-Systeme über die Marke?
Den Einstieg macht der Sentiment-Score: der Saldo aus Lob und Kritik über alle KI-Antworten, in denen die Marke vorkommt, einzeln aufgeschlüsselt nach Plattform. Die Skala reicht von -100 bis +100, die faktische Mitte liegt allerdings deutlich höher: KI-Systeme formulieren überwiegend positiv, über viele Marken hinweg liegt der Durchschnitt eher bei +50. Die Benchmark-Einordnung zeigt deshalb, wo ein Score im Vergleich zu anderen Marken wirklich steht.
Darunter schlüsselt die Themen-Bilanz das Sentiment nach den Themen auf, die für die jeweilige Marke relevant sind. Für jedes Thema zeigt sie das Verhältnis aus Lob und Kritik, sodass sichtbar wird, welche Themen den positiven Gesamtwert tragen und welche ihn bremsen.
Die Stärken und Schwächen der Marke lassen sich einzeln aufklappen. Zu jeder steht dort, was die einzelnen KI-Systeme wörtlich sagen, aus welchen Quellen sie ihre Einschätzung ziehen (eigene Seiten, Medien, Foren, jeweils mit Anzahl der Mentions) und eine konkrete Empfehlung, was sich daraus ableiten lässt.
Den Abschluss bilden der Ton je KI-Plattform mit typischem Kontext sowie wörtliche Beispiel-Zitate mit ihren Quellen. So wird sichtbar, welches Bild die Modelle von der Marke zeichnen, wo die Baustellen liegen und auf welcher Plattform die Stimmung kippt. Wie du die Sentiment-Analyse in der Praxis einsetzt, zeigt der zweite Schritt im Tutorial: Brand-Gap-Analyse-Tutorial.
Wahrnehmung im Wettbewerb: Was wird wem zugeschrieben?
Ob eine zugeschriebene Stärke viel wert ist, zeigt sich erst im Vergleich: Vielleicht loben die Modelle beim Wettbewerber genau dasselbe, nur häufiger. Die neue Auswertung Wahrnehmung im Wettbewerb stellt deshalb die Zuschreibungen aller relevanten Marken nebeneinander.
Ausgewertet werden dafür nicht nur die KI-Antworten, in denen deine Marke vorkommt, sondern zusätzlich alle Antworten zu den direkten Wettbewerbern, zusammengeführt und ohne Dopplungen. Die Wettbewerber werden in zwei Durchläufen ermittelt: Im ersten Durchlauf werden die Marken gefunden, die in den KI-Antworten zu deiner Marke ebenfalls genannt werden. Im zweiten werden dann genau diese Marken ausgewertet. Das hat einen wichtigen Effekt: Wettbewerber werden auch dort sichtbar, wo sie kritisiert werden.
Das Ergebnis ist die Wahrnehmungs-Matrix: pro Marke die wahrgenommenen Stärken und Schwächen, gezählt und zusammengelegt, jede Aussage mit Original-Zitat und auslösendem Prompt belegt.
Wie viele KI-Antworten und Marken-Nennungen eingeflossen sind, steht als Basis direkt über der Matrix. Darunter fasst die Analyse zusammen, wo die eigene Marke führt, wo Wettbewerber punkten und die eigene Marke noch nicht, und leitet daraus die nächsten Schritte ab: konkrete Ansatzpunkte für Kommunikation und Content.
Damit lässt sich beantworten: Wofür stehe ich, wofür stehen die anderen, und welche Attribute verliere ich an den Wettbewerb. Wie du daraus die verlorenen Attribute deiner Marke ableitest, zeigt der dritte Schritt im Brand-Gap-Analyse-Tutorial.
Empfehlungs-Landkarte: Wann wird wer empfohlen?
Viele Nennungen und ein gutes Sentiment sagen noch nichts darüber aus, ob eine Marke in den entscheidenden Momenten empfohlen wird: dann, wenn ein Nutzer vor einer konkreten Kaufentscheidung steht. Genau diese Frage beantwortet die Empfehlungs-Landkarte.
Dafür wird für jede KI-Antwort festgehalten, welche Marke zu welchem Kaufanlass empfohlen wird, und in welcher Rolle: als erste Wahl, als eine von mehreren Optionen, gar nicht, oder es wird sogar von ihr abgeraten. Das Ergebnis ist eine Übersicht aller relevanten Kaufanlässe deiner Branche und der Marken, die sie besetzen. Die Empfehlungs-Präsenz zeigt auf einen Blick, bei wie vielen dieser Anlässe die eigene Marke empfohlen wird, und die Prioritäten-Matrix ordnet alle Anlässe nach Attraktivität und eigener Wettbewerbsstärke, inklusive Handlungsempfehlung je Feld: ausbauen, gezielt auswählen oder niedrige Priorität.
Das Herzstück sind die Gaps: Kaufanlässe, bei denen ausschließlich Wettbewerber empfohlen werden, jeweils mit der führenden Marke, dem Original-Zitat aus der KI-Antwort und dem Content-Ansatz, der den Gap schließen würde. Damit lässt sich beantworten: In welchen Kaufsituationen existiert die eigene Marke für die KI-Systeme nicht, wer besetzt sie stattdessen, und was muss publiziert werden, um dort aufzutauchen. Wie du diese Gaps priorisierst und in einen Content-Plan übersetzt, ist der vierte Schritt im Brand-Gap-Analyse-Tutorial.
Kostenlos in der AI/Chatbot Beta
Zusammen decken die drei Analysen die Wahrnehmung einer Marke in KI-Systemen vollständig ab: die Tonlage, die zugeschriebenen Eigenschaften und die Kaufsituationen. Sie bauen dabei aufeinander auf, vom Beschreiben über das Vergleichen bis zu den konkreten Content-Gaps mit kommerziellem Gewicht. Auch Brand-Gap-Analysen, also der Abgleich zwischen dem eigenen Selbstbild und dem Bild, das KI-Systeme von der Marke zeichnen, lassen sich damit direkt im Tool durchführen, was bisher aufwendige Handarbeit war.
Alle drei Analysen sind Teil der SISTRIX AI/Chatbot Beta und stehen ab sofort in allen Paketen zur Verfügung. Über Feedback an support@sistrix.com freuen wir uns wie immer, positiv wie kritisch.
Viel Spaß beim Ausprobieren!
SISTRIX kostenlos testen
- Kostenloser Testaccount für 14 Tage
- Unverbindlich, keine Kündigung notwendig
- Persönliches Onboarding durch Experten
