Warum der KI-Kanal einen eigenen Report braucht
Paid, Organic, Social und E-Mail bekommen jeweils einen eigenen Report mit eigenen Kennzahlen, weil sich jeder Kanal anders verhält. KI-Discovery ist der jüngste davon und der am wenigsten verstandene, und er wird immer noch meist als Fußnote in einem Kanal berichtet, in den er nicht gehört.
Der Grund für den eigenen Report ist nicht Neuheit. Es ist der andere Mechanismus. Es gibt keine Ranking-Position, keine Impressionen, keine Ergebnisseite. Ein Modell liest Ihre Seiten nach Zeitplan, entscheidet mitten im Gespräch, ob es eine davon heranzieht, und schickt Ihnen gelegentlich einen Menschen mit einem Link. Das sind drei getrennte Ereignisse aus drei getrennten Verhaltensweisen, und eine Zahl aus einem davon sagt sehr wenig über das nächste voraus.
Die nützliche Frage lautet also nicht "wie sichtbar sind wir in KI". Sie lautet, welche Stufe des Kanals versagt, denn die Behebung ist bei jeder eine andere.
Die vier Stufen, in denen jede Kennzahl sitzt
Vor den Kennzahlen die Struktur. Alles Folgende beantwortet eine Frage zu einer von vier Stufen, und sie laufen der Reihe nach ab. Eine Seite kann kein Zitat-Kandidat sein, wenn sie nie gelesen wurde, und sie kann Ihnen kein Referral schicken, wenn sie nie zitiert wird.
Die sieben Kennzahlen
Jede davon ist ein Panel im WISLR AI Channel Analytics Dashboard, gelesen aus First-Party-Server-Logs. Sie sind in Funnel-Reihenfolge aufgeführt, und der diagnostische Wert liegt darin, sie gegeneinander zu lesen statt einzeln.
Training-Abdeckung
Training- Was sie misst
- Der Anteil Ihrer kommerziell wichtigen Seiten, den KI-Trainingscrawler tatsächlich gelesen haben, nicht die reine Zahl der Crawl-Zugriffe.
- Wie WISLR sie berichtet
- Gelernte Seiten und Training-Abdeckung, mit täglichem Crawl-Volumen, Ihren stärksten Trainingstagen und einer Aufschlüsselung nach Engine.
- Wie ein guter Wert aussieht
- Abdeckung konzentriert auf Kategorie-, Produkt- und Vergleichsseiten. Breite Abdeckung eines Blogs, während der kommerzielle Katalog ungelesen bleibt, ist ein häufiges und teures Muster.
- Woran es scheitert
- Sperren in robots.txt, Inhalte, die erst nach dem Ausführen von JavaScript existieren, und langsame Antworten, die Crawler aufgeben lassen.
Kandidaten-Abdeckung
Kandidaten- Was sie misst
- Der Anteil der Seiten, die während laufender Gespräche abgerufen werden. Das sind die Seiten, die ein Modell für gut genug hielt, um sie beim Beantworten einer echten Frage heranzuziehen. Damit ist das die stärkste Vertrauensbekundung, die dieser Kanal hervorbringt.
- Wie WISLR sie berichtet
- Kandidaten und Kandidaten-Abdeckung, mit den einzelnen Kandidatenseiten nach Titel aufgelistet, damit Sie sehen, auf welche Inhalte zugegriffen wird.
- Wie ein guter Wert aussieht
- Ihre umsatzstarken Seiten erscheinen als Kandidaten, nicht nur die Startseite und ein beliebter Ratgeber.
- Woran es scheitert
- Seiten ohne eigenständige, zitierbare Aussage. Ein Modell, das Ihre Seite abruft, muss trotzdem einen Satz finden, hinter den es sich stellen kann.
Referral-Abdeckung
Referrals- Was sie misst
- Der Anteil der Seiten, die einen echten Klick aus einer KI-Antwort verdient haben, und wo diese Menschen gelandet sind.
- Wie WISLR sie berichtet
- Referrals und Referral-Abdeckung, mit gerankten Landingpages und Referral-Volumen, das auf derselben Zeitachse gegen Training- und Kandidaten-Aktivität verfolgt wird.
- Wie ein guter Wert aussieht
- Referrals konzentriert auf Seiten, die konvertieren, statt auf informative Inhalte, die die Frage so vollständig beantworten, dass niemand klicken muss.
- Woran es scheitert
- In-App-Browser auf Mobilgeräten entfernen den Referrer, der Besuch landet also in Direct oder Other. Das ist die mit Abstand größte Quelle für zu niedrige Zählungen in browserbasierten Tools.
Wachstums-Score
Alle Stufen- Was er misst
- Richtung und Tempo statt Niveau. Ein einzelner zusammengesetzter Wert dafür, ob der Kanal beschleunigt, hält oder abbaut.
- Wie WISLR ihn berichtet
- Ein Wachstums-Score mit Momentum-Label, daneben eine tägliche Aktivitätsansicht, damit Sie sehen, ob eine Veränderung ein Trend ist oder ein einzelner ungewöhnlicher Tag.
- Wie ein guter Wert aussieht
- Momentum, das nach einem Content-Push hält, statt auszuschlagen und binnen zwei Wochen auf das Ausgangsniveau zurückzufallen.
- Woran es scheitert
- Tägliches Ablesen. Crawl-Verhalten ist von Natur aus schubweise, und ein einzelner Tag ist Rauschen.
Engine-Mix
Alle Stufen- Was er misst
- Wie sich Ihre Sichtbarkeit auf OpenAI, Anthropic, Gemini und Perplexity verteilt, und zwar für jede Stufe getrennt.
- Wie WISLR ihn berichtet
- Eine Aufschlüsselung nach LLM, angewendet auf Training, Kandidaten und Referrals, sodass sich der Mix je Stufe unterscheiden kann und Sie das sehen.
- Wie ein guter Wert aussieht
- Präsenz über mehrere Engines hinweg. Konzentration auf eine ist eine Abhängigkeit, und Engines ändern ihr Crawl- und Zitierverhalten ohne Vorankündigung.
- Woran es scheitert
- Anzunehmen, dass sich das Verhalten einer Engine verallgemeinern lässt. Sie unterscheiden sich darin, was sie crawlen, wie oft sie abrufen und ob sie überhaupt verlinken.
Gecrawlt, aber nicht zitiert
Training zu Kandidaten- Was es misst
- Seiten, die ein Modell gelesen und nie in eine Antwort geholt hat. Die Lücke zwischen dem, was es hat, und dem, was es nutzt.
- Wie WISLR es berichtet
- Eine laufende Liste der Seiten, die gecrawlt, aber nicht zitiert wurden, sodass die Lücke eine Arbeitsliste ist und keine Vermutung.
- Wie ein guter Wert aussieht
- Eine kurze und schrumpfende Liste bei kommerziellen Seiten. Bei dünnen oder doppelten Inhalten ist eine lange Liste das richtige Ergebnis.
- Woran es scheitert
- Einen Crawl als Erfolg zu werten. Ein Crawl heißt, dass die Tür offen stand, mehr nicht.
KI-attribuierter Umsatz
Umsatz- Was er misst
- Bestellungen und Leads, zurückverfolgt zur KI-Session, die sie erzeugt hat, in Währung.
- Wie WISLR ihn berichtet
- IP-zu-Bestellung-Attribution mit Umsatz im Zeitverlauf, Detailtiefe bis auf Käuferebene und Zeit bis zum Kauf, nach Engine aufgeteilt, wo die Daten es hergeben.
- Wie ein guter Wert aussieht
- Umsatz pro KI-Session, der dem Vergleich mit Ihren anderen Kanälen standhält, und eine Kurve der Zeit bis zum Kauf, um die herum Sie Retargeting planen können.
- Woran es scheitert
- Session-Kontinuität. Wer aus einer KI-Antwort kommt und drei Tage später zum Kauf zurückkehrt, ist für ein naives Last-Click-Modell unsichtbar. Deshalb gehört die Zeit bis zum Kauf neben die Umsatzzahl.
Sie gegeneinander lesen
Einzeln sind das nur Zahlen. Der diagnostische Wert liegt in den Schritten dazwischen, denn jeder Abfall hat eine wahrscheinliche Erklärung und eine jeweils andere Behebung.
Alle sieben sind Panels in WISLR.ai. Es erfasst Training-Crawls, Abrufe mitten im Gespräch und KI-Referrals am Edge auf Ihrer eigenen Domain, gleicht Sessions mit Bestellungen ab und berichtet die Abdeckung auf jeder Stufe, aufgeschlüsselt nach Engine. Keine Log-Pipeline aufzusetzen, und der kostenlose Plan behält durchgehend 30 Tage Historie, sodass die Baseline heute beginnt.
Wie das zu Ihrem SEO-Report passt
Diese Kennzahlen stehen neben Ihrem SEO-Report, nicht darüber. Sie stammen aus anderen Quellen und beantworten andere Fragen, und die nächstliegende Entsprechung ist oft keine exakte.
Wo anfangen
Beginnen Sie am oberen Ende des Funnels, denn ein Problem auf Stufe eins macht jede Zahl darunter bedeutungslos. Training-Abdeckung und gecrawlt, aber nicht zitiert reichen für die erste Runde an Entscheidungen, und beide stammen aus denselben Log-Daten.
Das Einzige, was sich sofort lohnt, ist die Uhr zu starten. Jede Kennzahl hier ist ein Trend, und ein Trend braucht eine Baseline. Eine Marke, die jetzt zu erfassen beginnt, hat Monate an Historie, wenn ein Wettbewerber noch entscheidet, was er messen soll, und Historie ist der Teil, den man nicht nachtragen kann.
Sehen Sie diese sieben Zahlen auf Ihren eigenen Daten.
WISLR AI Channel Analytics berichtet alle sieben aus Ihren eigenen First-Party-Server-Logs: Training- und Kandidaten-Abdeckung nach Engine, die Warteschlange gecrawlt, aber nicht zitiert, den Wachstums-Score und den Umsatz, der zur Session zurückgeführt wird. Der kostenlose Plan behält durchgehend 30 Tage Historie, was für den Aufbau der Baseline reicht.