Ein KI-Sichtbarkeits-Score verwandelt Stichproben von KI-Antworten in eine Zahl, die Sie vergleichen können.

Messen Sie einige Raten bei denselben Käuferfragen ohne Markennamen, bilden Sie jede anhand eines angegebenen Ankers auf eine Skala von 0 bis 100 ab und nehmen Sie einen gewichteten Mittelwert. Der Vergleich mit Wettbewerbern steckt im Share of Voice, der Ihre Erwähnungen durch die Erwähnungen der neben Ihnen genannten Anbieter teilt, und in der Position, die angibt, wie früh Sie genannt werden.

Der AEO-Score von Proofsource macht genau das. Die Formel, wie auf der Methodik-Seite veröffentlicht:

round( (35 x Erwähnung + 25 x Zitierung + 25 x Share of Voice + 15 x Position) / 100 ), jeder Teil auf 0-100, nur gemessene Teile

Dieselben Antworten erzeugen ihn auf ChatGPT, Perplexity, Claude und Google AI Overviews. Er ist eine einzige Zahl für den Zeitraum, den Sie wählen; um sich mit einem bestimmten Wettbewerber zu vergleichen, nutzen Sie die Zählungen dahinter, wie unter Vergleich mit Wettbewerbern beschrieben.

Nehmen Sie eine erfundene Marke mit runden Zahlen: genannt in 20 % der Antworten, mit Zitierung ihrer Website in 10 %, mit 12 % der Top-10-Erwähnungen, auf einem durchschnittlichen Platz von 4. Diese Werte dienen der Veranschaulichung und gehören zu keiner echten Marke.

round( (35 x 40.0 + 25 x 25.0 + 25 x 48.0 + 15 x 84.2) / 100 ) = round(44.88) = 45

Jede Zahl oben lässt sich mit einem Taschenrechner nachprüfen, und genau darum geht es. Der echte Score im Produkt zeigt dieselbe Aufschlüsselung; jeder Teil, der sich nicht messen ließ, wird weggelassen und benannt, nie mit null bewertet.

Weil die Eingaben Stichproben sind. Stellen Sie derselben Engine zweimal dieselbe Frage, und die Antwort kann sich ändern; ein Score von 45 aus einer Woche Antworten könnte in der nächsten Woche eine 40 oder eine 50 sein, ohne dass sich bei Ihnen etwas geändert hat.

Antworten sind Stichproben, daher wird der Score mit einer 95-%-Spanne aus den Wilson-Intervallen seiner Raten gezeigt (Monte-Carlo, fester Seed, konservative Abhängigkeit), dazu der Score unter fünf alternativen Gewichtungen, damit die Wirkung der Gewichte sichtbar wird.

Die fünf alternativen Gewichtungen beantworten den naheliegenden Einwand gegen jeden zusammengesetzten Score: dass die Gewichte willkürlich sind. Stimmen die Alternativen überein, spielen die Gewichte für Ihre Marke kaum eine Rolle; liegen sie auseinander, sagt die Seite das. Das Intervall selbst wird im Glossar erklärt.

Sie messen Verschiedenes auf verschiedenen Daten. Evertune beschreibt seinen AI Brand Score als die Wahrscheinlichkeit, dass ein Modell in ungestützten Empfehlungen Aufmerksamkeit auf eine Marke lenkt, auf einer Skala von 0 bis 100, die kombiniert, wie oft die Marke erscheint, mit veröffentlichten Positionsgewichten (Platz eins 100 %, Platz zwei 90 %, Platz drei 81 %). Markennamen lässt es aus seinen Prompts heraus.

Der AI Visibility Index von Semrush ist ein öffentliches Kategorie-Ranking aus 126 Millionen US-Prompts auf ChatGPT, Google AI Mode, Google AI Overviews und Gemini, pro Plattform berichtet; er kombiniert, wie oft eine Marke erscheint, mit wie beständig. Im Toolkit ist der AI-Visibility-Score von Semrush ein Benchmark von 0 bis 100 gegenüber Wettbewerbern. Keine der beiden Seiten veröffentlicht die vollständige Formel, daher lassen sich die beiden Zahlen nicht ineinander umrechnen. Beide sind in den Quellen oben verlinkt.