Wenn KI zur Zielgruppe wird: Wie Marken weiter ihre Kunden erreichen
von Johann Wrede, Chief Marketing Officer, UserTesting
Die vergangenen zwei Jahre haben einen tiefgreifenden Wandel im Marketing ausgelöst. Die weltweite Nutzung künstlicher Intelligenz durch Endverbraucher ist in diesem Zeitraum um 62 Prozent gestiegen; Anwendungen wie ChatGPT und Gemini spielen beim Browsen im Internet und beim Shopping eine immer größere Rolle. Das verändert grundlegend, wie Unternehmen mit ihren Kunden interagieren.
Bild: UserTesting
Laut einem Bericht von IBM nutzen inzwischen 41 Prozent der Verbraucher KI-Assistenten zur Produktrecherche, 33 Prozent zur Suche nach Produktbewertungen und 31 Prozent, um Angebote zu finden. Diese Zahlen dürften weiter steigen.
Für Marketer hat das weitreichende Folgen. Denn: Die erste Begegnung eines Kunden mit einer Marke oder einem Produkt erfolgt heute oft über eine KI-generierte Zusammenfassung. Diese wird dadurch quasi zur Visitenkarte des Unternehmens. Sie kann ausschlaggebend dafür sein, ob der Kunde sich näher mit einer Marke beschäftigt oder nicht. Unternehmen, die verstehen, wie sie große Sprachmodelle (LLMs) gezielt adressieren können, haben daher bessere Chancen, sich erfolgreich von ihren Wettbewerbern abzuheben. Das gilt nicht nur für die eigene Website, sondern für alle Kommunikationskanäle, von Social Media bis hin zu Earned Media.
Mit dem Aufkommen sogenannten 'KI-Schrotts' - also minderwertiger KI-generierter Inhalte - zeigt sich aber auch die Kehrseite dieser Entwicklung. Inhalte, die zu stark auf KI-Optimierung ausgerichtet sind, laufen Gefahr, die Markenwahrnehmung zu verwässern und Kunden eher abzuschrecken. Unternehmen müssen deshalb die richtige Balance zwischen effizientem Marketing und hochwertigem Kundenerlebnis finden. Der Schlüssel dazu liegt im kontinuierlichen Testen der Kundenansprache mit echten Zielgruppen.
Von SEO zu GEO
Parallel zur klassischen Suchmaschinenoptimierung (SEO) setzen Marketer zunehmend Generative Engine Optimisation (GEO) als wirksame Taktik ein, um häufiger in KI-generierten Antworten aufzutauchen. Die Ansprache von LLMs erfordert dabei keine völlig neue Marketingstrategie, sondern vielmehr eine Weiterentwicklung des bisherigen SEO-Denkens. Marken, die von KI-Systemen regelmäßig zitiert werden, weisen meist ähnliche Merkmale auf: konsistente Botschaften, suchwortorientierte Website-Texte, präzise Produktbeschreibungen, umfassende FAQ-Bereiche, eine hohe Zahl von Bewertungen sowie sauber gepflegte, strukturierte Daten. Fehlt eines dieser Elemente oder ist es für Maschinen schwer interpretierbar, neigt die künstliche Intelligenz dazu, stattdessen andere Anbieter hervorzuheben.
Im Gegensatz zu SEO, wo sich Rankings zwar verändern, aber oft über längere Zeit relativ stabil bleiben, sind GEO-Ergebnisse allerdings deutlich flüchtiger. LLMs aktualisieren laufend die Quellen, auf die sie sich beziehen. Eine Marke, die heute in KI-Zusammenfassungen erscheint, könnte dort schon bald nicht mehr auftauchen. GEO erfordert deshalb eine regelmäßige Überprüfung dessen, was KI-Modelle tatsächlich über eine Marke sagen, und ob vorhandene Inhalte weiterhin zitiert werden.
Die richtige Balance finden
Traditionell wurden Marketinginhalte vor allem für menschliche Nutzer entwickelt. Der Schwerpunkt lag auf dem Design, dem Storytelling, dem unverwechselbaren Markenimage und Konversionsstrategien. All diese Faktoren bleiben weiterhin wichtig, um sich vom Wettbewerb abzuheben. Für die Interpretation durch Algorithmen reichen sie allein jedoch nicht aus. Hinzu kommt, dass GEO zusätzlich auf Informationen Dritter zurückgreift. Die Stärke einer Marke hängt also zunehmend auch davon ab, wie sie von anderen beschrieben wird. Dadurch entsteht eine grundlegende Lücke auf dem Weg zur GEO-Readiness, die Marketing- und Datenteams gemeinsam schließen müssen.
Marketer stehen nun vor der Aufgabe, eine unverwechselbare Markenidentität durch konsistente Botschaften und Storytelling aufzubauen und gleichzeitig mit Daten-, Web- und Analyseexperten zusammenzuarbeiten, um die Sichtbarkeit in LLMs zu verbessern.
Ein neues Risiko besteht dabei darin, die eigene digitale Präsenz zu stark auf die KI auszurichten. Denn das kann dazu führen, dass Markenprofil und Differenzierung verloren gehen und Kunden sich nicht mehr angesprochen fühlen. Aber KI-Optimierung und Markenidentität müssen sich keineswegs widersprechen. Mit den richtigen Grundlagen und konsequentem Testen können Unternehmen eine starke, KI-optimierte Präsenz schaffen, ohne ihre eigene Stimme zu verlieren. Das Problem ist, dass viele Unternehmen beide Themen noch getrennt behandeln: Das Datenteam verantwortet GEO, das Marketingteam alles andere. Genau in dieser Lücke leidet häufig die Qualität des Markenauftritts.
Betrachtet man den klassischen Marketing-Funnel, dann gehört GEO in die Awareness-Phase. GEO sorgt dafür, dass eine Marke von KI-Assistenten zitiert wird. Doch eine Erwähnung allein reicht nicht aus. Führt der Link anschließend zu oberflächlichen oder wenig überzeugenden Inhalten, endet die Customer Journey bereits an dieser Stelle. Die eigentliche Conversion müssen Marken weiterhin selbst verdienen. Und dafür braucht es mehr als strukturierte Daten und technische Optimierung: Es ist die Einzigartigkeit einer Marke, die beim Kunden Aufmerksamkeit schafft, Vertrauen aufbaut und ihn durch den Funnel führt.
Für die reale Welt entwickeln
Bei Verbrauchern wächst der Wunsch nach mehr Authentizität in einer zunehmend von KI geprägten Welt. Denn Kundenbeziehungen haben immer auch eine emotionale Dimension. Genau hier liegt die traditionelle Stärke des Marketings. Inhalte und Produkte müssen relevant wirken und dem Kunden zugleich das Gefühl vermitteln, dass er verstanden und wertgeschätzt wird.
Um das zu erreichen, müssen Unternehmen wissen, wie reale Menschen auf ihre Markenerlebnisse reagieren. Im GEO-Zeitalter gewinnt dieser Faktor zusätzlich an Bedeutung, weil er unmittelbar zur Glaubwürdigkeit von Inhalten beiträgt. Marken, die regelmäßig mit echten Kunden testen, erstellen eher Materialien, die auch von KI-Systemen aufgegriffen werden. Denn diese Inhalte haben ihren Wert für die Kunden bereits vor ihrer Veröffentlichung bewiesen.
Die größte Herausforderung besteht im Zeitalter von LLMs darin, Inhalte und Erlebnisse zu schaffen, die sowohl für KI-Systeme als auch für Menschen relevant sind. Der erste Schritt dahin ist ebenso einfach wie anspruchsvoll: zu verstehen, was die eigene Zielgruppe wirklich denkt.
