Generative KI findet nicht nur Produkte. Sie ordnet sie, rahmt ihre Stärken und entscheidet mit, welche Marken wir überhaupt vergleichen. Was die Forschung darüber weiß und was das für Marketing im Mittelstand bedeutet.
Stell dir vor, du suchst ein neues CRM für einen Maschinenbauer mit 120 Mitarbeitern.
Früher begann die Sache mit Google. Man tippte etwas wie „CRM Mittelstand Maschinenbau Vergleich“ ein und bekam Werbung, Vergleichsportale, Anbieter, noch mehr Werbung und irgendwann einen Artikel mit der Überschrift „Die 17 besten CRM-Systeme 2026“.
Nach einer knappen Stunde wusste man vor allem eines: Es gibt sehr viele CRM-Systeme.
Heute kann man ChatGPT fragen:
„Welches CRM eignet sich für einen deutschen Maschinenbauer mit 120 Mitarbeitern, Außendienst und internationalem Vertrieb?“
Zehn Sekunden später stehen dort vielleicht drei Anbieter.
Anbieter A: besonders geeignet für komplexe Vertriebsprozesse.
Anbieter B: gut für mittelständische Unternehmen.
Anbieter C: interessant für Firmen mit starkem Außendienst.
Fertig.
Der Kunde hat noch keine Website besucht. Kein Whitepaper heruntergeladen. Kein Webinar gebucht. Und trotzdem stehen bereits drei Marken auf dem geistigen Einkaufszettel.
Andere nicht.
Willkommen in einer Customer Journey, in der zwischen Kunde und Unternehmen plötzlich jemand sitzt, den niemand eingestellt hat.
Die Marketingwelt diskutiert deshalb derzeit leidenschaftlich über GEO, AEO und AI Visibility. Also darüber, wie Marken in den Antworten von ChatGPT, Gemini, Perplexity und anderen KI-Systemen auftauchen.
Das ist wichtig.
Aber es ist nur die halbe Geschichte.
Die spannendere Frage lautet:
Was passiert mit unserer Entscheidung, nachdem die KI ihre Auswahl präsentiert hat?
Denn generative KI liefert nicht einfach Informationen.
Sie strukturiert sie.
Und wer Informationen strukturiert, gestaltet Entscheidungen.
Aus zehn blauen Links werden drei plausible Antworten
Google ist nicht tot.
Auch wenn Marketingkonferenzen dem Unternehmen seit ungefähr 2010 regelmäßig die Sterbeurkunde ausstellen.
Aktuelle Zahlen aus Deutschland zeigen vielmehr ein Nebeneinander von klassischer Suche und KI-Suche.
Laut einer YouGov-Erhebung aus dem Frühjahr 2026 nutzten 79 Prozent der deutschen Online-Suchenden weiterhin klassische Suchmaschinen. Gleichzeitig hatten 39 Prozent innerhalb der vergangenen 30 Tage KI-Assistenten zur Informationssuche verwendet. 26 Prozent der KI-Nutzer setzen die Systeme unter anderem zum Vergleich von Optionen ein.
Interessant wird es beim Vertrauen.
Nur 36 Prozent der Befragten vertrauten Informationen aus KI-Assistenten. Bei klassischen Suchmaschinen waren es 72 Prozent.
Das klingt zunächst beruhigend.
Der Mensch bleibt skeptisch.
Zumindest theoretisch.
Denn geringe abstrakte Vertrauenswerte bedeuten nicht automatisch, dass eine konkrete Empfehlung keinen Einfluss besitzt. Menschen können einer Technik misstrauen und trotzdem ihren Vorschlag übernehmen.
Wer jemals seinem Navigationsgerät gefolgt ist, obwohl es ihn bereits zweimal in einen verkehrsberuhigten Hinterhof geschickt hat, kennt das Prinzip.
Genau hier beginnt die Forschung zur KI-vermittelten Entscheidung.
Die KI wird zum Türsteher des Relevant Set
Marketing kennt das Konzept seit Jahrzehnten: das Consideration Set.
Gemeint ist die kleine Gruppe von Marken oder Produkten, die ein Käufer ernsthaft für seine Entscheidung berücksichtigt.
Niemand vergleicht alle verfügbaren Anbieter.
Zum Glück.
Sonst würde die Auswahl eines Projektmanagementsystems ungefähr bis zur Rente dauern.
Die entscheidende Marketingfrage lautet deshalb nicht nur:
Wird meine Marke gekauft?
Davor steht eine wichtigere:
Schafft meine Marke es überhaupt in die engere Auswahl?
Woondeog Chang und Jungkun Park untersuchten 2024 genau diesen Zusammenhang bei Empfehlungen durch ChatGPT beziehungsweise ein klassisches KI-Empfehlungssystem. In ihrer Untersuchung mit 443 ausgewerteten Antworten zeigte sich: Das Vertrauen in den Empfehlungsgeber konnte auf die empfohlenen Produkte übertragen werden und damit deren Aufnahme in das Consideration Set begünstigen. Besonders interessant war dieser Zusammenhang bei weniger bekannten Marken.
Das ist für mittelständische Marken bemerkenswert.
Denn klassische Markenlogik lautet häufig:
Bekanntheit schafft Vertrauen.
Die Studie deutet auf einen zusätzlichen Weg hin:
Vertrauen in den Empfehlungsmechanismus kann zumindest teilweise auf eine bislang weniger bekannte Marke überspringen.
ChatGPT ersetzt Markenbekanntheit damit nicht.
Aber es kann einer unbekannteren Marke die Tür öffnen.
Und genau diese Tür war bislang teuer.
Man brauchte Werbung, Medienpräsenz, Messen, Vertrieb, Empfehlungen, SEO oder idealerweise alles gleichzeitig. Also praktisch das komplette Marketingbudget inklusive der Kaffeemaschine.
Nun kann ein zusätzlicher Akteur entscheiden, wer in den Raum gelangt.
Nummer eins, weil Nummer eins
Noch merkwürdiger wird die Sache bei der Reihenfolge.
Suji Hong und Jennifer Hyun Kim untersuchten 2026 in drei Experimenten, wie Menschen Empfehlungslisten von ChatGPT verarbeiten.
Das Ergebnis ist ebenso simpel wie unangenehm:
Menschen bevorzugten überproportional häufig den zuerst genannten Vorschlag.
Das passierte auch dann, wenn die Reihenfolge zufällig festgelegt wurde. Es geschah ohne ausdrückliche Rangnummern. Und der Effekt blieb sogar bestehen, wenn die zuerst genannte Option einen objektiven Fehler enthielt.
Man könnte sagen:
Die Versuchspersonen bekamen eine Liste.
Ihr Gehirn machte daraus eine Siegerehrung.
Die Forschenden interpretieren dies als Hinweis auf heuristische Informationsverarbeitung. Statt alle Merkmale sorgfältig gegeneinander abzuwägen, dient die Position selbst als Entscheidungshilfe. Teilnehmer mit stärkerem Präventionsfokus, also höherer Wachsamkeit gegenüber möglichen Fehlern, verteilten ihre Entscheidungen gleichmäßiger und nahmen sich mehr Zeit.
Das unterscheidet KI-Antworten von klassischen Suchergebnissen.
Bei Google wissen wir seit Jahren: Oben ist vermutlich relevant. Die Suchmaschine signalisiert uns durch ihr Ranking ausdrücklich eine Reihenfolge.
Bei einer generativen KI ist das längst nicht immer so.
Wenn ChatGPT fünf Anbieter aufzählt, steht dort normalerweise nicht:
„Platz 1 wurde nach einem transparenten, wissenschaftlich validierten Verfahren ermittelt.“
Da steht einfach einer zuerst.
Und trotzdem kann unser Gehirn daraus lesen:
Der wird schon einen Grund haben, da oben zu stehen.
Der Grund könnte allerdings schlicht sein, dass ein Sprachmodell einen Text erzeugt hat.
Das ist ungefähr so, als würde man auf einer Hochzeitsfeier davon ausgehen, der Mensch am ersten Tisch müsse automatisch der wichtigste Gast sein.
Kann stimmen.
Muss aber nicht.
Die eigentliche Macht steckt im Framing
Noch interessanter als die Reihenfolge ist die Art, wie KI Produkte beschreibt.
Eine aktuelle Forschungsarbeit von Raluca Ursu, Anita Rao und Jake Embrey analysierte mehr als 27.000 Shopping-Antworten von ChatGPT und Google AI Mode.
Dabei entdeckten die Forschenden ein wiederkehrendes Muster:
„Best for …“
Also beispielsweise:
Produkt A ist am besten für Einsteiger.
Produkt B ist ideal für große Teams.
Produkt C ist besonders geeignet für anspruchsvolle Nutzer.
Die KI listet damit nicht einfach Produkte und Eigenschaften auf.
Sie weist ihnen Rollen zu.
Die Forscher zeigen, dass bei diesem Format häufig bestimmte positive Eigenschaften eines Produkts hervorgehoben werden, während andere Merkmale unausgesprochen bleiben. Wer ein vollständigeres Bild möchte, muss nachfragen.
Und hier passiert etwas psychologisch Spannendes.
Die KI beantwortet nicht nur:
Welche Produkte gibt es?
Sie beantwortet gleichzeitig:
Wie solltest du über diese Produkte nachdenken?
Das ist Framing.
Nehmen wir drei Softwareanbieter.
Ein vollständiger Vergleich könnte zeigen:
| Anbieter A | Anbieter B | Anbieter C | |
|---|---|---|---|
| Preis | hoch | mittel | niedrig |
| Integration | sehr gut | gut | mittel |
| Bedienung | mittel | sehr gut | gut |
| Skalierbarkeit | sehr gut | gut | mittel |
| Support | gut | sehr gut | gut |
Eine KI könnte daraus machen:
A: Beste Wahl für wachsende Unternehmen.
B: Beste Wahl für Benutzerfreundlichkeit.
C: Beste Wahl für preisbewusste Teams.
Aus fünf Eigenschaften sind drei Geschichten geworden.
Das ist elegant.
Es spart Zeit.
Und es verändert die Wahrnehmung.
Plötzlich besitzt A die Rolle des Wachstumsspezialisten. B wird zum sympathischen Einfachmacher. C trägt das Preisschild auf der Stirn.
Vielleicht wollte Anbieter C eigentlich über Servicequalität verkaufen.
Pech gehabt.
Die KI hat eine andere Geschichte erzählt.
Genau deshalb wird das Thema für Markenführung interessant
Marketing hat sich lange damit beschäftigt, welche Botschaft ein Unternehmen aussendet.
Die Website sagt:
„Wir sind innovativ.“
Die Broschüre sagt:
„Wir sind kundenorientiert.“
LinkedIn sagt:
„Heute hatten wir einen inspirierenden Workshop.“
Und der Messestand sagt:
„Wir haben Gummibärchen.“
All diese Signale sollen im Kopf des Kunden ein bestimmtes Markenbild erzeugen.
Generative KI fügt jetzt eine neue Ebene hinzu.
Zwischen Markenkommunikation und Kundenwahrnehmung entsteht ein Interpretationssystem.
Dieses System kann Informationen aus unterschiedlichen Quellen zusammenziehen, verdichten und daraus eine eigene Antwort formulieren.
Damit verändert sich das klassische Kommunikationsmodell.
Vereinfacht lautete es früher:
Unternehmen → Botschaft → Kunde
Später kam die digitale Plattform dazwischen:
Unternehmen → Google/Amazon/LinkedIn → Kunde
Nun entsteht zunehmend:
Unternehmen + Drittquellen + Daten → KI → interpretierte Antwort → Kunde
Die KI übermittelt also nicht zwingend deine Positionierung.
Sie rekonstruiert sie.
Das ist ein ziemlich bedeutender Unterschied.
Aus Customer Journey wird AI-mediated Customer Journey
Wir können daraus ein einfaches Modell ableiten:
Bedürfnis → KI-Frage → KI-Framing → algorithmisches Consideration Set → eigene Recherche → Bewertung → Entscheidung
Die KI sitzt damit vergleichsweise früh im Prozess.
Und Frühphasen sind im Marketing gefährlich.
Denn wer dort ausscheidet, bekommt später möglicherweise gar keine Chance mehr.
Ein Anbieter kann die beste Case Study der Branche besitzen.
Wenn er im Relevant Set nicht vorkommt, bewundert sie nur leider niemand.
Das Problem ist besonders groß, weil Nutzer KI nicht zwingend als klassische Werbung wahrnehmen.
Eine Empfehlung aus einer Unternehmensanzeige besitzt einen offensichtlichen Absender.
„Unser Produkt ist hervorragend“, sagt überraschenderweise der Hersteller des Produkts.
Das erschüttert niemanden.
Eine KI-Antwort wirkt dagegen stärker wie eine zusammenfassende Bewertung.
Nicht zwingend neutral.
Aber sprachlich neutralisiert.
Und Sprache wirkt.
Wann Menschen der Maschine eher zuhören
Dabei vertrauen Menschen KI-Empfehlungen keineswegs immer gleich stark.
Chiara Longoni und Luca Cian zeigten in mehreren Experimenten einen sogenannten Word-of-Machine-Effekt.
Vereinfacht gesagt: Menschen bewerteten KI-Empfehlungen eher positiv, wenn es um funktionale, utilitaristische Eigenschaften ging. Bei stärker hedonischen, subjektiven Entscheidungen bevorzugten sie eher menschliche Empfehlungen. Der Effekt hing unter anderem mit der Vorstellung zusammen, Maschinen seien für funktionale Beurteilungen kompetenter, für Geschmacksfragen aber weniger geeignet.
Ein Algorithmus darf also eher sagen:
„Diese Maschine hat die niedrigsten Betriebskosten.“
Bei:
„Dieser Wein passt perfekt zu deinem Charakter“
möchten manche Menschen offenbar doch noch jemanden, der theoretisch schon einmal Wein getrunken hat.
Für B2B-Marketing ist das relevant.
Viele Investitionsentscheidungen werden ausdrücklich funktional begründet:
Kosten.
Sicherheit.
Produktivität.
Integrationsfähigkeit.
Ausfallzeiten.
Return on Investment.
Genau dort kann eine maschinelle Empfehlung besonders plausibel wirken.
Das bedeutet nicht, dass B2B-Käufer blind auf KI hören.
Im Gegenteil.
Forrester befragte für seine 2026 veröffentlichten Erkenntnisse fast 18.000 Business Buyer weltweit. 94 Prozent berichteten, KI im Kaufprozess zu nutzen. Zugleich validieren Käufer KI-Aussagen weiterhin über Kollegen, Experten, Analysten und andere vertrauenswürdige Quellen.
87 Prozent stuften generative beziehungsweise konversationelle KI-Suche in einer weiteren Forrester-Auswertung als bedeutsame Interaktion im B2B-Kaufprozess ein.
Der neue Kaufprozess lautet also offenbar nicht:
KI fragen. Kaufen. Feierabend.
Eher:
KI fragen. Vorauswahl treffen. Prüfen. Kollegen nerven. Meeting ansetzen. Excel-Tabelle bauen. Noch ein Meeting ansetzen. Kaufen.
Wir sprechen schließlich über B2B.
Gewisse Traditionen überleben jede technologische Revolution.
Vertrauen ist ein Verstärker & kein Qualitätsbeweis
Ein besonders wichtiger Punkt kommt aus einer Studie von Matthew Grawitch, Steven Winton und Srikanth Mudigonda aus dem Jahr 2026.
In zwei Experimenten untersuchten sie, wann Menschen ChatGPT-Ratschläge einholen und übernehmen.
Vertrauen in KI sagte sowohl voraus, ob Menschen ChatGPT konsultierten, als auch, ob sie den Rat tatsächlich anwendeten.
Doch der entscheidende Befund lautet:
Der Effekt hing von der Qualität des Ratschlags ab.
Gute KI-Empfehlungen konnten die Entscheidungsleistung verbessern.
Schlechte Empfehlungen verschlechterten sie, wenn die Teilnehmer ihnen folgten.
Klingt banal.
Ist es nicht.
Denn Vertrauen und Qualität sind zwei verschiedene Dinge.
Eine souverän formulierte KI-Antwort kann richtig sein.
Sie kann auch falsch sein.
Die Schriftgröße ändert sich dabei nicht.
Generative KI besitzt eine kommunikative Eigenschaft, die Marketingexperten durchaus bekannt vorkommen dürfte:
Sie kann Unsicherheit bemerkenswert überzeugend formulieren.
Was die Forschung noch nicht weiß
An dieser Stelle lohnt sich etwas, das im Marketing ungefähr so beliebt ist wie das Kleingedruckte in einer Kampagnenpräsentation:
Einschränkungen.
Die Studienlage wächst schnell. Aber sie ist noch jung.
Die Forschung von Hong und Kim basiert auf drei experimentellen Szenarien. Das ist starke Evidenz für einen möglichen Positionseffekt, aber kein Beweis dafür, dass in jeder realen Kaufsituation immer der zuerst genannte Anbieter gewinnt.
Auch die Untersuchung von Chang und Park beschreibt bestimmte experimentelle beziehungsweise modellierte Zusammenhänge. Sie macht nicht aus jeder ChatGPT-Empfehlung automatisch einen Verkauf.
Besonders spannend ist die „Help Me Search“-Studie von Ursu, Rao und Embrey. Sie kombiniert mehr als 27.000 analysierte KI-Antworten mit einem präregistrierten Experiment. Zum Zeitpunkt dieses Artikels liegt die Arbeit jedoch als Working Paper vor und hat noch nicht den vollständigen Peer-Review-Prozess einer etablierten Fachzeitschrift durchlaufen.
Und dann gibt es noch ein besonderes Problem dieser Forschungsrichtung:
Der Gegenstand läuft der Wissenschaft davon.
ChatGPT aus dem Jahr 2024 ist nicht ChatGPT aus dem Jahr 2026.
Modelle ändern sich. Interfaces ändern sich. Quellen ändern sich. Empfehlungssysteme ändern sich.
Wir sollten deshalb vorsichtig sein mit Naturgesetzen wie:
„LLMs machen immer X.“
Meist lautet die wissenschaftlich seriösere Formulierung:
Unter bestimmten Bedingungen beobachten wir derzeit X.
Das klingt weniger nach LinkedIn.
Dafür häufiger nach Wahrheit.
Fünf Konsequenzen für das Marketing im Mittelstand
Was folgt daraus?
Nicht, dass du ab morgen die Hälfte deines Marketingbudgets in „LLM Optimization“ schieben solltest, weil jemand auf einer Konferenz eine Folie mit einem Roboter gezeigt hat.
Aber fünf Dinge werden strategisch interessanter.
1. Finde heraus, nach welchen Kriterien deine Marke eingeordnet wird
Frage verschiedene KI-Systeme nicht nur:
„Welche Anbieter gibt es?“
Frage:
„Welcher Anbieter eignet sich für welchen Anwendungsfall?“
„Welche Stärken und Schwächen haben die Anbieter?“
„Wann sollte man Anbieter X wählen und wann nicht?“
„Welche Alternativen gibt es zu Anbieter X?“
Damit analysierst du nicht bloß Sichtbarkeit.
Du analysierst Framing.
Das ist der wichtigere Unterschied.
2. Besetze Entscheidungskriterien, nicht nur Keywords
Wenn Kunden künftig stärker über Fragen wie
„Welches System eignet sich für 100 Mitarbeiter und SAP-Integration?“
suchen, braucht eine Marke nachvollziehbare Antworten auf genau diese Entscheidungskriterien.
Nicht nur:
„Wir bieten innovative Lösungen für individuelle Herausforderungen.“
Diesen Satz kann praktisch jedes Unternehmen verwenden.
Vermutlich sogar eine Bäckerei.
Interessanter sind überprüfbare Aussagen:
Welche Unternehmen profitieren besonders?
Welche Anforderungen erfüllt das Produkt?
Wo liegen Grenzen?
Welche Daten belegen einen Vorteil?
Welche Integrationen funktionieren?
Für welche Fälle eignet sich das Angebot ausdrücklich nicht?
Eine Marke wird für KI wie für Menschen leichter einzuordnen, wenn sie selbst klar weiß, wofür sie steht.
Revolutionär, ich weiß.
3. Gib Behauptungen Belege
Gerade im B2B zeigt die Forrester-Forschung, dass Käufer KI-Antworten mit anderen Quellen abgleichen.
Das macht Evidenz wertvoller.
Cases.
Zahlen.
Benchmarks.
Tests.
Kundenstimmen.
Fachmedien.
Verbandsquellen.
Technische Dokumentationen.
Unabhängige Bewertungen.
„Wir sind führend“ ist eine Behauptung.
„Unsere Anlage reduziert bei Kunde X den Energieverbrauch unter definierten Bedingungen um Y Prozent“ ist überprüfbar.
Die zweite Aussage hat nicht nur beim Menschen bessere Karten.
Sie lässt sich auch von Maschinen leichter verarbeiten, kontextualisieren und mit anderen Informationen verbinden.
4. Miss nicht nur Erwähnungen
Viele Unternehmen beginnen inzwischen zu messen, wie oft ChatGPT ihre Marke nennt.
Das ist sinnvoll.
Aber es reicht nicht.
Interessanter sind mindestens vier Fragen:
Werde ich genannt?
An welcher Position?
In welchem Kontext werde ich genannt?
Welche Rolle weist die KI meiner Marke zu?
Wenn deine Premium-Marke bei jeder Anfrage unter „günstige Alternative“ erscheint, hast du technisch vielleicht fantastische AI Visibility.
Dein Markenchef wird trotzdem keinen Kuchen bestellen.
5. Bereite Vertrieb und Content auf vorgeprägte Käufer vor
Wenn KI früher in der Customer Journey auftaucht, erreichen manche Interessenten den Vertrieb bereits mit einem fertigen Frame.
„Ich habe gelesen, dass Sie besonders für mittelgroße Unternehmen geeignet sind.“
„ChatGPT meinte, Wettbewerber X sei bei Integration besser.“
„Die KI sagt, Ihre Lösung sei vor allem sinnvoll, wenn …“
Das Verkaufsgespräch beginnt dann nicht bei null.
Es beginnt mit einer Geschichte, die jemand anderes geschrieben hat.
Vertrieb, Marketing und Produktmanagement müssen deshalb wissen, welche Geschichten KI-Systeme über die eigene Marke erzählen.
Vom Markenbild zum Maschinenbild
Seit Jahrzehnten versucht Markenführung, ein möglichst klares Bild in den Köpfen der Kunden aufzubauen.
Das bleibt richtig.
Doch künftig kommt eine zweite Ebene hinzu:
Welches Bild einer Marke existiert in den Informationsstrukturen, aus denen KI-Systeme ihre Antworten erzeugen?
Das ist mehr als GEO.
Und es ist mehr als SEO.
Es betrifft Positionierung.
Wenn dein Unternehmen behauptet, für Innovationsführerschaft zu stehen, öffentliche Quellen es aber hauptsächlich als preiswerte Alternative beschreiben, entsteht ein Konflikt.
Der Kunde muss diesen Konflikt heute möglicherweise gar nicht mehr selbst entdecken.
Die KI fasst ihn für ihn zusammen.
Die neue Macht sitzt zwischen Frage und Antwort
Generative KI wird Kaufentscheidungen nicht vollständig übernehmen.
Menschen bleiben Menschen.
Sie zweifeln. Vergleichen. Fragen Kollegen. Lesen Bewertungen. Vertrauen Marken. Misstrauen Maschinen. Vertrauen Maschinen. Misstrauen Kollegen.
Gelegentlich alles innerhalb derselben Viertelstunde.
Aber die Forschung zeigt zunehmend:
KI kann beeinflussen, welche Alternativen wir betrachten, welche zuerst unsere Aufmerksamkeit bekommen und welche Eigenschaften einer Marke besonders sichtbar werden. Vertrauen in die KI kann dabei auf empfohlene Produkte übertragen werden. Und die Art, wie die Maschine Informationen formuliert, kann den Vergleich selbst verändern.
Für Marketing ist deshalb nicht nur die Frage wichtig:
„Was sollen Kunden über uns denken?“
Eine zweite kommt hinzu:
„Wie hilft die KI dem Kunden dabei, über uns zu denken?“
Das klingt zunächst nach einer feinen semantischen Unterscheidung.
Ist es aber nicht.
Denn zwischen einer Suchmaschine, die zehn Türen zeigt, und einer KI, die sagt „Nimm am besten diese drei“, liegt eine ziemlich große Veränderung.
Der neue Türsteher trägt keine schwarze Jacke.
Er trägt überhaupt nichts.
Aber er führt eine Liste.
Was wir aus der Forschung derzeit ableiten können
Der aktuelle Forschungsstand rechtfertigt drei vorsichtige Schlussfolgerungen:
Erstens: Generative KI kann bereits die Vorauswahl möglicher Marken und Produkte beeinflussen.
Zweitens: Darstellung und Reihenfolge einer KI-Empfehlung können selbst zu Entscheidungssignalen werden.
Drittens: Für Marketing wird deshalb neben der klassischen Sichtbarkeit zunehmend relevant, wie eine Marke innerhalb einer generierten Antwort eingeordnet und beschrieben wird.
Was wir noch nicht wissen: wie stabil diese Effekte über unterschiedliche Modelle, Länder, Produktkategorien und reale langfristige Kaufentscheidungen hinweg sind.
Marketingverantwortliche sollten deshalb weder in Panik geraten noch das Thema aussitzen.
Beides sind erstaunlich verbreitete Digitalstrategien.
Die vernünftigere Variante liegt dazwischen:
beobachten, testen, messen. Und Marken so klar positionieren, dass nicht einmal eine Maschine lange überlegen muss, wofür sie stehen.