Researchly Blog Logo

Wie wir uns auf GEO / AEO / SEO 2.0 vorbereiten

Mein Fazit nach 3 Monaten GEO-/AEO-Optimierungen: Die Wahrheit liegt irgendwo dazwischen

Drei Monate sind vergangen, seit ich mich intensiver mit GEO (Generative Engine Optimization) und AEO (Answer Engine Optimization) beschäftigt habe. In der Zeit habe ich mit unterschiedlichen Maßnahmen experimentiert – und stehe heute mit mehr Fragen als Antworten da.

Wo stehen wir aktuell?

patentrecherche-software-ki.png earnings calls analyse sentiments ki tool.png

Wir ranken inzwischen bei bestimmten Begriffen sowohl bei Google als auch bei Perplexity und ChatGPT. Die Screenshots zeigen unsere Rankings für unsere Agents zur Earnings Calls Analyse und Patentrecherche. Das führt tatsächlich zu Leads – also scheint zumindest irgendwas zu funktionieren. Doch warum das so ist, kann ich ehrlicherweise nicht sagen.

Denn:
Manchmal landen wir auf Platz 1, obwohl wir genau die “Don’ts” gemacht haben, vor denen die ganzen Guides warnen. Und umgekehrt: Da, wo wir penibel alles so umgesetzt haben, wie es die Experten empfehlen, passiert – nichts.

Mein Gefühl: Viele GEO-Guides verwechseln Korrelation mit Kausalität. Rankt man, weil man X gemacht hat, oder passiert das, und man hat zufällig auch X gemacht? Wer weiß das schon?

Unsere Tools & Prozesse im Überblick

Um unsere GEO-/AEO-Strategien möglichst effizient und datenbasiert umzusetzen, nutzen wir folgende Tools und interne Lösungen:

  • Researchly:
    Gerade für den Middle-of-Funnel-Bereich – also Blogbeiträge, in denen verschiedene Softwarelösungen verglichen werden – setzen wir auf Researchly. Das Tool unterstützt uns bei der Erstellung fundierter Vergleichsartikel, die sowohl Nutzern als auch Suchmaschinen sowie LLMs echten Mehrwert bieten. (Meldet euch hier bei mir, wenn ihr das Tool auch testen wollt)

  • PeecAI:
    Wir haben PeecAI und andere GEO-Tools, ausprobiert, um zu tracken, wie unsere Inhalte in den Suchergebnissen ausgespielt werden. Das war hilfreich, aber letztlich haben wir uns dafür entschieden, eigene Monitoring-Lösungen zu bauen, die noch spezifischer auf unsere Anforderungen zugeschnitten sind Meldet euch hier bei mir, wenn ihr das Tool auch testen wollt).

  • Interne Wissensdatenbank:
    All unsere Inhalte organisieren wir strukturiert in einer eigenen internen Wissensdatenbank. Das macht es nicht nur einfach, Content wiederzuverwenden, sondern sorgt auch dafür, dass unsere Texte konsistent und autoritativ sind – ein klarer Vorteil für unsere Domain-Autorität.

Was nehme ich mit für die nächsten Monate?

  • Top-Of-Funnel-Content ist weiterhin gutes Futter – zumindest für Google. Das bringt Domain-Autorität, scheint aber für LLMs (Large Language Models wie ChatGPT) ziemlich egal zu sein.

  • Middle- und Bottom-Of-Funnel: Mein Eindruck: LLMs kennen den Top-Of-Funnel-Kram bereits aus ihrem Trainingskorpus. Die eigentliche Herausforderung ist, Blog, Website & Co. mit weiterführendem Content zu füllen, damit intent-getriebene (= wirklich suchende) Fragen von LLMs beantwortet werden können.

  • Individuelle Rankings (wie die im Screenshot) sehen zwar gut (auf LinkedIn) aus ( 😉 ), sind aber trügerisch (Memory-Funktion der Modelle etc.) Eine Lösung wie Peec AI ist fürs Monitoring besser.

Mein Fazit zum Fazit

  • Keine neuen Erkenntnisse, die nicht schon X-mal durch’s Netz gegeistert sind.
  • "GEO" ist im Grunde immer noch ganz viel klassisches SEO.
  • "So rankst du bei ChatGPT"-Guides? Mit Vorsicht genießen – oftmals mehr Vermutung als Wissen.

PS: Ein Zusammenfassung von diesem Beitrag findet Ihr auf LinkedIn.