Prüfen Sie, ob Ihre Produkte in KI-Kaufempfehlungen erscheinen
Angestrebtes Ergebnis
Eine Karte der Produktsichtbarkeit und ein nach Belegen priorisierter Maßnahmenplan
Shopping-Daten abrufen
Einflussreiche Quellen finden
Produkte vergleichen
Maßnahmen priorisieren
Workflow mit einem Klick ausführen
Nichts auszufüllen: Der Prompt läuft unverändert und fragt Sie nach allem, was noch fehlt.„In Claude ausführen“ und „In ChatGPT ausführen“ öffnen einen neuen Browser-Tab, in dem der Prompt bereits eingegeben ist. Es wird nichts gesendet, bevor Sie ihn abschicken.
- Karte der Produktsichtbarkeit
- Analyse der Shopping-Quellen
- Vergleich mit konkurrierenden Produkten
- Nach Belegen priorisierter Optimierungsplan
- Ein Qwairy Starter-Plan oder höher mit aktivem Monitoring
- Claude oder ChatGPT mit aktiviertem Qwairy MCP Connector
- Ausreichend aktuelle Monitoring-Daten zum ausgewählten Thema
Jemand fragt einen Assistenten nach den besten kabellosen Kopfhörern unter 200 Euro und erhält eine Auswahl an Produkten und Shops. Ob Ihr Katalog dabei ist, bleibt unklar. Dieser Workflow untersucht, was in Ihren überwachten Antworten erkannt wurde, und teilt die Aufgaben in Bereiche auf.
Das GEO-Problem, das der Workflow löst
Als Produkt-SEO betrachtet, lautet die Antwort schnell: Seite neu schreiben und Markup ergänzen. Kaufempfehlungen entstehen jedoch aus einer wechselnden Mischung von Händlerangeboten und redaktionellen Bewertungen, die je nach Anbieter und Suchanfrage variiert. Eine perfekte Seite allein beweist daher nichts.
Beobachtete Belege kehren die Reihenfolge um: Beginnen Sie mit den erkannten Namen und trennen Sie, was das Tool zurückgibt, was die Antwort sagt und was in Ihrem Katalog steht.
So ist der Workflow aufgebaut
1. Shopping-Ausgangsbasis abrufen. get_shopping_insights liefert erkannte Produkte und Shops mit Erwähnungszahlen, Bewertungen und zwei Kennzeichen pro Shop: Führt er Ihre Produkte, und führt er Wettbewerberprodukte? Daraus entsteht eine geordnete Chancenliste, very-high für einen Shop mit Wettbewerberprodukten, aber ohne Ihre, high für einen Shop mit beiden. Die Liste stammt nur aus den meistgenannten Shops. Sie zeigt erkannte Vorkommen, keinen Warenbestand.
2. Quellen, Wettbewerber, dann Antworten. get_source_domains ordnet zitierte Domains nach Erwähnungen; get_source_profile zeigt eine Domain mit führenden URLs im Detail; get_source_urls listet zitierte URLs für eine genaue Domain. Alle drei unterstützen dieselben Filter für Datum, Anbieter, Thema, Tag und Funnel, bleiben aber andere Daten als die Shopping-Shops. get_competitor_position ergänzt gefilterte Abdeckung und Share of Voice sowie eine ausdrücklich über alle Zeiten ermittelte Shopping-Überschneidung. Sie zählt Produktdatensätze, ohne sie zu ordnen. get_prompt_answers liefert gekürzte Vorschauen; get_answer_details eine vollständige Antwort mit Erwähnungen in Positionsreihenfolge und zitierten URLs. Welche Produkte genannt werden, müssen Sie aus dem Antworttext lesen.
3. Lücken festhalten. get_content_opportunities liefert bis zu zehn Fragen mit Wettbewerbern, aber ohne Sie, sowie bis zu zehn Fragen mit geringer Sichtbarkeit: mindestens zwei Antworten und weniger als 30 Prozent Markenpräsenz. Weder dieses Tool noch get_keyword_triggers filtern nach Shopping. Kauffragen müssen daher manuell ausgewählt werden.
So nutzen Sie die Ergebnisse
Bearbeiten Sie jeweils einen Aufgabenbereich. Zuerst Widersprüche: eine erkannte Bewertung oder Verfügbarkeit eines von Ihnen verkauften Produkts, die laut Ihrem Feed falsch ist. Dies ist der einzige Bereich, den Sie ohne neue Antworten prüfen können.
Danach folgen very-high-Shops, absteigend nach Erwähnungen. Dann high-Shops, in denen beide Marken vertreten sind: Hier geht es um Konsistenz in einem von Ihnen beeinflussbaren Eintrag. Anschließend die Prompt-Abdeckung, beginnend mit verpassten Fragen. Die Ansprache von Publishern steht zuletzt, weil Sie deren Ergebnis am wenigsten steuern können.
Eine leere Chancenliste ist ein normales Ergebnis, kein fehlgeschlagener Abruf. Ist ein Bereich leer, gehen Sie zum nächsten, statt Aufgaben zu erfinden.
Speichern Sie zuerst die Ausgangsbasis: zusammengefasste Zahlen, Shop-Liste, zitierte Domains und gelesene Antworten. Eine Empfehlung ist nicht garantiert. Notieren Sie deshalb vor jedem Aufgabenbereich, welche Ausgangszahl sich ändern müsste.
Der vollständige Prompt
Ich möchte prüfen, ob meine Produkte in überwachten KI-Shopping-Ergebnissen erscheinen. Liste meine überwachten Marken auf und frage bei mehreren, welche verwendet werden soll. Nutze die letzten 30 Tage. Halte Tool-Felder, meine Lesart des Antworttexts und meine Katalogdaten in getrennten Spalten.
1. Rufe get_shopping_insights auf und nenne zuerst die zusammengefassten Zahlen. Bei null Produkten und null Shops sage, dass keine Shopping-Vorkommen erkannt wurden. Wiederhole den Abruf für 90 Tage. Falls er leer bleibt, beende den Shopping-Zweig und fahre mit Schritt 2 fort. Andernfalls berichte führende Produkte mit Bewertung und Erwähnungen, führende Shops mit beiden Kennzeichen und die geordneten Chancen, die nur die meistgenannten Shops umfassen. Erfinde weder Preis, Anbieter noch Kauflink. Zeige mir die erkannten Namen, frage, welche zu meinem Katalog gehören, und nimm keine nicht zugeordneten Namen mit.
2. Rufe get_source_domains für den in Schritt 1 gewählten Zeitraum von 30 oder 90 Tagen auf. Wähle für meine Kategorie relevante Domains. Rufe dann get_source_profile für diese und get_source_urls für eine genaue Domain mit identischen Filtern auf. Halte Shopping-Shops und zitierte Quellen auseinander.
3. Rufe get_competitor_comparison und get_competitor_position für denselben Belegzeitraum und die zwei engsten Wettbewerber meiner Kategorie auf. Berichte nur Zahlen auf Markenebene. Weise darauf hin, dass die Shopping-Überschneidung ausdrücklich die gesamte Zeit umfasst, Produktdatensätze zählt und keine Rangfolge ist. Wähle danach Produkt- und Kategorie-Prompts mit get_prompts für denselben Zeitraum, nutze get_prompt_answers zur Vorauswahl und get_answer_details für den vollständigen Text. Nenne pro Antwort die Produkte und ihre Reihenfolge sowie alle im Text genannten Preise oder Bewertungen, ausdrücklich als deine Lesart und zur Prüfung durch mich.
4. Rufe get_content_opportunities und get_keyword_triggers für denselben Zeitraum auf. Behalte nur Fragen zu Produktentdeckung, Vergleich oder Kauf, da keines der Tools einen Shopping-Filter hat. Gib pro Lücke die Frage, die an meiner Stelle vertretenen Wettbewerber und die fehlenden Belege an.
5. Erstelle den Plan in geordneten Bereichen. Erstens: erkannte Bewertungen oder Verfügbarkeiten, die bei von mir verkauften Produkten meinem Feed widersprechen. Zweitens: very-high-Shops nach Erwähnungen. Drittens: high-Shops. Viertens: Lücken in der Prompt-Abdeckung, beginnend mit verpassten Fragen. Fünftens: Publisher ansprechen. Kennzeichne einen leeren Bereich als leer und fahre fort. Gib jeder Zeile Belege, verantwortliche Person und Prüfdatum und jedem Bereich die Ausgangszahl, die sich ändern muss.
Frage mich vor dem ersten Bereich nach dem, was die Tools nicht sehen: meine Preise und Bestände je Markt sowie die Aussagen, die ich machen darf. Erfinde weder Suchvolumen noch Umsatzschätzungen.
Führen Sie dieses Playbook mit Ihren eigenen KI-Sichtbarkeitsdaten aus.
Verbinden Sie Qwairy mit Claude, rufen Sie genau die Signale des Workflows ab und erhalten Sie ein umsetzungsfertiges Ergebnis.
Verwandte Playbooks
Bereiten Sie Ihre Website auf KI-Agenten vor
Prüfen Sie Query Fan-Out, zitierte Zielseiten und beobachtete Shopping-Oberflächen. Erstellen Sie anschließend mit Qwairy MCP und Claude eine klar abgegrenzte, überprüfbare Aufgabenliste für die Vorbereitung auf KI-Agenten.
Eine Strategie für YouTube-Zitierungen entwickeln
Prüfen Sie YouTube-Zitate, vergleichen Sie die mit zitierten Videos verbundenen Marken, lesen Sie relevante KI-Antworten und entwickeln Sie mit Qwairy MCP und Claude eine messbare Videostrategie.
Aus Reddit-Signalen einen GEO-Plan entwickeln
Messen Sie Reddit-Zitate, prüfen Sie zitierte Diskussionen und relevante KI-Antworten, finden Sie Lücken bei beobachteten Prompts und entwickeln Sie mit Qwairy MCP eine verantwortungsvolle Community-Strategie.