Prüfen Sie, ob KI Ihr lokales Unternehmen empfiehlt

Eine lokale Empfehlungsliste ist kurz; eine zweite Ergebnisseite als Ausweichmöglichkeit gibt es nicht. Dieser Workflow liest die genannten Unternehmen und zitierten Domains in Ihren überwachten Antworten auf lokale Fragen, ordnet die Plattformen nach Häufigkeit und endet dort.

Das GEO-Problem, das der Workflow löst

Tipps zur lokalen Sichtbarkeit setzen oft voraus, dass eine Plattform alles entscheidet: Profil vervollständigen, Bewertungen sammeln, Einträge verbreiten. KI-Antworten zitieren aber Bewertungsplattformen, Verzeichnisse, Community-Beiträge, lokale Presse und eigene Seiten. Die Mischung variiert nach Anbieter und Kategorie.

Hier werden Ihre Einträge nicht gelesen. Der Durchlauf kann daher Öffnungszeiten, Adressen oder strukturierte Daten nicht prüfen. Er zeigt, welche Unternehmen in lokalen Antworten wiederholt erscheinen und welche Domains zitiert werden. Das Ergebnis ist eine kurze geordnete Liste von Plattformen, die Sie manuell öffnen sollten.

So ist der Workflow aufgebaut

1. Prompts mit lokaler Absicht finden. list_topics liefert jedes konfigurierte Thema mit Label, Anzahl überwachter Prompts und einer Suche nach Labels ohne Beachtung der Großschreibung. list_tags tut dasselbe für Tags. Sie brauchen eine dieser IDs, weil die Themen- und Tag-Filter von get_answers eine UUID statt eines Labels verlangen. Gibt es in keiner Liste eine lokale Gruppe, lassen Sie den Filter weg: get_answers enthält den Prompt-Text pro Zeile, sodass Sie lokale Antworten beim Lesen auswählen können.

2. Lokale Ausgangsbasis abrufen. get_local_insights liefert im Zeitraum beobachtete Unternehmen mit Kategorie, Bewertung, Anzahl der Rezensionen, Erwähnungen, durchschnittlicher Position, Website-URL und Wettbewerberkennzeichen sowie einer Kategorienverteilung. Die Liste ist auf 20 begrenzt und verbindet kein Unternehmen mit Anbieter oder Prompt. Gleichen Sie Ihr Unternehmen anhand von Name und URL ab: Eine Namensvariante könnte sonst als Abwesenheit gelten.

3. Antworten öffnen. get_answers für das gewählte Thema oder Tag und danach get_answer_details für jede behaltene Antwort liefern den Anbieter, als Wettbewerber-Erwähnungen erfasste Namen mit Position und jede zitierte Quelle mit Domain und Rang. Erst dieser Schritt zeigt den Anbieter.

4. Zitierte Domains typisieren. get_source_domains filtert nach einem Domain-Text und liefert den gespeicherten Typ: institutional, commercial, media, blog, forum, social, educational oder other. Verwenden Sie denselben Zeitraum und dieselben Anbieter- und Themen- oder Tag-Filter wie für die ausgewählten Antworten. Das Tool hat keinen Filter nur für lokale Antworten. Die Stichprobenzahlen bleiben daher die Grundlage für das lokale Ranking; das Domain-Tool liefert nur die Typen.

So nutzen Sie die Ergebnisse

Ordnen Sie die zitierten Domains absteigend nach der Zahl ausgewählter lokaler Antworten, die sie zitieren. Bearbeiten Sie die ersten drei: Prüfen Sie, ob Ihr Eintrag existiert, die Angaben stimmen und die Bewertungen aktuell sind. Eine Domain, die nur in einer ausgewählten Antwort zitiert wird, gehört ins Protokoll, nicht auf die Aufgabenliste. Bei Gleichstand wählen Sie die Plattform, auf der Sie Ihren Eintrag heute ändern können.

Unternehmen, die vor Ihnen liegen, sind Material zum Lesen, keine Aufgaben: Das Tool verbindet kein Unternehmen mit der Antwort, die es nannte.

Halten Sie vor jeder Änderung die Unternehmensliste, IDs der ausgewählten Antworten, abgedeckte Anbieter und Stichprobengröße fest. Ohne diese Basis lässt sich ein späterer Durchlauf nicht vergleichen.

Der vollständige Prompt

Ich möchte sehen, welche Unternehmen und Plattformen erscheinen, wenn KI-Assistenten lokale Fragen in meiner Kategorie beantworten. Falls ich mehrere Marken überwache, liste sie auf und frage vor dem Datenabruf, welche verwendet werden soll.

1. Rufe list_topics und list_tags auf. Zeige Labels mit Prompt-Zahlen und frage, welche Gruppe meine lokalen Prompts enthält. Falls keine Liste eine solche Gruppe hat, sage das und fahre ohne Filter fort.
2. Rufe get_local_insights für 30 Tage auf. Berichte nur die zurückgegebenen Felder: Name, Kategorie, Bewertung, Zahl der Rezensionen, Erwähnungen, durchschnittliche Position, Website-URL, Wettbewerberkennzeichen und Kategorienverteilung. Suche mein Unternehmen anhand von Name und URL und benenne die verwendete Zuordnung. Ist die Liste leer, wiederhole den Abruf einmal für 90 Tage. Bleibt sie leer, sage, dass für diese Marke keine lokalen Beobachtungen vorliegen, und beende den Durchlauf, statt aus Vermutungen weiterzumachen.
3. Rufe get_answers für denselben in Schritt 2 gewählten Zeitraum von 30 oder 90 Tagen auf, gefiltert nach der Themen- oder Tag-ID aus Schritt 1, falls ich eine angegeben habe, sonst ohne Themen- oder Tag-Filter. Ohne solchen Filter lies den Prompt-Text jeder Zeile und behalte nur Zeilen mit lokaler Absicht. Nenne die Zahl der behaltenen. Bei weniger als fünf ist die Stichprobe zu klein für ein Ranking. Liste die Ergebnisse dann ohne Rangfolge auf.
4. Öffne get_answer_details für jede behaltene Antwort. Halte Anbieter, als Wettbewerber-Erwähnungen erfasste Namen mit Position und jede zitierte Quelldomain mit Rang fest. Leite weder Öffnungszeiten, Adressen, Telefonnummern noch Eintragsstatus ab: Diese Angaben stehen nicht in der Antwort.
5. Zähle, wie viele ausgewählte Antworten jede Domain zitieren. Rufe get_source_domains einmal pro unterschiedlicher Domain mit Domain-Filter und demselben Belegzeitraum sowie Anbieter-, Themen- oder Tag-Umfang auf. Berichte den zurückgegebenen Typ, statt zu raten. Gib mir eine nach der Zahl ausgewählter Antworten sortierte Tabelle mit Stichprobengröße.

Schließe mit den drei meistzitierten Domains in Reihenfolge und je einem Punkt zur manuellen Prüfung: Existiert mein Eintrag, stimmen die Angaben, sind die Bewertungen aktuell? Liste einmalig zitierte Domains getrennt als „beobachtet, aber nicht handlungsrelevant“ auf. Behaupte nicht, dass die Korrektur eines Eintrags eine Empfehlung ändert.