Ihr KI-Prompt-Set auf Verzerrungen, Dopplungen und Lücken prüfen

Ihr Bericht zur KI-Sichtbarkeit kann nur die Prompts beschreiben, die Sie beobachten. Ein repetitives Set oder eines, das Ihre Marke in den Vordergrund stellt, macht aus einem präzisen Dashboard einen verzerrten Marktausschnitt. Diese Prüfung bleibt innerhalb des bestehenden Sets und endet mit einer Liste von Prompts, die Sie behalten, umformulieren, zusammenführen, hinzufügen oder manuell prüfen sollten. Neue Kandidaten aus Suchanfragen in Search Console und Bing zu gewinnen, ist eine benachbarte Aufgabe.

Das GEO-Problem, das der Workflow löst

Prompts werden oft wie Keywords verwaltet: mehr hinzufügen, schwache streichen. Doch ein Prompt-Set ist ein Messinstrument, keine Traffic-Quelle. Geringe Sichtbarkeit zeigt häufig genau die Lücke, die sich zu schließen lohnt. Drei Varianten derselben Frage geben einem Thema übermäßiges Gewicht. Auch die Formulierung kann verzerren: „Warum ist unser Produkt die beste Wahl?“ prüft die Zustimmung zu einer Behauptung, nicht die Auffindbarkeit. Ergebnisse nach Anbieter und beobachtete Suchanfragen machen aus solchen Einschätzungen zählbare Befunde.

So ist der Workflow aufgebaut

1. Inventarisieren und zählen. get_prompts liefert eine Zeile pro beobachtetem Prompt, 100 Zeilen je Anfrage. Blättern Sie daher durch alle Seiten. status beschreibt den Verarbeitungszustand, das Monitoring-Flag ist der Ein-/Ausschalter. Kein Feld enthält eine Persona oder einen Markt. Zählen Sie dann, was keine Interpretation erfordert: Anteil mit Markennamen, Prompts je Thema, Prompts ohne Antworten und noch nicht generierte Prompts.

2. Gruppieren und mit Anbietern abgleichen. Die Gruppierung ähnlicher Prompts ist eine Schlussfolgerung und muss als solche gekennzeichnet bleiben. get_matrix liefert auf Prompt-Ebene höchstens 50 Zeilen und bietet keinen Offset. Bei einem größeren Set deckt es also nur einen Teil ab. Gruppen, die bei jedem Anbieter ähnliche Werte erzielen, sind Kandidaten für eine Zusammenführung.

3. Die Anzahlen der Quadranten richtig lesen. get_prompt_signals liefert die Anzahlen für attack, defend, monitor und ignore, aber Prompt-Listen nur für attack und defend. Auch ignore ist ein echtes Ergebnis: Das Set trennt umkämpfte Fragen nicht von bereits entschiedenen.

4. Mit beobachteten Suchanfragen vergleichen. get_query_fan_out liefert Suchanfragen aus beobachteten Antworten, jeweils mit IDs der zugehörigen Ausgangsprompts, Markenpräsenz und Prioritätsstufe: very-high, wenn Wettbewerber erscheinen und Ihre Marke in weniger als einem Fünftel der Antworten auf diese Suchanfrage vorkommt, danach high, medium und low.

Was ein Durchlauf tatsächlich liefert

Ein tatsächliches Set mit 155 beobachteten Prompts zu 8 Themen zeigte je Thema eine Abdeckung von 0 bis 60 Prozent. Fünf der acht Themen lagen bei höchstens 20 Prozent. Die Signale für dasselbe Set: 153 von 155 in ignore, durchschnittliche Offenheit 99,6 Prozent.

Die Spalte zur Abdeckung ist der Kern der Prüfung. Ein Thema mit 0 Prozent bei fünf Anbietern ist keine schwache Position, sondern ein Thema, das das Set kaum testet. Stehen drei solcher Themen neben einem mit 60 Prozent, zeigt sich genau die Unausgewogenheit, die dieser Workflow aufdecken soll. Eine Offenheit von 99,6 Prozent widerlegt die bequeme Erklärung, dass etablierte Anbieter die Fragen bereits besetzt hätten. Die geringe Abdeckung liegt am Prompt-Set, nicht am Markt.

So nutzen Sie die Ergebnisse

Drei Regeln bestimmen die Reihenfolge, ohne Ermessensspielraum. Formulieren Sie zuerst jeden Prompt um, dessen Wortlaut Ihren Vorteil bereits voraussetzt: Jeder künftige Bericht übernimmt diese Verzerrung. Führen Sie dann ähnliche Prompts zusammen, beginnend mit der größten Gruppe, um die meisten Plätze freizumachen. Ergänzen Sie schließlich Prompts in der Reihenfolge, die get_query_fan_out bereits vorgibt: very-high vor high vor medium. Überspringen Sie Prompts ohne Antworten; hier fehlt noch die Vergleichsbasis.

Begrenzen Sie den Durchlauf: Lassen Sie in einem Zyklus mindestens zwei Drittel des Sets unverändert, sonst verliert der zeitliche Vergleich seine Grundlage. Halten Sie zurückgestellte Änderungen mit Prompt-ID, altem Wortlaut, verantwortlicher Person und Datum fest.

Vermeiden Sie die Fehlinterpretation, eine Veränderung nach dem Umformulieren als Fortschritt zu werten. Wird das Set verändert, ändert sich auch die Messgrundlage. Ein Sprung in der Woche nach der Überarbeitung spiegelt meist die neue Stichprobe wider. Bis für die unveränderten Prompts vergleichbare Antworten vorliegen, betrachten Sie nur deren Ausgangswerte.

Der vollständige Prompt

Ich möchte mein Set beobachteter Prompts auf Messverzerrungen, Dopplungen und blinde Flecken prüfen. Liste die Marken auf, die ich beobachte, und frage bei mehreren Marken, welche du prüfen sollst. Wenn ein Aufruf keine Daten liefert, nenne die dadurch nicht mögliche Prüfung und fahre fort.

1. Blättere durch get_prompts, bis die gemeldete Gesamtzahl abgedeckt ist. Zeige je Prompt eine Zeile mit ID, Text, Status, Anzahl der Antworten, Thema, Tags, Monitoring-Flag und Datum der letzten Generierung. Der Status ist ein Verarbeitungszustand, das Monitoring-Flag der Ein-/Ausschalter.
2. Zähle, ohne zu bewerten: Wie viele Prompts enthalten meinen Markennamen, wie hoch ist ihr Anteil, wie viele Prompts gibt es je Thema, wie viele ohne Antworten und wie viele wurden zuletzt vor mehr als 60 Tagen generiert? Markiere eine Markenkonzentration über der Hälfte des Sets und Themen mit mehr als einem Drittel. Diese Schwellen gehören zur Prüfung und sind keine Qwairy-Felder.
3. Gruppiere die Prompts und markiere wörtliche Dopplungen. Halte Varianten getrennt, die andere Zielgruppen, Regionen, Einschränkungen oder Phasen der Kaufentscheidung testen. Kennzeichne die Gruppierung als deine Einschätzung. Rufe dann get_matrix auf Prompt-Ebene mit Limit 50 für 28 Tage ab. Es gibt keinen Offset; sage deutlich, wenn mein Portfolio größer ist, und nenne Gruppen mit ähnlichen Werten bei jedem Anbieter.
4. Rufe get_prompt_signals mit Limit 20 für dieselben 28 Tage ab und melde zuerst die Anzahlen für attack, defend, monitor und ignore. Prompt-Listen gibt es nur für attack und defend. Sind beide Anzahlen null, sage, dass aus keinem Quadranten eine Maßnahme folgt, und fahre fort, statt aus einem anderen Schritt eine Auswahlliste zu konstruieren.
5. Rufe get_query_fan_out für 28 Tage ab und blättere bis zur Gesamtzahl. Ordne jede Suchanfrage den IDs ihrer Ausgangsprompts zu. Liste Suchanfragen mit Priorität very-high und high auf, die keiner meiner Prompts abdeckt. Kommt nichts zurück, melde, dass keine abgeleiteten Suchanfragen beobachtet wurden, und verzichte auf Vorschläge zum Hinzufügen.
6. Erstelle je Prompt eine Zeile: Behalten, Umformulieren, Zusammenführungskandidat, Kandidat zum Hinzufügen oder Manuelle Prüfung. Nenne Prompt-IDs, trenne Daten von Schlussfolgerungen und lösche nie automatisch. Sortiere zuerst Umformulierungen, dann Zusammenführungen nach Gruppengröße und zuletzt Ergänzungen nach der Priorität aus dem Fan-out. Halte an, sobald die Liste mehr als ein Drittel des Sets verändern würde. Frage mich dann, welche Märkte und Käufertypen das Set abdecken muss, da kein Feld diese Information enthält, und liste die Lücken auf.