Aus Search-Console- und Bing-Suchanfragen ein KI-Prompt-Portfolio entwickeln

Search Console und Bing Webmaster Tools erfassen Suchanfragen, bei denen Ihre Website erschien. Doch eine Suchanfrage ist nicht automatisch ein guter Prompt zur Beobachtung von KI-Antworten. Vergleichen Sie diese Nachfrage mit Ihrem bestehenden Set. So erhalten Sie eine begründbare Auswahlliste und Ausgangswerte für die Gruppe, die Sie neu aufnehmen.

Das GEO-Problem, das der Workflow löst

Wer die Suchanfragen mit den meisten Impressionen sortiert und in eine Prompt-Liste kopiert, hat lediglich einen Keyword-Export umbenannt. Impressionen messen beobachtete Präsenz in einer Suchmaschine. Sie sagen nichts darüber aus, wie oft jemand einem Assistenten diese Frage stellt. Ein Fragment wie „crm agentur frankreich“ deutet eine Absicht an, enthält aber keinen Entscheidungskontext.

Der Query-Fan-out zeigt Websuchanfragen, die innerhalb beobachteter Antworten festgestellt wurden, sowie die Prompts, die sie ausgelöst haben. Das Prompt-Inventar zeigt, was Sie bereits beobachten. Eine Auswahlliste neuer Absichten kann sich damit auf zwei unabhängige Signale stützen.

So ist der Workflow aufgebaut

1. Suchnachfrage als Momentaufnahme erfassen. list_brands legt die Marke fest. Danach liefern get_search_console_metrics und get_bing_metrics Zeilen für Suchanfragen oder Seiten mit Klicks, Impressionen, CTR und durchschnittlicher Position, jeweils eine Dimension pro Aufruf. Fehlt eine Integration, kommt connected false ohne Zeilen zurück. Der Durchlauf geht mit der Suchmaschine weiter, die Daten liefert.

2. Mit beobachteten KI-Suchanfragen abgleichen. get_query_fan_out liefert Websuchanfragen, die in beobachteten Antworten erkannt wurden, samt Häufigkeit, Markenpräsenz, Zahl der Wettbewerber und Ausgangsprompts. Blättern Sie durch alle Seiten. Es handelt sich um beobachtete Suchvorgänge, nicht um das Volumen von Nutzerprompts.

3. Bereits beobachtete Fragen abziehen. get_prompts liefert das Portfolio seitenweise mit genauem Wortlaut, Status und Antwortzahl. Es gibt keinen Wert für Ähnlichkeit oder Dopplung. Die Einordnung nehmen Sie selbst vor: wortgleiche Dopplung, nahe Variante, durch einen allgemeineren Prompt abgedeckt oder neue Absicht.

4. Die markierte Gruppe aufnehmen und danach auswerten. Einen Prompt anzulegen ist keine MCP-Aktion. Ergänzen Sie die akzeptierten Prompts daher unter einem gemeinsamen Gruppen-Tag. Nach einem vollständigen Zyklus liefern get_matrix auf Tag-Ebene und get_answers für diesen Tag Nennungsrate, Zitate und Aufschlüsselung nach Anbieter. get_prompt_answers zeigt den Text hinter auffälligen Prompt-Werten.

So nutzen Sie die Ergebnisse

Wenden Sie drei Prüfungen der Reihe nach an. Entscheidungskontext: Drückt die Suchanfrage eine Wahl, einen Vergleich, eine Bestenliste oder eine Alternative aus? Falls nicht, lehnen Sie sie ungeachtet ihrer Impressionen ab. Überschneidung mit dem Fan-out: Taucht dieselbe Absicht dort auf? Nachfrage: mindestens 100 Impressionen in einer einzelnen Suchmaschine, niemals über Suchmaschinen addiert.

Die Überschneidung ersetzt die Impressionsschwelle, sie ergänzt sie nicht. Akzeptieren Sie zuerst Entscheidungskontext plus Überschneidung, danach Entscheidungskontext plus Schwellenwert; stellen Sie den Rest zurück. Sortieren Sie innerhalb jeder Gruppe nach Impressionen, begrenzen Sie die Liste auf die Zahl der Prompts, die Sie hinzufügen werden, und lassen Sie regulierte Themen manuell freigeben.

Speichern Sie zuerst das Aufnahmeprotokoll: exakter Prompt-Wortlaut, Ausgangssuchanfragen, Thema, Funnel-Phase, Gruppen-Tag und Anbieter. Eine Änderung am Wortlaut erzeugt eine andere Frage. Vergleichen Sie nie die organische CTR mit der Nennungsrate eines davon inspirierten Prompts. Lesen Sie Prompts ohne Antworten als fehlende Daten, nicht als Nichtnennungen.

Der vollständige Prompt

Wandle meine Suchanfragen aus Search Console und Bing Webmaster in ein geprüftes KI-Prompt-Portfolio um und erfasse danach Ausgangswerte für die aufgenommene Gruppe. Beginne mit list_brands und frage bei mehreren Marken, welche du verwenden sollst. Nutze die letzten 90 Tage, sofern ich nichts anderes sage.

1. Rufe get_search_console_metrics mit dimension=query und Limit 100 auf, danach mit dimension=page. Rufe get_bing_metrics ebenso auf. Bewahre für jeden Aufruf das connected-Flag, den Zeitraum und die Zeilen auf. Liefert eine Suchmaschine connected false, fahre mit der anderen fort. Tun es beide, halte an und sage, dass keine Nachfragedaten verfügbar sind. Verbinde nie Zeilen für Suchanfragen mit Seitenzeilen und addiere nie die beiden Suchmaschinen.
2. Rufe get_query_fan_out für denselben Zeitraum ab und blättere bis zur Gesamtzahl. Behalte Suchanfrage, Häufigkeit, Markenpräsenz, Zahl der Wettbewerber und Ausgangsprompts. Kommt nichts zurück, sage es und kennzeichne alle Kandidaten als nur durch ein Signal gestützt.
3. Rufe get_prompts seitenweise ab und ordne jede organische Suchanfrage ein: wortgleiche Dopplung, nahe Variante, durch einen allgemeineren Prompt abgedeckt oder neue Absicht. Bei einem leeren Portfolio ist jede Suchanfrage eine neue Absicht.
4. Gruppiere die übrigen Suchanfragen nach Absicht. Bewahre jede ursprüngliche Suchanfrage mit Suchmaschine und Kennzahlen auf und formuliere einen beobachtbaren Prompt je Gruppe.
5. Wende auf jeden Kandidaten drei Prüfungen an und zeige alle drei Ergebnisse: Drückt er eine Wahl aus? Erscheint die Absicht in der Fan-out-Liste? Erreicht er 100 Impressionen in einer einzelnen Suchmaschine? Lehne Kandidaten ohne Entscheidungskontext ab. Ordne den Rest: zuerst Wahl plus Überschneidung, dann Wahl plus Impressionsschwelle, innerhalb jeder Gruppe nach Impressionen. Gib eine priorisierte Tabelle und eine Tabelle zurückgestellter Kandidaten mit Gründen aus. Bleibt keiner übrig, zeige die drei nächstliegenden und was ihnen fehlt.
6. Frage mich nach dem Gruppen-Tag und der Zahl der Prompts, die ich in diesem Zyklus hinzufügen werde. Begrenze die Tabelle auf diese Zahl. Du kannst keine Prompts anlegen; übergib mir die Liste mit Thema, Funnel-Phase und Gruppen-Tag.
7. Sobald die Gruppe einen vollständigen Zyklus durchlaufen hat, rufe get_matrix mit granularity=tags ab und suche die Zeile meines Tags. Rufe get_answers dafür seitenweise und bei überraschenden Werten get_prompt_answers ab. Melde Antwortzahl, Nennungsrate und Zitierquote eigener Quellen nach Anbieter. Eine fehlende Tag-Zeile oder leere Antwortliste bedeutet noch nicht generiert, nicht null Sichtbarkeit.