AI Mention Rate

AI Mention Rate misst, in welchem Anteil eines definierten Sets von AI-Antworten eine Marke, ein Produkt oder Unternehmen erwähnt wird. Die Kennzahl beschreibt Sichtbarkeit in generativen Antworten.

AI-Search-Messung befindet sich noch in einer frühen Phase. Begriffe wie Mention Rate, Citation Rate oder AI Share of Voice sind nützlich, aber noch nicht branchenweit standardisiert. Entscheidend ist deshalb eine transparente Messlogik mit festem Prompt-Set, definierten Modellen und wiederholbarer Erhebung.

Gezählt werden Antworten, in denen die definierte Marke mindestens einmal vorkommt. Diese Zahl wird durch alle gültig gemessenen Antworten im Prompt-Set geteilt. Brand Aliases, Schreibvarianten, Modelle und Wiederholungsfrequenz sollten vorab festgelegt werden.

Prompt-Auswahl, Region, Modell, Zeitpunkt und Messanbieter sollten dokumentiert werden. Wer das Setup verändert, verändert häufig auch die Kennzahl. Für Trendanalysen ist ein stabiles Panel meist wichtiger als eine möglichst große Zahl von einmalig getesteten Prompts.

Ein Monitoring umfasst 400 strategisch relevante Prompts über mehrere AI-Systeme. In 120 Antworten wird die eigene Marke erwähnt. Die AI Mention Rate beträgt 30 Prozent. Werden die Prompts im nächsten Monat stark verändert, ist ein direkter Trendvergleich nur noch eingeschränkt sinnvoll.

Eine hohe Mention Rate zeigt, dass die Marke in den getesteten Themen häufig Teil der Antwort ist. Sie sagt noch nichts über Tonalität, Position im Antworttext, Empfehlung oder korrekte Darstellung aus. Die Aufschlüsselung nach Thema und Modell ist meist aussagekräftiger als ein Gesamtwert.

Neben dem Gesamtwert sollte ein Stichproben-Review der tatsächlichen Antworten stattfinden. Nur so wird sichtbar, ob die Marke korrekt beschrieben, positiv eingeordnet und in relevanten Entscheidungssituationen genannt wird.

Noch existieren keine belastbaren branchenweiten Benchmarks. Sinnvoll sind ein stabiles eigenes Baseline-Set, Wettbewerbsvergleich und Trend. Besonders relevant ist die Mention Rate bei kommerziellen oder entscheidungsnahen Prompts, nicht nur bei markennahen Fragen.

• Prompt-Sets zwischen Messwellen stark zu verändern.
• Branded Prompts mit generischen Discovery-Prompts zu vermischen.
• Jede Erwähnung als positive Empfehlung zu behandeln.
• Ein einzelnes Modell als gesamten AI-Markt zu interpretieren.
• Kleine Antwortstichproben mit zu viel Präzision zu reporten.

AI-Antworten sind nicht deterministisch. Modelle, Retrieval und Produktupdates verändern Ergebnisse. Auch ein gemessenes Prompt-Set ist nur ein Ausschnitt realer Nutzerfragen. Die Kennzahl sollte deshalb als Panel-Metrik verstanden werden.

AI-Antworten können zwischen Läufen variieren und werden durch Modellupdates, Personalisierung und Retrieval beeinflusst. Die Kennzahlen sollten deshalb als reproduzierbare Indikatoren gelesen werden, nicht als exakte Abbildung der gesamten realen Nutzung.

Hilft bei GEO-Priorisierung, Wettbewerbsbeobachtung und der Auswahl von Themen, bei denen digitale Präsenz ausgebaut werden sollte. Mit Citation Rate, AI Share of Voice und qualitativer Antwortanalyse kombinieren.