Рекомендации ИИ увеличивают посещаемость сайтов в два раза: данные Similarweb

Eine Nennung im Chatfenster verschwindet nicht folgenlos, sie taucht nur an anderer Stelle wieder auf. Laut einer am 23. Juni 2026 veröffentlichten Auswertung des Marktforschungsunternehmens Similarweb besuchen Nutzer, denen ein Sprachmodell eine Marke empfohlen hat, deren Website in den folgenden sieben Tagen 2,5-mal so häufig wie eine Vergleichsgruppe ohne Empfehlung. Ob die eigenen Inhalte für solche Systeme überhaupt lesbar sind, lässt sich über einen eine Erweiterung, die Inhalte für KI-Antworten auszeichnet in kurzer Zeit prüfen. Für Unternehmen mit eigener Website verschiebt sich damit die Frage von der Platzierung in einer Ergebnisliste hin zur Erwähnung in einer Antwort. Was die Auswertung über den Weg vom Chatfenster zur Website zeigt Similarweb verfolgte nach eigenen Angaben tausende echte Nutzerwege in drei Branchen: Finanzen, Reisen und Kosmetik. Ausgewertet wurden Nutzer, die einem Sprachmodell eine branchenbezogene Frage gestellt und daraufhin eine Markenempfehlung erhalten hatten. Aus der Stichprobe ausgeschlossen blieben alle, die die Marke zuvor schon besucht oder sie selbst in ihrer Frage genannt hatten. „Eine Empfehlung im Chatfenster ist keine Anzeige und kein Klick, sondern ein Anstoß. Wer sie nur an Verweisen misst, hält für wirkungslos, was drei Tage später als Markensuche ankommt“, sagt Alexander Weipprecht, Geschäftsführer der Provimedia GmbH. Warum die Wirkung in der Markensuche landet und nicht im Verweis Markensuche ist der Kanal, über den die Wirkung zurückkommt. Nach Angaben von Similarweb erreichen 56 Prozent der von einer Empfehlung beeinflussten Besuche die Website über eine Suchanfrage nach dem Markennamen, gegenüber rund 40 Prozent bei gewöhnlichen Besuchen. Die Auswertung nennt dafür einen einfachen Grund: Das Sprachmodell bringt den Namen ins Spiel, die Suche liefert die Adresse. Die Kennzahlen der Auswertung im Überblick: Besuchswahrscheinlichkeit: 2,5-mal so hoch innerhalb von sieben Tagen nach einer Empfehlung. Herkunft: 56 Prozent der beeinflussten Besuche kommen über die Markensuche, sonst rund 40 Prozent. Verhalten vor Ort: annähernd doppelt so viele aufgerufene Seiten und doppelt so lange Verweildauer. Untersuchte Branchen: Finanzen, Reisen und Kosmetik, Beobachtungsfenster sieben Tage. Welche Folgen die verzögerte Wirkung für Messung und Budget hat Attribution beschreibt die Zuordnung eines Besuchs zu seiner Ursache, und genau diese Zuordnung greift hier ins Leere. Ein Besuch, der als Markensuche gezählt wird, sieht in jedem Bericht wie ein Selbstläufer aus. Werden gleichzeitig Suchanzeigen auf den eigenen Markennamen gebucht, verschiebt sich die Rechnung noch einmal, weil Wettbewerber auf dieselben Begriffe bieten. Unternehmen, die diesen Zusammenhang in ihrer Planung abbilden wollen, finden bei den Leistungen im datengetriebenen Performance Marketing die üblichen Bausteine aus Anzeigenschaltung, Conversion-Optimierung und Auswertung beschrieben. Markensuche und bezahlte Platzierung gehören dabei in dieselbe Betrachtung, nicht in getrennte Berichte. Wie sich die Qualität der Besuche aus KI-Empfehlungen ablesen lässt Besucher, die über eine Empfehlung kommen, verhalten sich messbar anders. Similarweb berichtet, dass sie annähernd doppelt so viele Seiten aufrufen und doppelt so lange auf der Website bleiben wie gewöhnliche Besucher. Für Betreiber informationslastiger Seiten ist damit weniger die Zahl der Besuche entscheidend als deren Tiefe. Im September 2026 diskutieren Fachleute für Generative Engine Optimization (GEO) verstärkt, ob Sichtbarkeitsberichte um ein Zeitfenster von mehreren Tagen erweitert werden müssen. Die Auswertung von Similarweb liefert dafür einen ersten Anhaltspunkt aus echten Nutzerdaten statt aus Befragungen. Die Provimedia GmbH ist ein Online-Verlag mit Sitz in der Region Stuttgart. Wir schaffen wertvolle Informationen in unterschiedlichen Branchen um Wissen schnell und einfach zugänglich zu machen. Wir haben uns auf übersichtliche Webseiten und Auffindbarkeit von Informationen spezialisiert.