Früher in diesem Monat veröffentlichte Microsoft ein Handbuch, das Einzelhändlern dabei helfen soll, ihre Sichtbarkeit innerhalb von KI-Suchen, Browsern und Assistenten zu verbessern. Unter dem Titel „Ein Leitfaden zu AEO und GEO“ (PDF) stammt diese Ressource von den Köpfen von Microsoft Shopping und Copilot sowie Microsoft Advertising. Es bietet und bestätigt umsetzbare Tipps, die es wert sind, überprüft zu werden. Verständnis von GEO vs. AEO Der Anstieg von KI-Plattformen hat zur Entstehung vieler vager Abkürzungen geführt. Dieses Handbuch möchte zwei davon klarstellen: - GEO (Generative Engine Optimization): Konzentriert sich auf die Optimierung von Inhalten für generative KI-Suchumgebungen (wie LLM-gestützte Engines), um sicherzustellen, dass sie auffindbar, vertrauenswürdig und autoritativ sind. - AEO (Answer/Agentic Engine Optimization): Fokussiert auf die Optimierung von Inhalten für KI-Agenten und Assistenten wie Copilot oder ChatGPT, damit diese Werkzeuge Antworten finden, verstehen und effektiv präsentieren können. Fokus auf absichtsgesteuerte Produktdaten Einer der wertvollsten Abschnitte im Handbuch stärkt Erkenntnisse aus meinem Artikel über die spezielle Optimierung von Produktfeeds für KI. Es wird betont, dass Produktfeeds und On-Page-Beschreibungen klar auf Anwendungsfälle abzielen sollten — zum Beispiel, indem Schuhe als „optimal für Tageswanderungen bei über 40 Grad“ beschrieben werden. Weitere Empfehlungen umfassen: - Verwendung detaillierter, beschreibender Produktseitentitel. - Voranstellen der Produktbeschreibungen mit Vorteilen: Angabe des Zielbenutzers, des gelösten Problems und dessen, was das Produkt überlegen macht. - Einbindung von Fragen und Antworten (Q&As). - Bereitstellung von Vergleichstabellen. - Ergänzung detaillierter Alternativtexte für Produktbilder. - Vorschlagen komplementärer Produkte, die mit der Nutzerabsicht übereinstimmen. - Einschluss von Transkripten für Videos. Die Rolle sozialer Beweise Das Handbuch hebt die entscheidende Bedeutung faktischer Vertrauensindikatoren hervor, wie verifizierte Kundenbewertungen, Zertifizierungen, Nachhaltigkeits-Badges und Partnerschaften. Es warnt vor übertriebenen oder nicht verifizierbaren Behauptungen und weist darauf hin, dass „KI-Systeme geringes Vertrauenssprache bestrafen“. Es wird geraten, soziale Beweise konsequent auf der gesamten Website und allen Marketingkanälen zu integrieren, während subjektive Aussagen sorgfältig geprüft werden.

Wenn beispielsweise behauptet wird, ein Produkt sei das beste in seiner Kategorie, sollte die Grundlage angegeben werden, etwa „laut Tests von [XYZ]“. Bedeutung von strukturierten Daten Laut Handbuch sind strukturierte Datenmarkups — wie Schema. org — essenziell für die Sichtbarkeit in KI. Allerdings konnte ich keine konkreten Belege für diese Aussage finden. Das Handbuch erklärt nicht, wie große Sprachmodelle Schema-Markups nutzen. Nach meinem Verständnis speichern KI-Trainingsdaten kein Schema, und KI-Bots crawlen hauptsächlich textbasierte Inhalte. Dennoch könnten strukturierte Daten bei Live-Suchen hilfreich sein, da traditionelle Suchmaschinen sie erkennen und LLMs sich oft auf diese Plattformen für Informationen stützen. Die Empfehlungen im Handbuch zu strukturierten Daten umfassen: - Schema-Typen: Product, Offer, AggregateRating, Review, Brand, ItemList und FAQ. - Dynamische Felder: Preis, Verfügbarkeit, Farbe, Größe, SKU, GTIN und DatumModified. - Verwendung von ItemList-Markup für Kollektionen und Kategorieseiten, um Produktgruppen besser zu definieren. Obwohl diese Hinweise nützlich sind, bietet das „A guide to AEO and GEO“ von Microsoft keine bahnbrechenden Erkenntnisse. Die Empfehlungen stimmen größtenteils mit etablierten SEO-Best-Practices überein und spiegeln die Perspektiven von Branchenexperten wider.