Wie Infera AI Visibility misst

Was ein Trial ist

Die kleinste Einheit einer Messung ist ein Trial: eine Frage, an ein Modell gestellt, eine Antwort. Aus vielen Trials entsteht erst eine belastbare Aussage — eine einzelne Antwort ist ein Zufallsereignis, kein Messwert.

Ein Run besteht deshalb aus dem vollständigen Kreuzprodukt: jedes Themencluster, jeder Prompt, jedes Modell, mehrere Wiederholungen.

Warum mehrfach gefragt wird

Generative Modelle antworten nicht deterministisch. Dieselbe Frage kann beim zweiten Mal andere Anbieter nennen. Wer einmal fragt, misst Rauschen.

Infera stellt jede Frage mehrfach und bildet den Anteil über alle Antworten. Deshalb ist Mention Coverage eine Prozentzahl und keine Ja/Nein-Aussage: „in 34 % der Antworten genannt“ ist eine Messung, „wird genannt“ wäre eine Behauptung.

Mention Coverage und Citation Coverage

Beide Kennzahlen beziehen sich auf denselben Nenner — alle Antworten eines Runs — messen aber Verschiedenes:

• Mention Coverage: Anteil der Antworten, in denen die Marke genannt wird. Zählt auch Nennungen ohne Quellenangabe.
• Citation Coverage: Anteil der Antworten, in denen die eigene Domain als Quelle zitiert wird.

Warum der Abstand zwischen beiden zählt

Citation Coverage liegt fast immer deutlich unter Mention Coverage. Das ist normal — auffällig wird es, wenn die Lücke groß ist und Wettbewerber-Domains die Zitate stellen. Dann prägt der Wettbewerb das Bild der eigenen Marke.

Deshalb weist Infera beide Werte getrennt aus, statt sie zu einem Score zu verrechnen. Ein zusammengefasster Index würde genau die Information verstecken, auf die es ankommt.

Platzierung, nicht nur Nennung

Genannt zu werden ist nicht dasselbe wie empfohlen zu werden. Infera erfasst zusätzlich, an welcher Stelle eine Marke in der Antwort steht: als Top-Empfehlung, innerhalb der ersten drei, oder irgendwo in einer Aufzählung.

Region und Sprache sind Teil der Messung

KI-Antworten fallen je nach Sprache und Region unterschiedlich aus. Eine Messung ohne fixierte Region und Sprache ist nicht reproduzierbar.

Jede Marke hat deshalb eine Standard-Region und eine Standard-Sprache; einzelne Themencluster können davon abweichen, wenn ein Markt es erfordert. Beide Werte stehen im Report.

Wie die Bänder geschnitten sind

Prozentwerte allein sagen wenig, wenn man den Markt nicht kennt. Infera ordnet die Mention Coverage deshalb in feste Bänder ein — dieselben Schwellen für alle Marken und alle Branchen, damit Werte vergleichbar bleiben:

• sehr schwach: unter 8 %
• schwach: 8 – 19 %
• mittel: 20 – 39 %
• gut: 40 – 59 %
• stark: 60 % und mehr

Woher die Prompts kommen

Die Fragen werden nicht von Hand gepflegt. Infera leitet sie aus der Marke ab: aus dem Auftritt entsteht eine Brand Analysis, daraus Themencluster und Subtopics, daraus Entscheidungsfragen — klassifiziert nach der Absicht dahinter, von Informationssuche bis Kaufabsicht.

Das ist bewusst so gebaut: Wer seine Prompts selbst wählt, misst am Ende seine eigenen Annahmen.

Was Infera nicht messen kann

Ein Scan zeigt, was KI-Systeme im Messzeitraum geantwortet haben. Er sagt nicht, wie viele Menschen diese Fragen tatsächlich gestellt haben, und er erklärt Modellverhalten nicht kausal — welche Signale eine Nennung auslösen, lässt sich aus außen beobachteten Antworten nur begründet ableiten, nicht beweisen.

Modelle ändern sich außerdem. Ein Wert von heute ist eine Momentaufnahme; Aussagen über Entwicklung brauchen mehrere Läufe über Zeit.