The Searches You Never See: Was ChatGPT searcht, bevor es eine Brand benennt

Wenn Sie ChatGPT fragen „Welche Bank ist die beste für Erstkäufer?“, sucht das Tool nicht nach genau dieser Phrase. Es schreibt Ihre Frage im Hintergrund leise in mehrere verschiedene Suchanfragen um – Vergleiche, Reviews, spezifische Wettbewerber –, führt diese aus und fügt die Ergebnisse zu einer überzeugenden Antwort zusammen. Diese versteckten Suchen nennt man Query-Fan-outs, und sie sind die Ebene, auf der die AI-Sichtbarkeit tatsächlich entschieden wird.

Das Problem ist, dass fast niemand sie sehen kann. Also haben wir unsere Daten ausgewertet. Über 31 Marken hinweg hat die 3RD-Plattform 50.872 ChatGPT-Antworten erfasst, die Fan-outs ausgelöst haben, was zu 33.031 einzigartigen Hintergrund-Suchanfragen führte. Hier ist, was sie zeigen.

Was uns die Fan-outs verraten haben

• Reviews sind die absolute Obsession. Wenn ChatGPT eine Review-Quelle namentlich nennt, ist es überwiegend Trustpilot, und einer von fünf Fan-outs sucht nach Reviews, unabhängig davon, ob der User danach gefragt hat oder nicht.

• Die gleichen Suchen kehren immer wieder. Die meisten Fan-out-Suchanfragen sind einmalig, aber ein wiederkehrender Kern wird so oft aufgerufen, dass er 81 % des gesamten Fan-out-Volumens ausmacht. Wenn Sie für diese wiederkehrenden Suchen ranken, multiplizieren Sie Ihren Erfolg über jedes Gespräch hinweg.

• Aktualität ist real, aber sekundär. ChatGPT greift bei Suchen zwar auf das aktuelle Jahr zurück, aber die Suche nach Reviews wiegt immer noch um ein Vielfaches schwerer als Frische.

Methodik und Datenquelle

Wir haben die Fan-out-Suchanfragen analysiert, die OpenAI-Modelle für 31 auf der 3RD-Plattform monitored Marken generiert haben: 50.872 Antworten, die Fan-outs auslösten, und 33.031 eindeutige Hintergrund-Suchanfragen.

Erkenntnis 1: Die Obsession mit Reviews

Als wir ermittelten, nach welchen namentlich genannten Quellen das LLM bei diesen Suchen greift, war das Ergebnis eindeutig. Trustpilot ist die am häufigsten namentlich genannte Quelle im gesamten Korpus und stellt jede andere namentlich erwähnte Plattform in den Schatten.

Namentlich genannte Quellen, die ChatGPT durchsucht (gewichtetes Vorkommen). Berücksichtigt nur Suchanfragen, die eine Quelle beim Namen nennen. Trustpilot ist die einzige Review-Plattform, die konsistent auftaucht – mehr als 40-mal häufiger als die am zweithäufigsten genannte Quelle. Weitere ca. 11.000 Review-bezogene Fan-outs nennen überhaupt keine Plattform, das ist also das Bild der namentlich genannten Quellen, nicht das gesamte Review-Suchinteresse.

Eine von fünf Fan-out-Suchanfragen sucht nach Reviews. Die meisten geben nicht an, wo – aber wann immer ChatGPT eine Review-Plattform beim Namen nennt, ist es überwiegend Trustpilot. So oder so ist die Konsequenz glasklar: Ihr Trustpilot-Profil ist keine bloße Vanity-Metrik für den Kundenservice. Es ist ein primärer Input dafür, wie die AI Sie beschreibt – konsultiert, noch bevor das Modell überhaupt Ihre eigene Website liest.

ChatGPT konsultiert Trustpilot, bevor es Sie konsultiert. Ihre Bewertung ist ein AI-Ranking-Input, keine Support-Metrik.

Und die anderen Signale? Geringer als Sie denken

Reduziert man das Korpus auf das Suchinteresse hinter jeder Suche, zeigt sich eine klare Hierarchie. Reviews führen. Preis und Vergleich folgen direkt danach. Aktualität ist vorhanden, aber sekundär: Jahreszahlen des aktuellen Jahres machen rund 4 % der Fan-outs aus – ein realer Faktor, aber winzig im Vergleich zu Reviews.

Was ChatGPT in seine versteckten Suchen integriert (Anteil der Fan-outs). Die angezeigte Zahl für die Aktualität ist die bereinigte, reale Zahl.

Ohne Markennamen dominieren zwei Wörter

Entfernt man die Markennamen komplett aus den Fan-outs und betrachtet das verbleibende generische Vokabular, ragen zwei Suchbegriffe heraus: „Best“ und „Reviews“. Dahinter folgt ein Vergleichskontext – Vor- und Nachteile, Alternativen, Anbieter – und eine dünne Schicht kommerzieller Begriffe wie Preis und Stores. ChatGPT formuliert Markenfragen im Stillen in „Beste [Kategorie]“, Review-Suchen und direkte Vergleiche um.

Häufigste unbranded Wörter in den Fan-outs (gewichtet, Synonyme zusammengeführt). Markennamen, Geografie und Suchvorlagen-Floskeln wurden entfernt; dänische und englische Synonyme wurden zusammengeführt (bedste/best, anmeldelser/reviews). Das veraltete „2024“-Modell-Artefakt ist ausgeschlossen.

Erkenntnis 2: Die gleichen Suchen kehren immer wieder

Das strategisch wichtigste Muster ist nicht, wonach ChatGPT sucht, sondern wie oft es nach derselben Sache sucht. Die meisten Fan-out-Suchanfragen sind einmalig – aber ein wiederkehrender Kern wird immer und immer wieder über viele verschiedene Prompts und Durchläufe hinweg aufgerufen. Dieser Kern ist zahlenmäßig klein, aber enorm gewichtig.

Anzahl der eindeutigen Fan-out-Suchanfragen, aufgeteilt nach Häufigkeit der Nutzung. 62 % werden nur einmal ausgelöst; die 38 %, die wiederkehren (orange), werden weitaus häufiger aufgerufen – die am häufigsten wiederholte einzelne Query wurde 80-mal genutzt –, weshalb diese Minderheit den Großteil des gesamten Fan-out-Volumens ausmacht.

Hier liegt der Hebel. Eine Suchanfrage, die das Modell immer wieder stellt – „[Wettbewerber] Trustpilot-Bewertungen“, „Vergleich der führenden dänischen Anbieter von X“ – ist kein einmaliges Ereignis, das Sie ignorieren können. Wenn Sie sich auf einer dieser wiederkehrenden Suchen eine starke Position sichern, werden Sie in jedes zukünftige Gespräch einbezogen, das dorthin ausfächert. Der wiederkehrende Kern, nicht der Longtail der Einzelfälle, ist die Target List.

Eine kleine Anzahl von Suchanfragen steuert die meisten Antworten. Gewinnen Sie die wiederkehrenden Suchen, und Sie multiplizieren Ihren Erfolg in jedem Gespräch.

Was jetzt zu tun ist

Die Fan-out-Ebene belohnt ein anderes Playbook als klassisches SEO. Drei konkrete Maßnahmen lassen sich direkt aus den Daten ableiten.

1. Behandeln Sie Reviews als AI-Ranking-Input. Trustpilot ist die Review-Plattform, die ChatGPT am häufigsten nennt. Ihre Bewertung, Ihr Review-Volumen und die Aktualität auf den entsprechenden Plattformen in Ihrer Kategorie prägen die Antwort, noch bevor Ihre eigene Website gelesen wird. Managen Sie diese wie Ranking-Faktoren, denn genau das sind sie.

2. Beantworten Sie das gesamte Fan-out, nicht nur den wörtlichen Prompt. Eine Frage wird zu mehreren Suchen nach Bestenlisten, Reviews und Vergleichen. Content, der nur die exakte Formulierung beantwortet, verfehlt den Großteil des Suchinteresses des Modells. Decken Sie die verschiedenen Blickwinkel ab, integrieren Sie Review-Signale und nennen Sie das Vergleichsumfeld.

3. Gewinnen Sie die wiederkehrenden Suchen. Ein kleiner wiederkehrender Kern von Sub-Queries macht das meiste Volumen aus. Identifizieren Sie die hochfrequenten Fan-outs in Ihrer Kategorie – insbesondere die Kombinationen aus Marke-plus-Reviews und „Vergleich der führenden X“-Muster – und besetzen Sie diese, denn das Ranking für wiederkehrende Suchen zahlt sich vielfach aus.

Fazit

Jede AI-Antwort über Ihre Marke wird aus Suchen zusammengestellt, die Sie nicht sehen können, auf Quellen, die Sie möglicherweise nicht kontrollieren. In unseren Daten werden diese Suchen von zwei Impulsen dominiert – die beste Option zu finden und die Reviews zu prüfen – und konzentrieren sich auf eine kleine Gruppe von Suchanfragen, die das Modell immer und immer wieder abfeuert. Aktualität ist real, aber nebensächlich, und das reine Volumen der Erwähnungen sagt fast nichts darüber aus, wonach das Modell tatsächlich gesucht hat.

Ihre Marke ist entweder innerhalb dieser versteckten Ebene präsent oder sie ist es nicht. Und Sie können keine Ebene optimieren, die Sie nicht messen.