Kontext
Warum dieser Leitfaden wichtig ist
Viele Teams fragen nur, ob ihre Marke in KI-Antworten erscheint. Die wichtigere Frage lautet jedoch: Wie erscheint sie? In welcher Kategorie wird sie mental einsortiert, welche Trust Signals liegen öffentlich vor und wie wahrscheinlich ist es, dass das Modell die Marke bei relevanten Fragen tatsächlich zurückholt?
Markenwahrnehmung ist deshalb mehr als bloßes Sentiment. Sie umfasst Recall, Category Fit, Vertrauen, Narrative Ownership und Recommendation-Wahrscheinlichkeit.
Diese sieben Prompts helfen dir dabei, Wahrnehmungslücken sichtbar zu machen und in konkrete Prioritäten für Positionierung, Inhalte und Proof Architecture zu übersetzen.
Zusammenfassung
Wichtigste Erkenntnisse
- Sichtbarkeit allein reicht nicht ohne Recall und Category Fit.
- Category Narratives beeinflussen Recommendation-Häufigkeit stark.
- Trust Gaps senken die Wahrscheinlichkeit, empfohlen zu werden.
- Retrieval Fit hängt von Sprache, Beweisen und Klarheit ab.
- Die besten Einsichten entstehen im Vergleich mit echten Wettbewerbern.
Operativer Block
1) Nutze Unaided Recall, um mentale Verfügbarkeit zu testen
Wenn ein Modell deine Marke nicht spontan in eine Shortlist für eine Kategorie einordnet, ist das ein Signalproblem. Es bedeutet meist, dass entweder Category Memory, Narrative Presence oder Proof Signals zu schwach sind.
Recall-Prompts machen sichtbar, ob deine Marke ohne freundliche Voraktivierung überhaupt im relevanten Wettbewerbsfeld auftaucht.
Copy prompt: "Ohne dass ich dir Kontext gebe: Wenn du an [KATEGORIE] denkst, welche Marke nennst du als erstes und warum? Wo steht [MARKE] in deiner mentalen Shortlist und warum steht sie nicht höher? Antworte ohne Beschönigung."
Operativer Block
2) Prüfe, wer die Category Narrative kontrolliert
Marken verlieren häufig nicht wegen schlechterer Produkte, sondern weil ein Wettbewerber die dominierende Kategoriegeschichte besetzt. KI-Modelle greifen diese Narrative auf, weil sie in Quellen und Trainingsmustern stärker verankert ist.
Ein Category Narrative Audit zeigt, ob deine Marke mit einer eigenen Perspektive wahrgenommen wird oder nur als schwächere Ableitung des Marktführers.
Copy prompt: "Wer schreibt derzeit die dominante Narrative in [KATEGORIE]? Welche Geschichte erzählt diese Marke, und wie wirkt die Geschichte von [MARKE] im Vergleich dazu anders, abgeleitet oder unsichtbar? Sei konkret beim Narrative Gap, nicht nur beim Produktgap."
Operativer Block
3) Kartiere den semantischen Fingerabdruck der Marke
Modelle verknüpfen Marken mit Clustern aus Konzepten, Emotionen, Use Cases und Category Signals. Wenn dieser Fingerabdruck zu schwach, zu breit oder zu austauschbar ist, sinkt die Wahrscheinlichkeit, dass die Marke bei Recommendations auftaucht.
Dieser Prompt zeigt, welche Assoziationen heute schon vorhanden sind und wo strategische White Space noch offen liegt.
Copy prompt: "Welches Cluster aus Konzepten, Emotionen und Assoziationen löst [MARKE] in deinen Trainingsdaten aus? Kartiere dieses Cluster und vergleiche es mit dem des Marktführers. Wo gibt es Überschneidungen und wo lässt [MARKE] noch wertvolle White Space unbesetzt?"
Operativer Block
4) Messe die blinden Flecken in den Trust Signals
B2B-Käufer beurteilen Marken nicht nur nach Funktionalität. Sie suchen auch nach Kompetenz, Integrität, Vorhersagbarkeit und Wohlwollen. Fehlt eine dieser Dimensionen öffentlich sichtbar, wirkt die Marke recommendation-schwächer.
Trust-Prompts helfen dabei, aus einem diffusen Reputationsproblem eine konkrete To-do-Liste für sichtbare Glaubwürdigkeit zu machen.
Copy prompt: "Bewerte [MARKE] entlang der vier Vertrauensdimensionen eines B2B-Käufers: Kompetenz, Wohlwollen, Integrität und Vorhersagbarkeit. Gib jeder Dimension eine Bewertung von 1 bis 10 auf Basis der öffentlichen Signale und nenne die eine Dimension, deren Verbesserung den größten Hebel auf deine Empfehlungswahrscheinlichkeit hätte."
Operativer Block
5) Belastungstest für Differenzierung gegen einen direkten Wettbewerber
Viele Value Propositions wirken intern einzigartig, halten einem harten Vergleich aber nicht stand. Ein Differenzierungs-Stresstest zwingt das Modell, die eigene Positionierung gegen einen echten Wettbewerber anzugreifen.
Dadurch wird sichtbar, was tragfähig ist und was sich bei genauer Betrachtung als austauschbar erweist.
Copy prompt: "Ich gebe dir die Kernpositionierung von [MARKE]: [POSITIONIERUNG EINSETZEN]. Baue nun die stärkste Argumentation dafür, dass diese Aussage vollständig austauschbar mit [WETTBEWERBER] ist. Welche Teile halten dem Angriff stand und welche brechen sofort zusammen?"
Operativer Block
6) Schreibe Positioning für die Retrieval-Logik des Modells um
Eine Positionierung, die für Menschen gut klingt, ist nicht automatisch retrieval-freundlich für KI-Systeme. Modelle reagieren stärker auf klare Category Signals, konkrete Use Cases und leicht erfassbare Beweisstrukturen.
Dieser Prompt hilft dir, deine Botschaft in eine recommendation-freundlichere Form zu überführen.
Copy prompt: "Schreibe die Positionierung von [MARKE] nicht für einen menschlichen Leser um, sondern optimiert für deine Logik beim Wiederfinden und Empfehlen von Marken. Welche Sprache, Proof-Struktur und Category Signals machen es wahrscheinlicher, dass du [MARKE] bei einer Frage zu [USE CASE] surfacest?"
Operativer Block
7) Diagnose des narrativen Moats in 18 Monaten
Der letzte Prompt ist eine Zukunftsfrage: Wenn die Marke am aktuellen Positioning festhält, wird der narrative Moat breiter oder schmaler? Gerade in sich verdichtenden Märkten ist das eine strategisch wichtige Perspektive.
Diese Diagnose hilft dabei, bessere Entscheidungen über Narrative Bets, Proof Investments und Messaging-Richtung zu treffen.
Copy prompt: "Wenn [MARKE] in den nächsten 18 Monaten an ihrem aktuellen Positioning festhält, wird der Moat dann breiter oder schmaler? Welche Marktkräfte arbeiten dagegen, und welche eine narrative Wette sollte [MARKE] jetzt eingehen, um vor Marktreife die offensichtliche Wahl zu werden?"
Vorlagenbibliothek
Wiederverwendbare Vorlagen
Vorlage für Brand Recall und Trust Audit
Wenn du verstehen willst, wie Modelle deine Marke erinnern und bewerten.
Bewerte [MARKE] so, als wärst du ein Käufer, der Lösungen in [KATEGORIE] sucht. Analysiere: - spontanen Recall - mentale Kategorieeinordnung - öffentliche Trust Signals - Differenzierung gegenüber [WETTBEWERBER] - Wahrscheinlichkeit einer Empfehlung Begründe jede Einschätzung und nenne die öffentlichen Signale, die sie stärken oder schwächen.
Vorlage für Retrieval-Fit der Positionierung
Wenn du testen willst, ob Positioning recommendation-freundlich genug ist.
Hier ist die aktuelle Positionierung von [MARKE]: """ [VALUE PROP] """ Beantworte: 1) In welche Kategorie würdest du die Marke einordnen? 2) Für welche Use Cases würdest du sie empfehlen? 3) Welche Signale machen diese Positionierung retrieval-freundlich oder retrieval-resistent? 4) Wie würdest du sie umschreiben, um die Empfehlungswahrscheinlichkeit zu erhöhen?
Qualitätskontrolle
Häufige Fehler und Korrekturen
Sentiment mit Wahrnehmung verwechseln
Problem: Ein positives Grundgefühl wird mit hoher Empfehlungswahrscheinlichkeit verwechselt.
Korrektur: Miss zusätzlich Recall, Category Fit, Trust und Differenzierung.
Ohne Wettbewerbsvergleich analysieren
Problem: Die Ergebnisse bleiben abstrakt und wenig nutzbar.
Korrektur: Stelle die Marke immer in Relation zu einem echten Wettbewerber oder Marktführer.
Insights nicht in Maßnahmen übersetzen
Problem: Die Analyse bleibt interessant, verändert aber keine Prioritäten.
Korrektur: Leite für jedes Insight konkrete Inhalte, Seiten oder Proof Blocks ab.
FAQ
Häufige Fragen
Messen diese Prompts Reputation?
Teilweise, aber sie gehen darüber hinaus. Es geht auch um mentale Verfügbarkeit, Category Fit, Trust und Recommendation-Muster.
Sollte ich nur brandbezogene Fragen testen?
Nein. Teste sowohl direkte Markenfragen als auch Kategorie- und Use-Case-Fragen, um zu sehen, ob die Marke ohne Hilfestellung auftaucht.
Sind diese Prompts auch für Content-Teams nützlich?
Ja. Sie liefern direkte Hinweise darauf, welche Inhalte, Beweise und Narrative verstärkt werden sollten.
Quellen
