Mythen zur LLM-Sichtbarkeit: Schema, llms.txt und Erwähnungen

Die Schema-Frage, langsam

Schema.org-Markup beschreibt eine Seite auf maschinenlesbare Weise. Einfach. Google hat gesagt, dass strukturierte Daten nicht für seine KI-Funktionen erforderlich sind, obwohl sie immer noch für Rich Results hilft, was ein eigener guter Grund ist, sie hinzuzufügen.

Ob es Modelle direkt speist, ist unbekannt. Niemand außerhalb der Anbieter weiß es. Wir würden es auf die langweilige Weise testen: Markiere die Hälfte eines Satzes ähnlicher Seiten, lass die andere Hälfte nackt und protokolliere Zitate für acht Wochen.

Praktiker berichten von gemischten Erfahrungen, einschließlich viel Stille nach vollem Markup. Stille ist Daten. Vergrabe sie nicht unter einer weiteren Runde Tags.

Autoren-Bios und 'Experten'-Credentials erhalten die gleiche Behandlung. Sie helfen Lesern zu entscheiden, ob sie Ihnen vertrauen sollen, was ein ausreichender Grund ist, und keine Studie, die wir gesehen haben, zeigt, dass ein Modell eine Seite bevorzugt, weil ein Bio vorhanden war.

Frische kommt jedes Mal hoch. Seiten mit einem aktuellen Aktualisierungsdatum erscheinen häufig in KI-Antworten zu nachrichtenartigen Themen, und Google nutzt Frische seit langem für Abfragen, die sie verdienen. Dennoch ist das Aktualisieren eines Datums ohne Änderung des Inhalts eine Gewohnheit, auf die wir uns nicht verlassen würden, und Google hat gesagt, dass es das nicht mag.

Erwähnungen: die günstigere Wette

Wenn ein Modell Texte liest, kann eine klare Beschreibung Ihrer Marke auf anderen Seiten auch ohne Link relevant sein. Das Finden solcher Seiten ist normale Outreach-Arbeit.

Beginnen Sie mit Ihrem eigenen Markennamen. Suchen Sie ihn, entfernen Sie Sites, die bereits verlinken, und listen Sie den Rest auf. Fragen Sie dann nach einem Link oder einer einfacheren Beschreibung. Tools wie Ahrefs und Semrush haben Erwähnungs-Alerts, und unser Link-Profil-Abzug zeigt, wer den Konkurrenten, die Sie beneiden, verlinkt.

Eine letzte Warnung vor Agenturen. Der Verkauf von LLM-Sichtbarkeits-Audits ist eine neue Geschäftslinie, und einige Berichte sind dünn. Fragen Sie, was gesampelt wurde, wann und was ihren Schluss geändert hätte.

Das macht Markup nicht sinnlos. Es sagt, dass der behauptete Effekt nicht gemessen wurde. Verbringen Sie eine Stunde, nicht ein Quartal, und konzentrieren Sie Ihre Hauptanstrengung auf Seiten, die Menschen tatsächlich lesen wollen.

Was Schema tatsächlich tut

Markup hat echte Aufgaben, auch wenn die KI-Frage offen bleibt. Es lohnt sich, diese Aufgaben im Blick zu behalten, damit ein Null-Ergebnis bei Zitaten nicht als Null-Ergebnis bei allem verwechselt wird.

Rich Results und Berechtigung

Strukturierte Daten können eine Seite für Rich-Result-Features in der klassischen Google-Suche qualifizieren, wo das Markup gelesen und überprüft wird. Dieser Vorteil ist konkret und hängt nicht von irgendeiner Behauptung über KI-Antworten ab.

Wenn Sie Markup aus diesem Grund hinzufügen, validieren Sie es mit einem Rich-Results-Test-Tool, bevor Sie es veröffentlichen. Betrachten Sie jeden Effekt auf KI-Antworten als einen Bonus, den Sie nicht gemessen haben.

Parsing und Klarheit

Markup stellt Fakten in einem festen Format dar, wie einen Produktnamen, einen Autor oder ein Datum. Ein Parser, der die Seite liest, kann diese Felder übernehmen, ohne zu raten. Diese Klarheit hilft jedem Tool, das von der Struktur der Seite arbeitet.

Klarheit ist nicht dasselbe wie Zitat. Eine Seite kann leicht zu parsen sein und nie zitiert werden, und eine andere kann ohne jegliches Markup zitiert werden.

Was es nicht zeigt

Schema ist keine Liste von Stimmen, die Modelle zusammenzählen. Wir haben keine kontrollierte Studie gesehen, die Markup allein mit einer Änderung in Zitaten verbindet, also sollte jeder, der einen Sprung verspricht, die Probe dahinter zeigen.

Stille nach dem Hinzufügen von Markup ist ein normales Ergebnis eines Tests. Der nächste Abschnitt erklärt, warum es passieren kann, ohne dass das Markup nutzlos ist.

Warum Menschen keine Veränderung sehen

LLM-Sichtbarkeit hängt von vielen Dingen gleichzeitig ab, und eine einzelne Änderung sticht selten heraus. Behalten Sie das im Hinterkopf, bevor Sie ein Ergebnis beurteilen.

Der Hebel sitzt woanders

Die Chancen einer Seite, zitiert zu werden, hängen von ihrer Crawlability, ihrem Inhalt, ihren Links und der Abfrage selbst ab. Markup berührt eines davon. Wenn alles andere gleich bleibt, kann eine reine Markup-Änderung zu klein sein, um gesehen zu werden.

Bevor Sie das Markup beschuldigen, prüfen Sie die Basics. Bestätigen Sie, dass die Seite indiziert ist, und dass ihr Text im HTML erscheint, anstatt nur nach dem Ausführen eines Skripts.

Query Fan-out sendet Leute woanders hin

Einige Praktiker beschreiben Query Fan-out, bei dem eine Frage zu mehreren Sub-Suchen wird. Wenn das so ist, wie ein Modell Quellen sammelt, kann die Seite, die Sie markiert haben, für eine Sub-Abfrage zitiert werden, die Sie nie verfolgt haben. Das ist ein Grund, warum eine Single-Prompt-Prüfung irreführend ist.

Fügen Sie einige Sub-Fragen in Ihren Prompt-Satz ein und protokollieren Sie, welche Seiten für jede erscheinen.

Messen Sie, bevor Sie schlussfolgern

Ein Ergebnis benötigt eine Probe und eine Basislinie. Acht Wochen protokollierter Prompts, aufgeteilt in zwei Gruppen, ist ein bescheidener Test, der dennoch falsch sein kann. Schreiben Sie seine Grenzen neben das Ergebnis.

Veröffentlichen Sie auch die Nullen. Ein Test, der nichts gefunden hat, ist immer noch nützlich für die nächste Person, die dieselbe Frage stellt.

Rendering und was Modelle lesen können

Text ist das Material, mit dem ein Modell arbeitet, also ist die Frage, was es lesen kann, einen Test wert, anstatt es anzunehmen.

Inhalt, der nach einem Skript erscheint

Mancher Inhalt erscheint erst nach dem Ausführen eines Skripts. Ob ein bestimmtes Assistent diesen Inhalt sehen kann, ist etwas, das Sie testen können. Vergleichen Sie den Text, den ein Assistent zitiert, mit dem, was ein einfacher HTML-Fetch zurückgibt.

Wenn der zitierte Text im einfachen HTML fehlt, hängt die Seite vom Rendering ab. Das ist es wert, zu wissen, bevor Sie irgendein Markup hinzufügen.

Markup als Tokens gelesen

Einige Praktiker argumentieren, dass Modelle JSON-LD in Tokens aufbrechen und ihre Struktur verlieren, sodass das Markup wenig hinzufügt. Das Argument ist plausibel, und soweit wir wissen, ist es ungetestet. Keine Seite hat es mit einer fairen Probe gezeigt.

Betrachten Sie es als Hypothese für Ihren eigenen Test, nicht als Regel, die in einem Kundenbericht zitiert wird.

Fragen zu Markup und KI-Antworten

Einige Fragen, die auftauchen, sobald Leute anfangen, Markup auf ihren eigenen Seiten zu testen.

Sollte ich Schema entfernen, wenn es KI-Antworten nicht hilft?

Aufgrund dieser Beweise nicht. Markup dient weiterhin klassischen Suchfunktionen und macht eine Seite klarer für Parser. Entfernen Sie es nur, wenn es falsch, veraltet oder irreführend ist.

Ist eine llms.txt-Datei eine Stunde wert?

Möglicherweise als günstiges Experiment. Der Vorschlag stammt aus September 2024, und wir haben keine Bestätigung gesehen, dass ein großer Anbieter die Datei liest, also erwarten Sie kein sichtbares Ergebnis.

Helfen Autoren-Bios bei Zitaten?

Keine Studie, die wir kennen, zeigt das. Bios können Lesern helfen, eine Seite zu beurteilen, was ein fairer Grund ist, sie zu behalten, aber jeder Zitat-Effekt ist ungetestet.

Wie viele Seiten sollte ein Test umfassen?

Genug, dass die beiden Gruppen verglichen werden können, ohne dass eine Seite das Ergebnis dominiert. Zehn bis zwanzig ähnliche Seiten sind ein angemessener Start für einen ersten Test, obwohl die richtige Zahl davon abhängt, wie sehr Ihre Prompts variieren.