Wie ein Team durch die Nutzung von AEO einen Anstieg der Enterprise-Leads um 80 % erzielte
KI-Start: Marketingverantwortliche haben Schwierigkeiten, KI-Projekte zu beginnen, da die Vielzahl an Möglichkeiten und die Unsicherheit über die ersten Schritte überwältigend sein kann.
Hochwirksame Verbesserungen: CroMetrics setzt gezielt kleine, wirkungsstarke KI-Verbesserungen ein, um Arbeitsabläufe zu optimieren, anstatt nach den perfekten Strategien zu suchen.
KI-Suchoptimierung: CroMetrics optimiert Inhalte für LLMs und verzeichnet dadurch mehr Enterprise-Weiterleitungen von KI-basierten Plattformen wie ChatGPT.
Balance Mensch und KI: KI unterstützt bei Forschung und früher Entwicklung bei CroMetrics, aber menschliche Kontrolle sichert Qualität und Markenkonsistenz.
Reibung erkennen: Führungskräfte sollten zunächst Reibungspunkte im Arbeitsablauf priorisieren, um Effizienzgewinne zu erzielen, bevor sie umfassende KI-Lösungen einführen.
Die meisten Marketingverantwortlichen wissen, dass sie etwas mit KI machen sollten. Das Problem ist nicht mangelndes Bewusstsein. Es ist vielmehr die Unsicherheit, wo man anfangen soll.
„Ich erlebe es oft, dass Führungskräfte und Unternehmen von KI fast so überwältigt sind, dass es sie lähmt“, sagt Gwen Hammes, Co-CEO von Cro Metrics, einer Digitalmarketing-Agentur, die mit Marken wie Bombas, Starz und Intuit zusammenarbeitet. Ihr Rat: klein anfangen.
Hammes nennt dies die „1% besser jeden Tag“-Regel, eine Denkweise, die auf konsequentem, inkrementellem Fortschritt basiert, anstatt darauf zu warten, einen perfekten, umfassenden Plan zu haben, bevor gehandelt wird. Statt einer perfekten KI-Strategie hinterherzujagen, konzentriert sich Cro Metrics auf kleine, wirkungsvolle Verbesserungen und das Lösen von Reibungspunkten in Arbeitsabläufen.
Want more from The CMO?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Wenn KI zu deinem Akquisitionskanal wird
Im letzten Jahr stand Cro Metrics vor derselben Frage, die sich jede Marketingorganisation stellte: Wie macht man Suchmaschinenoptimierung richtig, wenn sich die Suche grundlegend verändert?
Der Google-Traffic ging zurück und LLMs beantworteten Fragen direkt in Chat-Oberflächen. Zero-Click-Verhalten wurde zur Norm und das alte SEO-Playbook funktionierte nicht mehr so gut.
Wir haben AEO/GEO in unser technisches SEO-Angebot integriert und es zunächst an unserem eigenen Unternehmen getestet.
Hammes erklärt, dass sie damit nicht nur Inhalte für Suchmaschinen, sondern gezielt für die LLMs selbst optimieren wollten.
Das Team hat Answer Engine Optimization (AEO) und Generative Engine Optimization (GEO) in ihren technischen SEO-Ansatz eingebettet und dies zunächst am eigenen Unternehmen getestet, bevor die Methoden bei Kunden eingeführt wurden.
Sie beschreibt ihre Arbeit bei Cro Metrics mit den Worten: „Unsere Arbeit erstreckt sich über komplexe Customer Journeys, Multi-Channel-Ökosysteme und Wachstumsprogramme auf Unternehmensebene, bei denen Strategie, Umsetzung und Daten als ein System funktionieren müssen."
Die Arbeit konzentrierte sich darauf, Inhalte für KI-Systeme besser interpretierbar zu machen – mit strukturierten Daten, klaren Zusammenfassungen und einer starken Autorenzuordnung. Das sind alles Signale, die LLMs helfen, Inhalte sicher zu verstehen und zu zitieren.
Von Philosophie zu Prozess
Die Maßnahmen sind an sich einfach: Indem sie mit strukturierten Daten, TLDRs und detaillierten Autorennennungen starteten, kam Momentum auf. „Viele Unternehmen fragen sich: ‚Okay, wie optimieren wir unsere Website für Menschen, Bots und LLMs?‘", stellt sie fest. Was ihr Team als Ergebnis gesehen hat, ist alles andere als gewöhnlich.
Wir sahen einen Anstieg von 80% bei KI-gesteuertem Referral-Traffic sowie messbare Zuwächse bei der Suchsichtbarkeit und beim Direktverkehr, die zu qualifizierten Inbound-Leads und Pipeline führten.
Zum Vergleich: Die meisten Unternehmen behandeln AEO noch als Zukunftsthema, etwas, das erst angegangen wird, wenn die SEO-Grundlagen stimmen. Cro Metrics verstand dies hingegen als gegenwärtigen Wettbewerbsvorteil – und die Traffic-Daten belegen, dass das Timing stimmt.
Doch das, was Hammes am meisten überraschte, war die Art des Referral-Traffics.
Wir sehen Empfehlungen direkt von Tools wie ChatGPT und Claude. Und interessant ist, dass ein Großteil dieses Traffics von großen Unternehmen stammt.
Großunternehmen experimentieren nicht nur mit LLMs. Vielmehr nutzen sie sie zur Anbietersuche und -bewertung. Wenn deine Inhalte nicht für die KI-Suche optimiert sind, bleibst du einer wachsenden Gruppe hochwertiger Interessenten unsichtbar.
Eine Entscheidungsmaschine bauen
Der Erfolg mit AEO spiegelt eine breitere Philosophie bei Cro Metrics wider: KI wird überall dort genutzt, wo sie einen Hebel schafft und Menschen dort eingesetzt, wo Urteilsvermögen gefragt ist.
Das Unternehmen hat ImpactLens entwickelt, eine eigene Engine zur vorausschauenden Priorisierung. „Wir nutzen sie, um Verhaltenssignale, historische Experimentierdaten und kundenspezifische Eingaben auszuwerten, um zu prognostizieren, welche Experimente voraussichtlich das größte messbare Wachstum erzielen“, erklärt Hammes. „Das ermöglicht uns, deutlich präziser zu priorisieren, bevor wir Ressourcen investieren.“
Aber es gibt eine Grenze: Ihr Team verlässt sich nicht vollständig auf KI. Sie liefert Hinweise, worauf der Fokus liegen sollte und was erfolgversprechend sein könnte, aber Strategie, Kundenführung, Kreativität und letztliche Entscheidungen liegen bei Menschen. Hammes meint dazu: „Wachstum erfordert weiterhin Kontext, Urteilsvermögen und originelles Denken.“
Dies ist das Muster, das von Experimenten zur produktiven KI-Nutzung skaliert: KI erkennt Muster in großem Umfang. Menschen übernehmen die Aufgaben, die Kontext, Beziehungsmanagement und Entscheidungen unter Unsicherheit erfordern.
Wo KI noch an ihre Grenzen stößt
Hammes merkt an, dass beim Thema Marken-Klarheit nach wie vor Menschen die Verantwortung für die Qualitätssicherung tragen. Sie zieht eine Grenze, indem sie erklärt, dass für Cro Metrics „KI bislang nicht das Maß an Zuverlässigkeit liefert, das für vollständig autonome Ausführungen beim Aufbau produktionsreifer Experimente oder für Kreativinhalte in einer Qualität, die den Anforderungen von Enterprise-Marken entspricht, erforderlich ist.“ Es gibt jedoch Bereiche, in denen ihr Team sie bereits für große Fortschritte nutzt.
KI beschleunigt Forschung, Synthese und frühe Entwicklung erheblich, aber menschliche Aufsicht bleibt essenziell, um hohe Qualität und Markenintegrität zu gewährleisten.
Für Agenturen, die mit Enterprise-Kunden arbeiten, oder Unternehmen, die diese Gruppe ansprechen, kann KI die Qualitätsanforderungen für produktionsreife Kreationen oder strenge Markenstandards oft noch nicht erfüllen. Das bedeutet, die Ergebnisse benötigen weiterhin einen menschlichen Feinschliff, bevor sie weitergegeben werden.
Es geht um die Arbeit und die Wirkung, aber es geht genauso sehr um Beziehungen. Ich sage immer: Solange am anderen Ende des Tisches Menschen sitzen, wird es Unternehmen wie unseres immer geben.
Professionelle Dienstleistungen basieren auf Vertrauen, auf der Fähigkeit, die Stimmung im Raum zu erfassen, wirklich zu verstehen, was ein Kunde braucht – im Unterschied zu dem, was er äußert – und Entscheidungen zu treffen, die durch Daten allein nicht beantwortet werden. Diese Lücken wird KI auf absehbare Zeit nicht schließen, und der kluge Ansatz ist, sie als das Differenzierungsmerkmal zu begreifen, das sie ist – nicht als Umgehungsproblem.
Beginnen Sie mit den Reibungspunkten
Für Organisationen, die herausfinden möchten, wo sie starten sollen, rät Hammes Führungskräften, sich zuerst auf Reibungspunkte zu konzentrieren. „Anstatt ein bestimmtes Marketing-System zu wählen, sollten Führungskräfte überall dort, wo sich kleine Ineffizienzen zu echten Zeitfressern summieren,“ die wiederkehrenden Reibungspunkte im Arbeitsalltag ermitteln", empfiehlt sie.
Cro Metrics hat das eigene Team befragt, wo KI den größten Nutzen stiften könnte. Die Antworten waren wenig glamourös: Genehmigungen, Compliance-Prüfungen und die frühe Phase der Content-Entwicklung.
Einer unserer ersten Ansätze war ganz einfach: Die kleinen Hürden und bürokratischen „Papierschnitte“ eliminieren, die Kapazitäten schwächen – damit die Teams mehr Zeit für strategisches Denken, Kreativität und wachstumsrelevante Aufgaben mit höherem Impact haben.
Das ist das Gegenteil der KI-Strategie, die die meisten Organisationen verfolgen. Statt mit den Möglichkeiten zu beginnen und zu fragen: Was kann KI leisten? sollten Sie mit den Schmerzpunkten starten: Wo geht Ihre Zeit verloren, ohne dass sich die Investition auszahlt?
Genau hier scheitern viele KI-Einführungsprojekte. Führungskräfte starten bei den Fähigkeiten, listen auf, was ein Tool technisch kann – finden aber kein konkretes, abteilungsübergreifendes Geschäftsbedürfnis dazu.
Sie brauchen keine Zustimmung der Geschäftsleitung, um KI für einen schnelleren Compliance-Check zu testen, und auch kein Budget, um ChatGPT für eine erste Rohfassung zu nutzen. Wenn das Bedürfnis schon besteht, suchen Sie nur noch das passende Werkzeug dazu.
Pragmatismus statt Best Practices
Hammes’ Experimentierfreude stammt aus einem früheren Karriereschritt, als sie mit Teams in Mexiko arbeitete, die ohne vorgegebene Abläufe auskamen. Sie erinnert sich: „Es war eine unglaubliche Portion Pragmatismus, alle haben zusammengehalten, gemeinsam Lösungen gefunden und die Dinge einfach erledigt.“ Statt Standardprozessen waren Ziel und übergeordnete Richtung das Wichtigste.
Nichts schreckt mich wirklich ab oder überfordert mich. Vielleicht liegt das an dieser Erfahrung, aber nach über 20 Jahren in dieser Branche hat man viel gesehen und erlebt – und man weiß immer, am Ende kommen wir ans Ziel. Es gibt für alles eine Lösung und Durchhaltevermögen zahlt sich aus.
Eine Macher-Mentalität ist gerade jetzt besonders wertvoll. Es gibt noch keine festgelegten Best Practices für KI – nur Experimente, einige erfolgreich, die meisten nicht. Wer abwartet, bis der Leitfaden in Stein gemeißelt ist, wird denen, die testen und iterieren, um Jahre hinterherhinken.
Das Mikroaktions-Mandat
Hammes' Erfahrungen bei Cro Metrics bieten eine Blaupause für Organisationen, die sich angesichts des KI-Hypes festgefahren fühlen.
Beginnen Sie zunächst mit den Reibungspunkten, nicht mit der Strategie (Tipp – Sie können Ihr Team befragen, um diese aufzudecken). Ihr Ratschlag an Führungskräfte, die sich überfordert fühlen: Die Dinge einfach halten und klein anfangen.
Was sind diese kleinen Mikroaktionen? Und was man feststellt, ist, dass sie sich schnell summieren. Das Schlimmste ist gar keine Aktion, dann ist man gelähmt und hält im Grunde das bestehende Problem aufrecht.
Als Nächstes probieren Sie es zuerst an sich selbst aus, bevor Sie es an Kunden weitergeben. Suchen Sie Ihre eigene Marke in ChatGPT, Perplexity und Claude. Tun Sie das mehrmals und führen Sie verschiedene Suchanfragen durch, um zu sehen, wo Ihre Marke auftaucht.
Dann suchen Sie direkt nach Ihrem Firmennamen. Im Anschluss suchen Sie nach den Problemen, die Sie lösen, der Branche, in der Sie tätig sind, und nach typischen Fragen, die Ihre Kunden stellen, bevor sie kaufen. Dokumentieren Sie Ihre Ergebnisse mit Screenshots.
Sie suchen nach einem Muster, nicht nur nach einer Präsenz.
Sie sehen, ob Sie im richtigen Kontext erscheinen oder ob Ihr Unternehmen auf eine Weise präsentiert wird, die Ihrer tatsächlichen Positionierung entspricht. Der organische Such-Fußabdruck, den Sie über Jahre hinweg aufgebaut haben, überschneidet sich möglicherweise kaum mit der aktuellen Repräsentation Ihrer Branche durch LLMs.
Die Lücke zwischen Ihrem aktuellen und Ihrem gewünschten Auftritt ist Ihr AEO-Startpunkt. Es ist auch ein schnellerer Weg, um Argumente für Investitionen in Inhalte zu liefern, als es die meisten Attributionsmodelle je könnten.
Die 1%-besser-Philosophie funktioniert, weil sie den Druck herausnimmt, bereits eine vollständige KI-Strategie zu haben, bevor man beginnt. Sie müssen nicht wissen, wo Sie in einem Jahr stehen werden. Sie müssen nur wissen, was Sie heute ausprobieren möchten.
„Ich bin eine große Verfechterin von 1% besser jeden Tag“, sagt Hammes. Machen Sie den ersten Schritt.“
Der 80%ige Anstieg der Enterprise-Leads, den ihr Team verzeichnen konnte, kam nicht durch eine starre KI-Strategie und geschah auch nicht über Nacht. Er resultierte daraus, einen Schritt zu machen, das Ergebnis zu messen und dann den nächsten Schritt zu gehen.
Das ist nicht nur ein guter Rat für die Einführung von KI. Es ist ein guter Ratschlag für alles, was sich zu tun lohnt.
Wie geht es weiter?
Werden Sie Mitglied im The CMO Club, um über Trends informiert zu bleiben und die neuesten Tipps, Ressourcen und Anleitungen direkt in Ihr Postfach zu bekommen.
