Für den folgenden Beitrag hat mein AI-Assistant zusätzlich eine Podcast-Folge erstellt. Wer lieber hört, statt liest, kann den Podcast über folgenden Link hören (ACHTUNG: Podcast ist ausschliesslich von AI erstellt, keine Garantie für Richtigkeit).

Erfolgsstories, wie du von Logikcull zeigen, dass sich LLMs, wie ChatGPT auch immer mehr auf das Suchverhalten und schlussendlich das Kaufverhalten der Kunden auswirken. Im Fall von Logikcull, war das Unternehmen selbst überrascht, als immer mehr Neukunden angaben, sie sind über ChatGPT auf das Software Unternehmen aufmerksam geworden. Bereits im Juni 2023 sollen fünf Prozent aller Leads von Logikcull über ChatGPT vermittelt worden sein. Das sind umgerechnet fast 100.000 US-Dollar Abo-Umsatz im Monat für das Unternehmen (Quelle: OMR).

Das Feld rund um Large Language Model Optimization (LLMO) ist noch sehr neu, wenig erforscht und es gibt kaum wirklich valide und messbare Ergebnisse. Trotzdem exisitieren erste Ansätze, wie wir unsere Webseiten für die Zukunft der LLMs ausrichten können. Im folgenden Beitrag zeige ich erste Tipps auf.

Was sind Large Language Models (LLMs)?

Large Language Models bedeutet auf Deutsch etwa „grosse Sprachmodelle“. Diese Modelle sind Typen von künstlicher Intelligenz (KI), die darauf trainiert sind, menschliche Sprache zu verstehen, zu generieren und mit ihr zu interagieren. Sie können Texte schreiben, Fragen beantworten, Zusammenfassungen erstellen und mehr, indem sie auf enorme Mengen an Textdaten trainiert werden. Diese Modelle erkennen Muster, Strukturen und Zusammenhänge in den Daten, auf denen sie trainiert wurden, und nutzen diese, um neue Inhalte zu generieren, die den Anforderungen der Nutzer entsprechen.

Eines der bekanntesten LLMs ist aktuell wohl ChatGPT bzw. GPT-4o (Generative Pre-trained Transformer) von OpenAI: Mit ChatGPT können wir heute schon eine Vielzahl von Aufgaben ausführen, wie das Schreiben von Artikeln, das Übersetzen von Texten, das Beantworten von Fragen, das Erstellen unterschiedlichster Medien und das Erstellen von Code.

Was ist Large Language Model Optimization (LLMO)?

Large Language Model Optimization (LLMO) ist ein fortschrittlicher Ansatz im Bereich des Online-Marketings und der künstlichen Intelligenz, der darauf abzielt, die Ausgabe von grossen der LLMs, wie ChatGPT oder Perplexity zu beeinflussen. Vereinfacht ausgedrückt ist diese Technik ähnlich, wie die klassische Suchmaschinenoptimierung (SEO).

Durch gezielte Eingriffe in die Trainingsdaten oder die Optimierung der Inhalte, die LLMs zur Verfügung stehen, können spezifische Ergebnisse gefördert oder beeinflusst werden. Die Mechanismen bzw. Methoden von LLMO unterscheiden sich jedoch zu denen von SEO. LLMs funktionieren anders, als die klassische Google-Suche. Folglich müssen Unternehmen auch andere Methoden wählen, um die eigene Webseite für LLMs zu optimieren.

Warum ist LLMO wichtig?

Konsumentenbefragungen, wie die nachstehend dargestellte, illustrieren deutlich, dass eine wachsende Anzahl von Nutzern ihre Anfragen an ChatGPT oder andere Large Language Models (LLMs) richtet, anstatt sich an etablierte Suchmaschinen wie Google zu wenden. Es ist zu erwarten, dass sich dieser Trend fortsetzt und immer mehr Verbraucher ihre Internetsuchen über ChatGPT und ähnliche Dienste initiieren. Folglich wird das Gebiet der Webseitenoptimierung für LLMs zunehmend an Bedeutung gewinnen.

Wer nun denkt, er könne abwarten, bis fundierte Forschungsergebnisse zu LLMs vorliegen, sollte bedenken, dass ein allzu langes Zögern risikobehaftet sein kann. Die Optimierung für LLMs erfordert Zeit. Ein LLM kann seinen Algorithmus nicht über Nacht anpassen. Wie bereits bei Google bekannt, benötigen Anpassungen an der Webseite einige Wochen, um sich auf das Ranking auszuwirken. Es ist anzunehmen, dass die Auswirkungen von Large Language Model Optimization (LLMO) noch mehr Zeit benötigen, um sichtbare Erfolge zu erzielen.

Ein weiterer Grund, warum Unternehmen das Thema LLMO nicht zu lange aufschieben sollten, liegt im Wettbewerbsvorteil. Unternehmen, die sich bereits heute mit LLMO auseinandersetzen, werden voraussichtlich in absehbarer Zeit einen deutlichen Wettbewerbsvorteil erlangen.

Welche Best Practices gibt es für LLMO?

Wie bereits erwähnt, existieren bislang nur wenige Forschungen und fundiertes Tests rund um LLMO. Wenn man allerdings berücksichtigt, wie ein LLM funktioniert und wie es seine Antworten auf Basis von Trainingsdaten ableitet, dann lassen sich die folgenden Tipps bzw. Best Practices für LLMO heute schon definieren.

1. Die Verbreitung der eigenen Marke im Internet

LLMs greifen häufig auf Datenbank-Webseiten, Wissensaggregatoren oder andere grosse Publisher, wie Financial Times oder Forbes zurück. Datenbankwebseiten sind beispielsweise Firmenverzeichnisse oder Bewertungsplattformen. Wissensaggretaoren sind Plattformen, wie Wikipedia oder auch YouTube.

Somit ist eine mögliche Massnahme im Context von LLMO, dass Unternehmen daran arbeiten, von anderen Webseiten und vor allem von anderen bekannten Datenbanken gelistet zu werden. Konkret bedeutet dies, Unternehmen müssen mit Hilfe von PR-Massnahmen oder sogar über gekaufte Inhalte sich einen „Platz“ auf anderen LLM-relevanten Webseiten sichern.

Wichtig hier zu erwähnen, es geht nicht rein um Backlinks, wie wir es von SEO kennen. Es geht wirklich um die namentliche Erwähnung, im richtigen Context. Und das auf Webseiten, die für das LLM von hoher Bedeutung sind.

2. Die eigene Webseite inhaltlich für LLMs optimieren

Zur Erstellung der folgenden Tipps im Hinblick auf die Optimierung der eigenen Webseite für ein LLM habe ich in den letzten Wochen einige Expertengespräche mit SEO-Spezialisten, AI-Forschern und LLM-Entwicklern geführt.

1. Anpassung an die Struktur des LLM

Es wird empfohlen, das Large Language Model (LLM) direkt zu fragen, um herauszufinden, wie es ein bestimmtes Thema, Produkt oder eine Dienstleistung beschreiben oder strukturieren würde. Das ausgewählte Thema sollte dabei eine Ähnlichkeit mit dem Tätigkeitsfeld der Unternehmung aufweisen, die Large Language Model Optimization (LLMO) betreibt. Diese strukturelle Grundlage kann anschliessend vom Unzernehmen genutzt werden, um eigene Texte zu erstellen. Es ist ratsam, strukturierte Daten zu verwenden. Diese Methode mag im ersten Moment als einfache Nachahmung erscheinen, stellt jedoch eine effektive Strategie dar, um wahrscheinlich von einem LLM berücksichtigt zu werden.

2. Verwendung einer klaren und informationsreichen Sprache

LLMs verarbeiten Informationen am effektivsten, wenn diese in einer einfachen, klaren und informationsreichen Sprache dargeboten werden. Unternehmen sollten dies bei der Erstellung von Webseiten-Texten berücksichtigen. Strukturen, die Vor- und Nachteile oder Vergleiche darstellen, eignen sich besonders gut für die Verarbeitung durch LLMs.

3. Vermeidung übermässig langer Fliesstexte

Lange Fliesstexte ohne Zwischenüberschriften können von LLMs nur schwer verarbeitet werden. Solche Webseiten werden von LLMs tendenziell weniger berücksichtigt als jene, die schnell verständliche Antworten bieten. Es wird empfohlen, längere Texte mit einer Kurzzusammenfassung der wichtigsten Punkte zu beginnen. Anschliessend sollten alle Inhalte so aufbereitet werden, dass sie optimal von einem LLM verarbeitet werden können.

4. Einbindung von Zitaten relevanter Persönlichkeiten

Das Einbinden von Zitaten und Quellenangaben kann ebenfalls von Vorteil sein. Experten im Bereich der LLM-Optimierung gehen davon aus, dass Zitate bekannter Persönlichkeiten die Auffindbarkeit und Relevanz in den Ergebnissen eines LLM positiv beeinflussen können. Auch der Einsatz von Statistiken und quantitativen Daten wird als vorteilhaft für die LLMO-Strategie angesehen.

5. Kontinuierliche Optimierung

Erfahrungen im Bereich der Suchmaschinenoptimierung (SEO) zeigen, dass dies ein fortwährender Prozess ist. LLMO erfordert ähnlich intensive oder sogar noch umfassendere Bemühungen. Unternehmen dürfen sich nicht auf ersten Erfolgen ausruhen, sondern müssen kontinuierlich an der Weiterentwicklung ihrer Strategien arbeiten. Dabei ist es wichtig, sowohl technische Neuerungen als auch die Aktivitäten von Wettbewerbern im Auge zu behalten.

Wie kann ich den Erfolg von LLMO messen?

Obwohl die Techniken rund um Large Language Model Optimization (LLMO) heute noch nicht immer vollständig definiert sind, sind die Methoden zur Messung des Erfolgs vergleichsweise einfach zu implementieren. Im Folgenden empfehle ich zwei Methoden, die bereits jetzt sinnvoll eingesetzt werden können:

1. Kundenbefragungen

Wie bereits im Einleitungstext erwähnt, bieten Kundenbefragungen wertvolle Einblicke, durch welche Kanäle Konsumenten auf ein Unternehmen oder dessen Produkte und Dienstleistungen aufmerksam geworden sind. Viele Unternehmen integrieren bereits am Ende des Bestellprozesses entsprechende Feedback-Optionen, um diese Informationen zu erfassen. Es wird empfohlen, diese Feedback-Optionen um die Antwortmöglichkeiten „LLM“, „ChatGPT“ oder „Generative AI Technologie“ zu erweitern. Mit dieser einfachen Erweiterung können Unternehmen schnell feststellen, ob LLMs für ihre Kunden bereits eine Rolle spielen. Darüber hinaus können umfangreichere Befragungen oder Fokusgruppen durchgeführt werden, die tiefergehende Einblicke bieten, etwa in Bezug auf das Vertrauen der Konsumenten in die Ergebnisse von LLMs im Vergleich zu den Suchergebnissen und Produktvorschlägen von traditionellen Suchmaschinen wie Google.

2. Webseiten-Analytics

Ich war selbst überrascht, als ich mittels Google Analytics feststellte, dass immer mehr Nutzer meiner Webseite über Plattformen wie Bing oder Perplexity kommen. Beides sind bekannte LLMs, die bei bestimmten Anfragen meine Seite als Quelle nennen. Diese Beobachtung zeigt, dass auch klassische Web-Analytics-Tools erste Indizien darüber liefern können, welchen Anteil am Traffic Unternehmen bereits heute über LLMs erhalten, im Vergleich zur klassischen Google-Suche.

Es ist jedoch zu beachten, dass ChatGPT in den Suchergebnissen keine direkten Quellen angibt. Daher gibt es keine direkte Verlinkung von ChatGPT zu Webseiten, was zur Folge hat, dass Besucher, die über ChatGPT kommen, bisher nicht eindeutig im Webseiten-Traffic identifiziert werden können. Dies unterstreicht die Notwendigkeit, die Analysemethoden kontinuierlich zu verfeinern und anzupassen, um ein umfassendes Verständnis der Dynamik und der Auswirkungen von LLMs auf die Webnutzung zu entwickeln.

Fazit: Large Language Model Optimization (LLMO) – Wie werden von Webseiten von LLMs gefunden

Abschliessend ist festzustellen, dass Large Language Model Optimization (LLMO) ein relativ neues Forschungsfeld darstellt, in dem bislang nur begrenzt etablierte Best Practices existieren. Diese Tatsache sollte jedoch nicht von Unternehmen als Vorwand herangezogen werden, um die Auseinandersetzung mit diesem Thema weiterhin zu vernachlässigen. Stattdessen ist es ratsam, dass Unternehmen bereits jetzt beginnen, sich mit LLMO zu beschäftigen, erste Erfahrungen zu sammeln und sich dadurch einen signifikanten Wettbewerbsvorteil zu sichern.

Wie gehts weiter?

Habt ihr Lust das Thema LLMO zu vertiefen und wollt euch dazu mal unverbindlich mit mir austauschen?

Dann schreibt mir eine Nachricht mit euren Wünschen und Fragen und wir vereinbaren einen Termin. Schickt mir einfach eine Nachricht per WhatsApp Nachricht oder per E-Mail.

Diesen Beitrag gibt es übrigens auch als Podcast-Folge

Achtung! Der Podcast wurde komplett von meinem AI-Assistant auf Basis meines Beitrags erstellt – keine Garantie für Fehl-Inhalte.

Weitere Beiträge dazu

Wenn euch dieses Thema interessiert hat, dann lest bitte auch noch meinen Beitrag zum Thema „Wie verändern Generative AI Technologien die SEO Massnahmen?„. In dem Beitrag zeige ich auf, warum welche Massnahmen Unternehmen neben SEO und LLMO heutzutage beachten müssen. Der Beitrag ist übrigens ebenfalls als Podcast über meinen AI Assistant verfügbar.

Und auch Neil Patel schreibt gibt in seinem Beitrag How to Rank Your Website on ChatGPT einige interessante Hinweise zur Optimierung der eigenen Seite für ChatGPT.