GEO-Studie (Princeton)
Auch: Princeton-Studie, GEO-Paper, Aggarwal et al.
Die GEO-Studie von Forschenden um Pranjal Aggarwal prägte 2023 den Begriff Generative Engine Optimization und untersuchte, wie Inhalte in KI-Antworten sichtbarer werden.
Die Studie „GEO: Generative Engine Optimization“ von Pranjal Aggarwal und Kollegen erschien im November 2023 und wurde auf der Konferenz KDD 2024 angenommen. Sie führte den Begriff GEO ein und zeigt, dass gezielte Optimierung die Sichtbarkeit in Antworten generativer Suchsysteme um bis zu 40 % steigern kann. Am besten wirkten das Ergänzen von Zitaten, Statistiken und Quellenangaben.
| Methode | Wirkung laut Studie |
|---|---|
| Zitate ergänzen | stärkste Einzelmethode |
| Statistiken ergänzen | deutliche Steigerung |
| Quellen zitieren | deutliche Steigerung |
| Diese drei Methoden zusammen betrachtet | 30 bis 40 % relative Verbesserung beim positionsgewichteten Textanteil, 15 bis 30 % bei der subjektiven Wahrnehmung |
| Keyword-Stuffing | kaum oder keine Verbesserung |
Bedeutung für KI-Sichtbarkeit
Die Studie stützt den Ansatz, Inhalte mit überprüfbaren Fakten, Zahlen und Quellen anzureichern statt mit Keywords. Die Autoren betonen, dass die Wirkung je nach Themengebiet variiert. Mehr unter Generative Engine Optimization und Content für KI schreiben.
Praxis: Eigene Studien und Daten veröffentlichen.
Häufige Fragen
Gelten die Ergebnisse für ChatGPT und Gemini?
Die Studie testete generative Suchsysteme unter Laborbedingungen. Die Grundprinzipien sind übertragbar, konkrete Werte können abweichen.
Was ist die wichtigste Erkenntnis?
Inhaltliche Anreicherung mit Belegen wirkt, stilistische Tricks und Keyword-Stuffing kaum.