Kunden
Fallstudien (die ehrliche Sorte)
Wir sind in der offenen Beta und haben noch keine namentlichen Kundenstimmen — und wir werden keine erfinden. Was wir heute zeigen können: eigene Selbstexperimente am Live-Produkt und anonymisierte Muster aus echten Beta-Scans, jeweils klar gekennzeichnet.
Selbstexperiment — unser eigenes Produkt
Geovory, gescannt von Geovory
- Die Frage
- Wir sind ein neues SaaS in einer neuen Kategorie („KI-Sichtbarkeits-Monitoring“). Wenn jemand einen KI-Assistenten nach Tools fragt, die prüfen, ob ChatGPT ein Unternehmen empfiehlt — tauchen wir dann überhaupt auf?
- Was wir getan haben
- Wir betreiben unser eigenes wöchentliches Monitoring auf dem Produktionssystem — derselbe Monitor-Plan, den Kunden bekommen. Der Scan stichprobt Käuferfragen unserer Kategorie über alle zwölf Kanäle und verfolgt, welche Wettbewerber neben uns genannt werden.
- Wo es steht
- Das öffentliche Demo-Dashboard auf dieser Website ist ein separater Demo-Workspace (klar als Beispieldaten gekennzeichnet); unser eigener wöchentlicher Self-Scan läuft privat auf derselben Produktions-Pipeline. Er treibt auch unsere eigene Roadmap: Die Zitationslücken-Analyse unseres Scans hat uns gezeigt, welche Vergleichs- und Wissensseiten wir zuerst schreiben sollten (mehrere existieren inzwischen auf dieser Website).
Anonymisierter Beta-Scan — lokale Dienstleister
Ein lokaler Dienstleister entdeckt, dass er unsichtbar ist
- Die Frage
- Ein typisches Muster aus unseren Beta-Scans: Ein gut bewertetes lokales Unternehmen (Sanitär, Zahnarzt, Kanzlei) mit soliden Google-Rankings bekommt bei der KI-Sichtbarkeit ein F — null Erwähnungen über alle Stichprobenfragen, während 2–3 Wettbewerber wiederholt empfohlen werden.
- Was wir getan haben
- Die Wettbewerber-Extraktion des Scans zeigt genau, welche Konkurrenten die KI nennt und welche Quellen (Verzeichnisse, Bewertungsportale, Lokalnachrichten) die Antworten zitieren. Die Rezept-Engine listet dann die konkreten Seiten und Inhalte, die dem Unternehmen fehlen.
- Wo es steht
- Die Diagnose ist das Produkt: Statt zu raten, bekommt der Inhaber eine priorisierte Liste von Zitationslücken — die konkreten Drittseiten und eigenen Inhalte, aus denen KI-Antworten in seiner Stadt tatsächlich schöpfen. Der Beispiel-Report unten zeigt genau dieses Format mit echten Scan-Daten.
Selbstexperiment — Content-Strategie
Wir testen, ob gezielte Seiten KI-Antworten bewegen
- Die Frage
- Das Kernversprechen von GEO lautet: Die richtigen Inhalte verändern, was KI empfiehlt. Bevor wir Kunden bitten, das zu glauben, testen wir es an uns selbst.
- Was wir getan haben
- Auf Basis unserer eigenen Zitationslücken-Daten haben wir gezielte Wissens- und Vergleichsseiten veröffentlicht und lassen die wöchentliche Monitoring-Schleife die Veränderung der Erwähnungsquote über die folgenden Scans messen — dieselbe Verifikationsschleife, die im Optimize-Plan steckt.
- Wo es steht
- Dieses Experiment läuft gerade, und die Zahlen werden hier veröffentlicht — auch wenn sie enttäuschen sollten. Uns ist eine echte, langsame Kurve lieber als ein erfundener Hockeyschläger.
Ihre Geschichte könnte hier stehen
Wenn Sie Geovory während der offenen Beta nutzen und es Ihnen geholfen hat, eine KI-Sichtbarkeitslücke zu finden (oder zu schließen), erzählen wir Ihre Geschichte gern — mit Ihrer Erlaubnis und Ihrem echten Namen, oder auf Wunsch anonymisiert. Schreiben Sie an support@zalize.com, was Sie gefunden haben.