Dialog-Klebrigkeit

Dialog-Stickiness beschreibt, wie oft eine generative Engine in aufeinanderfolgenden Prompts innerhalb derselben Sitzung zu deinem Content zurückkehrt. Einfach gesagt: Wenn ChatGPT, Perplexity oder Googles AI Overviews dich einmal nennen, bist du dann beim nächsten Turn verschwunden – oder bleibst du in der Antwortkette?

Das ist relevant, weil KI-Suche die Klickmöglichkeiten komprimiert. Eine Nennung ist schön. Drei Nennungen in einer Fünf-Turn-Sitzung sind Marktanteil.

Was es tatsächlich misst

Das ist keine Kennzahl aus der Google Search Console, und das ist die erste wichtige Einschränkung. „Dialog-Stickiness“ findest du in GSC, Ahrefs, Semrush, Moz oder Screaming Frog nicht „out of the box“. Das ist eine operative GEO-Kennzahl, die Teams sich selbst erstellen – meist, indem sie KI-Zitate über vorab skriptete Prompt-Sequenzen hinweg auswerten.

Eine einfache Version lautet: durchschnittlich zitierte Turns pro Sitzung. Wenn deine Domain in 2,4 Turns über eine 4-Turn-Testkonversation hinweg auftaucht, ist diese Sitzung „sticky-er“ als eine, in der du nur einmal vorkommst und dann verschwindest.

Nützlich? Ja. Standardisiert? Nicht ansatzweise.

Warum manche Inhalte „kleben“

Generative Engines nutzen tendenziell Quellen, die sich leicht abrufen, leicht zitieren lassen und breit genug sind, um die nachgelagerte Intention abzudecken. Seiten mit klaren Subheadings, präzisen Definitionen, Vergleichstabellen, FAQs und konkreten Zahlen schneiden häufig besser ab als vage Thought-Leadership-Texte.

Surfer SEO kann helfen, die thematische Abdeckung zu straffen. Screaming Frog kann in großem Maßstab dünne Abschnitte, fehlende Anchors und eine schwache Heading-Struktur finden. Ahrefs und Semrush sind hier weiterhin nützlich – nicht direkt für Dialog-Daten, sondern um die Seiten zu identifizieren, die bereits Links, Rankings und Brand-Nachfrage verdienen. Genau diese Faktoren machen sie wahrscheinlicher, dass sie von Retrieval-Systemen ausgewählt werden.

Zahlen helfen. Originaldaten helfen mehr. Eine Seite mit 12 konkreten Benchmarks und einer sauberen Tabelle „klebt“ oft besser als ein 1.800-Wörter-Meinungsbeitrag ohne zitierbare Fakten.

So verbesserst du es

• Schreibe für Follow-up-Intent: beantworte die erste Anfrage und decke dann die nächsten 3–5 naheliegenden Fragen auf derselben URL ab.
• Nutze zitierfähige Abschnitte: klare Überschriften und Sprunglinks erleichtern das Retrieval auf Passage-Ebene.
• Ergänze kompakte Vergleichs-Assets: Tabellen, Pro/Contra-Listen, Definitionen und Schrittfolgen sind „Citation Bait“.
• Halte Entitäten konsistent: Produktnamen, Autorennamen, Preise und Kennzahlen sollten über die gesamte Website hinweg übereinstimmen.
• Frische Fakten konsequent auf: veraltete Zahlen lassen die Wiederverwendung sehr schnell absterben – besonders in SaaS, Finanzen und Gesundheit.

Googles John Mueller hat 2025 bestätigt, dass KI-Features keine saubere 1:1-Ersetzung für klassische Search-Reporting-Ansichten schaffen. Das ist die zweite Einschränkung: Du leitest die Wirkung oft aus Zitationen, Lift bei branded Search, assistierten Conversions und Log-Level-Verhalten ab – nicht aus einem nativen Plattform-Report.

So misst du es, ohne dich selbst zu täuschen

Führe kontrollierte Prompt-Sets durch. Verfolge pro Topic-Cluster 20–50 Konversationen. Dokumentiere, ob deine Domain in Turn 1, Turn 2, Turn 3 usw. zitiert wird. Vergleiche anschließend mit Wettbewerbern.

Übertreibe keine Präzision. Das Modellverhalten ändert sich wöchentlich. Personalisierung, Memory, Standort und Unterschiede in der Oberfläche können Ergebnisse verzerren. Eine Seite kann in Perplexity sehr sticky sein und in Googles AI Overviews unsichtbar.

Der praktische Nutzen ist vergleichend, nicht absolut. Wenn sich dein Dokumentations-Hub von 0,8 zitieren Turns pro Testsitzung auf 2,1 nach einem Relaunch/Rewrite erhöht, ist das ein Signal. Behandle es wie Share of Voice für Konversationen. Unordentlich, aber umsetzbar.