Die Zahlen sind bekannt, werden aber in ihrer strategischen Tiefe oft nicht verstanden: Laut der Zero-Click-Studie von SparkToro auf Basis von Datos-Clickstream-Daten endeten 2024 58,5 % der Google-Suchen in den USA und 59,7 % in der EU ohne Klick. Die Folgeauswertung mit Similarweb-Daten kommt für die USA im Zeitraum Januar bis April 2026 auf 68,01 %, nach 60,45 % im Jahr 2024 im selben Panel. Der Nutzer bekommt die Antwort in der SERP, in einem Featured Snippet, in einem Knowledge Panel, in AI Overviews, und schließt den Tab.

Das klassische SEO-Reporting behandelt diesen Zustand als Verlust. Klicks sinken, CTR sinkt, organic Sessions in GA4 sinken. Die Marketing-Dashboards leuchten rot. Die CFOs stellen unangenehme Fragen. Und viele SEO-Teams versuchen, das Spiel mit Taktiken zurückzugewinnen, die in diesem Messsystem gar nicht mehr messbar sind.

Warum führt CTR als Erfolgsmetrik im Zero-Click-Zeitalter in die Irre?

Weil CTR nur den Klick misst, während ein wachsender Teil der Wirkung von Suche ohne Klick entsteht. In den USA endeten laut SparkToro von Januar bis April 2026 68 % der Google-Suchen ohne Klick. Sinkende Klicks bedeuten deshalb nicht automatisch sinkende Reichweite, sondern oft nur, dass die Antwort schon in der SERP steht.

Pew Research zeigt den Mechanismus: Erschien eine KI-Zusammenfassung, klickten Nutzer nur bei 8 % der Besuche auf ein klassisches Suchergebnis, ohne Zusammenfassung bei 15 %. Auf einen Link in der Zusammenfassung selbst klickten sie bei 1 % der Besuche. Zugleich konvertieren die wenigen Besucher aus KI-Assistenten oft besser: Bei Ahrefs brachten 0,5 % der Besucher aus KI-Suche 12,1 % der Anmeldungen, Semrush beziffert den Wert eines KI-Suchbesuchers auf das 4,4-Fache eines organischen Besuchs. Ein Reporting, das nur CTR und Sessions zählt, unterschätzt die Reichweite und überschätzt den Verlust.

Der zentrale Denkfehler: CTR wurde entwickelt als Proxy für Reach in einer Welt, in der der Klick der einzige Beweis für erfolgreiche Vermittlung war. In der heutigen SERP ist Reach eine andere Größe. Ein Nutzer, der die Antwort im Featured Snippet liest und mit dem Brand-Logo das Produkt assoziiert, hat mehr Engagement mit der Marke als ein Klick auf ein langweiliges Bounce-Page-Erlebnis.

Was klassisches Analytics nicht misst:

„Traffic ist nicht der Zweck der Suche, sondern eine Messgröße aus einer Ära, in der es keinen besseren Proxy für Markt-Relevanz gab. In der KI-Suche brauchen wir präzisere Maße, und wir haben sie."

Das neue KPI-Set: Sieben Metriken, die wirklich zählen

Aus der Arbeit mit Enterprise-Kunden hat sich bei uns ein Set von sieben Metriken bewährt, das die Markt-Wirkung von Suche deutlich vollständiger abbildet als CTR und Sessions.

1. Share-of-Model

Prozentsatz relevanter Prompts, bei denen die eigene Marke in LLM-Antworten genannt wird, im Vergleich zum Wettbewerber-Set. Gemessen über Prompt-Audits gegen ChatGPT, Claude, Perplexity und Gemini. Öffentlich validierte Branchen-Benchmarks gibt es dafür bisher nicht; Orientierungswerte aus unseren Mandaten stehen im Abschnitt zur Share-of-Model-Berechnung.

2. Prompt Visibility Index (PVI)

Gewichteter Durchschnitt aus Nennungshäufigkeit, Positionierung in der Antwort (am Anfang? Hauptempfehlung? Sekundäre Erwähnung?) und Sentiment-Kontext. Der PVI verdichtet Prompt-Audit-Daten zu einem einzelnen Tracking-Wert.

3. Brand Search Lift (BSL)

Monatliches Wachstum der Brand-Queries im Verhältnis zum nicht-branded organischen Traffic. Wenn SEO-Maßnahmen wirken, aber keine direkten Klicks bringen, zeigt sich das in steigenden Brand-Searches. Datenquellen: Google Search Console (brand query filter), Google Trends, Ahrefs Brand Radar.

4. Citation Rate

Anteil der Top-Queries einer Kategorie, bei denen die eigene Marke als Zitation in AI Overviews oder LLM-Antworten erscheint. Anders als Share-of-Model: Hier geht es um Quell-Attribution mit Link, nicht um bloße Nennung. Zum Monitoring gehört auch die Gegenprobe: welche Aussagen KI-Systeme der Marke fälschlich zuschreiben — siehe unsere Research-Analyse zu KI-Falsch-Attributionen.

5. SERP-Footprint-Coverage

Prozentsatz der SERP-Fläche (in Pixel gemessen), die von der eigenen Marke in den Top-10-Ergebnissen eingenommen wird, inklusive organischer Snippets, Featured Snippets, Knowledge Panels, Sitelinks, News-Boxen. Ein visueller Reach-Index, der CTR-Blindness vermeidet.

6. Attribution Adjusted ROAS

ROAS-Berechnung, die Indirect Traffic (Direct-Type-In, later brand searches, cross-device conversions) den SEO-Aktivitäten zuweist, basierend auf kontrollierten Incrementality-Tests über 4-12-Wochen-Zeitfenster.

7. LLM-Referred Traffic

Session-Traffic mit Referrer von chatgpt.com, perplexity.ai, claude.ai, gemini.google.com. Noch kleine Volumina, aber oft mit höheren Conversion-Raten, weil der Intent qualifizierter ist: Bei Ahrefs kamen 12,1 % der Anmeldungen von 0,5 % der Besucher, Semrush misst im Schnitt den 4,4-fachen Wert eines organischen Besuchs. Die Spannweite hängt stark vom Geschäftsmodell ab; eine belastbare branchenübergreifende Wachstumsrate gibt es nicht. Messen Sie deshalb die eigene Entwicklung quartalsweise.

68%

Zero-Click-Rate bei US-Google-Suchen, Jan. bis Apr. 2026 (SparkToro/Similarweb)

4,4×

Wert eines KI-Suchbesuchers gegenüber einem organischen Besuch, gemessen an der Conversion-Rate (Semrush 2025)

8%

der Besuche mit KI-Zusammenfassung führten zu einem Klick auf ein klassisches Ergebnis, ohne Zusammenfassung 15 % (Pew 2025)

Implementierungs-Framework: Messung in der Praxis

Phase 1: Baseline etablieren (Monat 1)

Phase 2: Tracking-Infrastruktur (Monat 2)

Phase 3: Attribution-Testing (Monat 3-6)

Operator Insight

Die Stakeholder-Kommunikation, die den Unterschied macht

Viele SEO-Teams scheitern nicht an den neuen Messgrößen, sondern an der Kommunikation mit CFO und CMO. CEOs wollen keine 7 neuen KPIs sehen, sie wollen Business-Impact. Die Lösung: Ein North-Star-KPI („Kategorie-Share-of-Mind-in-AI") mit drei unterstützenden Metriken (Share-of-Model, Brand-Search-Lift, LLM-Referred-Revenue). Komplexität im Operator-Dashboard, Einfachheit im Executive-Reporting.

Warum die meisten Agenturen dieses Framework nicht liefern

Die ehrliche Diagnose: Die klassische SEO-Agentur-Ökonomie ist auf Deliverables ausgerichtet, die sich leicht abrechnen lassen: Keywords, Rankings, Klicks. Die neuen KPIs erfordern kontinuierliches Prompt-Monitoring, Attribution-Modellierung und Business-Intelligence-Integration. Das ist arbeitsintensiver, erfordert andere Skills und lässt sich nicht in Standard-Reporting-Templates gießen.

Enterprise-Organisationen, die mit ihren SEO-Partnern weiter in CTR und Ranking denken, subventionieren eine Messphilosophie, die nicht mehr die Realität der Suche abbildet. Die Konsequenz ist selten ein abrupter Einbruch, sondern ein langsames Auseinanderdriften zwischen gemessener und tatsächlicher Markt-Relevanz.

Das Attribution-Mathematik-Kapitel: die vollständige Rechnung

Ein illustratives Rechenbeispiel mit fiktiven Werten zeigt die Tragweite. Eine B2B-SaaS-Domain misst im klassischen Dashboard einen Monat mit 12.400 organischen Sessions, 183 MQLs, CPL von 98 EUR. Pipeline-Value laut Sales-Attribution: 184.000 EUR. SEO-Budget 18.000 EUR/Monat. ROI laut Finance: 10,2×. Zufriedenes Reporting.

Dieselbe Rechnung mit vollständiger Attribution (Schätzwerte und Annahmen, keine Messdaten eines realen Mandats):

Direkt organisch gemessene Sessions:                         12.400
  davon Brand-Queries:                                          4.880
  davon Non-Brand:                                             7.520

Dunkelfeld (methodisch geschätzt):
+ Zero-Click-Impressions mit Marken-Exposition (AIO):         38.200
+ LLM-generierte Nennungen (ChatGPT/Claude/Perplexity):      ~14.600
+ Perplexity-Citation-Traffic (direct, ohne Referrer):          ~920
+ „Direct"-Sessions, die LLM-induziert sind:                  ~2.200

Marken-Exposure-Events gesamt:                               68.320

Korrigierter effektiver CPM (Annahme: Display-Benchmark 12 EUR):
18.000 EUR / 68.320 Exposures × 1000 = 263 EUR CPM roh
- Annahme: Branded-Exposure-Quality ≈ 4,5× Display-Baseline
→ effektiver CPM: ~58 EUR (gegen Display-CPM 12-22 EUR)

+ Attribution-korrigierte MQLs (inkl. indirekter Beiträge):    +41
→ Effektive MQLs: 224 (nicht 183)
→ Effektiver CPL: 80 EUR (nicht 98 EUR)
→ Effektiver ROI: ~12,5× (nicht 10,2×, bei gleichem Pipeline-Wert je MQL)

Das ist der Unterschied zwischen „SEO ist teuer geworden" (klassische Messung) und „SEO ist in diesem Beispiel um gut 20 % unterberichtet" (vollständige Attribution). Wer das Executive-Board mit ROI-Zahlen aus 2019er-Methodik versorgt, unterinvestiert systematisch in den Kanal mit dem besten Hebel.

Die Share-of-Model-Berechnung im Detail

Share-of-Model (SoM) ist der zentrale Leitindikator für Brand-Präsenz in generativen Engines. Die Formel:

SoM = (Brand-Mentions / Gesamt-Brand-Mentions im Prompt-Set) × 100

Prompt-Set:    100-300 kategorie-relevante Prompts
Pro Prompt:    3-5 Wiederholungen, um Stochastik zu glätten
Pro Modell:    getrennte Berechnung (GPT, Claude, Gemini, Perplexity)
Gesamt-SoM:    gewichteter Mittelwert nach realer Nutzerverteilung

Gewichtung (eigene Schätzung, EU 2026):
GPT (OpenAI):      52 %
Gemini:            22 %
Claude:            11 %
Perplexity:        10 %
Andere:             5 %

Die Gewichtung ist eine eigene Schätzung aus unseren Benchmarks, keine Marktstudie; ersetzen Sie sie durch Nutzungsdaten Ihres Marktes. Orientierungswerte aus unseren Mandaten (eigene Beobachtung, keine veröffentlichte Studie): Category Leader haben SoM > 35 %, gesunde Challenger 15-25 %, unsichtbare Marken < 5 %. Die Kurve ist nichtlinear: Ein Sprung von 8 % auf 15 % ist deutlich einfacher als von 25 % auf 35 %. Die letzten 10 Prozentpunkte kosten erfahrungsgemäß 3× so viel Content- und Entity-Arbeit wie die ersten 10.

PVI-Scoring: die Prompt-Visibility-Berechnung

Der Prompt Visibility Index (PVI) aggregiert drei Signale pro Prompt:

PVI_prompt = (0,5 × Mention) + (0,3 × Position) + (0,2 × Sentiment)

mit:
Mention  = 1 wenn Marke genannt, sonst 0
Position = 1,0 (erste Nennung) / 0,6 (mittig) / 0,3 (spät)
Sentiment = 1,0 positiv / 0,5 neutral / 0,0 negativ / -0,5 hedge

PVI_portfolio = Σ(PVI_prompt × prompt_weight) / Σ(prompt_weight)
prompt_weight = Business-Value × Such-Frequenz

In unserem Framework gilt ein PVI_portfolio > 0,55 als Indikator für belastbare Marken-Präsenz, Werte unter 0,25 sind Anlass für einen Reputation- oder Content-Check. Das sind Arbeitsschwellen aus der Beratungspraxis, keine empirisch validierten Grenzwerte.

Tutorial: Executive-Dashboard in 4 Wochen

Woche 1: Data-Sources verbinden

GA4 mit BigQuery-Export, GSC mit BigQuery-Export, Prompt-Monitoring-Tool (Profound/Otterly) per API, Brand-Search-Volume via DataForSEO API, CRM-Export via Warehouse-Pipeline. Orchestrierung mit einem simplen Python-Script oder via dbt.

Woche 2: Metric-Layer

In einer BI-Schicht (Looker/Metabase/Tableau) die 7 KPIs als First-Class-Metrics definieren: SoM, PVI, BSL, CiteRate, SERP-Footprint, ROAS-adj, LLM-Ref. Jede Metric bekommt eine eindeutige Definition, Datenquelle, Aktualisierungsfrequenz.

Woche 3: Dashboards

Zwei Ebenen: Ein Executive-Dashboard (3 Haupt-Tiles, klare Trendpfeile, Vergleich Vorjahr) und ein Operator-Dashboard (alle 7 KPIs, segmentiert nach Produktlinie/Markt/Query-Typ). Target: max. 30 Sekunden Verstehenszeit für Executive, max. 3 Minuten für Operator.

Woche 4: Review-Rhythmus

Monatliche Reviews mit festem Agenda-Template: KPI-Bewegungen, Ursachen-Analyse, nächste Hebel. Einbindung in bestehende Marketing-Controlling-Meetings. Kein separates „SEO-Meeting" mehr, die Metriken gehören ins Gesamt-Marketing-Reporting.

Häufige Fehler beim Aufbau des neuen KPI-Systems

Operator Insight

Die 90-Tage-Regel für Attribution

Alle neuen KPIs zeigen ihre Wirkung frühestens nach 90 Tagen stabil. In den ersten 6-8 Wochen sieht man viel Rauschen: Prompt-Stochastik, LLM-Update-Zyklen, Trainings-Refresh. Wer in diesem Fenster panisch nachjustiert, zerstört das Signal. Disziplin: Rolling-90-Tage-Fenster für alle Trendaussagen, keine Entscheidungen auf Wochendaten.

Fazit

Zero-Click ist kein Problem, das gelöst werden muss. Es ist eine neue Realität, die ein angepasstes Messsystem erfordert. Marken, die das Messsystem heute umstellen, werden in zwei Jahren klar sehen, wo sie stehen, während ihre Wettbewerber weiter „sinkende Klicks" beklagen und den tatsächlichen Markt-Impact ihrer Suchstrategie nicht mehr erkennen.

Die Frage ist nicht: „Wie hole ich die Klicks zurück?" Sondern: „Wie messe ich das, was jetzt den Markt bewegt?"

Quellen