Neue Studie zu KI-Traffic: LLM-Zugriffe konvertieren nicht besser als organische Suche

Eine aktuelle Untersuchung kann die Annahme nicht bestätigen, dass KI-Traffic qualifizierter sei und höhere Konversionsraten erziele als traditionelle Traffic aus klassischen Suchmaschinen. 

Eine datengestützte Studie von Amsive kommt zu den Ergebnis, dass LLM-Traffic aktuell keinen signifikanten Konversionsvorteil bietet und hinsichtlich des Volumens weiterhin nur eine geringe Rolle spielt.

 Anzeige

TL;DR: das Wichtigste in Kürze

• LLM-Traffic zeigt keine statistisch signifikant höhere Konversionsrate als organischer Traffic, obwohl ein leichter durchschnittlicher Vorteil beobachtet wurde
• Weder das Geschäftsmodell (B2B vs. B2C) noch die Branche beeinflussen signifikant, wie LLM-Traffic im Verhältnis zu organischem Traffic konvertiert.
• Der Volumenanteil von LLM-Traffic ist mit durchschnittlich weniger als 1 Prozent des gesamten Traffics weiterhin vernachlässigbar, während organischer Traffic etwa ein Drittel der Sitzungen und Konversionen ausmacht.
• Marken sollten die Optimierung für LLMs nicht ignorieren, sondern diesen Kanal strategisch in eine umfassende Suchstrategie integrieren und den LLM-Traffic monatlich überwachen.

Es gab immer wieder Spekulationen darüber, ob Zugriffe von KI-Chatbots die Customer Journey beschleunigen und überdurchschnittliche Konversionsraten liefern. Zudem behauptet Google, Klicks aus den KI-Zusammenfassungen (AI Overviews) seien hochwertiger als Klicks auf klassische Suchergebnisse. 

Eine umfassende Analyse von 54 Websites aus verschiedenen Branchen hatte das Ziel, diese Annahmen anhand von Primärdaten zu überprüfen.

Methodik der Untersuchung

Für die Studie wurden nur Websites berücksichtigt, die messbare, geschäftsrelevante Makro-Konversionen aufwiesen – das waren zum Beispiel Demo-Anfragen oder Formularübermittlungen für B2B-Seiten und Käufe für E-Commerce-Seiten. Websites, die sich lediglich auf Engagement-Metriken konzentrierten, wurden ausgeschlossen, weil sie keine direkten Geschäftsergebnisse abbilden. Die Genauigkeit der Konversionsverfolgung wurde auf jeder Website manuell geprüft. Alle verwendeten Metriken stammen aus GA4 und decken einen Zeitraum von sechs Monaten ab. Die Konversionsraten wurden auf Sitzungsbasis berechnet, um Konsistenz zwischen B2B- und B2C-Websites zu gewährleisten. Zur statistischen Absicherung der Ergebnisse kamen Methoden wie der gepaarte T-Test und der Welch-Test zum Einsatz.

Schlüsselergebnisse im Detail

• Konversionsraten im Vergleich: Im Durchschnitt lag die Konversionsrate für organischen Traffic bei 4,60 Prozent, während LLM-Referrals eine Rate von 4,87 Prozent aufwiesen. Obwohl auf den ersten Blick ein leichter Vorteil für LLM-Traffic erkennbar war, zeigte ein gepaarter T-Test, dass dieser Unterschied statistisch nicht signifikant war (p = 0,794). Das bedeutet, die beobachtete Abweichung ist wahrscheinlich auf Zufall zurückzuführen und nicht auf einen systematischen Vorteil des LLM-Kanals. LLM-Traffic konvertierte demnach nicht wesentlich anders als organischer Traffic.
  
  
• Keine konsistente Überlegenheit: Eine detaillierte Analyse der einzelnen Websites ergab keinen klaren Trend, dass LLM-Traffic die Durchschnittswerte der Websites konsequent übertraf. Auf 56 Prozent der Websites konvertierte LLM-Traffic besser als der Seitendurchschnitt, auf 41 Prozent schlechter und auf 4 Prozent gleich. Diese nahezu gleichmäßige Verteilung deutet darauf hin, dass es keinen konsistenten Konversionsanstieg durch LLM-Traffic gab.
• Robustheit der Ergebnisse (Sensitivitätsanalyse): Selbst nach dem Filtern von Websites mit geringem Traffic, um nur solche mit mindestens 100.000 Gesamtsitzungen, 50 LLM-Sitzungen und 5 LLM-Konversionen zu betrachten, blieb der Unterschied zwischen LLM- und organischem Traffic statistisch nicht signifikant (p = 0,376).
• Keine Unterschiede nach Geschäftsmodell: Auch eine Aufschlüsselung nach Geschäftsmodellen (B2B vs. B2C) zeigte keine signifikanten Unterschiede. Sowohl B2B- als auch B2C-Websites zeigten zwar eine leicht positive Tendenz für LLM-Traffic, aber die Variabilität war zu hoch, um ein aussagekräftiges Muster abzuleiten. Ein Welch-Test bestätigte, dass das Geschäftsmodell die Konversionsleistung von LLM-Traffic im Verhältnis zu organischem Traffic nicht wesentlich ändert.
• Geringer Traffic-Umfang: Der LLM-Traffic machte bei der überwiegenden Mehrheit der Websites weniger als ein Prozent des gesamten Website-Traffics aus. Fast 90 Prozent der Websites erhielten weniger als 0,6 Prozent ihres gesamten Traffics von LLMs. Im Gegensatz dazu trug organischer Traffic durchschnittlich etwa ein Drittel der Gesamtsitzungen (31,9 Prozent) und Konversionen (33,8 Prozent) bei. Diese Unterschiede waren statistisch signifikant (p < 0.001), was darauf hindeutet, dass der Umfang des LLM-Traffics im Vergleich zum organischen Traffic weiterhin vernachlässigbar ist.
• Branchensegmentierung: Obwohl die Konversionsraten zwischen den Branchen stark variierten, gab es keinen konsistenten Kanalvorteil. Diese explorativen Ergebnisse sollten wegen der kleinen Stichprobengrößen mit Vorsicht interpretiert werden.

Quelle: amsive

Fazit und Handlungsempfehlungen 

Die Studienergebnisse zeigen, dass LLM-Traffic derzeit keinen messbaren Konversionsvorteil gegenüber organischem Traffic bietet. LLM-Traffic konvertiert in etwa gleich gut wie organischer Traffic und die Website-Durchschnittswerte. Der größte Faktor ist das Volumen, weil organischer Traffic weiterhin die Branchen dominiert, sowohl hinsichtlich des Traffic-Anteils als auch des Konversionsanteils.

Obwohl die Customer Journey komplexer wird und sich weiterentwickelt, sollte kein einzelner Kanal als Allheilmittel für qualifizierten Traffic angesehen werden. Nutzer verwenden zunehmend sowohl traditionelle Suchmaschinen als auch LLMs während ihrer gesamten Customer Journey. Marken sollten die Optimierung für LLMs und KI-Suche nicht ignorieren, weil das ein wichtiger Teil der zukünftigen Suchlandschaft ist und strategisch in eine umfassende Suchstrategie integriert werden sollte.

Es wird empfohlen, den LLM-Traffic monatlich zu verfolgen. Dabei sollten Wachstumstrends, die von LLMs angesurften Seitenarten und die Konversionsleistung im Vergleich zur organischen Suche beachtet werden. Für Websites, die nur marginalen Traffic von LLMs erhalten, ist ein ausgewogener Ansatz ratsam, der die Vorteile eines "Early Movers" nutzt, aber gleichzeitig bewährte Kanäle mit nachweislichem Geschäftserfolg priorisiert.

Einschränkungen der Analyse 

Die Analyse maß Makro-Konversionen am Punkt der Formularübermittlungen oder Käufe, berücksichtigte jedoch nicht die Konversionsraten von Leads zu zahlenden Kunden. Konversionen wurden mithilfe der Last-Touch-Attribution behandelt, obwohl Kundenreisen selten linear verlaufen. Um die Konversionsqualität besser zu verstehen, wird empfohlen, selbstberichtete Attributionsdaten in Lead-Formularen zu implementieren.