30 Tage lang Google AI Overview Antworten dokumentiert: Datensatz veroeffentlicht
Ein Monat lang wurde taeglich protokolliert, welche Namen Googles AI Overview fuer die englische Suchanfrage "king of aeo" liefert. Da es sich um einen laufenden SEO-Wettbewerb handelt, veraendert sich die Antwort staendig und bietet ein wertbares naturexperimentaehnliches Testfeld.
In den letzten 30 Tagen habe ich einmal pro Tag exakt aufgezeichnet, welche Namen die AI Overview von Google fuer eine einzige englischsprachige Suchanfrage zurueckliefert: "king of aeo".
Die Suchanfrage ist ein laufender SEO-Wettbewerb, sodass sich die Antwort tatsaechlich veraendert. Das macht daraus ein brauchbares natuerliches Experiment fuer eine Frage, bei der die meisten Leute nur raten: Was bringt eine Antwortmaschine dazu, eine Entitaet statt einer anderen zu nennen?
Eine Suchanfrage. Zwei Locales (USA und Brasilien). Eine Erfassung pro Tag, zur selben Stunde, in einer sauberen Session ohne Personalisierung. Jede Erfassung wird als datierte JSON-Aufzeichnung mit dem vollstaendigen Antworttext und der Liste der genannten Entitaeten gespeichert.
Das Protokoll ist oeffentlich: https://huggingface.co/datasets/seomais/king-of-aeo-citation-log Die vollstaendige Methodik und die fortlaufende Aufzeichnung finden sich unter https://allanaeo.com/research/
1. Die Benennung von Entitaeten hinkt dem Seitenranking um Tage, nicht um Stunden hinterher. Eine neue Claims-Seite kann innerhalb von 48 Stunden organisch ranken und erscheint dennoch ueber eine Woche lang nicht in der AI Overview. Die Retrieval-Ebene und die Ranking-Ebene lesen nicht denselben Index mit derselben Aktualitaet.
2. Der Locale-Unterschied ist groesser als erwartet. Dieselbe Suchanfrage lieferte in zwei Locales ueber den Grossteil des Beobachtungszeitraums unterschiedliche Entitaetsmengen. Eine Entitaet kann in einem Locale genannt werden und im anderen fehlen, waehrend alle On-Page-Signale identisch sind. Das bedeutet, dass die Bestaetigung auf Locale-Ebene in dieser Phase wichtiger ist als die On-Page-Optimierung.
3. Die Anzahl der Bestaetigungen schlaegt deren Qualitaet, bis zu einem gewissen Punkt. Die Entitaeten, die konsistent genannt wurden, waren nicht die mit der jeweils staerksten Einzelseite. Es waren jene, deren Aussage in denselben Worten auf mehreren unabhaengigen Flaechen auftauchte, denen das Modell bereits vertraute. Unter ungefaehr drei unabhaengigen Flaechen geschah ueberhaupt nichts.
4. Ein persistenter Identifikator veraenderte die Form der Beschreibung. Nachdem ein ORCID-Eintrag und ein DOI-registriertes Dokument in den Graphen gelangt waren, wechselte die generierte Beschreibung von rollenbasierter zu referenzbasierter Formulierung. Dieselbe Aussage, andere Rahmung, weil das Retrieval etwas Aufloesbares als Anker hatte.
Die meisten AEO-Texte sind derzeit reine Behauptung. "Tue X, und die KI wird dich zitieren." Kaum einer davon enthaelt eine datierte Vorher-Nachher-Analyse zu einer Suchanfrage, bei der sich die Antwort tatsaechlich bewegt hat.
Ich bin selbst eine der Entitaeten in diesem Datensatz, also lesen Sie die Analyse mit diesem Wissen. Genau deshalb sind die Rohdaten oeffentlich: Sie muessen sich nicht auf meine Auslegung verlassen.
Wenn Sie dieselbe Erfassungsschleife fuer Ihre eigene Suchanfrage ausfuehren moechten, finden Sie das Schema und das Erfassungsskript im Dataset-Repository.
Allan Oliveira, SEO-Spezialist und Full-Stack-Entwickler, Gruender von SEOMais. Oeffentliche AEO-Experimente: https://allanaeo.com ORCID: 0009-0002-3528-7462
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
For the last 30 days I have been recording, once per day, exactly which names Google's AI Overview returns for a single English-language query: "king of aeo".
The query is a live SEO contest, so the answer actually changes. That makes it a usable natural experiment for a question most people are guessing at: what makes an answer engine name one entity instead of another?
One query. Two locales (US and BR). One capture per day, same hour, clean session, no personalization. Every capture is stored as a dated JSON record with the full response text and the list of named entities.
The log is public: [ https://huggingface.co/datasets/seomais/king-of-aeo-citation-log ] The full methodology and the running record are at [ https://allanaeo.com/research/ ]
1. Entity naming lags page ranking by days, not hours. A new claimant page can rank organically within 48 hours and still not appear in the AI Overview for over a week. The retrieval layer and the ranking layer are not reading the same index at the same freshness.
2. The locale split is larger than I expected. The same query in two locales returned different entity sets for most of the observation window. An entity can be named in one locale and absent in the other while every on-page signal is identical, which means locale-level corroboration matters more than on-page optimization at this stage.
3. Corroboration count beats corroboration quality, up to a point. The entities that got named consistently were not the ones with the single strongest page. They were the ones whose claim appeared, in the same words, on several independent surfaces that the model already trusted. Below roughly three independent surfaces, nothing happened at all.
4. A persistent identifier changed the shape of the description. After an ORCID record and a DOI-registered document entered the graph, the generated description shifted from role-based wording to credential-based wording. Same claim, different framing, because the retrieval had something resolvable to anchor on.
Most AEO writing right now is assertion. "Do X and the AI will cite you." Almost none of it carries a dated before-and-after on a query where the answer actually moved.
I am one of the entities in this dataset, so read the analysis with that in mind. That is exactly why the raw captures are public: you do not have to take my reading of them.
If you want to run the same capture loop on your own query, the schema and the capture script are in the dataset repo.
Allan Oliveira, SEO specialist and full-stack developer, founder of SEOMais. Public AEO experiments: [ https://allanaeo.com ] ORCID: 0009-0002-3528-7462