WAS KI-EMPFOHLENE LOKALE BETRIEBE GEMEINSAM HABEN
1.206 Merkmale, 7 US-Branchen, mit Signifikanzprüfung

Herausgeber: rethink.expert
Stand:       01.10.2026 (Datenstand September 2026)
Lizenz:      CC BY 4.0
Webseite:    https://www.rethink.expert/insights/ki-empfehlungen-lokale-branchen/


WAS DIESE DATEI IST
-------------------

Eine Nachrechnung der offenen Daten des "AI Local Visibility Index" von
KKV Labs (September 2026) über alle sieben Branchen hinweg.

Für jedes der 1.206 Merkmale (Branche x Signal) enthält sie
  - den Anteil bei Betrieben, die Google AI Mode auf die Frage
    "best <Branche> in <Stadt, Bundesstaat>" nannte,
  - den Anteil bei nicht genannten Betrieben,
  - die Differenz und
  - eine Signifikanzprüfung mit Korrektur für Mehrfachtests.

Die Ausgangsanteile stammen unverändert von KKV Labs. Neu sind die Spalten
z, p, q_bh und robust sowie die Zusammenführung aller sieben Branchen in
einer Tabelle.


DATEIEN
-------

ki-empfehlungen-lokale-branchen-2026-10.csv
  Standard-CSV: Komma als Trennzeichen, Punkt als Dezimalzeichen.
  Für Statistik-Software, Python, R usw.

ki-empfehlungen-lokale-branchen-2026-10-excel-de.csv
  Für deutschsprachiges Excel: Semikolon als Trennzeichen, Komma als
  Dezimalzeichen. Öffnet per Doppelklick korrekt in Spalten.

Beide Dateien sind inhaltlich identisch und enthalten nur ASCII-Zeichen
(Umlaute umschrieben, z. B. "Sanitaer").


SPALTEN
-------

industry
  Branchenkennung wie im Quell-Repository: medspa, roofers, dentists,
  law-firms, chiropractors, hvac, plumbers

industry_de
  Deutsche Bezeichnung

section, signal
  Merkmalsgruppe und Merkmal, unverändert aus stack.csv (englisch)

n_named, n_unnamed
  Anzahl ausgelesener Websites genannter bzw. nicht genannter Betriebe
  (aus meta.json)

share_named_pct, share_unnamed_pct
  Anteil in Prozent, von KKV Labs auf ganze Zahlen gerundet

diff_pp
  Differenz in Prozentpunkten (genannt minus nicht genannt)

z
  z-Wert eines Zwei-Proportionen-Tests (gepoolte Varianz)

p
  zweiseitiger p-Wert

q_bh
  p-Wert nach Benjamini-Hochberg-Korrektur über alle 1.206 Tests gemeinsam

robust
  "ja", wenn q_bh kleiner als 0,05 ist


METHODE
-------

- Zwei-Proportionen-z-Test je Merkmal und Branche, berechnet aus den
  gerundeten Anteilen und den Gruppengrößen.

- Korrektur für Mehrfachtests nach Benjamini-Hochberg (Kontrolle der False
  Discovery Rate), angewendet auf alle Tests aller Branchen gemeinsam. Das
  ist strenger als eine Korrektur je Branche.

- Ein Merkmal gilt als "robust", wenn der korrigierte Wert unter 0,05 liegt.

- Ergänzend betrachten wir im zugehörigen Insight die Einheitlichkeit der
  Richtung über Branchen hinweg (Vorzeichentest): Zeigt ein Merkmal in allen
  sieben Branchen in dieselbe Richtung, ist das bei fehlendem Zusammenhang
  nur mit rund 1,6 % Wahrscheinlichkeit zu erwarten - auch wenn die
  einzelnen Werte klein sind. Dieser Test setzt unabhängige Branchen voraus
  und ist keine Spalte der Datei.


GRENZEN
-------

Korrelation, keine Ursache
  Alle Vergleiche sind Momentaufnahmen. Genannte Betriebe wurden aus
  Gründen genannt, die die Erhebung nicht sieht.

Kein belastbarer Unterschied ist nicht "kein Effekt"
  Bei kleinen Gruppen (z. B. 84 genannte Zahnarztpraxen) können auch
  mittelgroße Effekte unentdeckt bleiben.

Rundung
  Die Ausgangsanteile sind auf ganze Prozent gerundet. z- und p-Werte sind
  daher Näherungen, besonders bei kleinen Anteilen.

Doppelte Merkmale
  Einige Merkmale stehen im Quell-Datensatz in zwei Gruppen (z. B.
  social/Instagram und signals/Instagram linked from the homepage). Sie
  sind hier unverändert enthalten. Die Korrektur wird dadurch eher
  strenger, nicht milder.

Stichprobe
  US-Städte, ausschließlich Google AI Mode, ein Fragetyp. Rund jede zehnte
  Website blockierte den Crawler. Die Gruppe genannter Betriebe umfasst nur
  Betriebe, deren Website gefunden und gelesen werden konnte (1.138 von
  2.620 genannten Betrieben).

Zeitpunkt
  Die Daten stammen aus der ersten Ausgabe einer neuen, monatlich
  geplanten Reihe von KKV Labs (September 2026), abgerufen am 01.10.2026.
  Frühere Ausgaben zum Vergleich gibt es nicht.


QUELLEN UND NAMENSNENNUNG
-------------------------

Datenbasis:
  KKV Labs (2026). AI Local Visibility Index datasets, September 2026
  edition. Karthik Varma, KKV Labs LLC. https://www.kkvlabs.com/research
  DOI 10.5281/zenodo.22765584 (sechs Branchen); Sanitärbetriebe aus dem
  GitHub-Repository https://github.com/karthikvarma91/kkvlabs-research-data
  (Stand 01.10.2026).
  Lizenz: CC BY 4.0, https://creativecommons.org/licenses/by/4.0/

Änderungen gegenüber der Quelle:
  Zusammenführung der sieben stack.csv-Dateien, Ergänzung von
  Gruppengrößen, Signifikanztests und Mehrfachtest-Korrektur, deutsche
  Branchenbezeichnungen. KKV Labs hat diese Auswertung weder erstellt noch
  geprüft.


ZITIERVORSCHLAG
---------------

rethink.expert (2026). Was KI-empfohlene lokale Betriebe gemeinsam haben:
1.206 Merkmale, 7 US-Branchen, mit Signifikanzprüfung (Datenstand
September 2026).
https://www.rethink.expert/insights/ki-empfehlungen-lokale-branchen/
Lizenz: CC BY 4.0. Auf Basis von: KKV Labs (2026), AI Local Visibility
Index datasets, September 2026 edition.

Hinweis: Diese Nachrechnung hat (noch) keine eigene DOI. Die oben genannte
DOI 10.5281/zenodo.22765584 bezeichnet ausschließlich die Ausgangsdaten von
KKV Labs, nicht diese Datei. Bitte zitieren Sie diese Datei über die URL
oben.
