GEO trifft nicht alle Geschäftsmodelle gleich: Wer strukturell profitiert, wer verliert
KI-Antworten ersetzen zunehmend den Klick auf eine Website – aber nicht für jedes Geschäftsmodell gleich. Wer profitiert von einer Empfehlung im Chat, unabhängig vom Kaufort, und wer verliert strukturell, weil das eigene Geschäft auf genau diesem Klick aufbaut?
Drei Studien widersprechen sich bei der Conversion-Rate (CVR) von ChatGPT-Traffic – schlechter, gleich, sogar besser. Für klickbasierte Geschäftsmodelle wie Affiliate-Marketing bedeutet das trotzdem: strukturell verlieren – unabhängig davon, welcher Studie man folgt, bleibt der Traffic-Anteil verschwindend klein.
- →Strukturelle Gewinner: Hersteller (eine Empfehlung wirkt unabhängig vom Kaufort), Anbieter komplexer B2B-Produkte (KI hilft, ins Relevant Set zu kommen, bevor die klassische Recherche beginnt), lokale Anbieter mit direktem Besuchsbezug.
- →Strukturelle Verlierer: werbefinanzierte Publisher (Erlösmodell braucht Seitenaufrufe), Affiliate-Modelle (Klickvolumen bricht weg), austauschbare Händler ohne eigene Markenpositionierung.
- →Studien zur Conversion-Rate von ChatGPT-Referral-Traffic widersprechen sich deutlich: von 86 % niedrigerer Conversion-Rate als Affiliate-Traffic (Kaiser/Schulze-Studie, Aug. 2024–Jul. 2025) bis 31 % höherer Conversion-Rate als organische Suche (Visibility Labs, 94 E-Commerce-Marken, 2025) – übereinstimmend zeigen aber alle Studien: Der Anteil von ChatGPT-Referrals bleibt unter 1 % aller Sessions.
- →Einschränkung für D2C-Marken: Wer auf den Verkauf im eigenen Shop angewiesen ist, verliert bei einem Kauf über Dritte Marge und Kundendaten – der Kaufort ist eben nicht ganz egal.
GEO wirkt nicht neutral über alle Geschäftsmodelle
Ob eine KI-Empfehlung einem Unternehmen nützt oder schadet, hängt stark davon ab, wie das eigene Geschäftsmodell funktioniert. Hersteller profitieren von einer positiven Empfehlung im Chat unabhängig davon, wo am Ende gekauft wird – im eigenen Shop, bei einem Händler oder im Ladengeschäft. Die Empfehlung wirkt, ohne dass dafür ein Klick nötig wäre. Ähnlich sieht es bei komplexen, beratungsintensiven Produkten aus, gerade im B2B-Bereich: Chat-Systeme helfen Nutzern, ein Problem zu verstehen und Anbieter einzugrenzen – wer hier genannt wird, ist im Relevant Set, bevor die klassische Recherche überhaupt beginnt. Auch lokale Anbieter profitieren häufig, wenn die KI-Antwort direkt in einen Besuch oder eine Anfrage mündet.
Strukturell anders sieht es für werbefinanzierte Publisher aus: Ihr Erlösmodell braucht Seitenaufrufe – ein System, das Antworten gibt statt Klicks zu verteilen, kann dieses Modell nicht bedienen, egal wie „sichtbar“ der Publisher in den Antworten selbst ist. Noch deutlicher – aber umstrittener – zeigt sich das Problem bei Affiliate-Modellen. Wie stark die Conversion-Rate von ChatGPT-Traffic abweicht, hängt stark davon ab, welche Studie man zurate zieht: Maximilian Kaiser (Universität Hamburg) und Christian Schulze (Frankfurt School of Finance & Management) fanden in einer Studie über 973 E-Commerce-Shops mit 20 Mrd. $ Umsatz (Aug. 2024–Jul. 2025) eine um 86 % niedrigere Conversion-Rate von ChatGPT-Referrals gegenüber Affiliate-Traffic und eine um 13 % niedrigere gegenüber organischer Suche. Visibility Labs kam bei 94 E-Commerce-Marken (2025) zum genau gegenteiligen Ergebnis: ChatGPT konvertierte 31 % besser als nicht-markenbezogene organische Suche. Und Amsive fand in einer dritten Untersuchung über 54 Websites gar keinen signifikanten Unterschied.
Ob KI-Traffic besser oder schlechter konvertiert, ist angesichts dieser widersprüchlichen Befunde letztlich zweitrangig: Auch die beste Conversion-Rate rettet kein Klickmodell, wenn die Klickmenge wegbricht – und beim winzigen Traffic-Anteil sind sich alle drei Studien einig.
Ein dritter Verlierer-Typ sind austauschbare Händler ohne eigene Markenpositionierung: Wer keine erkennbare Reputation als guter Händler aufgebaut hat, ist in einer KI-Empfehlung beliebig ersetzbar – vor allem, wenn Chat-Systeme künftig Einkäufe direkt abwickeln. Dann bleibt vom Händler im schlechtesten Fall nur noch die Logistik übrig.
Der Kaufort ist nicht immer egal
Für D2C-Marken (Direct-to-Consumer, also Anbieter, die direkt an Endkunden verkaufen statt über Händler) gilt eine wichtige Einschränkung: Wer auf den Verkauf im eigenen Shop angewiesen ist, dem ist der Kaufort eben nicht ganz egal – ein Kauf über Dritte kostet Marge und Kundendaten, selbst wenn die KI-Empfehlung positiv ausfällt.
Behauptung: „GEO lohnt sich für jedes Unternehmen gleichermaßen.“
Einordnung: Nein. Hersteller, B2B-Anbieter beratungsintensiver Produkte und lokale Anbieter profitieren strukturell, werbefinanzierte Publisher und reine Affiliate-Modelle verlieren strukturell.
Behauptung: „Eine gute Conversion-Rate reicht, um KI-Traffic wirtschaftlich relevant zu machen.“
Einordnung: Nein – unabhängig davon, welcher Studie man folgt. Selbst wenn ChatGPT-Traffic besser konvertiert, wie manche neuere Studien zeigen, bleibt sein Volumen so klein, dass es ein Klickmodell nicht retten kann.
Behauptung: „Ein austauschbarer Händler profitiert genauso von GEO wie ein Hersteller mit eigener Marke.“
Einordnung: Nein. Ohne erkennbare Reputation ist ein Händler in einer KI-Empfehlung beliebig ersetzbar – die Empfehlung wirkt für die Produktmarke, nicht für den Verkaufsort.
Das eigene Geschäftsmodell ehrlich einordnen
Vor jeder GEO-Priorisierung lohnt sich die ehrliche Einordnung des eigenen Geschäftsmodells: Wer strukturell gewinnt (Hersteller, B2B, lokal), sollte investieren; wer strukturell verliert (klickbasierte Publisher/Affiliates), sollte eher nach neuen Erlösmodellen suchen als nach reiner GEO-Optimierung.
D2C-Marken sollten die Kaufort-Frage aktiv im Blick behalten – eine positive KI-Empfehlung hilft, ersetzt aber keinen Verkauf im eigenen Shop.
Händler ohne eigene Markenpositionierung sollten in Reputation und Differenzierung investieren, bevor sie GEO-Budget für reine Sichtbarkeit ausgeben – sonst wirkt die Empfehlung für die Marke, nicht für sie selbst.
Dieselbe Traffic-Verschiebung, hier auf Geschäftsmodell-Ebene
Die Traffic-Verschiebung, die diesem Insight zugrunde liegt, ist dieselbe wie im Insight „Deutschland hat die niedrigste Zero-Click-Rate“ beschrieben – dort auf Länder- und Kategorie-Ebene, hier heruntergebrochen auf einzelne Geschäftsmodelle: Wie stark ein Unternehmen betroffen ist, hängt nicht vom Zufall ab, sondern von einer erkennbaren Struktur.
Wer aus dieser Geschäftsmodell-Analyse die logische Folgefrage stellt – wer GEO im eigenen Unternehmen eigentlich verantworten sollte –, findet sie im Insight „Niemand ist zuständig“ vertieft: Eine Umfrage zeigt, dass „niemand“ die häufigste Antwort auf genau diese Frage ist.
Wie Sie das eigene Geschäftsmodell realistisch auf GEO-Chancen und -Risiken einordnen.
Platz im GEO-Webinar sichern →