Eine Zahl pro 150 Wörter: der Dichte-Trick hinter KI-Zitaten

Warum bevorzugen Antwortmaschinen Seiten voller Statistiken?

Eine Statistik ist das Sauberste, was ein Modell übernehmen kann. "Die Conversion stieg um 18 Prozent, nachdem wir Foto-Bewertungen ergänzt haben" ist eine in sich geschlossene, überprüfbare Aussage; "die Conversion hat sich stark verbessert" ist eine Meinung, die das Modell ohne Grund nicht wiederholt. Antwortmaschinen sind darauf gebaut, konkrete, prüfbare Antworten zu liefern, also bestehen die zitierten Passagen überwiegend aus Sätzen mit einer konkreten Zahl.

Dichte ist wichtig, weil die Extraktion auf Passagenebene passiert, nicht auf Seitenebene. Eine Seite, die in der Einleitung eine Zahl nennt und danach nichts mehr liefert, gibt dem Modell eine einzige zitierbare Einheit. Eine Seite, die durch jeden Abschnitt eine belegte Zahl trägt, gibt dem Modell ein Dutzend, was die Chance erhöht, dass eine davon genau zur Frage eines Käufers passt.

Wie viele Statistiken sollte eine Seite tatsächlich enthalten?

Die praktische Faustregel lautet: eine konkrete, belegte Zahl pro 150 bis 200 Wörter. Das ist ein Richtwert, keine Quote. Eine Seite mit schwachen Zahlen vollzustopfen, nur um einen Zähler zu erreichen, ergibt Text, den kein Mensch lesen will und kein Modell trauen kann.

Denk eher an einen Rhythmus als an eine Regel. Jede Aussage, die eine Zahl tragen könnte, sollte eine tragen, und jede Zahl sollte ihre Quelle tragen. Wo du wirklich keine Zahl hast, sag es klar, statt eine zu erfinden, nur um den Takt zu halten.

• Stell die Aussage an den Anfang jedes Abschnitts, dann stütze sie mit der Zahl, nicht umgekehrt.
• Bevorzuge eine konkrete Zahl (18 Prozent, 13 Wochen) gegenüber einer vagen Verallgemeinerung ("die meisten", "eine Mehrheit").
• Häng die Quelle an den Satz, nicht an eine Fußnote drei Bildschirme weiter unten.
• Streiche eine Statistik, die nichts daran ändert, was der Leser als Nächstes tun würde.

Was zählt als Statistik, die zitiert wird?

Eine zitierbare Statistik ist konkret, belegt und datiert. Konkret heißt eine echte Zahl statt eines vagen Verstärkers. Belegt heißt eine benannte Quelle, die das Modell gewichten kann. Datiert heißt, dass der Leser sieht, ob die Zahl aktuell ist, denn eine Zahl aus 2019 liest sich anders als eine aus diesem Jahr.

Der typische Fehler ist die verwaiste Zahl: ein Prozentwert ohne Quelle, ohne Datum, ohne Kontext. Ein Modell kann sie extrahieren, hat aber keinen Grund, ihr zu trauen, und ein Leser, der nachprüft, findet nichts dahinter. Eine verwaiste Zahl sieht aus wie Gründlichkeit und verhält sich wie Rauschen.

Wie belege ich Zahlen ehrlich, ohne Genauigkeit vorzutäuschen?

Vorgetäuschte Genauigkeit ist die Falle: "73,4 Prozent" zu schreiben, wenn du nur eine grobe Ahnung hast, oder eine Studie zu erfinden, die es nicht gibt, damit ein Absatz seriös klingt. Das liest sich gut, bis jemand nachprüft, und Antwortmaschinen samt ihrer menschlichen Prüfer prüfen immer häufiger nach. Eine erfundene Statistik ist ein direktes E-E-A-T-Risiko, und die Strafe ist nicht nur, dass diese eine Aussage fällt; es ist die Seite, die das Vertrauen verliert, das überhaupt zu einem Zitat führt.

Ehrliches Belegen ist langsamer und es lohnt sich. Nutze deine eigenen Daten, wo du sie hast, und kennzeichne sie als deine. Zitiere Dritte mit Namen und Datum. Wenn eine Zahl eine Schätzung ist, kennzeichne sie als Schätzung ("ungefähr", "etwa"), statt sie in falsche Nachkommastellen zu kleiden. Eine weiche Zahl einzuräumen ist glaubwürdiger, als eine harte zu behaupten, die du nicht verteidigen kannst.

• Zitiere deine eigenen gemessenen Daten und kennzeichne sie als deine eigenen Erstanbieterdaten.
• Nenne die Drittquelle und das Jahr, jedes Mal.
• Runde ehrlich: "etwa ein Drittel" schlägt ein erfundenes "33,4 Prozent".
• Wenn du es nicht belegen kannst, formuliere es als Aussage, nicht als Statistik.

Wie hängt die Statistik-Dichte mit E-E-A-T zusammen?

E-E-A-T belohnt nachgewiesene Erfahrung und Vertrauenswürdigkeit, und eine belegte Zahl ist der direkteste Beweis für beides. Eine Seite, die sagt "wir haben das gemessen, und hier ist die Zahl, aus dieser Quelle, an diesem Datum", zeigt Erfahrung auf eine Art, die eine Seite voller Adjektive nicht kann. Eine Dichte ehrlicher, belegter Statistiken ist in der Praxis eine Dichte an Vertrauenssignalen.

Die Kehrseite ist die Warnung. Erfundene oder unbelegte Zahlen bewirken das Gegenteil: Sie signalisieren, dass der Autor nach einer Autorität greift, die er nicht verdient hat, und genau das soll die E-E-A-T-Prüfung aufspüren. Dasselbe Merkmal, das Zitate einbringt, nämlich überprüfbare Konkretheit, verliert sie, sobald es vorgetäuscht ist.

Wie ergänze ich Statistiken in Bewertungs- und Produktinhalten?

Die meisten Shops sitzen auf eigenen, selbst gemessenen Zahlen, die sie nie sichtbar machen. Durchschnittliche Bewertung, Anzahl der Bewertungen, der Anteil der Bewerter, die einen bestimmten Anwendungsfall nennen, der Prozentsatz der Wiederholungskäufer: das sind echte, belastbare Statistiken, die einen Käufer interessieren und die eine Antwortmaschine zitieren kann. Die Arbeit besteht darin, sie aus einem Dashboard in lesbaren Text auf der Seite zu holen.

Hier hören die meisten Bewertungs-Apps auf. Sie wurden gebaut, um Sterne für den Käufer auf der Seite darzustellen, und lassen die zugrunde liegenden Zahlen im Widget gefangen, unlesbar und nicht zitierbar. Deine vorhandenen Bewertungsdaten darstellbar, bestätigbar und zitierfähig zu machen, in der Suche und in KI-Antworten, ist die Lücke, die BeyondReviews schließen soll. Die Zahlen stecken bereits in deinen Bewertungen; die Aufgabe ist, sie extrahierbar und belegbar zu machen statt dekorativ.

Was am Ende dabei herauskommt

Statistiken werden zitiert, weil sie extrahierbar und überprüfbar sind; sie kosten dich Zitate in dem Moment, in dem sie vorgetäuscht werden. Trage eine ehrliche, belegte Zahl pro 150 bis 200 Wörter, häng an jede einen Namen und ein Datum, und runde wahrheitsgemäß, wenn du schätzen musst. Konkretheit ist der Wert, und Ehrlichkeit ist das, was den Wert davor bewahrt, zur Belastung zu werden.