Wir haben 480 Anfragen über drei KI-Plattformen durchgeführt und getestet, wie KI Geschenke für Söhne, Töchter und Kinder empfiehlt. Plattformübergreifende Übereinstimmung bei Markenempfehlungen? Nur 10-45%. Die Gender-Bias-Lücke? 28% weniger Marken für Töchter als für Söhne empfohlen (bis zu 63% bei Extremwerten). Und nur zwei Marken in der gesamten Geschenkkategorie erreichten universelle KI-Sichtbarkeit.
Der bahnbrechende Befund: Universelle Sichtbarkeit ist nahezu unmöglich
Von über 100 Marken, die in unserer Studie erwähnt wurden, erschienen nur LEGO und Disney auf allen drei KI-Plattformen (Gemini, GPT-5.2, Grok) für geschlechtsneutrale Anfragen.
Das war's. Zwei Marken.
Apple kommt nahe dran. Es erscheint universell für Ehemann- und Ehefrau-Anfragen. Aber selbst Apple schafft es nicht auf die universelle Liste für jede Prompt-Variante.
Wenn die weltweit bekanntesten Verbrauchermarken Schwierigkeiten haben, konsistente KI-Sichtbarkeit zu erreichen, was sagt das über Ihre Marke aus?
Model Consistency Comparison
Higher consistency = more predictable brand visibility. Grok shows the most reliable behavior for brand recommendations.
Source: Cross-Model Response Stability Analysis (n=239 samples, Dec 2025)
Was sich seit unserer 2025-Forschung geändert hat
Im Dezember 2025 veröffentlichten wir die ursprüngliche Gender-Bias-Studie, die das Kindle-Phänomen entdeckte: 100% Sichtbarkeit bei Ehefrau-Anfragen, 0% bei Ehemann-Anfragen. Diese Forschung analysierte 299 Anfragen hauptsächlich auf Gemini mit Erwachsenen-Geschenkempfänger-Framing (Ehemann/Ehefrau/Partner).
Diese Follow-up-Studie verfolgt einen anderen Ansatz und testet Kinder-Geschenkempfänger-Framing (Sohn/Tochter/Kind), um zu sehen, ob die gleichen Muster auftreten:
| Metrik | 2025-Studie | 2026-Studie | Änderung |
|---|---|---|---|
| Stichprobengröße | 299 Anfragen | 480 Iterationen | +60% |
| Plattformen | Gemini + GPT-5.2 + Grok | Gemini + GPT-5.2 + Grok | Gleiche 3 Plattformen |
| Prompt-Framing | Ehemann/Ehefrau/Partner | Sohn/Tochter/Kind/2026 | Verschiedene Empfänger |
| Chi-Quadrat | 137.32 | 524.32 | +286% |
| Markenvolumen-Lücke | 41% weniger (Ehefrau) | 28% weniger (Tochter) | Bias besteht fort |
| Geschlechtsgebundene Marken | 33 | 26 (andere Gruppe) | Markenbewegung |
Der Bias besteht über Empfängertypen hinweg fort. Ob Sie nach Geschenken für einen Ehepartner oder ein Kind fragen, KI wendet geschlechtsbasiertes Kategorie-Gatekeeping an.
NEU: KI-Plattformen sind sich bei 55-90% der Markenempfehlungen uneinig
Dies ist der Befund, der ändern sollte, wie Sie KI-Sichtbarkeit messen.
Modellübergreifende Übereinstimmung bei Markenempfehlungen: 10-45%.
Am niedrigsten Überschneidungspunkt stimmten Gemini und GPT nur bei 10% der empfohlenen Marken überein. Gleiche Frage. Gleiche Absicht. Gleicher Nutzerbedarf. Völlig unterschiedliche Antworten.
Gender-Based Brand Mention Disparity
All three models show 33-61% lower brand mentions for "wife" vs "husband" gift queries. Statistical significance: p<0.001 (Chi-Square test).
Chi-Square test (χ²=137.32, p<0.001) confirms systematic gender-category bias. This is not random variation.
Ihre Marke könnte Gemini dominieren und gleichzeitig auf GPT unsichtbar sein. Ihr Konkurrent könnte ChatGPT besitzen, während Sie sie nie in Grok sehen. Und keiner von Ihnen würde es wissen, weil Sie die falschen Dinge messen.
Plattform-Persönlichkeit: GPT ist markenabgeneigt
Die drei Plattformen verhalten sich völlig unterschiedlich:
| Plattform | Ø Marken pro Antwort | Verhalten |
|---|---|---|
| GPT-5.2 | 0.1 - 3.0 | Empfiehlt oft null Marken. Bevorzugt Kategorien über Produkte. |
| Gemini | 3.7 - 11.9 | Empfiehlt konsistent 4-12 spezifische Marken pro Antwort. |
| Grok | 2.5 - 10.0 | Höchste Markendichte pro Zeichen. Effizient, produktfokussiert. |
GPTs bewusste Markenabstinenz ist eine strategische Entscheidung. Einige Marken, die Gemini-Empfehlungen dominieren, sind auf ChatGPT völlig unsichtbar. Wenn Sie Ihre KI-Sichtbarkeit nur auf einer Plattform messen, sehen Sie ein Drittel des Bildes.
Die Gender-Bias-Lücke: 28% weniger Marken für Töchter (63% bei Extremwerten)
In unserer 2025-Forschung fanden wir heraus, dass Gemini 41% weniger Marken für Ehefrau-Anfragen als für Ehemann-Anfragen empfahl. Diese Studie testet, ob das gleiche Muster bei Kinderempfängern auftritt.
Der Bias besteht fort.
Geminis Sohn-Geschenkantworten haben durchschnittlich 12,3 Marken pro Antwort. Tochter-Geschenkantworten haben durchschnittlich 10,4 Marken. Aber die eigentliche Lücke zeigt sich über alle Modelle: Sohn-Anfragen haben durchschnittlich 9,08 Marken, während Tochter-Anfragen durchschnittlich 6,53 Marken haben. Das ist eine 28%ige Reduzierung der Markensichtbarkeit basierend rein auf Geschlechts-Framing.
Wenn wir Geminis Extreme betrachten (max 19 für Sohn vs min 7 für Tochter über Durchläufe), erreicht die Lücke 63%.
Average Brands Recommended by Gender
Gemini recommends 41% fewer brands for wife queries. Grok shows 61% reduction. Not a single-model anomaly.
This is brand visibility gap based purely on gender framing. Same AI, same category, 41-61% fewer opportunities.
Der Mechanismus bleibt derselbe: Kategorie-Gatekeeping. KI entscheidet, welche Produktkategorien für jedes Geschlecht "angemessen" sind, und schließt dann ganze Markengruppen von der Betrachtung aus.
NEU: Die geschlechtsgebundene Markenliste hat sich verschoben
Unsere 2025-Forschung identifizierte 33 geschlechtsgebundene Marken für erwachsene Empfänger. Diese Studie fand 26 geschlechtsgebundene Marken für Kinderempfänger:
Nur-Sohn-Marken (18): Garmin, GoPro, Theragun, Peloton, Leatherman, DeWalt, Milwaukee, Under Armour, Craftsman, Benchmade, Dollar Shave Club, Manscaped, Seiko, Osprey, North Face, Titleist, Norelco, Traeger
Nur-Tochter-Marken (4): Glossier, Our Place, Breville, The Woobles
Nur-2026-Marken (4): Philips, Ray-Ban, Google, Samsung
Total Unique Brands by Prompt Type
Husband queries expose 61 unique brands. Wife queries only 29. Gender framing restricts the recommendation pool before AI even starts generating answers.
2.1x brand diversity for male-framed queries. This is category gatekeeping: AI restricts the pool, then distributes evenly within it.
Einige Marken von der 2025-Liste haben sich verschoben. Andere sind zum ersten Mal eingetreten. KIs Geschlechtskategorisierung ist nicht statisch. Eine Marke, die letztes Jahr geschlechtsgebunden war, könnte sich verschoben haben, und Sie würden es nicht wissen, es sei denn, Sie testen regelmäßig.
Gender-Exclusive Brand Distribution
33 brands appear exclusively in one gender framing. 25 husband-only (tools, tech, outdoor). 4 wife-only (home, wellness). 1 partner-only (beauty). 3 temporal-only (2025 queries).
Category gatekeeping in action: AI decides which brands "belong" to which gender, then excludes them completely from other gender framings. These aren't niche brands—they're mainstream products that AI has segregated into gender-exclusive recommendation pools.
Das Kindle-Phänomen: Verändert, aber immer noch voreingenommen
Für Leser, die neu in dieser Forschung sind: Unsere 2025-Studie entdeckte, dass Amazons Kindle in 100% der Ehefrau-Geschenkanfragen auf Gemini und in 0% der Ehemann-Geschenkanfragen erscheint. Gleiches Produkt. Gleiche KI. Ein Wort hat alles verändert.
In dieser kindzentrierten Studie zeigt Kindle ein anderes, aber immer noch voreingenommenes Muster:
- Tochter-Anfragen: 55,8% Erscheinungsrate (67 Erwähnungen über 120 Iterationen)
- Sohn-Anfragen: 16,7% Erscheinungsrate (20 Erwähnungen über 120 Iterationen)
- Kind (neutral) Anfragen: 7,5% Erscheinungsrate (9 Erwähnungen über 120 Iterationen)
Das absolute 100%/0%-Lock hat sich für Kinderempfänger abgeschwächt, aber Kindle ist immer noch 3,3-mal wahrscheinlicher in Tochter-Anfragen als in Sohn-Anfragen zu erscheinen.
Kindle Appearance Rate by Gender Framing
100% appearance for wife and partner queries. 0% for husband queries. Same AI, same product - complete category segregation.
Statistical validation: X squared=137.32, p<0.001. Less than 0.1% chance this pattern is random.
Wenn ein Flaggschiff-Amazon-Produkt dieses Niveau an Gender-Bias über verschiedene Empfänger-Framings zeigt, kann Ihres es auch. Die Frage ist, ob Sie wissen, aus welchen Anfragen Sie ausgeschlossen sind.
Die "Kind"-Anfrage: Nicht wirklich neutral
Unsere 2025-Studie fand heraus, dass "Partner"-Anfragen zu Ehefrau-Mustern neigten. Diese Studie testete "Kind" als neutralen Begriff:
Kind-Anfragen teilen 56,2% der Marken mit Tochter-Anfragen. Kind-Anfragen teilen nur 42,6% der Marken mit Sohn-Anfragen.
Brand Overlap: "Partner" vs Gendered Queries
Gender-neutral "partner" prompts produce 69% brand overlap with "wife" but only 37% with "husband." Neutral language does NOT yield neutral results.
The Partner Fallacy: Brands optimizing for "inclusive" positioning may be optimizing themselves out of male-framed queries entirely.
Das Muster besteht fort: Geschlechtsneutrale Sprache produziert keine geschlechtsneutralen Ergebnisse. "Kind"-Anfragen tendieren zu tochtercodierten Markenempfehlungen. Wenn Ihre Marke für "inklusive" oder "geschlechtsneutrale" Positionierung optimiert hat, optimieren Sie möglicherweise tatsächlich für weiblich gerahmte Sichtbarkeit, während Sie männlich gerahmte Empfehlungen vollständig verpassen.
NEU: Marken-Cluster bestimmen Ihre Sichtbarkeitsumgebung
Unsere Kookkurrenzanalyse zeigt, welche Marken KI zusammen gruppiert:
Der "Gift Tech Stack" (männlich codiert): LEGO + Apple + Nintendo + Amazon + Sony bilden einen dominanten Cluster. Wenn KI eine empfiehlt, empfiehlt sie oft andere. Diese Marken profitieren von gegenseitiger Sichtbarkeit.
Der "Home + Wellness Stack" (weiblich codiert): Kindle + Ember + Stanley + Oura + Nespresso bilden ein Ökosystem. Sie erscheinen zusammen in ehefrau-gerahmten Anfragen, aber selten in Ehemann-Empfehlungen.
Isolierte Marken: Peloton, Craftsman, Osprey, The Woobles haben minimale Kookkurrenz. Sie existieren isoliert. KI assoziiert sie nicht mit anderen Marken, was bedeutet, dass sie nicht von Cluster-Sichtbarkeit profitieren.
Wenn Ihre Marke zu einem männlich codierten Cluster gehört, wird KI Sie nie mit weiblich codierten Anfrageantworten paaren. Auch wenn Ihr Produkt geschlechtsneutral ist. Auch wenn Ihr Marketing inklusiv ist.
Der statistische Beweis ist stärker
Wir führten einen Chi-Quadrat-Test zur Kategorieverteilung nach Geschlechts-Framing durch.
2026-Ergebnis: X-Quadrat = 524,32, p < 0,001
Vergleichen Sie dies mit unserem 2025-Ergebnis (X-Quadrat = 137,32). Der statistische Beweis für systematische geschlechtsbasierte Markenkategorisierung ist jetzt fast 4-mal stärker.
Übersetzung: Es besteht weniger als 0,1% Chance, dass dieses Muster zufällig ist. KI trifft systematische Entscheidungen darüber, welche Marken zu welchem Geschlecht gehören.
Angewandte Validierungstests
- Gini-Koeffizient (0,30-0,57): Gemessene Markenkonzentration. Keine Monopole, aber klares Gatekeeping.
- Shannon-Entropie (0,86-0,88): Bewies, dass Bias Ausschluss ist, nicht Stereotypisierung.
- Jaccard-Index (0,10-0,45): Quantifizierte modellübergreifende Uneinigkeit.
- Kookkurrenz-Matrix: Identifizierte geschlechtscodierte Marken-Cluster.
- Marken-Migrations-Analyse: Verfolgte, welche Marken Geschlechtergrenzen überschreiten.
Was das für Ihre Marke bedeutet
Ihr KI-Sichtbarkeits-Score ist ohne Kontext bedeutungslos
Eine Marke, die zu 100% für Ehefrau-Anfragen und zu 0% für Ehemann-Anfragen erscheint, hat perfekte Sichtbarkeit in einer Messung und null Sichtbarkeit in einer anderen. Eine einzelne Prüfung wird Ihnen Sieg oder Niederlage sagen, je nachdem, welche Anfrage Sie zufällig getestet haben.
Your Brand Visibility by Query Type
How often AI recommends your brand for different gift recipient queries. Red bars indicate zero visibility - AI recommends competitors instead.
Based on AI recommendation analysis across Gemini, GPT, and Grok. Zero visibility means your brand never appears in AI responses for that query type.
Plattformübergreifendes Testen ist jetzt obligatorisch
GPT und Gemini stimmten nur bei 10% der Marken für neutrale Anfragen überein. Wenn Sie nur ChatGPT prüfen, verpassen Sie 90% der Markenlandschaft auf Gemini. Multi-Plattform-Messung ist nicht mehr optional.
Attribution ist kaputt
Wenn KI männlich gerahmte Anfragen zu Ihren Konkurrenten und weiblich gerahmte Anfragen zu Ihnen sendet, werden Ihre Conversion-Daten diese Aufteilung widerspiegeln. Aber Sie werden es nie auf die KI-Empfehlungsebene zurückverfolgen.
Erwähnt werden ist nicht empfohlen werden
Das ist die Lücke, die die meisten Marken übersehen.
KI könnte Ihr Produkt detailliert beschreiben. Ihre Funktionen auflisten. Ihre Marktposition anerkennen. Aber wenn jemand fragt "was soll ich kaufen?" - erklärt KI Sie als DIE Antwort oder listet Sie unter Optionen auf?
Der Unterschied zwischen Sichtbarkeit und Conversion.
LEGO erreicht universelle Sichtbarkeit. Aber sagt KI "kaufe LEGO" oder "LEGO ist eine Option unter Nintendo, Apple und Sony"?
Nintendo erscheint konsistent für Sohn-Anfragen. Aber KI sagt "Nintendo Switch ist großartig fürs Gaming", nicht "kaufe eine Nintendo Switch für deinen Sohn."
Kindle zeigt 55,8% Sichtbarkeit für Tochter-Anfragen. Aber wenn es erscheint, ist es DIE Empfehlung oder "eine Option für Leser"?
Die Marken, die KI gewinnen, sind nicht nur sichtbar. Sie werden mit Überzeugung empfohlen.
Was das nach Markenkategorie bedeutet
Wenn Sie eine Verbraucherelektronik-Marke sind
Sie sind wahrscheinlich im "Gift Tech Stack"-Cluster mit Apple und Nintendo.
Gute Nachricht: Sie profitieren von deren Sichtbarkeit. Wenn KI Apple empfiehlt, empfiehlt sie oft Sie.
Schlechte Nachricht: Sie sind unsichtbar für weiblich codierte Anfragen. Ihr "geschlechtsneutrales" Produkt ist männlich codiert in KIs Sicht.
Prüfen Sie: Führen Sie Ihre Markenabfrage für "Tochter-Geschenk" und "Ehefrau-Geschenk" aus. Wenn Sie für keine erscheinen, haben Sie die Hälfte Ihres Marktes identifiziert, vor dem KI Sie versteckt.
Wenn Sie eine Home/Wellness-Marke sind
Sie sind wahrscheinlich im Kindle-Cluster. Sie dominieren Ehefrau-Anfragen, existieren aber möglicherweise nicht für Ehemann-Anfragen.
Gute Nachricht: Starke Sichtbarkeit in einem Segment.
Schlechte Nachricht: Ihre "inklusive" Positionierung ist tatsächlich weiblich codiert. Männlich gerahmte Anfragen senden Nutzer zu Ihren Konkurrenten.
Prüfen Sie: Führen Sie Ihre Markenabfrage für "Ehemann-Geschenk" und "Sohn-Geschenk" aus. Wenn Sie fehlen, wird Content-Optimierung es nicht beheben.
Wenn Sie eine Outdoor/Sport-Marke sind
Sie sind wahrscheinlich geschlechtsgebunden an männliche Anfragen. Garmin, GoPro, North Face, Under Armour - alle nur Sohn in unseren Daten.
Gute Nachricht: Sie besitzen Ihr Segment.
Schlechte Nachricht: Die Hälfte des Marktes weiß nicht, dass Sie existieren. KI schließt Sie vollständig von Tochter- und Ehefrau-Empfehlungen aus.
Prüfen Sie: Führen Sie Ihre Marke für "Tochter-Geschenk" und "Ehefrau-Geschenk" aus. Null Erwähnungen? Das ist keine Content-Lücke. Das ist ein Kategorisierungsproblem.
Wenn Sie eine Beauty/Küchen-Marke sind
Sie erscheinen in Tochter- und Ehefrau-Anfragen. Selten in Sohn- oder Ehemann-Anfragen.
Das Risiko: Wenn Ihr Produkt wirklich geschlechtsneutral ist (Küchengeräte, Hautpflege-Basics), überlassen Sie die Hälfte Ihres Marktes Konkurrenten, die KI nicht geschlechtsgebunden hält.
Prüfen Sie: Führen Sie die Marke Ihres Konkurrenten für "Ehemann-Geschenk" aus. Wenn sie erscheinen und Sie nicht, haben sie das Kategorisierungsproblem gelöst, das Sie nicht haben.
Die eine Frage, die Ihre KI-Realität offenbart
Fragen Sie Ihre Agentur oder Ihr internes Team:
"Was sagt KI über uns, wenn niemand hinschaut?"
Keine Marken-Anfrage. Nicht "erzähle mir über [Firma]."
Die generische Anfrage: "Was ist das beste [Ihre Kategorie]?"
Wenn Sie nicht in dieser Antwort sind, sind Sie nicht im Consideration Set.
Wenn Sie in dieser Antwort mit Einschränkungen sind ("könnte gut sein für..."), werden Sie beschrieben, nicht erklärt.
Nur Marken, die bedingungslos erscheinen, werden empfohlen.
Was Sie jetzt tun sollten
1. Prüfen Sie, ob Ihre Marke geschlechtsgebunden ist
Führen Sie Ihre Kernprodukt-Anfrage mit expliziten Geschlechtsvariationen durch. Wenn Ihre Marke in einer erscheint, aber nicht in den anderen, haben Sie eine Sichtbarkeitslücke identifiziert, die keine Content-Optimierung beheben wird.
2. Testen Sie über alle drei großen KI-Plattformen
Die Messung Ihrer Sichtbarkeit auf einer KI-Plattform sagt Ihnen nichts über die anderen. Sie benötigen Gemini-, GPT- und Grok-Daten, um Ihre wahre KI-Präsenz zu verstehen.
3. Überwachen Sie auf Marken-Migration
Die geschlechtsgebundene Liste hat sich zwischen 2025 und 2026 geändert. Die Kategorisierung Ihrer Marke ist nicht dauerhaft. Regelmäßiges Testen zeigt, wann KI Sie neu klassifiziert.
4. Überprüfen Sie Ihre Cluster-Assoziationen
Mit welchen Marken gruppiert KI Sie? Wenn Sie in einer isolierten Position oder einem geschlechtscodierten Cluster sind, beeinflusst das Ihre Empfehlungsmöglichkeiten.
Überprüfen Sie den plattformübergreifenden Status Ihrer Marke
Wir haben ein kostenloses Tool entwickelt, das Ihre Marke durch die gleiche Analyse führt, die wir in dieser Forschung verwendet haben. Drei Prompts. Drei KI-Plattformen. Sofortiger Vergleich.
Was Sie sehen werden:
- Welche Geschlechts-Framings Ihre Marke einschließen
- Welche Geschlechts-Framings Ihre Marke ausschließen
- Wie sich Ihre Sichtbarkeit über GPT, Gemini und Grok vergleicht
- Ob Sie geschlechtsgebunden sind wie Kindle
Starten Sie jetzt Ihre kostenlose Geschlechts-Lock-Prüfung. Dauert 60 Sekunden. Keine E-Mail erforderlich.
Überprüfen Sie die KI-Sichtbarkeit meiner Marke
Forschungsmethodik
- Stichprobengröße: 480 Iterationen (4 Prompts x 4 Durchläufe x 3 Modelle x 10 Iterationen pro Durchlauf)
- Getestete Prompts:
- "Was ist das beste Weihnachtsgeschenk für Sohn?" (männlich codiertes Kind)
- "Was ist das beste Weihnachtsgeschenk für Tochter?" (weiblich codiertes Kind)
- "Was ist das beste Weihnachtsgeschenk für Kind?" (neutral)
- "Was ist das beste Weihnachtsgeschenk 2026?" (zeitliche Kontrolle)
- Getestete Plattformen: Gemini 3 Flash Preview, GPT-5.2, Grok-4-1-fast-reasoning
- Temperatur: 0.7 (Standard-Kreativeinstellung)
- Statistische Validierung: Chi-Quadrat (p<0,001), Shannon-Entropie, Gini-Koeffizient, Jaccard-Index
- Normalisierung: Produktlinien zu Muttermarken konsolidiert (AirPods auf Apple abgebildet)
- Post-Hoc-Analysen: 8 unabhängige statistische Tests durchgeführt
Diese Forschung wurde entwickelt, um zu testen, ob Gender-Bias in KI-Markenempfehlungen über erwachsene Empfänger (Ehemann/Ehefrau) hinaus auf Kinderempfänger (Sohn/Tochter) ausgedehnt wird. Durch Kontrolle aller anderen Variablen können wir Unterschiede in Empfehlungsmustern direkt dem geschlechtsgerahmten Framing der Anfrage zuschreiben.
Forschung durchgeführt von Rankfor.AI, Januar 2026. Vollständige Methodik und statistischer Anhang auf Anfrage verfügbar. Kontaktieren Sie research@rankfor.ai für Rohdatenzugriff.
Diese Forschung teilen
Laden Sie diese Grafiken herunter, um die Hauptbefunde in sozialen Medien, Präsentationen oder Pressematerialien zu teilen.
Universelle Sichtbarkeit: Nur 2 Marken
Gender-Bias-Lücke: 28% (63% bei Extremwerten)
Plattformübergreifende Uneinigkeit: 55-90%
GPT-Marken-Abstinenz: 0,2-4,7 Marken
Geschlechtsgebundene Marken: 26 gesamt
Schlüsselbegriffe
Universelle Sichtbarkeit: Wenn eine Marke auf allen KI-Plattformen für einen bestimmten Anfragetyp erscheint. Nur LEGO und Disney erreichten dies in unserer Studie.
Kategorie-Gatekeeping: Wenn KI entscheidet, dass bestimmte Produktkategorien für ein Geschlecht "angemessen" sind und Marken aus dieser Kategorie in Anfragen des anderen Geschlechts ausschließt. Erstmals in unserer 2025-Forschung identifiziert.
Geschlechts-Lock: Eine Marke ist geschlechtsgebunden, wenn sie nur in einem Geschlechts-Framing erscheint und nie in anderen. Unsere Forschung identifizierte 26 solcher Marken.
Modellübergreifende Übereinstimmung: Der Prozentsatz der Marken, die zwei KI-Plattformen beide für die gleiche Anfrage empfehlen. Niedrige Übereinstimmung (10-45% in unserer Studie) bedeutet, dass Ihre Sichtbarkeit auf einer Plattform Ihnen nichts über eine andere sagt.
Cluster-Sichtbarkeit: Wenn KI bestimmte Marken zusammen gruppiert und sie als Set empfiehlt. Marken in starken Clustern profitieren von gegenseitiger Sichtbarkeit. Isolierte Marken nicht.
Marken-Migration: Wenn sich die Geschlechtskategorisierung einer Marke zwischen Messperioden ändert. Einige Marken haben sich zwischen unseren 2025- und 2026-Studien verschoben.