LLMs wie ChatGPT werden zunehmend als Einstiegspunkt für Kaufentscheidungen genutzt – und schicken dabei messbar Besucher auf Websites. Wir haben uns die Daten aus unseren eigenen eCommerce-Properties angesehen und zeigen, was dahinter steckt.
Was bedeutet „ChatGPT als Traffic-Quelle” überhaupt?
Wenn ein Nutzer in ChatGPT nach einem Produkt, einer Dienstleistung oder einer Empfehlung fragt und ChatGPT dabei einen konkreten Link nennt – oder der Nutzer daraufhin eine genannte URL manuell aufruft –, entsteht Traffic, der in Google Analytics 4 als Referral von chatgpt.com erscheint. Seit OpenAI die Funktion eingeführt hat, direkt auf externe Quellen zu verlinken, ist diese Referral-Quelle in GA4 sauber trackbar.
Technisch läuft das so: ChatGPT gibt eine URL aus, der Nutzer klickt darauf, der Browser sendet einen HTTP-Referrer mit der Domain chatgpt.com. GA4 erfasst das als Session mit der Quelle „chatgpt.com” und dem Medium „referral”. Wichtig: Direktzugriffe, bei denen jemand eine URL aus dem Chat abschreibt und manuell eingibt, erscheinen als Direct-Traffic – dieser Anteil ist also nicht sichtbar und dürfte die reale Reichweite von LLM-generiertem Traffic noch unterschätzen.
Daneben existiert ein zweiter Mechanismus: ChatGPT nutzt Bing als Suchmaschine für aktuelle Web-Suchen. Traffic, der über diesen Weg entsteht, erscheint in GA4 nicht als ChatGPT-Referral, sondern als organischer Bing-Traffic. Wer also nur auf „chatgpt.com” als Quelle schaut, sieht nur einen Teil des Bildes.
Was unsere Daten aus happyandpretty.de zeigen
Wir betreiben mit happyandpretty.de und koreanische-kosmetik-shop.de eigene K-Beauty Shops. Das sind keine Testumgebungen, sondern aktive eCommerce-Properties mit realem SEO-Footprint und organischem Traffic. Genau deshalb eignen sie sich als Beobachtungsfeld für neue Traffic-Quellen.
Was wir in GA4 beobachten:
- chatgpt.com erscheint als Referral-Quelle – mit messbaren, wenn auch noch überschaubaren Session-Zahlen. Der Kanal ist real, nicht theoretisch.
- Die Sitzungsqualität ist auffällig hoch. Nutzer, die über ChatGPT kommen, zeigen eine niedrigere Absprungrate und höhere Seitentiefe als der Durchschnitt vieler anderer Referral-Quellen. Das passt zur Logik: Wer über eine Empfehlung aus einem LLM kommt, hat bereits eine Vorqualifikation durchlaufen – die KI hat das Produkt oder die Kategorie bereits kontextualisiert.
- Die Traffic-Mengen sind (noch) gering, aber das Wachstum ist kontinuierlich. Es handelt sich nicht um einen Einmaleffekt, sondern um eine Quelle, die sich aufbaut.
- Produktkategorien mit redaktionellem Content performen besser. Seiten, die Fragen beantworten – etwa „Was ist Centella Asiatica?” oder „Wie funktioniert das Korean Skincare Routine?” – tauchen häufiger als Quelle für diesen Traffic auf als reine Produktseiten.
Das ist kein Zufall. ChatGPT zitiert und verlinkt bevorzugt Inhalte, die eine Frage klar und strukturiert beantworten. Klassische SEO-Prinzipien – Relevanz, Tiefe, Struktur – zahlen hier direkt ein.
Was das für Marketing-Entscheider konkret bedeutet
Für Branchen, in denen Kaufentscheidungen recherche-intensiv sind – Gesundheit, Finanzen, Tourismus, Versicherungen, aber auch Nischen-eCommerce wie K-Beauty –, ist LLM-Traffic kein Randphänomen mehr. Es ist ein aufkommender Kanal, der andere Mechanismen hat als Google-SEO, aber auf ähnlichen Grundlagen aufbaut.
Drei konkrete Implikationen:
1. Sichtbarkeit in LLMs ist nicht identisch mit Google-Ranking. Eine Seite kann auf Position 8 bei Google stehen und trotzdem von ChatGPT regelmäßig zitiert werden – weil der Inhalt die Frage eines Nutzers besser beantwortet als die Seiten davor. Umgekehrt gilt das genauso. LLM-Sichtbarkeit ist eine eigene Dimension.
2. Der Funnel ist verkürzt. Nutzer, die über ChatGPT auf eine Produktseite kommen, haben oft bereits eine Kaufabsicht konkretisiert. Die KI hat Optionen vorselektiert. Das bedeutet: Conversion-Optimierung auf diesen Landingpages ist besonders relevant.
3. Tracking ist lückenhaft – aber nicht unmöglich. Wer heute noch kein Segment für „chatgpt.com / referral” in GA4 angelegt hat, sieht diesen Traffic nicht separat. Das ist der einfachste erste Schritt zur Analyse.
Für B2B-Branchen wie Maschinenbau oder Hochschulen gilt dasselbe Prinzip: Wenn ein Einkäufer oder Studieninteressent ChatGPT fragt „Welche Hersteller von Separatoren gibt es?” oder „Welche Hochschulen bieten duales Studium in Hamburg an?”, dann entscheidet der Inhalt der Website, ob das Unternehmen oder die Institution in der Antwort auftaucht.
So setzen Sie es um: Konkrete Schritte für morgen
Schritt 1: Tracking aufsetzen
Legen Sie in GA4 einen Vergleichszeitraum an und filtern Sie nach Quelle „chatgpt.com” und Medium „referral”. Ergänzen Sie das um „perplexity.ai”, „bing.com” (als Proxy für ChatGPT-Websuche) und perspektivisch „gemini.google.com”. Das gibt Ihnen ein erstes Bild des LLM-Traffics.
Schritt 2: Content-Audit mit LLM-Brille
Gehen Sie Ihre wichtigsten Seiten durch und fragen Sie sich: Beantwortet diese Seite eine konkrete Nutzerfrage vollständig und klar? Wenn nein, ist das der Ansatzpunkt. FAQ-Sektionen, strukturierte Erklärungen, klare H2-Hierarchien – das sind keine neuen Konzepte, aber sie werden durch LLMs erneut relevant.
Schritt 3: Testen Sie Ihre eigene Sichtbarkeit
Fragen Sie ChatGPT, Perplexity und Gemini nach Produkten oder Dienstleistungen aus Ihrer Branche. Taucht Ihre Marke auf? Wenn ja, mit welchem Kontext? Wenn nein, welche Wettbewerber werden genannt – und warum? Das ist qualitative Wettbewerbsanalyse ohne Tool-Kosten.
Schritt 4: Strukturierte Daten und klare Markenaussagen
Schema-Markup (Product, FAQ, HowTo) hilft LLMs, Inhalte zu interpretieren. Ebenso wichtig: Konsistente Markeninformationen über alle Kanäle – Wikipedia-ähnliche Quellen, Presseerwähnungen, strukturierte About-Seiten. LLMs aggregieren aus vielen Quellen; wer dort widersprüchlich oder dünn aufgestellt ist, verliert Sichtbarkeit.
Schritt 5: Nicht alles auf einmal
LLM-Marketing ist kein Ersatz für SEA oder klassisches SEO. Es ist ein zusätzlicher Kanal, der andere Inhaltsformate begünstigt. Priorisieren Sie nach Ihrem Traffic-Mix und Ihren Ressourcen.
Fazit
ChatGPT als Traffic-Quelle ist keine Spekulation mehr – unsere eigenen Shop-Daten belegen, dass dieser Kanal existiert und wächst. Wer jetzt anfängt, LLM-Sichtbarkeit systematisch zu messen und Inhalte entsprechend zu strukturieren, baut einen Vorsprung auf, bevor der Kanal im Mainstream ankommt.
Wenn Sie wissen möchten, wie Ihre Website aktuell in LLMs positioniert ist und welche Content- oder Tracking-Maßnahmen für Ihre Branche sinnvoll sind, sprechen Sie uns an: blueshepherd.de/kontakt
FAQ
Wie unterscheidet sich ChatGPT-Referral-Traffic in GA4 von normalem Referral-Traffic?
Technisch erscheint er als Quelle „chatgpt.com” mit Medium „referral” – identisch zur Struktur anderer Referrals. Der Unterschied liegt im Nutzerverhalten: LLM-Traffic ist oft stärker vorqualifiziert, da die KI bereits eine inhaltliche Einordnung vorgenommen hat. Außerdem ist ein erheblicher Anteil des tatsächlichen LLM-Traffics nicht sichtbar, weil Nutzer URLs manuell eingeben und als Direct erscheinen.
Sollte ich LLM-Sichtbarkeit als eigene Strategie betreiben oder reicht gutes SEO?
Gutes SEO ist eine notwendige, aber keine hinreichende Bedingung für LLM-Sichtbarkeit. LLMs bevorzugen Inhalte, die Fragen direkt und strukturiert beantworten – das deckt sich mit SEO-Best-Practices, geht aber weiter. Markenerwähnungen in externen Quellen, konsistente Datenanreicherung und strukturierte Daten spielen eine stärkere Rolle als bei klassischem Google-Ranking. Eine eigene Perspektive auf diesen Kanal ist sinnvoll.
Lohnt sich der Aufwand für kleine oder mittelgroße Shops schon jetzt?
Ja – weil die Einstiegshürde niedrig ist. Das Anlegen eines GA4-Segments kostet keine Ressourcen. Ein Content-Audit nach dem Prinzip „beantwortet diese Seite eine echte Nutzerfrage?” ist keine Zusatzarbeit, sondern ohnehin sinnvoll. Und wer früh versteht, welche Inhalte LLMs zitieren, hat einen Informationsvorsprung gegenüber Wettbewerbern, die diesen Kanal noch ignorieren.