83 % neue Trigger: Warum ChatGPT-Ads klassische Suchkampagnen auf den Kopf stellen

Der Bruch mit der traditionellen Keyword-Logik

Werbekampagnen im Suchmaschinenmarketing basierten jahrelang auf einem einfachen Prinzip: Der Nutzer gibt einen konkreten Suchbegriff ein, der eine direkte kommerzielle Absicht signalisiert, und erhält passende Anzeigen. Ricks aktueller Research-Bericht zeigt nun anhand neuer Marktdaten von Similarweb, dass dieser Mechanismus in KI-Assistenten wie ChatGPT grundlegend ausgehebelt wird. Stolze 83 Prozent der Prompts, die eine Werbeanzeige in ChatGPT auslösen, würden in herkömmlichen Suchumgebungen wie Google Shopping überhaupt keine Anzeige aktivieren. Das zeigt deutlich, wie weit sich dialogbasierte Interaktionen von standardisierten Keyword-Triggern entfernt haben.

Für Marketingverantwortliche bedeutet dieser Befund einen tiefgreifenden Paradigmenwechsel. In konventionellen Suchmaschinen artikulieren Konsumenten ihren Bedarf typischerweise in stark verdichteten Wortfolgen wie CRM Software Preise oder Buchhaltungsplattform Vergleich. In ChatGPT hingegen artikulieren Anwender komplexe Problemstellungen, beschreiben Arbeitsabläufe oder suchen nach strategischer Unterstützung. Die Ausspielung von Werbeformaten erfolgt somit nicht über isolierte Signalwörter, sondern über den semantischen Kontext. Werbetreibende müssen verstehen, dass herkömmliche Keyword-Listen aus SEA-Kampagnen kaum eins zu eins auf dialogbasierte KI-Umgebungen übertragbar sind.

Die von Similarweb analysierten Daten aus dem Zeitraum von März bis Juni 2026 verdeutlichen, dass sich das Nutzerverhalten fundamental verändert hat. Statt linearer Transaktionsabsichten beobachten wir mehrstufige Dialoge, in denen kommerzielle Relevanz erst schrittweise entsteht. Wenn mehr als vier Fünftel aller Werbeeinblendungen auf Prompts basieren, die in klassischen Suchsystemen keine Monetarisierung erfahren hätten, eröffnet dies völlig neue Inventarflächen. Gleichzeitig fordert es Werbetreibende heraus, ihre bisherigen Targeting- und Attributionsmodelle grundlegend zu hinterfragen und auf längere Interaktionspfade auszurichten.

Werbung in ChatGPT greift nicht beim ersten Keyword, sondern begleitet Nutzer tief im Dialog – genau dort, wo echte Kaufabsichten überhaupt erst entstehen.

Turn Depth: Warum Anzeigen immer später im Dialog erscheinen

Ein besonders aufschlussreiches Detail aus Ricks Analyse betrifft den genauen Zeitpunkt der Anzeigenausspielung innerhalb einer Konversation, die sogenannte Turn Depth. Während frühe Tests und Auswertungen zeigten, dass Werbebotschaften häufig bereits nach sieben bis acht Interaktionsschritten eingespielt wurden, hat sich dieser Median im Untersuchungszeitraum signifikant nach hinten verschoben. Die verfügbaren Tests zeigen nun eine durchschnittliche Platzierung zwischen Turn 14 und Turn 22. Das bedeutet: Nutzer führen bereits eine ausgiebige Unterhaltung mit dem Assistenten, bevor eine kommerzielle Botschaft platziert wird.

Diese Verschiebung in tiefere Konversationsphasen ist aus Nutzersicht wie auch aus Markensicht von erheblicher Bedeutung. In den ersten Zügen eines Dialogs klären Anwender meist grundlegende Fragestellungen, definieren Parameter oder verfeinern ihre Aufgabenstellung. Würde ein Werbeformat bereits in Turn 2 oder 3 ausgespielt, empfänden viele Nutzer die Unterbrechung vermutlich als störend oder irrelevant. Durch das Abwarten bis zu Turn 14 oder später verfügt das System über eine deutlich breitere Informationsbasis bezüglich der tatsächlichen Absichten und Bedürfnisse des Nutzers.

Praktische Beispiele aus der Erhebung belegen diesen Trend eindrücklich. So wird die Sicherheits- und Compliance-Plattform Vanta durchschnittlich erst bei Turn 15,8 als Anzeige eingebunden. Beim Projektmanagement-Anbieter Monday.com liegt dieser Wert im Schnitt bei Turn 13,6. Für Werbetreibende bedeutet dies, dass Kampagnenbotschaften nicht auf schnelle Klicks optimiert sein sollten. Vielmehr treffen sie auf Nutzer, die bereits intensiv im Problemlösungsprozess verankert sind und entsprechend qualifizierte, inhaltlich tiefgehende Lösungsansätze erwarten.

Kontextuelle Absichtsbildung: Wie Recherche zu Transaktionen wird

Die Similarweb-Erhebung liefert wichtige quantitative Belege dafür, wie kommerzielle Absichten im Chat entstehen. Satte 41 Prozent aller gemessenen Ad-Momente basieren ursprünglich auf reiner Recherche ohne erkennbare Transaktionsabsicht. Nutzer steigen also mit offenen Fragestellungen, technischen Problembeschreibungen oder allgemeinen Branchenrecherchen ein. Erst im Verlauf der Konversation konkretisiert sich die Herausforderung derart, dass ein konkretes Produkt oder eine spezialisierte Dienstleistung als sinnvolle Problemlösung infrage kommt.

Noch bemerkenswerter ist eine weitere Zahl aus dem Bericht: Bei 46 Prozent der erfassten Nutzer, die zu Beginn der Unterhaltung keinerlei Kaufabsicht aufwiesen, entwickelte sich diese Absicht erst während des fortlaufenden Dialogs. Dies unterscheidet KI-Plattformen fundamental von traditionellen Suchmaschinen, bei denen Nutzer vorwiegend dann nach Produkten suchen, wenn das Kaufbedürfnis bereits weitgehend ausgereift ist. ChatGPT fungiert gewissermaßen als Katalysator, der latente Bedarfe im Beratungsprozess sichtbar macht und in handfeste Nachfrage überführt.

Werbetreibende stehen damit vor der Aufgabe, ihre Kampagnenbotschaften auf Informationsbedürfnisse statt auf Rabattaktionen abzustimmen. Wer in Turn 16 eines komplexen IT-Architektur-Dialogs ein simples Sonderangebot präsentiert, wird kaum überzeugen. Erforderlich sind vielmehr weiterführende Whitepaper, maßgeschneiderte Testzugänge oder detaillierte Funktionsübersichten, die sich nahtlos an die zuvor im Prompt diskutierten Anforderungen anschließen. Conversational Ads müssen sich organisch als nächster logischer Schritt einer lösungsorientierten Beratung anfühlen.

B2B-SaaS als Vorreiter: Marktanteile und Plattformbeispiele

Betrachtet man die Branchenverteilung der Werbetreibenden im Untersuchungszeitraum von März bis Juni 2026, fällt eine drastische Dominanz auf: B2B-Softwareanbieter haben das neue Werbeumfeld am schnellsten für sich erschlossen. Unter den zehn aktivsten Werbetreibenden befinden sich nicht weniger als acht B2B-SaaS-Marken. Dieser Schwerpunkt ist wenig überraschend, da SaaS-Produkte oft erklärungsbedürftig sind und über mehrwöchige Recherchephasen hinweg evaluiert werden – ein Szenario, das perfekt zum Konversationsverlauf in ChatGPT passt.

An der Spitze des Feldes steht der Projektmanagement-Dienstleister Monday.com, der mit einem Anteil von 5,05 Prozent den höchsten gemessenen Impression-Share unter allen erfassten Advertisern verbuchen konnte. Insgesamt konzentriert sich der Markt derzeit noch stark auf wenige Akteure: Die Top-5-Werbetreibenden vereinen zusammen bereits rund 17 Prozent des gesamten Anzeigenvolumens auf sich. Der folgende tabellarische Überblick fasst die zentralen Metriken aus Ricks Research-Bericht strukturiert zusammen.

Die Übersicht verdeutlicht, dass B2B-Unternehmen das Potenzial des semantischen Targetings bereits aktiv nutzen, während klassische B2C-E-Commerce-Marken noch zögerlich agieren. Da Google Shopping stark auf Produkt-Feeds und direkte Produktkaufanfragen setzt, bot es für komplexe B2B-Dienstleister oft nur unzureichende Hebel. Die Möglichkeit, tief in einem fachlichen Problemlösungsgespräch als empfohlene Lösung aufzutauchen, eröffnet B2B-Marken hingegen völlig neue Zugänge zu hochqualifizierten Leads.

Praktische Konsequenzen für Kampagnen- und Mediaplanung

Aus den Erkenntnissen der Similarweb-Analyse lassen sich klare Handlungsfelder für das Performance-Marketing ableiten. Wer Conversational Advertising betreiben möchte, darf nicht in isolierten Schlüsselwörtern denken. Stattdessen müssen Kampagnenmanager ganze Themencluster und Nutzerszenarien modellieren. Welche geschäftlichen Herausforderungen führen typischerweise zu einem Beratungsgespräch mit der KI? Welche Zwischenschritte durchläuft ein Team, bevor es feststellt, dass eine manuelle Tabellenkalkulation nicht mehr ausreicht und ein Workflow-Tool benötigt wird?

Ein weiterer Aspekt ist die Gestaltung der Anzeigeninhalte selbst. Da die Ausspielung typischerweise erst ab Turn 14 erfolgt, haben standardisierte Werbetexte mit reinen Werbeslogans ausgedient. Die Botschaft muss als nahtlose Synthese und logischer Folgeschritt an die vorangegangene Argumentation des Chatbots anknüpfen. Werbetreibende müssen Assets bereitstellen, die Mehrwert bieten: direkte Testumgebungen, spezifische Produktkonfiguratoren oder fundierte Fachinhalte. Der Nutzer befindet sich zu diesem Zeitpunkt bereits in einer reflektierten Phase und wünscht substantielle Hilfestellungen.

Auch das Erfolgs-Tracking und die Attributionsmodelle verlangen nach einer Überarbeitung. Klickraten allein greifen zu kurz, wenn der Nutzer sich noch mitten in einem komplexen Denk- und Arbeitsprozess befindet. Wahrscheinlicher ist, dass Conversational Ads vor allem vorbereitende Touchpoints setzen, die den Entscheidungsprozess maßgeblich beeinflussen, aber möglicherweise erst Tage später über direkte Zugriffe konvertieren. Multi-Touch-Attributionsmodelle und Post-View-Metriken gewinnen daher bei Kampagnen in dialogbasierten KI-Assistenten massiv an Relevanz.

Methodische Grenzen und Ausblick auf künftige Tests

Bei aller Euphorie über die neuen Möglichkeiten müssen Marketingentscheider die methodische Basis der vorliegenden Erkenntnisse nüchtern betrachten. Ricks Research-Bericht stützt sich auf aggregierte Third-Party-Schätzungen von Similarweb, die im Zeitraum zwischen März und Juni 2026 erhoben und über Branchenberichte publiziert wurden. Es handelt sich hierbei um eine Sekundäranalyse externer Marktforschungsdaten und nicht um offizielle Logfiles oder interne Systemmetriken von OpenAI selbst. Entsprechend vorsichtig sollten Rückschlüsse gezogen werden.

Zudem ist festzuhalten, dass der Bericht mit der Evidenzstufe C eingestuft wurde. Das bedeutet, dass die Daten zwar valide Markttrends aufzeigen, jedoch keine kausalen A/B-Tests unter kontrollierten Laborbedingungen abbilden. Wir können beobachten, wie Anzeigen ausgespielt wurden und welche Marken dominieren; die genauen internen Schwellenwerte, Gewichtungen und Ausspielungsmechanismen von ChatGPT bleiben jedoch für Außenstehende eine Blackbox. Die verfügbaren Tests zeigen Muster, erlauben aber keine endgültigen Aussagen über fest programmierte Systemregeln.

Für die Praxis empfiehlt sich daher ein experimenteller, datengestützter Ansatz. Werbetreibende sollten die Similarweb-Zahlen als wertvollen Orientierungsrahmen nutzen, um eigene Pilotkampagnen zu strukturieren, anstatt sie als unverrückbare Naturgesetze misszuverstehen. Wer frühzeitig Erfahrungen sammelt, lernt am besten, wie sich der eigene Zielgruppen-Dialog von der klassischen Suchmaschinenwerbung unterscheidet. Die Beobachtung von Konversationsmustern und Turn Depths wird künftig zu den zentralen Kernkompetenzen im Digital-Marketing gehören.