Markenabruf in LLM-Empfehlungen hängt an der FormulierungEvaluating Brand Retrieval and Ranking in Large Language Model Recommendations

Malthouse, Lee, Yang, Pal, Feng · Northwestern, Boston University; arXiv 2609.16304 · 2026

Ob eine Marke in KI-Empfehlungen überhaupt auftaucht, hängt stark von der Formulierung ab; große, bekannte Marken fehlen bei Standard-Kategoriefragen teils komplett. Das Google-Suchinteresse sagte KI-Prominenz am besten voraus.

5,3MFK-Score von 10 · Ergebnis: offen

Studiendesign4

Datenbasis6

Unabhängigkeit10

Replikation3

Übertragbarkeit5

Systematisches Labordesign unabhängiger Autoren mit aktuellen Modellen; noch nicht repliziert. Zu neu oder zu wenig geprüft für ein Urteil. Wie der Score entsteht →

Die Zahlen

0 % → 35,4 % → 81,3 %	Nennungsrate von Craftsman (Akkuschrauber) bei Kategorie-, Bedarfs- und Positionierungs-Prompts
0 % → 5,4 % → 88,5 %	entsprechende Werte für L.L.Bean
0,015	MRR von Disney Cruise Line trotz hoher Bekanntheit
1.200	Listen aus Kategorie-Prompts (je 40-mal)

Methode: Sechs Modelle per API ohne Websuche; Kategorie-, Bedarfs- und Positionierungs-Prompts; explorative Ridge-Regression auf Prädiktoren.
Datenbasis: 6 Modelle (u. a. GPT-5.5, Gemini 3.1 Pro Preview, Claude Opus 4.7), 1.200 Kategorie-Listen, 240 Listen je Fokusmarke, USA
Einschränkungen und häufige Fehlzitate: Preprint; ohne Websuche; Prädiktoren-Analyse ausdrücklich nicht kausal.
Interessenlage: Akademisch; keine bekannt
Quelle: https://arxiv.org/abs/2609.16304 (frei zugänglich)

Im Podcast

Folge 37 (erscheint demnächst)

Zitieren

Marketing Facts Kompakt (Hrsg.): „Markenabruf in LLM-Empfehlungen hängt an der Formulierung“. MFK-Studiendatenbank, Stand 2026-11-06. https://marketing-facts.de/studien/malthouse-brand-retrieval-llm-recommendations-2026/

offenGEO & KI-SucheMarkenaufbau & Wachstum

← Alle Studien