Ein neuer Werbekanal, die nächste Budgetdebatte. Bei ChatGPT Ads stellt sich allerdings schon vor der Frage nach dem Einsatz eine grundlegendere: Kann das Unternehmen erkennen, welche Kunden und welcher wirtschaftliche Nutzen aus einem Kontakt entstehen? Wenn Kampagnenbericht, CRM und Auftragsdaten verschiedene Geschichten erzählen, sorgt ein zusätzlicher Kanal zunächst für eine weitere Version.
Aus Sicht der Customer Intelligence geht es deshalb um mehr als eine neue Anzeigenfläche. Kundendaten müssen gesammelt, verlässlich zugeordnet und bis zum Geschäftsergebnis nutzbar werden. Die These dieses Kommentars lautet: Wer AI Ads bewerten will, braucht diese Verbindung. Eine neue Reporting-Oberfläche kann sie unterstützen. Die gemeinsame Datengrundlage muss das Unternehmen selbst schaffen.
Was die Studie misst und was sie offenlässt
Maximilian Kaiser und Christian Schulze untersuchen in ihrer Studie zu ChatGPT-Verweisen im E-Commerce organischen Traffic auf 973 Websites zwischen August 2024 und Juli 2025. In der bereinigten Gesamtbetrachtung konvertiert dieser Traffic schwächer als die betrachteten etablierten Kanäle, mit Ausnahme von Paid Social. Bei komplexen Produkten fällt die Bewertung günstiger aus. Die Beitragsgrafik zeigt modellgeschätzte Unterschiede gegenüber organischem LLM-Traffic, keine absoluten Conversion-Prozentsätze.
Wichtig ist die Grenze dieser Aussage: Untersucht werden unbezahlte Verweise, keine bezahlten ChatGPT Ads. Die Beobachtungsdaten mit Last-Click-Zuordnung erklären zudem nicht die gesamte Kaufentscheidung. Die Studie begründet daher weder ein pauschales Umschichten von Werbebudgets noch das Ignorieren des Kanals. Sie macht vielmehr deutlich, wie stark eine Bewertung von Nutzungssituation und Messverfahren abhängt. Die Studienseite mit Originalgrafik dokumentiert diese Unterschiede.

Ein Anzeigenkontakt ist noch keine Kundenbeziehung
Die offizielle OpenAI-Dokumentation zur Advertiser API beschreibt Kampagnen, Anzeigengruppen, Anzeigen und Reporting. Für Unternehmen entsteht damit eine steuerbare Werbeaktivität. Ob und unter welchen Bedingungen ein konkretes Konto Anzeigen ausspielen kann, ist gesondert zu prüfen. Die Existenz der Schnittstelle sagt noch nichts über den Zugang eines einzelnen Werbetreibenden oder die erwartbare Wirkung seiner Kampagne aus.
Die entscheidende Verbindung entsteht außerhalb des Anzeigenkontos. Ein Besuch kann zu einer Anfrage führen, diese zu einem Beratungsgespräch und erst später zu einem Auftrag. Dazwischen liegen fachliche Prüfung, Rückfragen und möglicherweise mehrere beteiligte Personen. Wenn im Reporting nur das ausgefüllte Formular sichtbar bleibt, wird ein früher Prozessschritt zur vermeintlichen Antwort auf die gesamte Wirtschaftlichkeitsfrage.
Ein Kundenverlauf braucht verbindende Daten
Für die Bewertung sind mehrere Ebenen auseinanderzuhalten: das Ereignis auf der Website, die Identität des Kontakts, seine Zuordnung zu einem Unternehmen und das spätere Geschäftsergebnis. Diese Informationen können in unterschiedlichen Systemen entstehen. Erst ihre verlässliche Verbindung erlaubt die Frage, wie sich ein Kontakt weiterentwickelt hat. Das ist eine Anforderung an die eigene Messarchitektur, kein zusätzlicher Befund der E-Commerce-Studie.
Benötigt wird deshalb ein nachvollziehbarer Zusammenhang zwischen Ereignis, Kontakt, Unternehmen und Ergebnis. Dazu gehören passende Kennungen, konsistente Zeitangaben und klare Regeln für Zuordnung und Korrektur. Der Golden Record hilft bei der gemeinsamen Identität; die Integration transportiert die benötigten Informationen zwischen den beteiligten Anwendungen. Welche Daten tatsächlich notwendig sind, ergibt sich aus der Bewertungsfrage.
Datenqualität beginnt bei der Definition von Erfolg
Auch eine technisch vollständige Übertragung kann ein falsches Bild erzeugen. Zählt ein System jede Formularübermittlung und ein anderes nur erstmals eingegangene Anfragen, entstehen unterschiedliche Erfolgszahlen. Ähnliches gilt für stornierte Aufträge, Testkontakte und mehrfach übermittelte Ereignisse. Bevor ein Kanalvergleich sinnvoll wird, muss feststehen, welche Vorgänge in die Auswertung eingehen und wer Fehler bearbeiten kann.
Die Dokumentation zum Conversion Tracking beschreibt Browser-Pixel und serverseitige Ereignisübermittlung. Bei kombinierter Nutzung ermöglichen übereinstimmende Ereigniskennungen die Deduplizierung. Das löst einen bestimmten technischen Zählfehler. Ob ein Ereignis fachlich einen qualifizierten Kontakt oder einen wirtschaftlich relevanten Abschluss repräsentiert, bleibt eine Entscheidung des Unternehmens.
Für Customer Intelligence entsteht hier der eigentliche Arbeitsauftrag: gemeinsame Begriffe schaffen, Identitäten verlässlich verbinden und Qualitätsprobleme sichtbar machen. Eine serverseitige Schnittstelle ersetzt weder diese Abstimmung noch die Prüfung, welche Daten im jeweiligen Kontext verarbeitet und weitergegeben werden dürfen.
Die Rückmeldung aus dem Vertrieb verändert die Bewertung
Ein günstiger Kontaktpreis kann attraktiv wirken, obwohl aus den Anfragen kaum bearbeitbare Vorhaben entstehen. Umgekehrt kann ein teurerer Kontakt wirtschaftlich interessant sein, wenn er häufiger zu passenden Kundenbeziehungen führt. Diese Unterschiede werden erst sichtbar, wenn das Marketing Rückmeldungen zur weiteren Entwicklung erhält. Im Lead-Management gehört diese Verbindung deshalb bereits zur Prozessgestaltung.
Für einen Test reichen oft wenige, klar definierte Rückmeldungen: Wurde der Kontakt angenommen? Gab es ein qualifiziertes Gespräch? Entstand ein Angebot oder Auftrag? Wann wurde die Bearbeitung beendet und weshalb? Der Sinn liegt nicht darin, jede interne Information an eine Werbeplattform zu senden. Entscheidend ist eine verlässliche eigene Bewertungsgrundlage mit angemessenem Datenumfang und klaren Zugriffsregeln.
Ein weiterer Kanal prüft die vorhandene Infrastruktur
Meine Schlussfolgerung: Mit jedem zusätzlichen Kontaktpunkt wird die Qualität der gemeinsamen Kundendaten wichtiger. Sind Marketing, Vertrieb und operatives Geschäft bereits verbunden, lässt sich eine neue Quelle gezielter prüfen. Muss ihr Zusammenhang jedes Mal manuell rekonstruiert werden, beginnt die Grundlagenarbeit mit der nächsten Kampagne von vorn.
Hier liegt auch der Bezug zum Geschäftsmodell von MARINI: Daten aus unterschiedlichen Systemen integrieren, ihre Qualität bearbeiten und sie für operative Anwendungen nutzbar machen. Die Studie ist kein Nachweis für die Wirkung eines bestimmten Anbieters. Der Zusammenhang ergibt sich aus der hier entwickelten Managementaufgabe: Ein Kanal lässt sich belastbarer steuern, wenn seine Daten mit dem Kundenprozess verbunden sind.
Ein guter Pilot beantwortet eine konkrete Entscheidung
Vor einem Pilot sollte eine überprüfbare Frage stehen: Erreichen wir mit diesem Angebot geeignete Interessenten, und entwickelt sich daraus zusätzlicher wirtschaftlicher Nutzen? Dazu gehören eine passende Zielgruppe, ein begrenztes Budget, ausreichend Zeit für die betrachtete Kundenentwicklung und ein Vergleich mit nachvollziehbaren Definitionen. Wo möglich, hilft ein geeigneter Vergleichsaufbau, zusätzliche Wirkung von bloßer Zuordnung zu unterscheiden.
Der sinnvolle nächste Schritt ist deshalb ein Test, aus dem eine Entscheidung entstehen kann. Dazu kann eine Kampagne gehören. Ebenso nötig kann zunächst die Verbindung fehlender Datenflüsse sein. Entscheidend ist, ob das Unternehmen geeignete Interessenten und ihre weitere Entwicklung erkennen kann. Erst damit wird die Diskussion über AI Ads zu einer Frage der Customer Intelligence und nicht nur zur Suche nach dem nächsten günstigen Klick.
Kommentar von Emanuel Bayer. Quellenstand: 30. Oktober 2026. Studie: Kaiser, M. und Schulze, C. (2026), ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?, Marketing Science, DOI: 10.1287/mksc.2025.0489. Unternehmensbezug: Manuel Marini und Andreas Gozian gehören zu den Initiatoren des MARINI-Magazins und sind mit MARINI verbunden. Die Empfehlungen dieses Kommentars sind eine redaktionelle Einordnung, keine Ergebnisse der Studie über MARINI.
Weitere Beiträge zum Thema: (Agentic) AI.















