KI SEO für Onlineshops — die Vorauswahl fällt vor dem ersten Klick

Was wir für Onlineshops machen

Empfohlen wird, was sich vergleichen lässt — und was nicht in hundert anderen Shops identisch steht. Vier Bausteine:

Die Auswahl passiert, bevor jemand den Shop sieht

Produktrecherche hat sich in kurzer Zeit verschoben. Der klassische Weg — eine Suche, fünf geöffnete Shops, zwei Testberichte, dann die Entscheidung — wird zunehmend durch eine einzige Frage ersetzt: Welches Gerät passt zu meinem Anwendungsfall?

Die Antwort nennt typischerweise zwei bis drei konkrete Produkte, oft mit Begründung und gelegentlich mit Bezugsquelle. Erst dann folgt der Klick.

Für Händler bedeutet das eine unangenehme Veränderung: Die Vorauswahl findet außerhalb ihrer Reichweite statt, und sie ist unsichtbar. Es gibt keinen verlorenen Warenkorb, keinen Absprung, keine schlechte Kennzahl. Es passiert schlicht nichts.

Wer in dieser Phase nicht genannt wird, verliert Besucher, die er nie hatte — und genau deshalb fällt es in keiner Auswertung auf.

Die zweite Veränderung betrifft die Art der Inhalte, die zählen. In der klassischen Suche konnte ein Shop über Menge und Struktur gewinnen. Hier gewinnt, wer die Frage inhaltlich beantworten kann: mit vollständigen Daten, mit Einordnung und mit etwas, das nicht in hundert anderen Shops identisch steht.

Der Wettbewerb um diese Sichtbarkeit ist derzeit noch dünn, weil die meisten Shops mit Herstellertexten arbeiten. Das ist die Gelegenheit.

So gehen wir vor

Kein Paket von der Stange. Der Ablauf richtet sich nach Sortiment, Datenqualität und Shop-Software — die Reihenfolge bleibt dieselbe.

Herstellertexte machen einen Shop austauschbar

In den allermeisten Shops stammt die Produktbeschreibung vom Hersteller. Sie wurde übernommen, weil sie fachlich korrekt ist und Arbeit spart.

Für eine maschinelle Auswertung ist sie wertlos — nicht weil sie falsch wäre, sondern weil sie identisch in hundert anderen Shops steht. Es gibt keinen Grund, gerade diesen Shop als Quelle zu nennen.

Was einen Unterschied macht, sind eigene Angaben. Und das müssen keine langen Texte sein.

Am wirksamsten ist die Eignungsfrage: Für welche Anwendung passt dieses Produkt, und für welche nicht? Ein Satz wie „Für den gelegentlichen Heimgebrauch gut geeignet; für tägliche Nutzung im Handwerk empfehlen wir das nächstgrößere Modell" ist eine Information, die kein Hersteller liefert und kein anderer Shop hat.

Ebenso wertvoll ist der Vergleich innerhalb des eigenen Sortiments: Worin unterscheiden sich zwei Modelle konkret, und wann lohnt der Aufpreis?

Und schließlich die Antworten auf Fragen, die im Kundenservice tatsächlich gestellt werden. Jede wiederkehrende Frage ist ein Beleg dafür, dass eine Angabe fehlt — und gleichzeitig eine Formulierung, die genau so gesucht wird.

Der Aufwand ist überschaubar, wenn er auf die richtigen Artikel begrenzt wird. Zwei Sätze eigene Einordnung bei den zweihundert wichtigsten Artikeln wirken mehr als vollständig neu geschriebene Texte für das gesamte Sortiment.

Ohne saubere Attribute keine Vergleichbarkeit

Eine Empfehlung setzt Vergleichbarkeit voraus. Ein Modell kann zwei Produkte nur gegeneinander abwägen, wenn es ihre Eigenschaften in vergleichbarer Form vorliegen hat.

Genau daran scheitert es in vielen Shops — nicht an fehlenden Daten, sondern an uneinheitlichen. Derselbe Wert steht bei einem Artikel in Zentimetern, beim nächsten in Millimetern. Ein Attribut heißt einmal „Gewicht", einmal „Masse", einmal steht es im Fließtext. Manche Artikel haben eine Datentabelle, andere nur einen Absatz Prosa.

Was hilft, ist unspektakulär: Pflichtattribute je Warengruppe definieren und dann durchsetzen. Für Werkzeuge etwa Leistung, Gewicht, Spannung, Aufnahme, Lieferumfang. Für Möbel Maße in einer festen Reihenfolge, Material, Gewicht, Montageaufwand.

Dazu die Auszeichnung: Produktdaten gehören strukturiert hinterlegt, damit sie ohne Interpretation des Fließtexts auslesbar sind. Das ist derselbe Standard, der auch für Suchergebnisse und Produktanzeigen relevant ist — der Aufwand zahlt mehrfach ein.

Zwei Angaben werden besonders häufig vergessen und sind besonders wichtig. Erstens die Kompatibilität: Zu welchen Geräten, Systemen oder Größen passt das Produkt? Ein erheblicher Teil aller Kaufberatungsfragen dreht sich genau darum. Zweitens der Lieferumfang: Was ist dabei, was nicht? Diese Frage steht hinter vielen Retouren.

Bei umfangreichen Sortimenten ist das ein Datenprojekt, kein Textprojekt. Es lohnt, es so zu behandeln — mit einer Sortierung nach Umsatzanteil und einem realistischen Zeitplan.

Bewertungen sind oft technisch unsichtbar

Kundenbewertungen enthalten genau das, was in keiner Produktbeschreibung steht: wie sich ein Artikel im Alltag verhält, wo er an Grenzen stößt, für wen er sich gelohnt hat.

Für eine maschinelle Auswertung ist das hochwertiges Material — und in vielen Shops ist es nicht vorhanden.

Der Grund ist technischer Natur. Bewertungen werden häufig von einem externen Dienst bereitgestellt und erst nach dem eigentlichen Seitenaufbau nachgeladen. Wer die Seite so abruft, wie ein automatisierter Zugriff es tut, sieht an dieser Stelle nichts.

Der Shop hat also wertvollen Inhalt, der für diesen Zweck nicht existiert.

Die Abhilfe hängt vom eingesetzten Dienst ab: Manche bieten eine Einbindung, bei der die Bewertungstexte direkt im Seitenquelltext stehen, statt nachgeladen zu werden. Wo das nicht geht, lohnt die Frage, ob der Dienst der richtige ist — denn dasselbe Problem betrifft auch die Darstellung in Suchergebnissen.

Ergänzend gehört die Auszeichnung dazu, also die strukturierte Angabe von Bewertung und Anzahl. Dabei ist Sorgfalt geboten: Ausgezeichnet werden dürfen nur echte, überprüfbare Bewertungen — die Anforderungen sind hier eindeutig, und Verstöße haben sowohl rechtliche als auch technische Folgen.

Ein zusätzlicher Gedanke: Bewertungen mit Text sind für diesen Zweck deutlich wertvoller als reine Sternewertungen. Wer Kunden im Nachfassen um ein paar Sätze bittet statt nur um Sterne, schafft Inhalt, den sonst niemand hat.

Selbstcheck: Sind Deine Produktdaten verwertbar?

Acht Aussagen aus der Praxis. Die Auswertung erscheint sofort — es werden keine Daten übertragen.

Wo sich der Aufwand lohnt — und wo nicht

Beratungsintensive Sortimente profitieren am stärksten. Technik, Werkzeug, Sport- und Outdoorausrüstung, Musikinstrumente, Fotobedarf, Gartengeräte: überall dort, wo Kunden zwischen mehreren Möglichkeiten wählen und eine Empfehlung brauchen.

Produkte mit Kompatibilitätsfragen sind ein eigener Schwerpunkt. Ersatzteile, Zubehör, Verbrauchsmaterial, Bauteile — hier lautet die häufigste Frage überhaupt, ob etwas passt. Wer diese Angabe vollständig und einheitlich pflegt, hat einen unmittelbaren Vorteil.

Möbel und Einrichtung profitieren über Maße und Materialangaben, dazu über Eignungsfragen — für welchen Raum, welche Belastung, welche Nutzung.

Weniger lohnend sind austauschbare Massenartikel mit bekanntem Marktpreis. Dort entscheidet der Preis, und eine Empfehlung fällt entweder nach Preis oder gar nicht.

Ebenfalls schwierig sind Sortimente, die stark über Marke und Geschmack funktionieren — Mode etwa. Hier ist die Entscheidung visuell und persönlich, und eine maschinelle Empfehlung spielt eine kleinere Rolle.

Ein Sonderfall sind Shops mit sehr großen Sortimenten. Für sie ist die vollständige Aufbereitung unrealistisch — hier lohnt eine konsequente Priorisierung nach Deckungsbeitrag und ein automatisierter Ansatz für die Pflichtattribute, ergänzt um manuelle Einordnung bei den wichtigsten Artikeln.

Der Aufwand zahlt auf vier Dinge gleichzeitig ein

Die Datenaufbereitung, um die es hier geht, ist erheblich — und sie lohnt sich nur, weil sie nicht nur diesem Kanal dient.

Erstens verbessert sie die Produktseiten unmittelbar. Vollständige Angaben beantworten Fragen, die sonst zum Abbruch oder zur Rückfrage führen. Das wirkt auf die Abschlussquote, unabhängig von jeder Sichtbarkeit.

Zweitens senkt sie Retouren. Ein erheblicher Teil der Rücksendungen entsteht, weil eine Angabe fehlte oder missverständlich war — Maße, Kompatibilität, Lieferumfang. Jede ergänzte Angabe wirkt hier direkt auf die Kosten.

Drittens verbessert sie den Produktdatenfeed für Anzeigen. Dieselben Attribute, die für die maschinelle Auswertung nötig sind, werden auch dort gebraucht — und unvollständige Feeds führen zu abgelehnten Artikeln.

Viertens entlastet sie den Kundenservice. Wiederkehrende Fragen, die auf der Produktseite beantwortet sind, werden nicht mehr gestellt.

Diese Mehrfachnutzung ist der eigentliche Grund, den Aufwand zu betreiben. Als reine Maßnahme für KI-Sichtbarkeit wäre er für die meisten Shops schwer zu rechtfertigen — als Datenprojekt mit vier Nutzenebenen rechnet er sich deutlich schneller.

Was das kostet — und woran man es merkt

Der Aufwand skaliert mit der Artikelzahl. Für die wichtigsten zwei- bis dreihundert Artikel eines Shops liegt er meist zwischen 6.000 und 15.000 Euro, einschließlich Bestandsaufnahme, technischer Auszeichnung und der Aufbereitung von Attributen und Einordnungen.

Ein erheblicher Teil dieser Arbeit lässt sich nur begrenzt auslagern, weil das Wissen über die Produkte im Unternehmen liegt — besonders bei den Eignungsfragen, die den Unterschied ausmachen.

Die Messung ist auch hier schwierig, weil die Wirkung ohne Klick beginnt. Brauchbar sind drei Größen: regelmäßige Testfragen zu den wichtigsten Warengruppen, die Entwicklung der Suchen nach Shop- und Markennamen, und bei Neukunden die Frage, wie sie auf den Shop gekommen sind.

Erste Nennungen sehen wir typischerweise nach drei bis sechs Monaten. Die unmittelbaren Effekte auf Produktseiten, Retourenquote und Feed-Qualität treten dagegen sofort ein — und sie sind messbar.

Genau deshalb empfehlen wir, dieses Vorhaben nicht als Sichtbarkeitsmaßnahme zu bewerten, sondern als Datenprojekt mit mehreren Erträgen. Die KI-Sichtbarkeit ist davon der langfristigste, aber nicht der einzige.

Wann wir abraten

Bei austauschbaren Massenartikeln mit reinem Preiswettbewerb raten wir ab. Dort entscheidet der Preis, und eine aufwendige Datenaufbereitung ändert daran nichts.

Auch wenn im Unternehmen niemand die Eignungsfragen beantworten kann — für wen passt ein Produkt, für wen nicht —, halten wir uns zurück. Genau diese Einordnung ist der Unterschied zum Herstellertext, und sie lässt sich nicht von außen erfinden.

Ebenso, wenn Sortimentsänderungen nicht zuverlässig auf die Website gelangen. Veraltete Produktangaben führen zu falschen Empfehlungen, Retouren und Ärger — mit dem Shopnamen daneben.

Und wir empfehlen dieses Vorhaben nicht als ersten Schritt. Wenn Produktseiten unvollständig sind und der Feed Ablehnungen produziert, gehört die Arbeit ohnehin zuerst dorthin — sie ist die Voraussetzung, und sie zahlt sich schneller aus.

Häufige Fragen zu KI SEO im Handel

Weitere Antworten zu Zusammenarbeit, Laufzeiten und Kanälen stehen in unseren häufigen Fragen.

Wer hinter dieser Seite steht

Stefan Fantobsky

Performance Marketing & Growth, SkyXmedia™

Betreut bei SkyXmedia™ unter anderem Onlinehändler im Rheinland und im Ruhrgebiet — und behandelt dieses Thema dabei als Datenprojekt, nicht als Textaufgabe.

Fragen zu dieser Seite oder Widerspruch zu einer Aussage? Schreib uns — Korrekturen bauen wir ein und vermerken sie im Aktualisierungsdatum.

Weiterlesen