Unvollständige Produktdaten: raus aus KI-Antworten

Eine Kundin öffnet ChatGPT und sucht ein Produkt, das eine konkrete Bedingung erfüllen muss: ein bestimmter Hauttyp, Plattfüße, ein Teil, das zu etwas passen muss, das sie schon besitzt. Das Modell zuckt nicht mit den Schultern und rät. Es winkt auch keinen Verkäufer heran. Wenn Ihre Attribute fehlen, sich widersprechen oder in Werbetexten verschwinden, geht es einfach weiter zu einem Angebot, das vollständig genug wirkt, um ihm zu vertrauen.

Das ist die unbequeme Lehre aus dem Beitrag „AEO 101“ von Salsify. Searchable hat Hunderttausende Shopping-Antworten von ChatGPT ausgewertet und festgestellt, dass Target, Walmart und eBay deutlich häufiger auftauchen. Die interessanteste Erkenntnis? Amazon fehlt in den meisten LLM-Ergebnissen. Es kam kaum vor, Berichten zufolge, weil ein Großteil seines Katalogs für OpenAI verschlossen bleibt. Katalogumfang und Werbebudget gaben nicht den Ausschlag. Zugängliche, strukturierte Produktdaten schon.

Im letzten Jahrzehnt haben wir um die erste Suchergebnisseite gekämpft. In diesem Jahrzehnt kämpfen wir darum, in der Empfehlung selbst vorzukommen.

Warum Agenten wählerischer sind als Käufer

Menschen nähern sich an, Agenten optimieren auf Gewissheit. Eine Käuferin kann mit einem halb ausgefüllten Etikett leben, einen weiteren Tab öffnen oder im Laden nachfragen. Ein Agent füllt Ihre Lücken nicht für Sie. Fehlendes Material, vage Größenangaben ohne Einheit, keine Kompatibilitätsangaben bei Zubehör: Für eine Käuferin ist das Reibung. Für einen Agenten ist es der Ausstieg.

Laut der Verbraucherstudie von Salsify recherchieren bislang etwa 22 Prozent der Käufer Produkte mit KI. Genau deshalb zählt dieses Zeitfenster jetzt. Das Feld ist noch klein genug, dass Marken mit gut lesbaren Daten sich bereits einen großen Teil der Sichtbarkeit sichern, und diese Position wird umso schwerer zu erobern, je mehr Menschen die Werkzeuge nutzen.

Das widerspricht auch der Prestige-Erzählung. eBay und sogar Poshmark schafften es in dieser Analyse der ChatGPT-Shopping-Antworten unter die Top-Händler. Wenn die Daten lesbar sind, kann ein Second-Hand-Angebot mit einem Kaufhaus konkurrieren. Reputation wertet keine Attribute aus. Zugang und Struktur schon.

Was tatsächlich zum Ausschluss führt

Selten ist es ein einzelner dramatischer Fehler. Es ist das vertraute Durcheinander, mit dem Produktteams seit Jahren leben, nur hat es jetzt härtere Folgen.

Fehlende oder inkonsistente Attribute. Widersprüchliche Abmessungen oder Gewichte für dieselbe SKU auf Ihrer Website, bei einem Händler und auf einem Marktplatz. Werbesprache, die beim Überfliegen gut klingt („Premium-Komfort, den Sie lieben werden“), einem Agenten aber nichts über Material, Passform oder Alternativen verrät. Und selbst wenn die Fakten auf der Seite stehen: kein sauberes Schema und kein strukturiertes Markup, damit eine Maschine sie zuverlässig auslesen kann.

Rob Gonzalez, Mitgründer von Salsify, bringt es auf den Punkt: Eine Liste von Spezifikationen reicht nicht. Agenten brauchen auch den praktischen Kontext, den die meisten Kataloge kaum speichern, etwa wofür das Produkt gedacht ist, wann es verwendet wird und womit es kombiniert wird oder was es ersetzt. Ohne diesen Kontext kann das System den Gegenstand beschreiben und trotzdem an der eigentlichen Frage der Kundin scheitern.

Die Kosmetikbranche macht das greifbar. Jemand fragt, was bei fettiger Haut hilft, in welcher Reihenfolge man Produkte aufträgt oder ob sich zwei Inhaltsstoffe vertragen. Wenn Ihre Seiten diese Fragen nicht in klaren Produktdaten beantworten, geht die Empfehlung an eine Marke, die es tut. Der Beauty AI Visibility Index ist weniger ein Ranking der „besten Formeln“ als ein Ranking darüber, wer diese Informationen leicht auffindbar gemacht hat.

Was wir empfehlen

Wir sollten AEO nicht als neuen Content-Sprint behandeln, der noch mehr Adjektive in Produktdetailseiten kippt. Wir sollten unseren Katalog so betrachten, wie ein Agent es tun würde.

Wir ordnen Inhalte den Fragen zu, die Kunden tatsächlich stellen, nicht nur den Keywords, die sie früher bei Google eingetippt haben. Wir spüren Widersprüche für dieselbe SKU zwischen Markenwebsite, Händler und Marktplatz auf. Wir vervollständigen die Attribute, die bisher optional wirkten: Material, Größe mit Einheit, Kompatibilität, Pflege sowie die Kontextfelder, die Rolle und Verwendung erklären. Wir geben dem Ganzen Struktur und Schema, damit Maschinen keinen Fließtext auslesen müssen. Dann beobachten wir, wie oft und wie korrekt wir zitiert werden, denn eine selbstbewusste falsche Antwort ist fast so schlimm wie Schweigen. Alle paar Monate zu aktualisieren ist keine Eitelkeit, denn Algorithmen und Saisons ändern sich.

Und auf Basis der Studie von Salsify schließen wir, dass detaillierte Spezifikationen auch das sind, was Käufer (und nicht nur Agenten) vertrauen und kaufen lässt, sobald sie im Gespräch sind. Gute Daten sind nicht nur der Weg in die Antwort. Oft sind sie es auch, die den Verkauf abschließen, sobald Sie dort angekommen sind.

Zurück zur Eingangsszene. Eine Kundin hat eine präzise Frage gestellt, und Ihr unvollständiger Datensatz hat es nie auf die Shortlist geschafft. Das ist der Preis dafür, mit „ausreichenden“ Attributen und hübschen Texten zu leben. Größe und Budget kaufen keinen Platz mehr. Vollständigkeit und Zugang schon.

Die vollständige AEO-101-Anleitung von Salsify finden Sie hier: https://www.salsify.com/blog/aeo-101-why-ai-agents-hate-incomplete-product-content