Wenn ein Käufer ChatGPT fragt: "Was sind die besten wasserdichten Wanderschuhe unter 200 $ für breite Füße?", durchsucht die KI Ihren Shop nicht wie ein Mensch. Sie scannt strukturierte Daten und Texte nach Produkten, die explizit vier Kriterien erfüllen: wasserdicht, Wandern, unter 200 $, breite Passform. Wenn Ihr Katalog diese Attribute nicht in maschinenlesbarer Form enthält, sind Ihre Schuhe unsichtbar – sie werden herausgefiltert, bevor der Käufer sie überhaupt sieht.
Dieser Leitfaden zeigt Ihnen, wie Sie dies im großen Maßstab für Ihren Katalog umsetzen können. Klassisches E-Commerce-SEO ist auf Keywords wie "Wanderschuhe" optimiert. AI-Shopping hingegen optimiert für Attribute und Zusammenhänge, damit ein Agent mit Sicherheit sagen kann: "Das ist genau das, wonach der Nutzer gesucht hat." Hier sind fünf Schritte: Maximieren Sie die Attributdichte, fügen Sie vollständige `Product`/`Offer`-Schemas hinzu, strukturieren Sie Produktfragen und -antworten, halten Sie Ihren Feed sauber und überwachen Sie, welche SKUs tatsächlich die AI-Karte gewinnen.
Wichtige Erkenntnisse
- KI-Agenten filtern Produkte nach expliziten Attributen, nicht nach Marketingadjektiven. Eine "bequeme Winterjacke" ist für einen Käufer, der nach einem "wasserdichten Daunenparka, 700er Füllung, schwarz" sucht, unsichtbar. - Füllen Sie jedes relevante Feld aus. Streben Sie eine Attributvollständigkeit von über 95 % an, einschließlich Material, Farbe, Größe, Passform, GTIN und Verwendungszweck – das sind die Felder, die Agenten abgleichen. - Strukturieren Sie Ihre Fragen und Antworten. Größenangaben, Pflegehinweise, Kompatibilität und Rückgabemöglichkeiten gehören in das `FAQPage`-Schema und in klare On-Page-Blöcke, nicht in einen Fließtext, damit Agenten die Antwort direkt extrahieren können. - Ein vollständiges `Product`/`Offer`-Schema – einschließlich Preis, Verfügbarkeit, `AggregateRating` und `MerchantReturnPolicy` – ermöglicht es dem Modell, genaue Fakten abzurufen, anstatt sie zu halluzinieren. - Der Katalog von GEOly und die Share-of-Card-Analyse zeigen, welche SKUs eine AI-Karte erhalten, welche Attribute fehlen und wo Händlerangebote Ihren Traffic abfangen – so können Sie die Ursachen im großen Maßstab beheben.
Schritt 1: Maximieren Sie die Attributdichte
KI-Modelle filtern nach spezifischen Attributen, nicht nach vager Marketingsprache. Ein Titel wie "bequeme Winterjacke" sagt einem Agenten fast nichts; ein Käufer, der nach einem "wasserdichten Daunenparka, 700er Füllung, schwarz" sucht, wird ihn nie finden. Die Lücke zwischen diesen beiden ist die Attributdichte, und diese zu schließen, ist die effektivste Änderung, die Sie an Ihrem Katalog vornehmen können.
Füllen Sie jedes Feld aus, das ein Shopping-Feed und eine strukturierte Daten-Spezifikation bieten. Seien Sie spezifisch: Material ist "100 % recyceltes Polyester", nicht nur "Polyester"; Muster ist "geometrisch", nicht "cooles Design"; Anlass ist "Business Casual, Hochzeitsgast". Geben Sie Größe, Farbe, Passform, GTIN, Marke und Verwendungszweck für jede SKU an. Streben Sie eine Attributvollständigkeit von über 95 % im gesamten Katalog an und behandeln Sie leere Felder als verlorene Empfehlungen.
Achtung: Die Spezifikationen müssen korrekt sein, nicht übertrieben. Irrelevante Attribute hinzuzufügen, um vollständig zu wirken, verwirrt die Zuordnung und kann dazu führen, dass ein Produkt in unpassende Suchanfragen einsortiert wird. Präzision ist wichtiger als Wortreichtum.
Schritt 2: Implementieren Sie ein Produkt-Q&A-Schema
Käufer stellen Agenten konkrete Fragen – "Kann man das in der Maschine waschen?", "Passt es für breite Füße?", "Wie lange ist die Rückgabefrist?" – und der Katalog, der diese Fragen explizit beantwortet, gewinnt die Empfehlung. Verstecken Sie diese Details nicht in einem Beschreibungstext; strukturieren Sie sie so, dass ein Agent die Antwort direkt extrahieren kann.
Verwenden Sie das `FAQPage`-Schema, das auf der Produktseite eingebettet ist, mit jedem Eintrag als klare Frage und Antwort: F "Ist das maschinenwaschbar?" A "Ja, Kaltwäsche. Nicht im Trockner trocknen." Decken Sie die Fragen ab, die tatsächlich Kaufentscheidungen in Ihrer Kategorie beeinflussen – Größenangaben, Pflege, Kompatibilität, Garantie, Materialien. Spiegeln Sie denselben Inhalt in einem kurzen On-Page-FAQ-Block, damit sowohl Menschen als auch Modelle ihn sehen können.
Achtung: Halten Sie die Antworten sachlich und aktuell. Ein Agent, der "maschinenwaschbar" aus Ihrem Schema übernimmt, und ein Kunde, der das Kleidungsstück ruiniert, sind ein Vertrauens- und Rückgabeproblem. Aktualisieren Sie die Q&A, wenn sich die Produktspezifikationen ändern.
Schritt 3: Vervollständigen Sie das Product- und Offer-Schema
Strukturierte Daten (Schema.org) sind nicht mehr nur für Rich Snippets gedacht – sie sind der primäre Weg, wie eine KI Ihre Produkte versteht. Jede Produktseite sollte ein vollständiges `Product`-Objekt mit einem eingebetteten `Offer` enthalten, damit das Modell Fakten abrufen kann, anstatt sie zu erfinden.
Füllen Sie die Felder aus, die Agenten zum Vergleichen und Empfehlen verwenden: `Offer` mit `price`, `priceCurrency` und `availability`; `AggregateRating` und `Review` mit echten Zahlen; `MerchantReturnPolicy` mit der Rückgabefrist; `shippingDetails` mit Kosten und Lieferzeit; und Produktattribute wie `material`, `color`, `size`, `gtin` und `brand`. Viele Themes geben bereits teilweise Schema-Daten aus, sodass es darum geht, diese zu vervollständigen, nicht zu duplizieren. Validieren Sie jede Seite im Rich Results Test von Google, bevor Sie sie veröffentlichen. Für eine detaillierte Anleitung auf Store-Ebene siehe den [Shopify GEO-Optimierungsleitfaden](/blog/shopify-geo-optimization-guide-geoly).
Achtung: Erfinden Sie keine Bewertungen oder Richtlinien, um besser dazustehen. Agenten gleichen die Daten mit Bewertungen und Drittquellen ab, und falsche Schema-Daten untergraben das Vertrauen und können zu Sanktionen führen. Veröffentlichen Sie nur, was wahr ist.
Schritt 4: Halten Sie den Feed sauber und konsistent
Ein Katalog, der Seite für Seite optimiert ist, verliert dennoch, wenn der zugrunde liegende Feed inkonsistent ist. Wenn dieselbe SKU auf der Produktseite anders beschrieben wird als im Merchant Center-Feed und wieder anders auf einem Marktplatz, liefert das Modell widersprüchliche Fakten – und Widersprüche führen dazu, dass es zögert oder einen saubereren Konkurrenten bevorzugt.
Halten Sie Titel, Attribute, Preise und Verfügbarkeit auf Ihren Produktseiten, in den strukturierten Daten und in allen Shopping-Feeds konsistent. Verwenden Sie einheitliche GTINs, damit ein Modell dasselbe Produkt über verschiedene Quellen hinweg zuordnen kann. Entfernen Sie eingestellte SKUs umgehend, da ein Agent, der ein nicht vorrätiges Produkt empfiehlt, das Vertrauen des Käufers – und Ihres – verspielt. Tun Sie dies regelmäßig, da ein Katalog sich mit Änderungen bei Produkten, Preisen und Lagerbeständen verändert.
Achtung: Achten Sie auf Währungs- und Einheitenabweichungen zwischen Märkten. Ein Preis in der falschen Währung oder eine Größe im falschen System (US vs. EU) disqualifiziert Sie stillschweigend von den Suchanfragen, die Sie sonst gewinnen würden.
Schritt 5: Überwachen Sie, welche SKUs die AI-Karte gewinnen
Optimierung ohne Messung ist Raten. Die entscheidende Frage für einen Katalog ist, welche SKUs tatsächlich in der AI-Produktkarte erscheinen und ob Sie oder ein Wiederverkäufer den Verkauf gewinnen, wenn dies der Fall ist. Das ist Share of Card: wie oft Ihr Listing in der AI-Produktkarte erscheint im Vergleich zu einem Einzelhändler, der denselben Artikel weiterverkauft, oft zu einem anderen Preis.
Verfolgen Sie die Aktivierungsrate von Karten (ob eine SKU überhaupt eine Karte erhält), welche Produkte gelistet sind und wo Händlerangebote Ihren Traffic abfangen. Die Kataloganalyse von GEOly und Share of Card zeigen Ihnen genau dies für Ihren gesamten Katalog. Und da GEOly branchenspezifische Regaldaten bereitstellt, können Sie weiße Flecken in Kategorien erkennen und sehen, wie die SKUs der Wettbewerber positioniert sind – nicht nur Ihre eigenen. Starten Sie eine kostenlose dreitägige Testversion unter `app.geoly.ai` und führen Sie den 29-Punkte-GEO-Audit durch, um eine priorisierte Liste zur Attributkorrektur zu erhalten. Die [Share of Card-Erklärung](/blog/share-of-card-metric-shopify-brands-ai-shopping) zeigt Ihnen, wie Sie diese lesen können.
Häufige Fehler
- Felder im Feed leer lassen, weil "die Beschreibung reicht." Agenten matchen auf strukturierte Attribute, nicht auf Fließtext. - Inkonsistente Daten auf Seite, im Feed und auf dem Marktplatz – widersprüchliche Fakten lassen das Modell zögern. - Bewertungen oder Rückgabebedingungen im Schema erfinden, um wettbewerbsfähig zu wirken; Modelle überprüfen und bestrafen. - Attribute einmal optimieren und nie wieder auditieren, obwohl sich Preise, Lagerbestände und SKUs ändern.
Wie man überprüft
- Führen Sie eine Stichprobe von Produkt-URLs durch einen Structured-Data-Tester und bestätigen Sie, dass `Offer`, `AggregateRating`, `MerchantReturnPolicy` und `FAQPage` fehlerfrei geparst werden. - Prüfen Sie die Attribut-Vervollständigung in Ihrem Feed und stellen Sie sicher, dass hochpriorisierte Felder (Material, Größe, Passform, GTIN, Verwendungszweck) zu 95 % ausgefüllt sind. - Stellen Sie ChatGPT und Perplexity eine komplexe Kaufanfrage mit vielen Einschränkungen und prüfen Sie, ob Ihre passende SKU zum richtigen Preis erscheint. - Beobachten Sie in GEOly die Kartenaktivierungsrate und Share of Card nach SKU, um den Effekt zu bestätigen und Händlerabfang zu erkennen.
FAQ
Wie vollständig müssen meine Katalogdaten wirklich sein? Streben Sie 95 %+ bei den Attributen an, nach denen Käufer tatsächlich filtern – Material, Größe, Passform, Farbe, GTIN, Verwendungszweck. Fehlende Felder senken nicht nur das Ranking, sondern schließen Sie vollständig von abfragebasierten Einschränkungen aus.
Reicht strukturierte Daten aus, oder ist der Text auf der Seite auch wichtig? Beides. Schema liefert dem Modell verlässliche Fakten; sauberer, attributbasierter Text und eine FAQ auf der Seite geben ihm zitierbaren Kontext. Agenten nutzen beides zusammen.
Was ist der Unterschied zwischen diesem Ansatz und Keyword-SEO? Keyword-SEO zielt auf Phrasen ab, die Menschen eingeben. Katalogoptimierung für AI zielt auf Attribute und Beziehungen ab, die ein Agent logisch verarbeitet, um komplexe natürliche Sprachabfragen zu erfüllen.
Wie optimiere ich Tausende von SKUs effizient? Beheben Sie zuerst systematische Lücken – ein Theme, das `MerchantReturnPolicy` auslässt, ein Feed, dem `Material` fehlt – da eine Template-Änderung sich auf den gesamten Katalog auswirkt. GEOlys Audit hebt diese Muster in großem Maßstab hervor.
Wie passt GEOly dazu? Es zeigt, welche SKUs die AI-Karte gewinnen, welche Attribute fehlen und wo Wiederverkäufer Sie abfangen. Erfahren Sie mehr über [was GEOly ist](/blog/what-is-geoly-ai) und die [GEOly AI-Autorenseite](/blog/author/geoly-ai).
