Produktdaten für KI-Shopping-Assistenten

Produktdaten für KI-Shopping-Assistenten sind die strukturierten Informationen zu jedem Produkt (Kennungen, Attribute, Preis, Verfügbarkeit), die Assistenten wie ChatGPT, Googles KI-Modus und Perplexity lesen, wenn sie eine Kauffrage beantworten. Ein Assistent empfiehlt, was er gegen die Anforderungen des Käufers prüfen kann. Unvollständige Daten bedeuten unsichtbare Produkte.

Damit wird aus einer PIM-Frage eine Umsatzfrage.

Assistenten empfehlen, was sie prüfen können

Käufer tippen nicht mehr „Wanderschuhe“. Sie fragen: „Wasserdichte Wanderschuhe für breite Füße unter 150 Euro, diese Woche lieferbar.“ Jeder Teil dieses Satzes ist ein Filter:

wasserdicht braucht ein Material- oder Eigenschaftsattribut,
breite Füße braucht ein Attribut für Passform oder Weite,
unter 150 Euro braucht einen aktuellen Preis,
diese Woche braucht die Verfügbarkeit.

Ein Produkt, dessen Daten ein Attribut nicht nennen, kommt durch diesen Filter nicht durch, so gut es auch ist. Der Assistent rät nicht zu Ihren Gunsten. Er wählt den Wettbewerber, dessen Daten die Frage beantworten.

Diese Attribute entscheiden über eine Empfehlung

Attribut	Warum es entscheidet	Wo es stehen muss
GTIN / EAN, Marke, MPN	Identifiziert das Produkt über Quellen hinweg	Feed, Schema-Markup
Preis und Währung	Jede Budgetfrage filtert danach	Feed, Schema `Offer`, Seite
Verfügbarkeit	Assistenten empfehlen ungern, was nicht lieferbar ist	Feed, Schema `Offer`
Material, Größe, Passform, Farbe	Die Anforderungen, die Käufer wirklich eintippen	Feed-Attribute, Seitentext
Konkrete Einsatzzwecke	„für Trailrunning“, „für kleine Küchen“	Seitentext, Bullets
Bewertungen	Entscheiden zwischen ähnlichen Produkten	Schema `AggregateRating`, Seite
Versand und Rückgabe	Oft Teil der Frage	Feed, Seite

Die typische Lücke ist nicht der Preis. Es sind die Attribute in der Mitte der Tabelle: Material, Maße, Passform, Kompatibilität. Sie stecken im Kopf eines Mitarbeiters, in einem Lieferanten-PDF oder in einer Freitext-Beschreibung.

Feed, Schema-Markup und Seite müssen übereinstimmen

Assistenten lesen Produktdaten aus mehreren Quellen: Händler-Feeds, schema.org-Product-Markup auf der Seite und dem Seitentext selbst. Widersprechen sich die drei (ein anderer Preis im Feed, eine Größe nur in der Beschreibung, eine veraltete Verfügbarkeit), wirkt das Produkt unzuverlässig.

Eine einzige Quelle der Wahrheit löst das: Das PIM hält jedes Attribut genau einmal, und Feed, Markup und Seite werden daraus erzeugt. Das ist der Kern dessen, was MDM/PIM tatsächlich löst, und es zählt mehr, seit Maschinen Produkte vergleichen und nicht nur Menschen.

So wird ein Katalog bereit

Vollständigkeit messen. Prüfen Sie den Katalog-Export mit unserer Produktdatenprüfung, um zu sehen, welche Attribute fehlen, widersprüchlich sind oder im Freitext stecken.
Lücken an der Quelle füllen. Im PIM, nicht im Shop-Template. Hat das Datenmodell kein Feld für Passform oder Material, legen Sie eines an. Unsere PIM-Migration: Checkliste für die Datenschicht deckt diese Ebene ab.
Kanaltexte aus den Attributen erzeugen. Der Produkttext-Generator zeigt, wie attributbasierte Texte aussehen und welche Lücken sie bremsen.
Strukturiertes Markup veröffentlichen. Product-, Offer- und Bewertungs-Markup auf jeder Produktseite; der Schema-Markup-Check zeigt, was eine Seite heute mitbringt.
Die Assistenten hereinlassen. Eine robots.txt, die KI-Such-Crawler blockiert, versteckt den ganzen Katalog. Der KI-Crawler-Check zeigt, wer durchkommt, und 26 % der führenden Websites blockieren KI-Crawler zeigt, wie verbreitet der Fehler ist.

FAQ

Wie entscheiden KI-Shopping-Assistenten, welche Produkte sie empfehlen? Sie gleichen die Anforderungen aus der Frage (Einsatz, Größe, Material, Preis, Verfügbarkeit) mit strukturierten Produktdaten und Seiteninhalten ab und empfehlen die Produkte, deren Daten diese nachweislich erfüllen.

Welche Produktdaten brauche ich für KI-Shopping-Antworten? Kennungen (GTIN, Marke, MPN), aktuellen Preis und Verfügbarkeit sowie die Attribute, nach denen Käufer filtern: Material, Größe, Passform, Farbe, Kompatibilität, Einsatzzweck. Dazu Bewertungen und Versandbedingungen, wo vorhanden.

Reicht Produkt-Schema-Markup? Nein. Markup, Feeds und Seitentext werden gemeinsam gelesen. Sie brauchen dieselben Werte, und das gelingt am einfachsten, wenn alle drei aus einem PIM erzeugt werden.

Brauche ich dafür ein PIM? Für ein paar Dutzend Produkte reicht eine disziplinierte Tabelle. Ab einigen hundert Produkten oder mehr als zwei Kanälen hält erst ein PIM die Attribute vollständig und konsistent.

Wenn die Attribute Ihres Katalogs in PDFs und Freitext stecken, bauen wir die Datenschicht dafür.