Der praktische Leitfaden zur Optimierung von Produktdaten

Die wichtigsten Erkenntnisse

Beginnen Sie mit einem Audit. Sie können keine Daten optimieren, die Sie nicht verstehen. Wissen Sie, was fehlt, inkonsistent oder falsch ist, bevor Sie irgendetwas anderes anfassen.

Sobald Sie wissen, was Sie haben, werden die Prioritäten klar:

1. Zuerst die Attribute. Sie bestimmen, ob Ihr Produkt überhaupt in der Suche erscheint. Ein fehlendes Filterattribut schließt ein Produkt still aus – bevor jemand auch nur ein Wort der Beschreibung liest.
2. Dann die Beschreibungen. Schreiben Sie mit Begriffen, nach denen echte Kunden suchen – nicht mit internen Bezeichnungen oder Lieferantencodes.
3. Kanal-Anpassung als Drittes. Dieselbe Beschreibung funktioniert selten überall. Gleiche Fakten, aber unterschiedliche Länge, Tonalität und Struktur je nach Kanal.

Vergessen Sie nicht, was die meisten Teams unterschätzen:

• Bilder, Preise und Verfügbarkeit sind Produktdaten. Behandeln Sie sie mit derselben Sorgfalt.
• Verknüpfungen zwischen Produkten fördern Cross-Sells und Upsells. Bauen Sie sie gezielt auf.
• Übersetzungen brauchen Glossare. Flüssig ist nicht dasselbe wie präzise.

Zu Werkzeugen und Skalierung: KI erzeugt schneller, nicht besser – geben Sie ihr also detaillierte Anweisungen oder planen Sie ein, die Ausgabe zu korrigieren. Ein PIM-System rechtfertigt seinen Aufwand, wenn die Verwaltung der Tabelle zur Hauptaufgabe wird – statt ein Hilfsmittel für die eigentliche Arbeit zu sein.

Produktdaten verschlechtern sich kontinuierlich. Bauen Sie einen Prozess zur Pflege auf – nicht nur ein Projekt zur Korrektur.

Beginnen Sie mit einem Daten-Audit

Bevor Sie Produktdaten optimieren, müssen Sie wissen, was Sie tatsächlich haben. Unternehmen tun das nicht – sie gehen davon aus, dass der Katalog ungefähr korrekt ist, und konzentrieren sich stattdessen auf bessere Texte oder neue Kanäle. Dann verbinden sie einen neuen Marktplatz-Feed und bekommen am ersten Tag eine sehr hohe Ablehnungsrate – fast ausschließlich aufgrund fehlender oder fehlerhaft formatierter Attributdaten, die monatelang unbemerkt im System lagen.

Das Audit zeigt Ihnen, wo die eigentlichen Probleme liegen. Exportieren Sie Ihren gesamten Katalog und gehen Sie ihn Feld für Feld durch. Achten Sie auf:

• Fehlende Pflichtattribute
• Numerische Werte, die als Freitext gespeichert sind
• Doppelte Datensätze
• Veraltete Spezifikationen
• Produkte ohne Bilder
• Unverändert vom Lieferanten-Datenblatt übernommene Beschreibungen aus längst vergangenen Jahren

Das alles ist im Storefront nicht sichtbar. Es zeigt sich erst, wenn ein Feed bricht oder ein Filter zwei statt zweihundert Ergebnisse liefert.

Die Ergebnisse des Audits zeigen Ihnen, was zuerst behoben werden muss. Ein fehlendes Filterattribut bei Ihren 50 meistverkauften Produkten kostet mehr als eine schwache Beschreibung bei einem Ladenhüter. Beheben Sie die wichtigsten Lücken, bevor Sie irgendetwas anderes anfassen. Ein PIM-System oder Feed-Management-Tool mit integriertem Datenqualitätsbericht beschleunigt das – aber ein Tabellenexport und einige Stunden ehrlicher Durchsicht bringen Sie schon sehr weit.

Das Audit ist keine einmalige Aufgabe. Führen Sie es regelmäßig durch. Daten verschlechtern sich schneller, als die meisten Teams erwarten.

Schreiben Sie Beschreibungen für die Suche – nicht für sich selbst

Interne Produktbezeichnungen und Lieferantencodes bedeuten einem Kunden, der etwas in eine Suchleiste eingibt, gar nichts. Er sucht nach „wasserdichte Wanderstiefel Herren Größe 44" – nicht nach Ihrer SKU oder einem Markenmodell-Code.

Beginnen Sie mit der Google Search Console. Filtern Sie nach Produktkategorie-Seiten und sortieren Sie nach Impressionen. Sie sehen die Suchanfragen, die Traffic auf Ihre Seiten bringen – und auch die Anfragen mit hohen Impressionen und niedrigen Klickraten. Diese Lücke zeigt Ihnen, wo Ihre Beschreibungen versagen. Der Kunde hat Sie gefunden, aber Titel oder Snippet passten nicht zu dem, was er gesucht hat.

Gleichen Sie das mit Ihren Site-Search-Daten ab. Suchanfragen, die in Ihrer eigenen Suchleiste eingegeben werden und schwache Ergebnisse liefern, zeigen Ihnen genau, was Kunden erwarten zu finden – und nicht finden. Diese Begriffe gehören in Ihre Beschreibungen und Attributwerte. Die Autocomplete-Funktion bei Google und Amazon zeigt Ihnen, wie echte Kunden ihre Suchen formulieren – oft ganz anders als Produktteams über dieselben Dinge schreiben.

Bauen Sie die Begriffe in Titel und den ersten Satz der Beschreibungen ein – aber konstruieren Sie die Texte nicht rückwärts um Keywords herum. Schreiben Sie so, dass Sie die Fragen beantworten, die ein Kunde vor dem Kauf hat: Woraus besteht es? Was passt dazu? Was ist im Lieferumfang enthalten? Was ist der Unterschied zur günstigeren Variante? Diese Antworten enthalten in der Regel ohnehin die richtigen Begriffe – und sie konvertieren besser als Keyword-überhäufte Texte, die für einen Crawler geschrieben wurden.

Ein Aspekt, den die meisten Unternehmen übersehen: negative Suchintention. Ein Kunde, der nach „Wolldecke maschinenwaschbar" sucht, filtert Produkte heraus, die Handwäsche erfordern. Wenn Ihre Decke maschinenwaschbar ist, muss dieser Begriff in der Beschreibung stehen. Wenn sie es nicht ist, muss das ebenfalls dort stehen – denn ein Kunde, der das erst zu Hause herausfindet, wird sie zurückschicken. Unvollständige Beschreibungen leisten nicht nur schlechtere Ergebnisse. Sie verursachen Retouren.

Passen Sie Ihre Texte an den Kanal an

Dieselbe Produktbeschreibung funktioniert selten überall. Jeder Kanal hat andere Regeln, andere Zielgruppen und andere Ranking-Faktoren.

Ihr eigener Webshop bietet Ihnen Raum. Sie können längere, reichhaltigere Beschreibungen schreiben, die Kontext aufbauen und die Marke stärken. Ein Marktplatz wie Amazon oder Bol.com hat strenge Formatierungsregeln, Zeichenbegrenzungen und seinen eigenen Suchalgorithmus, der Titelfelder stark gewichtet. Google Shopping zieht aus strukturierten Feed-Feldern – nicht aus Fließtext. Ein B2B-Katalog benötigt technische Spezifikationen an erster Stelle, ergänzt durch kommerzielle Bedingungen und Lieferzeiten.

Das häufigste Problem, das wir bei Audits von Multichannel-Setups unserer Kunden antreffen, sind Produktbeschreibungen, die nie kanalspezifisch angepasst wurden. Der Text, der für einen Webshop geschrieben wurde – wo Kunden browsen und sich Zeit zum Lesen nehmen –, wurde unverändert auf einen Marktplatz wie Amazon oder Bol.com übertragen, wo die ersten 80 Zeichen eines Produkttitels darüber entscheiden, ob ein Produkt überhaupt in den Suchergebnissen erscheint. Das Ergebnis war schlechte Sichtbarkeit ohne erkennbaren Grund – weil das System das nicht als Fehler markiert hatte.

Was über alle Kanäle hinweg konsistent bleibt:

• Die Fakten. Maße, Materialien, Kompatibilität, enthaltene Komponenten. Stellen Sie diese einmal korrekt ein und übertragen Sie sie überall.

Was sich je nach Kanal ändert:

• Länge, Tonalität, Struktur und welche Details Sie an den Anfang stellen.

Dieses in großem Maßstab zu handhaben bedeutet, kanalspezifische Templates zu erstellen und zu wissen, welche Felder welche Ausgabe speisen. Ein einzelner Master-Datensatz mit kanalspezifischen Feldvarianten lässt sich besser pflegen als separate Produktdatensätze pro Kanal. Das manuell pro SKU zu tun, skaliert nicht über ein paar hundert Produkte hinaus.

Attribute bestimmen, wie man Sie findet

Ein Kunde auf einer Möbel-Website, der nach einem Esstisch mit weniger als 80 cm Breite sucht, stöbert nicht – er filtert. Wenn Ihr Tisch kein Breiten-Attribut hat, existiert er in dieser Suche schlicht nicht.

Das ist der folgenreichste Teil der Produktdaten-Arbeit. Texte können schrittweise verbessert werden und ihre Wirkung entfaltet sich nach und nach. Fehlende oder fehlerhafte Attribute schließen Produkte sofort, vollständig und ohne jeden Hinweis aus den Suchergebnissen aus. Niemand teilt Ihnen das mit. Das Produkt erscheint einfach nicht.

Attribute sind die strukturierten Datenfelder hinter Ihrem Produkt: Abmessungen, Gewicht, Material, Farbcode, Kompatibilität, Zertifizierungen, Leistungsanforderungen, Altersangabe und was auch immer für Ihre Kategorie relevant ist. Je vollständiger und korrekt typisiert sie sind, desto mehr Oberflächen erscheint Ihr Produkt auf.

Der Datentyp ist genauso wichtig wie der Wert:

• Ein numerisches Feld für Abmessungen ermöglicht Bereichsfilter.
• Ein kontrolliertes Vokabular für Farben ermöglicht exakte Filterung.
• Freitext-Felder ermöglichen beides nicht.

Wenn jemand „ca. 80 cm" statt „80" in ein numerisches Feld einträgt, bricht der Filter. Wenn die Farbe in einem Datensatz als „dunkles Marineblau" und in einem anderen als „marine" eingetragen ist, aggregieren sie nicht unter demselben Filterwert.

Bei AtroPIM stellen wir bei Attribut-Audits regelmäßig fest, dass 20 bis 30 % des Katalogs eines Kunden in der gefilterten Suche faktisch unsichtbar ist – weil wichtige Attribute leer oder falsch typisiert sind. Das ist kein Text-Problem. Keine noch so gute Beschreibungsarbeit behebt es. Die Produkte werden ausgeschlossen, bevor irgendjemand auch nur einen Satz liest.

Gehen Sie bei Ihren Kernkategorien in die Tiefe:

• Schauen Sie, welche Filter die Websites Ihrer Mitbewerber anbieten, und stellen Sie sicher, dass Sie die entsprechenden Daten haben.
• Schauen Sie, welche Attribute Marktplätze verlangen und welche optional, aber empfohlen sind. Googles Produktdatenspezifikation listet Pflicht- und optionale Attribute je Kategorie auf – optionale Attribute, die die Auffindbarkeit verbessern, sind das Ausfüllen wert (Quelle).

Eine praktische Methode, um Lücken zu finden: Führen Sie in Ihrer eigenen Site-Suche Produkttypen durch und schauen Sie, welche Filter erscheinen. Prüfen Sie dann, wie viele Ergebnisse jeder Filterwert liefert. Ein Filterwert mit 2 Ergebnissen bedeutet meist fehlende Daten – kein dünnes Sortiment. Korrigieren Sie die Daten, nicht den Filter.

Attribute über ähnliche Produkte hinweg standardisieren

Inkonsistente Attributbezeichnungen sind eine leisere Version desselben Problems. Wenn Ihr Produktkatalog für verschiedene Stuhl-Einträge „Sitzhöhe", „Höhe Sitz", „Sitz H" und „Höhe vom Boden" enthält, aggregieren diese in der Filterung nicht korrekt zusammen. Der Schaden ist in einzelnen Produktdatensätzen unsichtbar und zeigt sich erst, wenn Filter über die gesamte Kategorie hinweg auswerten.

Erstellen Sie einen definierten Attributsatz für jeden Produkttyp. Jeder Stuhl bekommt denselben Satz von Attributen, identisch benannt, mit denselben Einheiten und Werteformaten. Jedes Elektrowerkzeug bekommt seinen eigenen festen Satz. Jedes Hautpflegeprodukt seinen eigenen. Der Satz wird einmal definiert, regelmäßig überprüft und von da an konsequent angewendet.

Der Widerstand in dieser Phase kommt selten aus Uneinigkeit über den Standard selbst. Er kommt von der unattraktiven Arbeit, ihn rückwirkend auf einen bestehenden Katalog anzuwenden. Das ist Arbeit, die zu niemandens KPI gehört und keine Ergebnisse zeigt, bis sie vollständig erledigt ist.

Ohne klare Eigentümerschaft driftet der Katalog innerhalb von 6 Monaten wieder in die Inkonsistenz. Jemand fügt Produkte eines neuen Lieferanten hinzu, ohne sie auf den Standard zu mappen. Ein Kategorie-Manager fügt ein neues Attribut hinzu, das bereits unter anderem Namen existiert. Der Standard erodiert schrittweise – und die Filter-Fehler folgen.

Wenn Sie Produkte von einem neuen Lieferanten aufnehmen, mappen Sie seine Datenstruktur auf Ihre Taxonomie, bevor Sie importieren. Lieferanten benennen Dinge nach ihrer eigenen Katalog-Logik – nicht nach Ihrer. Ihre Terminologie als Attributnamen zu übernehmen, ist der Ausgangspunkt der Inkonsistenz.

Bilder und Medien sind ebenfalls Produktdaten

Bilder fördern die Konversion. Mehrere Perspektiven, Lifestyle-Aufnahmen, Detail-Nahaufnahmen und Größenreferenzen reduzieren die Kaufunsicherheit. In Kategorien wie Bekleidung, Möbel und Elektronik erwarten Kunden, ein Produkt gründlich zu sehen, bevor sie kaufen. Ein Produkt mit einem einzigen niedrig aufgelösten Bild aus einem Lieferanten-PDF verliert gegen gut fotografierte Mitbewerber – unabhängig von Preis oder Textqualität.

Dateinamen und Alt-Texte sind SEO-relevant. Ein Bild mit dem Namen IMG_4821.jpg leistet nichts. Eines namens schwarzer-leder-buerostuhl-armlehne-detail.jpg schon. Googles Bildsuche-Leitlinien bestätigen, dass beschreibende Dateinamen und Alt-Texte dabei helfen, in der Bildsuche zu ranken und zur Relevanz der Gesamtseite beizutragen (Quelle).

Verschiedene Kanäle haben unterschiedliche Bildanforderungen:

• Amazon verlangt weiße Hintergründe für Hauptbilder und lehnt Einträge ab, die das nicht einhalten.
• Google Shopping hat Mindestauflösungsanforderungen und lehnt Feeds mit minderwertigen Bildern ab.

Kennen Sie die Spezifikationen je Kanal und erfüllen Sie diese vor der Veröffentlichung – nicht erst nach dem ersten Ablehnungsbericht.

3D- und AR-Assets werden in den Kategorien Möbel, Heimdekoration und teils Bekleidung zunehmend erwartet. Sie sind noch nicht universell, aber die Lücke zwischen Händlern, die sie anbieten, und denen, die das nicht tun, wird in den Konversionsdaten zunehmend sichtbar.

Produktverknüpfungen gezielt aufbauen

Empfehlungs-Engines brauchen Daten, um zu funktionieren. „Kunden kauften auch" und „Das könnte Ihnen gefallen" sind keine Magie. Sie basieren entweder auf Verhaltensdaten oder manuell definierten Produktbeziehungen – und Verhaltensdaten brauchen Zeit, um sich bei neuen Produkten oder Seiten mit geringem Traffic anzusammeln.

Definieren Sie Verknüpfungen explizit in Ihren Produktdaten:

• Zubehör, das zu diesem Produkt passt
• Ersatzteile
• Kompatible Artikel
• Bundle-Komponenten
• Upgrades
• Alternativen, wenn ein Produkt nicht vorrätig ist

Bei neuen Produktlaunches sind manuell definierte Verknüpfungen besonders wichtig, da algorithmusbasierte Empfehlungen noch keine Verhaltensdaten haben, aus denen sie lernen könnten. Die Verknüpfungen füllen diese Lücke und stellen sicher, dass Kunden von Tag eins an zu relevanten Ergänzungen geführt werden – insbesondere zu Ersatzteilen und Zubehör, das Kunden beim Stöbern allein nicht entdecken würden.

Seien Sie sich über die Art der Verknüpfung im Klaren. Ein Cross-Sell ist ein ergänzendes Produkt. Ein Upsell ist eine höherwertige Version desselben Artikels. Ein Ersatzteil ist eine völlig andere Beziehung. Sie zu vermischen erzeugt irrelevante Empfehlungen – und irrelevante Empfehlungen werden schneller ignoriert als gar keine.

Preis und Verfügbarkeit als Live-Daten

Preisdaten in Feeds müssen das widerspiegeln, was der Kunde tatsächlich zahlt. Das umfasst Aktionspreise mit korrekten Start- und Enddaten, Staffelpreise für B2B-Kunden und Währungsvarianten für internationale Kanäle. Google Merchant Center lehnt Produkte ab, bei denen der Feed-Preis nicht mit dem Preis auf der Landingpage übereinstimmt – und wiederholte Diskrepanzen können zur Kontosperrung führen.

Ein häufiger Fehler bei Werbeaktionen ist die Unterschätzung, wie schnell eine Preisdiskrepanz nachgelagerte Schäden verursacht. Ein Feed, der einmal täglich aktualisiert wird, während ein Flash-Sale die Preise alle paar Stunden ändert, bedeutet, dass der Feed für den Großteil der Aktion falsch ist. Ablehnungen kommen an, nachdem der Sale vorbei ist. Das Risiko einer Sperrung baut sich still auf. Feeds während aktiver Aktionen nahezu in Echtzeit zu aktualisieren, ist keine Option – sofern die Aktion häufige Preisänderungen beinhaltet.

Lagerbestand beeinflusst mehr als die Auftragsabwicklung:

• Auf Marktplätzen verlieren nicht vorrätige Produkte schnell an Ranking.
• Bei Google Shopping hören sie vollständig auf zu erscheinen.
• Wenn Sie über mehrere Lager oder Regionen hinweg verkaufen, braucht ein Produkt, das in einem Land vorrätig ist, in einem anderen aber nicht, korrekte regionale Kennzeichnungen im Feed.

Genaue Verfügbarkeitsdaten, mindestens täglich aktualisiert, sind keine Option, wenn Sie bezahlte Kampagnen schalten oder auf organische Marktplatz-Sichtbarkeit angewiesen sind.

Präzise übersetzen – nicht nur flüssig

Eine grammatikalisch korrekte Übersetzung kann trotzdem falsch sein. Wenn Ihr Übersetzungssystem nicht weiß, dass ein bestimmter Markenname niemals übersetzt werden darf, oder dass ein Fachbegriff ein genehmigtes Äquivalent im Zielmarkt hat, erhalten Sie Produkteinträge, die für Muttersprachler verwirrend oder irreführend sind – auf eine Weise, die schwer zu erkennen ist, ohne dass jeder Datensatz von einem Muttersprachler geprüft wird.

Glossare lösen dieses Problem. Ein Übersetzungsglossar ist eine kontrollierte Liste von Begriffen mit ihren genehmigten Entsprechungen in jeder Zielsprache. Markennamen, Produktkategorie-Begriffe, technische Spezifikationen und geschützte Formulierungen gehören alle hinein. Jedes Übersetzungssystem – ob menschlich, maschinell oder KI-gestützt – sollte das Glossar vor der Ausgabe anwenden, nicht als nachträgliche Prüfung.

Ein Glossar, das nach der Übersetzung angewendet wird, erkennt Fehler. Ein Glossar, das vorher angewendet wird, verhindert sie.

Translation Memory speichert zuvor genehmigte Übersetzungen, sodass identische oder ähnliche Zeichenketten konsistent über Ihren gesamten Katalog hinweg übersetzt werden. Es beschleunigt den Prozess und senkt die Kosten bei großen Katalogen, in denen dieselben Formulierungen in hunderten von Produkten auftauchen. Ohne Translation Memory kann dasselbe Produktmerkmal in vier verschiedenen Kategorien auf vier verschiedene Arten übersetzt werden – keine davon falsch genug, um aufzufallen, aber alle inkonsistent genug, um die Markenkredibilität in diesem Markt zu untergraben.

Übersetzung ist ein Datenqualitätsproblem, kein reines Sprachproblem. Ein falsch übersetzter Produktname in einem Feed verursacht denselben Filter-Fehler wie ein falscher Attributwert: Das Produkt erscheint entweder nicht in den richtigen Suchergebnissen oder landet in der falschen Kategorie, weil der übersetzte Begriff auf den falschen Taxonomie-Knoten verweist.

Maschinelle Übersetzung hat sich deutlich verbessert. Für hochvolumige, weniger kritische Inhalte wie Attributwerte und Spezifikationslisten ist sie mit Glossar-Unterstützung oft gut genug. Für Produkttitel, zentrale Beschreibungen und alles Kundenseitige in einem umsatzstarken Markt ist menschliche Überprüfung nach wie vor wichtig. Maschinelle Übersetzung pauschal auf alles anzuwenden – oder für alles menschliche Übersetzung zu bestehen – sind beide falsche Ausgangspunkte.

KI kann helfen – aber nur, wenn Sie sie steuern

KI kann in großem Maßstab Produktbeschreibungen generieren. Das ist nützlich. Sie kann aber auch in großem Maßstab generische, ungenaue oder markenfremde Texte produzieren – was schlimmer ist als gar kein Text, weil es den Anschein vollständiger Daten erzeugt, während die Qualität Konversion und Vertrauen untergräbt.

Die Ausgabequalität hängt vollständig von den Anweisungen ab, die Sie geben. Ein Prompt, der sagt „Schreibe eine Produktbeschreibung für diesen Stuhl", erzeugt etwas Passables und Vergessliches. Ein Prompt, der Kanal, Zielgruppe, Tonalität, Zeichenbegrenzung, einzuschließende Keywords, zu vermeidende Aussagen und ein Beispiel für genehmigte Ausgaben spezifiziert – und die Produktattribute als strukturierten Datenblock enthält – erzeugt etwas Verwendbares.

Eine praktische Struktur für einen Produktbeschreibungs-Prompt umfasst:

1. Kanal
2. Zielgruppe
3. Tonalität
4. Länge
5. Erforderliche Keywords
6. Verbotene Formulierungen
7. Ein Beispiel genehmigter Ausgabe
8. Die Produktattribute als strukturierten Datenblock

Die meisten Leute liefern zwei dieser acht Eingaben und wundern sich, warum die Ausgabe umfangreich nachbearbeitet werden muss. Zeit in Prompt-Design und Tests an kleinen Chargen zu investieren, bevor man den gesamten Katalog durchläuft, spart insgesamt deutlich mehr Bearbeitungszeit, als alles auf einmal zu generieren und nachzubessern.

Geben Sie der KI Ihre Produktattribute als strukturierten Input – nicht als Fließtext. Sagen Sie ihr, welchem Format die Ausgabe folgen soll. Sagen Sie ihr, was sie nicht sagen soll. Wenn Ihre Marke keine Superlative verwendet, sagen Sie das. Wenn es in Ihrer Kategorie Compliance-Einschränkungen für bestimmte Aussagen gibt, binden Sie diese explizit ein. KI hat keine Möglichkeit, Ihr regulatorisches Umfeld, Ihre Markenstimme oder den Unterschied zwischen einer Aussage zu kennen, die in einem Markt rechtlich sicher ist, und einer, die es nicht ist.

Überprüfen Sie KI-generierte Inhalte immer vor der Veröffentlichung. KI nennt falsche Spezifikationen mit Überzeugung. Eine falsche Abmessung, eine unwahre Kompatibilitätsangabe oder eine fehlerhafte Materialangabe verursacht Retouren und untergräbt das Vertrauen. Die Kosten liegen nicht in der Zeit für die Korrektur. Sie liegen in der Retourenquote und dem Kunden, der nicht wiederkommt.

Verwenden Sie ein PIM-System ab einer gewissen Größe

Eine Tabellenkalkulation funktioniert, wenn Sie 50 Produkte haben und einen Kanal bespielen. Die Zeichen, dass sie nicht mehr ausreicht, sind konkret:

• Zwei Personen bearbeiten dieselbe Datei und überschreiben gegenseitig ihre Änderungen.
• Ein Kanal geht mit den Preisen vom letzten Monat live, weil jemand vergessen hat, diesen Tab zu aktualisieren.
• Ein neuer Marktplatz verlangt ein Attribut, das bei 40 % Ihres Katalogs inkonsistent befüllt ist – und es gibt keine saubere Möglichkeit, es en masse zu korrigieren.
• Sie verbringen mehr Zeit mit der Verwaltung der Tabelle als mit der Verbesserung der darin enthaltenen Daten.

Das ist der Wendepunkt. Nicht eine bestimmte Produktanzahl, nicht eine bestimmte Kanalanzahl. Es ist der Moment, in dem Datenverwaltung zur eigentlichen Aufgabe wird – statt ein Hilfsmittel für die eigentliche Aufgabe zu sein.

Ein Product Information Management System ist ein zentrales Repository für alle Ihre Produktdaten. Es speichert Attribute, Beschreibungen, Medien, Preisregeln und kanalspezifische Varianten an einem Ort. Es verbindet sich mit Ihrem Webshop, Marktplätzen, Feed-Management-Tools und Übersetzungssystemen.

Unserer Erfahrung bei AtroPIM nach ist die erste messbare Verbesserung nach der Migration zu einem PIM in der Regel die Fehlerquote in Feeds. Der bloße Import der Daten in ein System mit Validierungsregeln erzwingt eine Bereinigung, die Tabellenkalkulationen nie durchgesetzt haben. Teams, die in den ersten Monaten Inhaltsverbesserungen erwarteten, erhielten stattdessen Datenqualitätsverbesserungen – die sich als wertvoller herausstellten, weil sie die Kanalerweiterung freischalteten, die monatelang geplant worden war.

Die Kernpunkte, auf die Sie bei einem PIM achten sollten:

• Ein flexibles Attributmodell, das Ihre Taxonomie abbildet, ohne eine starre Struktur aufzuzwingen
• Kanalspezifische Ausgabe-Templates
• Unterstützung von Übersetzungs-Workflows
• Saubere Import-/Export-Tools für das Onboarding von Lieferantendaten

Das Onboarding-Tool ist wichtiger, als die meisten Käufer erkennen. Sie werden neue Lieferantenkataloge wiederholt importieren. Wenn dieser Prozess mühsam ist, beginnen Datenqualitätsprobleme beim ersten Import und häufen sich von da an.

Kaufen Sie nicht für Features, die Sie im ersten Jahr nicht nutzen werden.

Messen und pflegen

Produktdaten sind kein Projekt mit einem Enddatum. Sie verschlechtern sich kontinuierlich. Lieferanten aktualisieren Spezifikationen, ohne Sie zu informieren. Produkte werden eingestellt. Marktplätze ändern ihre Attributanforderungen. Ein Feld, das letztes Jahr optional war, wird dieses Jahr Pflicht – und Sie erfahren es, wenn die Ablehnungsrate plötzlich ansteigt.

Richten Sie regelmäßige automatisierte Datenqualitätsprüfungen ein. Die meisten PIM-Systeme und Feed-Management-Tools können fehlende Pflichtfelder markieren, Werte außerhalb erwarteter Bereiche identifizieren und Duplikate nach einem Zeitplan erkennen. Führen Sie sie wöchentlich durch. Warten Sie nicht darauf, dass ein Kanal Ihnen sagt, dass etwas nicht stimmt.

Feed-Ablehnungsraten von Google Merchant Center, Amazon oder anderen Kanälen sind ein direktes und messbares Signal für Datenqualitätsprobleme. Ein plötzlicher Anstieg der Ablehnungen zeigt fast immer auf ein bestimmtes Feld oder eine Produktkategorie hin, bei der sich eine Anforderung geändert hat oder ein Batch-Import fehlerhafte Daten eingebracht hat. Überprüfen Sie Ablehnungsberichte nach jedem größeren Feed-Update – nicht erst, wenn die Kampagnen-Performance sinkt.

Retourquoten, die mit Beschreibungen zusammenhängen, sollten separat von den Gesamt-Retouren verfolgt werden. Eine hohe Retourenquote in einer bestimmten Kategorie, bei der Kunden „nicht wie beschrieben" angeben, ist ein Datenproblem – kein Logistikproblem. Die Beschreibung hat eine falsche Erwartung geweckt. Die Beschreibung zu korrigieren, behebt die Retourenquote. Das ist eine der klarsten direkten Verbindungen zwischen Datenqualität und Umsatz – und die meisten Teams stellen sie nie her, weil sie Retouren und Produktdaten in getrennten Systemen betrachten, ohne sie zu verknüpfen.

Such-Analysen auf Ihrer eigenen Website zeigen, wo Kunden filtern und was sie nicht finden. Ein Filter mit starker Nutzung, aber wenigen Ergebnissen, weist auf fehlende Attributdaten hin. Eine Suchanfrage mit Traffic, aber ohne Klicks, weist auf schwache Titel oder fehlende Produkte hin. Beides ist mit Datenarbeit behebbar – und beides ist unsichtbar, wenn niemand die Berichte auswertet.

Weisen Sie Verantwortung zu. Jemand muss dauerhaft für Datenqualität verantwortlich sein – mit klaren Kennzahlen als laufende Funktion, nicht als Bereinigungsprojekt, das Ressourcen bekommt, wenn die Dinge schlimm genug schiefgelaufen sind.

Wo anfangen

Der richtige Ausgangspunkt ist das Problem, das Sie gerade am meisten kostet – und das ist in der Regel in Daten sichtbar, die Sie bereits haben.

Hohe Impressionen und niedrige Klickraten in der Search Console bedeuten, dass Ihre Titel und Beschreibungen nicht zur Suchintention passen. Korrigieren Sie die Top-20-Produkte nach Impressionsvolumen, messen Sie die Klickraten-Veränderung über 4 Wochen, und nutzen Sie das als Baseline für den Rest des Katalogs.

Hohe Absprungraten auf Produktseiten bedeuten, dass Kunden landen, die Seite aber ihre Fragen nicht beantwortet. Prüfen Sie zuerst die Anzahl der Bilder und die Tiefe der Beschreibung. Beides ist ohne Infrastrukturänderungen behebbar.

Hohe Feed-Ablehnungsraten bedeuten, dass Attributdaten für diesen Kanal unvollständig oder falsch formatiert sind. Rufen Sie den Ablehnungsbericht ab, identifizieren Sie die drei häufigsten Fehlertypen und korrigieren Sie diese Felder über den gesamten Katalog hinweg – bevor Sie irgendetwas anderes tun. Eine systematische Korrektur schlägt hundert manuelle Einzel-Korrekturen.

Inkonsistente Filterergebnisse auf Ihrer eigenen Website bedeuten, dass die Attributstandardisierung noch nicht stattgefunden hat. Wählen Sie Ihre meistbesuchte Kategorie, definieren Sie den korrekten Attributsatz, bereinigen Sie diese Kategorie vollständig und messen Sie die Filter-Nutzung vor dem nächsten Schritt. Die Verbesserung im Filter-Engagement ist in der Regel sofort spürbar und lässt sich gegenüber Stakeholdern, die nicht überzeugt waren, dass sich die Arbeit lohnt, leicht nachweisen.

International zu gehen ohne Glossare bedeutet, dass jedes Übersetzungsprojekt kumuliertes Risiko hinzufügt. Richten Sie die Glossar-Infrastruktur ein, bevor Sie eine dritte Sprache einführen – nicht nachdem Sie bereits tausende fehlerhafte Produktnamen in einem neuen Markt veröffentlicht haben.