Eine Produktdetailseite (PDP) hatte früher einen Leser. Jetzt hat sie zwei: einen Käufer, der einen AI-Assistenten gefragt hat, was er kaufen soll, und die Software, die die Antwort gegeben hat. Dieser Artikel behandelt, was die PDP heute leistet, wie sich das Käuferverhalten und die PDP-Erstellung verändert haben, welche Risiken jetzt Aufmerksamkeit brauchen, und welche PIM-Mechanismen Produktdaten für beide Leser konsistent halten.
Wichtigste Erkenntnisse
- Die PDP bestätigt jetzt Entscheidungen, die in ChatGPT, Googles AI Mode oder dem Assistenten eines Händlers begonnen haben. Besucher aus AI-Quellen kommen mit einer Vorschlagsliste an und prüfen spezifische Angaben.
- Im Durchschnitt kann ein Drittel des Inhalts von Produktseiten auf US-Einzelhandelsseiten nicht von LLMs gelesen werden. Spezifikationen, die durch Skripte geladen oder in Bildern und PDFs gesperrt sind, sind der erste Ort zum Nachschauen.
- Mit AI erstellter PDP-Text wird schnell produziert. Genauigkeit und Überprüfung wurden zum Engpass, und erfundene Spezifikationen oder generische Grünwording tragen jetzt rechtliche und Rückgaberisiken.
- Seit dem 27. September 2026 sind generische Umweltaussagen wie „umweltfreundlich" in der gesamten EU rechtswidrig, sofern sie nicht durch anerkannte ausgezeichnete Leistung belegt oder spezifisch angegeben sind. Bestehende Bestände und alter Text fallen darunter.
- Ein PIM behebt diese Probleme auf Datensatzebene durch typisierte Attribute, Vollständigkeitsregeln pro Kanal, Validierung, Anspruch-zu-Beweis-Verlinkungen und Kanalmapping. Preis und Bestand stammen normalerweise aus dem ERP, und das Frontend-Rendering bleibt eine Aufgabe der Shop-Seite.
Was eine Produktdetailseite heute leistet
Eine PDP ist die Seite für einen verkäuflichen Artikel. Sie enthält Titel, Medien, Attribute, Varianten, Preis, Verfügbarkeit, Liefer- und Rückgabebedingungen, Bewertungen und die rechtlich erforderlichen Informationen für jeden Markt.
Lange Zeit trug sie auch zur Produktentdeckung bei. Käufer landeten von einer Suchmaschine, öffneten ein paar PDPs in Registerkarten und verglichen. Ein wachsender Teil dieses Vergleichs findet jetzt vor dem Klick statt, innerhalb von ChatGPT, Googles AI Mode, Perplexity oder dem eigenen Assistenten eines Händlers.
OpenAIs Kurskorrektur dieses Jahr zeigt, wo die Seite in diesem Ablauf sitzt. ChatGPT fügte im September 2025 In-Chat-Käufe mit Instant Checkout hinzu. Im März 2026 sagte OpenAI, dass es Händlern ermöglichen würde, ihre eigenen Checkout-Erlebnisse zu nutzen und sich selbst auf die Produktentdeckung zu konzentrieren. Es erweiterte das Agentic Commerce Protocol (ACP), damit Händler Produktfeeds und Promotionen in ChatGPT einbinden können, und nannte Target, Sephora, Best Buy, The Home Depot und Wayfair unter den integrierten Einzelhändlern für die Entdeckung.
Der Assistent bildet also die Shortlist, und die Website des Händlers nimmt weiterhin Bestellungen auf. Die PDP ist der Ort, wo dieser Handoff landet.
Google veröffentlichte das Universal Commerce Protocol mit Shopify und mehreren Einzelhändlern für agentengesteuerte Käufe in AI Mode und Gemini. Jedes Protokoll hat seine eigene Spezifikation und seinen eigenen Versionszyklus. Alle lesen Produktdaten, die der Händler bereitstellt, und alle senden Käufer zu Seiten, die mit diesen Daten übereinstimmen müssen.
Der Assistent erstellt die Shortlist aus Ihren Produktdaten. Die PDP muss diese Daten bestätigen, wenn der Käufer ankommt, in den gleichen Werten und den gleichen Einheiten.
Wie sich das Käuferverhalten verändert hat
Adobe misst mehr als 1 Billion Besuche auf US-Einzelhandelsseiten. Seine Daten vom April 2026 zeigen, dass von AI verwiesener Traffic 42% besser konvertiert als Traffic ohne AI im März 2026. Ein Jahr zuvor konvertierte er 38% schlechter. Diese Besucher verbrachten auch 48% länger auf der Website und sahen 13% mehr Seiten pro Besuch. In Adobes Begleitumfrage von mehr als 5.000 US-Verbrauchern sagten 39%, dass sie AI für Online-Shopping genutzt hatten, und 66% sagten, dass sie glauben, dass AI-Tools genaue Ergebnisse liefern.
Längere Besuche und höhere Konvertierung beschreiben einen Käufer, der eine Entscheidung überprüft. Er kommt mit zwei oder drei Kandidaten und den Gründen an, die der Assistent gegeben hat, und sucht dann nach Beweisen: das Geräuschniveau, die Kabellänge, ob der Sofabezug abnehmbar ist, das Rückgabefenster für sein Land.
Ein Widerspruch kostet das Vertrauen in beide Quellen auf einmal. Der Assistent sagte 42 dB und die Spezifikationstabelle sagt 45 dB. Oder der Assistent zitierte einen Preis aus dem Feed der letzten Woche. Der Käufer kann nicht sagen, welche Quelle falsch ist, und das Verlassen ist die einfache Option.
Fragen wurden auch spezifischer, weil Menschen Einschränkungen einem Assistenten in natürlicher Sprache beschreiben. Passt in eine 60-cm-Nische. Leise genug für ein Open-Plan-Büro. Abnehmbarer Bezug mit Maschinenwäsche. Lädt ein MacBook Pro von 2019 mit voller Geschwindigkeit. Ein Assistent passt diese Einschränkungen am zuverlässigsten an explizite Werte an. Eine Tiefenfigur in einem Absatz könnte geparst werden. Eine Kompatibilitätstabelle in einem gescannten PDF-Handbuch wahrscheinlich nicht.
Der Vergleich ist auch in den Assistenten verloren gegangen. OpenAIs Shopping-Update legt Produkte nebeneinander mit wichtigen Details wie Preis und Bewertungen aus.
Jede Zeile in einer AI-Vergleichstabelle ist ein Attribut. Ein Produkt ohne dieses Attribut zeigt ein leeres oder ein erratenes Wertfeld neben einem Konkurrenzprodukt, das es gefüllt hat.
Marketplace-Assistenten funktionieren genauso. Amazons Rufus antwortet aus Listing-Inhalten und Kundenrezensionen. Hersteller, die über Einzelhändler verkaufen, spüren dies doppelt. Ihre Daten müssen den Einzelhändler vollständig erreichen, und der Assistent des Einzelhändlers zitiert sie dann dem Käufer unter dem Namen des Einzelhändlers.
Was Käufer beim Landen erwarten, hat sich damit geändert. Ein Deep Link von einem Assistenten sollte die genaue Variante öffnen, die er empfohlen hat, mit Größe und Farbe vorausgewählt. Lieferdatum und Rückgabebedingungen sollten in der Nähe des Preises sein, da Assistenten diese für eine bestimmte Adresse oft nicht bestätigen können.
Wie sich die Arbeit hinter einer PDP verändert hat
Das Schreiben von PDP-Text war nicht mehr der langsame Teil. Ein Sprachmodell erstellt Beschreibungen und Meta-Tags für Tausende von SKUs an einem Nachmittag in jeder Shop-Sprache. Der langsame Teil besteht darin, sicherzustellen, dass die Entwürfe nur das sagen, was wahr ist.
Generierter Text schlägt fehl auf erkennbare Weise. Er füllt Lücken mit plausiblen Zahlen und wertet „wasserbeständig" zu „wasserdicht" auf. Er greift auch nach Marketingadjektiven wie „nachhaltig" und „umweltfreundlich", die ab dem 27. September in der EU rechtliches Risiko tragen.
Zeilenweise Überprüfung stagniert bei Katalogskala. Regelbasierte Überprüfungen werden auf jeder SKU durchgeführt: Kennzeichnung jeder Zahl im Text, die nicht in den Attributdaten vorhanden ist, und jeder Anspruch ohne genehmigter Quelle.
Die Seite hat auch Leser, die nie scrollen. Adobes AI Content Visibility Checker bewertet, wie viel einer Seite ein LLM lesen kann. Über US-Einzelhandelswerte hinweg betrugen einzelne Produktseiten durchschnittlich 66%, unter Homepages bei 75% und Kategorieseiten bei 74%. Im Durchschnitt ist ein Drittel des PDP-Inhalts für die Systeme unsichtbar, die diesen höher konvertierenden Traffic senden.
Überprüfungen für diese Lücke:
- Spezifikationswerte präsent im Server-gerenderten HTML. Viele AI-Crawler führen JavaScript nicht zuverlässig aus, daher können Spezifikationen, die clientseitig eingefügt oder in Registerkarten beim Klick geladen werden, sie möglicherweise nie erreichen.
- Text als Text gespeichert. Abmessungen auf einem Produktbild oder nur in einem PDF-Datenblatt aufgelistet benötigen eine HTML-Kopie.
- Strukturierte Produktdaten (JSON-LD) mit GTIN, Marke, Angeboten und Variantendaten, die exakt mit der sichtbaren Seite übereinstimmen.
- Eine stabile URL oder ein Parameter für jede Variante, damit ein Deep Link auf der richtigen Größe und Farbe landet.
- Fragen und Antworten sowie Kompatibilitätsnotizen als Seitentext gerendert. Widgets, die sich nach einem Klick laden, bleiben oft ungelesen.
Feeds tragen jetzt genauso viel Gewicht wie die Seite. ChatGPT nimmt Merchant Feeds durch ACP, und Google liest Merchant Center Daten. Marktplätze fügen ihre eigenen Vorlagen hinzu. Jeder Feed ist eine weitere Kopie Ihrer Produktdaten mit ihren eigenen Feldnamen und Regeln. Wenn sich Kopien unterscheiden, kann ein Assistent „auf Lager bei €129" zitieren, während die PDP €139 und Rückorderstatus zeigt.
Protokolle ändern sich auch schnell. OpenAI startete In-Chat-Checkout und skalierte es innerhalb von sechs Monaten zurück, und die ACP-Spezifikation hatte seit mehrere datierte Versionen. Behandeln Sie jedes Protokoll als ein weiteres Ausgabeformat, und halten Sie die Produktdaten sauber genug, um sie dem nächsten Protokoll zuzuordnen.
Risiken, die jetzt Aufmerksamkeit brauchen
Abweichung zwischen Feeds und Seiten
Preis- und Lagerbestands-Fehlanpassungen waren immer ein Ärgernis. Mit Assistenten, die Feeds zitieren, erreicht der falsche Wert den Käufer, bevor der Käufer Sie erreicht. Die Kontrollen sind ein Eigentümersystem pro Attribut und eine Aktualisierungsfrequenz, die passt, wie oft sich der Wert ändert.
Generierter Text, der Fakten erfindet
Eine erfundene Spezifikation auf einer PDP ist eine irreführende Produktangabe. Sie führt zu Rückgaben, wenn sich das gelieferte Produkt unterscheidet. In regulierten Kategorien wie elektrischen Waren oder Spielzeugen kann es die Konformitätserklärung widersprechen. Assistenten nehmen dann den Fehler auf und wiederholen ihn in Antworten, die Sie nie sehen.
Grüne Ansprüche unter der Empowering Consumers Directive
Richtlinie (EU) 2024/825 zur Befähigung der Verbraucher für den grünen Wandel gilt in der gesamten EU ab dem 27. September 2026. Sie ändert die Richtlinie über unlautere Geschäftspraktiken und blacklisted spezifische Praktiken, wie Baker McKenzies Übersicht der neuen Grüne-Ansprüche-Regeln darstellt.
Nachhaltigkeitskennzeichnungen, die nicht von einem Zertifizierungsschema oder einer Behörde stammen, sind verboten. Das gilt auch für Klimaneutralitätsansprüche, die auf Offsetting basieren. Ansprüche zur zukünftigen Umweltleistung benötigen einen klaren, öffentlichen und überprüfbaren Implementierungsplan. Ein Anspruch über ein ganzes Produkt kann sich nicht auf einen Vorteil stützen, der nur einen Aspekt davon abdeckt. Generische Ansprüche wie „grün" oder „umweltfreundlich" sind nur mit anerkannter ausgezeichneter Umweltleistung oder mit dem spezifischen Vorteil derselben Kommunikation zulässig.
Einige Mitgliedstaaten, Spanien unter anderem, beendeten die nationale Umsetzung noch, als das Datum verstrich. Baker McKenzies Rat ist, dass diese Verzögerung Unternehmen kein Trost bietet.
Die Bereichsregel trifft PDPs direkt. Bestehende Bestände, die nach dem Stichtag noch verkauft werden, fallen unter die neuen Regeln. Die Durchsetzung wird voraussichtlich verhältnismäßig sein, und Dokumentation entscheidet, wie ein Unternehmen behandelt wird: ein datierter Datensatz darüber, welche Ansprüche überprüft wurden und was sich geändert hat.
Bestehende Bestände, die nach dem 27. September 2026 noch verkauft werden, fallen unter die neuen EU-Regeln. Das gilt auch für den PDP-Text, der vor Jahren dafür geschrieben wurde.
Legacy-Ansprüche, die niemand überprüft hat, sind dort, wo Reviews normalerweise Probleme finden. Eine Zeile „aus nachhaltigen Materialien" von einer alten Produkteinführung läuft immer noch auf der PDP. Eine Beschreibung, die letzten Frühling generiert wurde, fügte „umweltfreundlich" hinzu, weil die Kategorie grün klang. Baker McKenzie weist auch darauf hin, dass Recycling- und Dauerhaftigkeitsansprüche mit den technischen Dokumentationen und Supply-Chain-Beweisen dahinter übereinstimmen müssen, was PDP-Text und Engineering-Daten in die gleiche Überprüfung legt.
Außerhalb der EU legen der UK Green Claims Code und die US FTC Green Guides ihre eigenen Tests fest, daher benötigt eine globale PDP-Vorlage Anspruchsregeln pro Markt.
Sicherheitsinformationen und Produktpässe
Die Allgemeine Produktsicherheitsverordnung gilt seit dem 13. Dezember 2024. Für Fernverkäufe in der EU muss das Online-Angebot den Namen des Herstellers mit einer Postadresse und E-Mail-Adresse anzeigen, die EU-Verantwortungsperson, wenn der Hersteller außerhalb der EU ansässig ist, Produktidentifizierung einschließlich eines Bildes und Typs, sowie Warnungen oder Sicherheitsinformationen in einer Sprache, die Verbraucher verstehen. Das sind PDP-Felder, pro Produkt und pro Marktsprache.
Die Europäische Barrierefreiheitsrichtlinie gilt für E-Commerce-Dienste für Verbraucher seit dem 28. Juni 2025, mit einer Ausnahme für Kleinstunternehmen. Alt-Text, lesbare Spezifikationstabellen, ausreichender Farbkontrast und tastaturgesteuerte Variantenwähler wurden zu Compliance-Elementen.
Digitale Produktpässe folgen als nächste. Der EU-Batteriepass wird ab dem 18. Februar 2027 für mehrere Kategorien obligatorisch, einschließlich EV-Batterien und Industriebatterien über 2 kWh, und weitere Produktgruppen folgen unter der Verordnung zu Ecodesign für nachhaltige Produkte. Passdaten und PDP-Daten beschreiben das gleiche Produkt, daher benötigen sie eine Quelle.
Wie PIM-Software Produktdetailseiten genau hält
Ein Produktinformationsmanagementsystem (PIM) hält den Datensatz, aus dem jede PDP und jeder Feed erstellt wird. Wenn dieser Datensatz strukturiert und gesteuert wird, werden PDP- und Feed-Probleme einmal an der Quelle behoben.
Typisierte Attribute für jede Spezifikation
In einem PIM ist das Geräuschniveau ein numerisches Attribut mit einer Einheit und einem zulässigen Bereich, zugewiesen zur Spülmaschinen-Kategorie. „Abnehmbarer Bezug" ist ein Ja/Nein-Wert. Stoff kommt aus einer kontrollierten Liste. Die PDP-Spezifikationstabelle, JSON-LD, der ACP-Feed, der Merchant Center Feed und der Shop-Filter lesen alle diese gleichen Werte.
Beschreibungen folgen den Daten. Generierter Text wird aus Attributen gezogen, also 42 dB in der Tabelle und 42 dB in der Kopie stammen aus einem Feld. Wenn Engineering den Wert korrigiert, ändert sich jede Ausgabe beim nächsten Export.
In Projekten, die wir für Möbelhersteller implementiert haben, saßen Abmessungen und Materialien oft in Beschreibungstext, unterschiedlich formuliert pro Produktlinie. Shop-Filter kehrten Teilergebnisse zurück, und Distributoren tippten Daten aus PDF-Katalogen neu. Diese Werte in typisierte Attribute pro Produktfamilie zu verschieben machte Filterung zuverlässig und verwandelte Distributor-Anfragen in einen geplanten Export.
Vollständigkeitsregeln pro Kanal und Sprache
Vollständigkeit definiert, welche Attribute ein Produkt benötigt, bevor es in einem bestimmten Kanal und einer bestimmten Sprache live gehen kann. Die Anforderungen unterscheiden sich nach Ziel. Ein EU-Web-Shop benötigt die GPSR-Felder und übersetzte Warnungen. Merchant Center- und ACP-Feeds benötigen Identifikatoren wie GTIN und Marke. Ein Marktplatz fügt seine eigenen Kategorie-Attribute hinzu.
Das PIM berechnet eine Punktzahl pro Produkt, Kanal und Sprache und hält den Export, bis erforderliche Felder gefüllt sind. Lücken werden zu einer Arbeitswarteschlange für das Team, bevor das Produkt eine Assistent-Vergleichstabelle erreicht.
Unsere Kunden wenden sich an uns mit der umgekehrten Einrichtung. Produkte gehen live, wenn jemand überprüft, und Lücken tauchen später als Marktplatz-Ablehnungen oder Support-Tickets auf. Kanalspezifische Vollständigkeit bewegt diese Überprüfung zum Punkt, wo Daten erstellt werden.
Validierung beim Eintrag
Validierung stoppt schlechte Werte, wenn sie eingegeben werden. Häufige Regeln sind GTIN-Prüfzifferverifikation, Wertebereiche pro Kategorie (eine 4-kg-Waschmaschine ist ein Tippfehler), Einheit Normalisierung und Musterschecks für Modellnummern. Eine Verbotsbegriffe-Regel kann „umweltfreundlich", „grün", „nachhaltig" und „klimaneutral" in jedem Textfeld, das für EU-Kanäle bestimmt ist, kennzeichnen, daher benötigt die Wortformulierung einen Genehmiger, bevor sie veröffentlicht wird.
Ansprüche mit Beweis verknüpft
Umwelt- und Leistungsansprüche funktionieren am besten als eigene Datensätze. Jeder Anspruch speichert die genehmigte Wortformulierung pro Sprache, seinen Umfang (ganzes Produkt oder eine Komponente), das Zertifizierungsschema oder den Testbericht, die Zertifikatsnummer und Verfallsdatum, mit dem beigefügten Dokument. Produkte referenzieren Ansprüche nach ID, und jede Wortformulierungsänderung geschieht einmal, beim Anspruch.
Wenn ein Zertifikat abläuft, entfernt eine Regel den Anspruch aus Kanal-Exporten. Die Versionshistorie zeichnet auf, wer welche Wortformulierung und wann genehmigt hat. Das ist der datierte Überprüfungstrail, den Regulierer wiegen sollen.
Hersteller kommen oft zu uns mit über Jahren verstreuten PDP-Kopien und Verpackungskunstwerken, und keine Liste, wo jeder Anspruch erscheint. Das Modellieren von Ansprüchen als verknüpfte Datensätze erzeugt diese Liste. Eine einzelne Zertifikatsaktualisierung erreicht dann jede PDP, die sie nutzt.
Kanalmapping und Transformation
Ein Datensatz speist viele Ausgaben, jeder mit seinem eigenen Format. Kanalmappings übersetzen Attribute in Zielfelder. Das Geräuschniveau-Attribut wird zu einer schema.org-Eigenschaft auf der Seite, ein Feld im ACP-Feed, ein Attribut im Merchant Center Feed und eine Spalte in einer Marktplatz-Vorlage. Transformationen decken den Rest ab, einschließlich Einheitenkonvertierung für US-Kanäle, Titelvorlagen pro Kanal, Zeichenlimits und Sprach-Fallbacks.
Das ist, was Protokoll-Churn handhabbar macht. Eine neue Feed-Spezifikation bedeutet ein neues Mapping, und die Produktdaten bleiben dort, wo sie sind.
Assets mit Rollen
Ein eingebautes Digital Asset Management (DAM) Modul verknüpft Bilder und Dokumente mit Produkten und Varianten mit definierten Rollen: Hauptbild, Dimensionszeichnung, Lifestyle-Shot, Handbuch, Konformitätserklärung, Sicherheitsdatenblatt. Alt-Text lebt auf dem Asset als lokalisiertes Feld, daher verwenden Barrierefreiheit und Bildsuche den gleichen Text. Varianten-Ebenen-Zuweisung bedeutet, ein Deep Link zur grünen Jacke in Größe M zeigt die grüne Jacke.
Arbeitsabläufe und Versionshistorie
Status und Genehmigungen entscheiden, wer was veröffentlicht. Ein typischer Ablauf läuft vom Supplier-Import oder AI-Entwurf über Produkt-Manager-Anreicherung und rechtliche Genehmigung für Ansprüche und Sicherheitstext bis zur Veröffentlichung. Feld-Ebenen-Berechtigungen halten Marketing aus regulierten Feldern und Engineering aus Text heraus. Jede Änderung wird versioniert.
AI im PIM mit Schutzvorrichtungen
AI leistet ihre zuverlässigste Arbeit in einem PIM, wenn sie von strukturierten Daten ausgeht. Häufige Anwendungen sind das Extrahieren von Attributwerten aus Lieferanten-PDFs in Felder zur menschlichen Bestätigung, das Entwerfen von Beschreibungen aus genehmigten Attributen, das Übersetzen mit einem Glossar gesperrter Begriffe und das Vorschlagen von Kategorie-Zuordnungen.
Die Schutzvorrichtungen sind Regeln. Ein Entwurf, das eine Zahl enthält, die nicht in den Attributen ist, geht zurück zur Überprüfung. Ein Entwurf, das einen eingeschränkten Anspruchsbegriff enthält, kann nicht ohne einen verknüpften Anspruchsdatensatz genehmigt werden.
AtroPIM, das Open-Source-PIM, das wir entwickeln, folgt diesem Muster. Das Datenmodell, Attribute, Kanäle und Vollständigkeitsregeln sind in der Schnittstelle konfiguriert, und das AI-Modul generiert und übersetzt Inhalte in den gleichen Arbeitsabläufen, mit bearbeitbaren Prompts und einer Auswahl von AI-Engine. Es kann selbst gehostet werden, was für Hersteller zählt, die Produktdaten auf ihrer eigenen Infrastruktur halten.
Was ein PIM nicht abdeckt
Preis und Bestand gehören normalerweise zum ERP oder Bestellmanagementsystem. Ein PIM kann sie durchreichen, aber ihre Frische in Feeds hängt von dieser Integration ab. Ein PIM kann auch kein Rendering beheben. Wenn die Shop-Vorlage Spezifikationen mit Client-Side-Skripten einfügt, verpassen Crawler sie, egal wie sauber die Daten sind. Und ein PIM benötigt vorausgehende Arbeit am Datenmodell und Taxonomie, bevor sich das auszahlt.
Eine praktische PDP-Audit-Sequenz
- Nehmen Sie Ihre 50 besten verkauften PDPs und rufen Sie das rohe HTML auf oder führen Sie eine LLM-Sichtbarkeitsprüfung durch. Listen Sie alle Spezifikationen auf, die nur nach Skriptausführung oder nur in Bildern und PDFs angezeigt werden.
- Fragen Sie zwei AI-Assistenten die Fragen, die Ihre Käufer über diese Produkte stellen. Vergleichen Sie die Antworten mit Ihren PDP-Werten und nachgeforscht jede Fehlanpassung zu ihrem Quellfeld.
- Exportieren Sie alle Textfelder, die für EU-Kanäle bestimmt sind, und suchen Sie nach generischen Umweltbegriffen. Ordnen Sie jeden Fund dem Beweis zu oder entfernen Sie ihn, und führen Sie das Protokoll mit Daten.
- Überprüfen Sie GPSR-Felder auf jedem Produkt, das in der EU verkauft wird, einschließlich Warnungen in jeder Marktsprache.
- Stellen Sie Vollständigkeitsregeln pro Kanal ein, beginnend mit den Feldern, die Feeds ablehnen und Assistenten leer lassen.
- Verschieben Sie Freitext-Spezifikationen in typisierte Attribute für Ihre Top-Kategorien, dann regenerieren Sie Beschreibungen aus diesen Attributen.