Ein operativer Ablauf für DTC-Teams, um Produktauffindbarkeit über Google AI, ChatGPT Shopping, Merchant Center, strukturierte Produktdaten, Feeds und First-Party-Analytics zu prüfen.
AI-Shopping-Sichtbarkeit wird zu einer neuen Ebene von Ecommerce-SEO. Es geht nicht nur darum, ob eine Produktseite indexiert ist. Entscheidend ist, ob Google, ChatGPT, Gemini und andere Shopping-Assistenten Produktfakten lesen, ihre Aktualität und Konsistenz erkennen und sie mit den Fragen echter Käufer verbinden können.
Für DTC-Teams lautet die praktische Frage nicht: “Sind wir überall sichtbar?” Entscheidend ist: Wenn ein Käufer nach einem Bedarf fragt, der zu unserem Produkt passt, versteht das System unseren Katalog, beschreibt es das Produkt korrekt und führt es qualifizierte Besucher zurück auf eine Seite, die wir kontrollieren?
Das lässt sich als Prozess prüfen: feste Produktauswahl, feste Query-Liste, Plattformdiagnosen, manuelle AI-Shopping-Checks, Review von strukturierten Daten, Feed-Review und First-Party-Analytics.
Ein Screenshot ist nur sinnvoll, wenn er Teil eines wiederholbaren Systems ist. Definieren Sie vor dem Test vier Signale.
So wird aus einer vagen Frage ein monatliches Review für Merchandising, SEO und Growth.
Starten Sie nicht mit dem gesamten Katalog. Wählen Sie 20 bis 50 Produkte:
Dokumentieren Sie Canonical URL, Titel, Marke, aktuellen Preis, Sale-Preis, Verfügbarkeit, Hauptbild, Zielmarkt, Sprache und getestete Seitenversion. Wenn Seite oder Feed später geändert werden, bleibt nachvollziehbar, welche Version welches Signal erzeugt hat.
AI-Shopping-Anfragen sind meist länger und kontextreicher als klassische Keywords. Beispiele:
Erstellen Sie pro Produkt 5 bis 10 Queries für Use Case, Budget, Material oder Attribut, Vergleich und Markt-Kontext. Halten Sie die Formulierungen stabil, sonst testen Sie jedes Mal etwas anderes.
Beginnen Sie mit den Systemen, die Händlern direkte Rückmeldungen geben.
Merchant Center AI Insights stehen an erster Stelle, wenn verfügbar. Die Google-Hilfe beschreibt Insights für AI Mode, AI Overviews in Search und Gemini mit Sichtbarkeit, Produktbegriffen, Funnel-Signalen und Attributvollständigkeit. Damit lassen sich AI-Discovery, Produktvokabular und Katalogqualität verbinden.
Merchant Center Diagnostics folgen danach: Ablehnungen, eingeschränkte Eignung, fehlende Identifier, Bildprobleme, Preis- oder Verfügbarkeitskonflikte, Versand- und Retourenlücken sowie länderspezifische Feed-Probleme. Ein unordentliches Merchant-Center-Produkt ist selten ein starker Kandidat in AI-Shopping-Erlebnissen.
Search Console zeigt die öffentliche Seite. Google erklärt in der Dokumentation zu AI Features, wie Klicks, Impressions und Positionen aus AI-Funktionen in Search Console einfließen. Beobachten Sie Produktseiten-Impressions, lange Frage-Queries, Landingpages und Änderungen vor/nach Produktdatenarbeit für dieselbe Produktgruppe.
AI-Shopping-Systeme bauen Produktvertrauen aus mehreren Quellen auf. Prüfen Sie auf jeder PDP:
Es geht nicht um Keyword-Stuffing. Es geht um weniger Mehrdeutigkeit. Wenn Seite, Feed, Größentabelle und Reviews verschiedene Dinge sagen, braucht das Produkt eine klare, konsistente Faktengrundlage.
Hier findet sich oft die eigentliche Arbeit. Vergleichen Sie PDP-Copy, Product JSON-LD, Merchant-Center-Felder, Bilddaten, Variantenmapping, Versand-, Retouren- und Zahlungsseiten sowie die lokalisierte Zielmarktseite.
Suchen Sie zuerst Konflikte: veraltete Preise, fehlender Sale-Preis im Feed, unklare Größen- oder Farbmappings, Bilder, die nicht zum SKU passen, abweichende Policy-Texte pro Markt oder Claims im Text ohne passende strukturierte Fakten.
Für AI-Shopping ist Konsistenz ein Wachstumsasset. Sie hilft Suchsystemen, Shopping-Systemen und echten Käufern, dasselbe Produkt gleich zu verstehen.
Manuelle Checks zeigen, wie ein System Ihre Kategorie versteht. Notieren Sie Datum, Markt, Gerät, Account-Zustand, Produkt-URL, exakte Query, getestete Oberfläche, Ergebnisart, wiederholte Fakten, fehlende Fakten und nächste Aktion.
Erfassen Sie nicht nur, ob das Produkt erscheint. Achten Sie darauf, welche Kategorie-Argumente die AI wiederholt. Wenn “spülmaschinenfest”, “für schmale Füße”, “sulfatfrei” oder “Versand aus den USA” oft genannt wird, sollte diese Information als Produktfakt gepflegt werden.
Verfolgen Sie Produktseiten-Sessions, Engaged Sessions, Search- und Referral-Traffic, Add-to-Cart-Rate, assistierte Conversions, Wiederbesuche, Brand Search und Marktveränderungen nach Lokalisierung oder Feed-Korrektur.
Markieren Sie Arbeitsdaten: Product JSON-LD Update, Feed-Fix, PDP-Überarbeitung, Buying Guide, Sitemap-Submission. Nur so entsteht ein Vorher-Nachher-Bild zwischen operativer Arbeit und Traffic- oder Conversion-Verhalten.
| Signal | Wahrscheinliches Problem | Nächste Aktion |
|---|---|---|
| Produkt erscheint, Fakten sind falsch | Seite, Feed und Schema stimmen nicht überein | Produktfakten korrigieren und Daten erneut einreichen |
| Wettbewerber erscheinen bei Attribut-Queries | Attribute fehlen oder Copy ist zu vage | Attribute, Use Cases und Vergleichskontext ergänzen |
| Impressions steigen, Klicks bleiben schwach | Snippet oder Positionierung unklar | Title, Meta Description, Einstieg und Angebot verbessern |
| Merchant Center zeigt Probleme | Feed oder Policies sind nicht bereit | Blockierende Punkte zuerst beheben |
| AI-Antwort bleibt bei Kategorieberatung | Kontext rund um Produkt fehlt | Guide, Vergleich oder FAQ ergänzen |
| Traffic steigt, Conversion nicht | Vertrauen oder Angebot der Landingpage schwach | Preis, Versand, Retoure, Reviews und Speed prüfen |
Foundax bündelt die steuerbaren Signale eines DTC-Teams: Produktfakten, öffentliche Seiten, Feed-Bereitschaft, Content, Lokalisierung und Messung.
Der Ablauf: saubere Produktdaten pflegen, PDPs mit serverseitigem Product JSON-LD veröffentlichen, Google Merchant Center Preflight vor Sync ausführen, Search Console verifizieren, Sitemap einreichen, unterstützende Inhalte in Content Studio veröffentlichen und Effekte in First-Party-Analytics mit GA4 als Diagnose sehen.
Sie beschreibt, wie gut AI-Shopping-Assistenten und AI-Sucherlebnisse Produkte für relevante Einkaufsfragen verstehen, referenzieren, beschreiben und Besucher auf Produktseiten führen.
Mit einer kleinen Produktgruppe, dann Merchant Center AI Insights, Merchant Center Diagnostics, Search Console, Product structured data, Feed-Konsistenz, manuelle Prompts und Analytics.
Nutzen Sie wiederholbare Prompts pro Markt und Sprache. Notieren Sie eigene Produkte, Wettbewerber, wiederholte Fakten, fehlende Fakten und Produktdaten, die verbessert werden sollen.
Monatlich bei stabilem Katalog. Früher nach Änderungen an Preis, Bestand, Feed, Bildern, Template, Policies oder Lokalisierung.