Ein PDP-Audit für DTC-Teams: sichtbare Produktfakten, Product JSON-LD, Merchant-Center-Feed, Bilder, Varianten, Lokalisierung und Messung abgleichen.
KI-Suche ersetzt klassisches Produktseiten-SEO nicht. Sie macht schwache Stellen sichtbarer. Eine Produktseite braucht weiterhin einen klaren Titel, crawlbaren Inhalt, eine stabile mobile Erfahrung und eine Canonical-URL. Zusätzlich müssen sichtbare Seiteninhalte, Product JSON-LD, Variantenattribute, Bilder, Richtlinien und Merchant-Center-Feed dieselben Produktfakten beschreiben.
Diese Checkliste ist für DTC-Teams gedacht, die bereits Produktseiten betreiben und sie für Google Search, Google Shopping, AI-Mode-ähnliche Shopping-Erlebnisse und andere Produkt-Discovery-Systeme leichter verständlich machen wollen. Der operative Zweck ist nicht mehr SEO-Felder um ihrer selbst willen. Crawler, Feed und Reporting sollen dieselben Fakten lesen: Seiteninhalt, Product JSON-LD, Merchant-Center-Daten, Bilder, Varianten, Versand, Rückgaben und Analytics Labels.
Googles Dokumentation zu Product structured data trennt product snippets und merchant listings. Product snippets zeigen eher Bewertungen, Preis und Verfügbarkeit. Merchant listings gelten für kaufbare Seiten und unterstützen spezifischere Commerce-Informationen wie Versand, Größen, Rückgaben und Varianten. Google empfiehlt außerdem, seitenbezogene strukturierte Daten mit Merchant-Center-Feeds zu kombinieren, weil beide Quellen beim Verstehen und Prüfen von Produktdaten helfen.
AI Shopping erhöht den Anspruch an vollständige Attribute. Im AI-Mode-Shopping-Update vom 20. Mai 2025 beschreibt Google, dass AI Mode Gemini-Fähigkeiten mit dem Shopping Graph kombiniert. Der Shopping Graph enthält Produktlistings mit Details wie Bewertungen, Preisen, Farben und Verfügbarkeit. Am 27. Mai 2026 kündigte Merchant Center AI performance insights mit product attribute insights und attribute completeness score an.
PDP SEO ist damit ein Datenqualitäts-Workflow: Seite, Schema, Feed, Bilder, Bestand und Analytics Labels müssen zusammenpassen.
Vor Schema-Arbeit kommen die Grundlagen.
Wenn diese Grundlagen falsch sind, lösen strukturierte Daten das Problem nicht. Sie machen den Konflikt nur besser sichtbar.
Product JSON-LD auf einer PDP sollte beschreiben, was Käufer auf derselben Seite sehen können. Prüfen Sie zuerst diese Felder:
Versteckte Claims, erfundene Bewertungen oder Richtlinien, die auf der Seite nicht erscheinen, gehören nicht ins Markup. Schema ist die maschinenlesbare Version der Seitenfakten.
Product schema ist keine einzelne Großaufgabe. Google unterscheidet product snippets, merchant listings, variants, shipping, returns, loyalty und policies. Eine PDP-Prüfung sollte zwei Fragen stellen.
Preis und Verfügbarkeit können in Markup und Feed stehen. Versand und Rückgaben können aus Merchant Center, produktbezogenem merchant listing markup oder organisation-level policy markup kommen. Widersprüchliche Werte in mehreren Systemen sind ein operatives Risiko.
KI-Suche und Shopping-Oberflächen reagieren empfindlich auf veraltete Produktfakten. Vergleichen Sie diese Felder über PDP, Feed und Backend Records hinweg.
Die praktische Regel: Seite, Schema und Feed sollten sich nicht darüber widersprechen, was das Produkt ist, ob es verfügbar ist und was es kostet.
Käufer stellen Produktfragen in natürlicher Sprache. Prüfen Sie deshalb nicht nur ein Titel-Keyword, sondern ob die Seite typische Kauf-Filter beantwortet.
Product attribute insights und attribute completeness score in Merchant Center sind nützliche Signale für diese Priorisierung.
Produktbilder sind keine Dekoration. Prüfen Sie:
Ein Bild, das nicht erreichbar ist, kann auch keine reichere Produktdarstellung unterstützen.
Nach dem Deployment sollten Reports statt Bauchgefühl genutzt werden.
Der Workflow ist eine Schleife: invalid items korrigieren, live URLs prüfen, validation request stellen und nach dem Recrawl vergleichen.
Foundax hält Produktfakten zwischen öffentlichen Seiten, structured data, Search Console, Merchant Center und Analytics in einem operativen Pfad.
Für KI-Suche zählt vor allem, die Lücke zwischen Product Record, öffentlicher Seite und Merchant Feed kleiner zu machen.
Product schema macht echte Seitenfakten maschinenlesbar: Identität, Bilder, Offers, echte Ratings, Versand, Rückgaben und Variantenkontext. Dadurch lassen sich PDP, Markup und Merchant Feed besser vergleichen.
Starten Sie mit title, description, images, SKU oder identifiers, brand, price, currency, availability, canonical URL und variant attributes.
Product snippets beziehen sich auf produktbezogene Search-Ergebnisse wie Bewertungen, Preis und Verfügbarkeit. Merchant listings gelten für kaufbare Seiten und umfassen Commerce-Details wie Versand, Rückgaben, Größen und Varianten.
Nur wenn die Seite tatsächlich käuferorientierte FAQ-Inhalte enthält und die Implementierung dieses Markup unterstützt. Unsichtbare strukturierte Daten nur für eine Checkliste sind ein Qualitätsrisiko.
Nach Template-Änderungen, Feed-Änderungen, Preis- oder Bestandsautomatisierung, größeren Lokalisierungsupdates und Search-Console- oder Merchant-Center-Warnings. High-volume SKUs sollten regelmäßig geprüft werden.
Foundax bündelt product records, PDP metadata, Product JSON-LD, sitemap/Google workflows und GMC preflight/sync in einem operativen Pfad und reduziert damit Abweichungen zwischen Seite, Schema und Feed.
Für das breitere Discovery-Modell lesen Sie Product Data Is Becoming the SEO Layer for AI Commerce Discovery. Für die Feldpriorisierung über catalog, feed und storefront nutzen Sie Agentic Commerce Product Data Guide.