Angebot für SchnellentschlosseneSparen Sie 60 % bei Jahresplänen und lebenslangen Lizenzen.

GEO für Onlineshops: Produkte leichter finden und sicherer empfehlen

Beheben Sie ein widersprüchliches Jacken-Angebot, veröffentlichen Sie hilfreiche Antworten für Käufer und messen Sie Ihre Sichtbarkeit in KI-Antworten, ohne aus wenigen Erwähnungen ein Umsatzversprechen zu machen.

Autor

Anichur Rahaman

vor 2 Monaten8 Min. Lesezeit311 Aufrufe
GEO für Onlineshops: Produkte leichter finden und sicherer empfehlen

Die Jackenseite nennt 129. Der Feed nennt weiterhin 159. Die gewählte Größe ist auf einer Oberfläche verfügbar und auf einer anderen ausverkauft. Stellen Sie sich vor, die Shop-Inhaberin fragt einen Assistenten nach einer wasserdichten Jacke, doch ihre Jacke wird nicht angezeigt. Sie hat ein echtes Datenproblem gefunden, aber noch nicht belegt, warum der Assistent sie ausgelassen hat. Es handelt sich um denselben fiktiven Outdoor-Shop wie in Teil 1, nicht um eine Kundenerfolgsgeschichte.

Dieser Unterschied ist wichtig. Die Behebung des widersprüchlichen Angebots ist wertvoll, auch wenn die nächste Antwort weiterhin eine andere Jacke empfiehlt. Sie können die Korrektur überprüfen, aber keinen Platz in einer Antwort garantieren, die Sie nicht kontrollieren.

Generative Engine Optimization, kurz GEO, ist die übliche Bezeichnung für Arbeiten, die die Auffindbarkeit und Darstellung in KI-generierten Antworten verbessern sollen. Für einen Shop ist die praktische Aufgabe vertraut: nützliche Produktinformationen zugänglich, konsistent und glaubwürdig machen und anschließend beobachten, was geschieht. Verschiedene Assistenten, Suchergebnisse und Shoppingkarten bilden kein einheitliches Rankingsystem.

Behalten Sie SEO im Blick und stellen Sie eine nützlichere Frage

Die Sichtbarkeit in der Suche war nie nur eine Position für ein Keyword. Käufer können ein Produkt über ein Bild, eine Bewertung, einen Vergleich, einen Händlereintrag oder die Erklärung eines Assistenten entdecken. Fragen Sie statt „Wie zwinge ich die Empfehlung?“ lieber: „Kann jemand dieses Produkt verstehen, das Angebot prüfen und entscheiden, ob es zu seinem Bedarf passt?“

Die Google-Leitlinie zu KI-Funktionen besagt, dass die üblichen Voraussetzungen für die Aufnahme in der Suche gelten; besondere KI-Auszeichnungen oder Dateien sind nicht erforderlich. Die Eignung garantiert keine Aufnahme. Dies ist eine Google-Leitlinie und keine universelle Richtlinie für jeden Assistenten.

Es gibt keine öffentliche, universelle vierstufige Pipeline, bei der jedes fehlende Feld einen Shop automatisch ausschließt. Unvollständige oder widersprüchliche Daten können ein Angebot und die Eignung für den betreffenden Kanal beeinträchtigen, aber das Fehlen in einer einzigen Antwort allein zeigt nicht die Ursache. Erfassen Sie den tatsächlichen Fehler, bevor Sie eine angebotene Abhilfe kaufen.

Die Jacke in allen veröffentlichten Fassungen korrigieren

Wählen Sie zuerst die genaue Variante, den Markt und die Währung. Ein Mindestpreis mit der Angabe „ab“ für eine andere Größe ist nicht der Preis der gewählten Variante. Prüfen Sie die Bedingungen jeder Aktion, zielortabhängige Zusatzkosten und den Zeitpunkt der Beobachtung. Vergleichen Sie sichtbare Seite, strukturierte Daten, eingereichten Feed, das in der Plattform verarbeitete Ergebnis und den Checkout; ein erfolgreicher Upload ist kein Beleg dafür, dass die neueste Fassung angezeigt wird.

Geben Sie dem Quelldatensatz eine verantwortliche Person und eine Änderungshistorie. Erzeugen Sie nachgelagerte Darstellungen daraus, überwachen Sie jedoch Mappingfehler, verzögerte Jobs und abgelehnte Zeilen. Eine gemeinsame Quelle reduziert manuelle Abweichungen, garantiert aber weder, dass jede Kopie sofort aktuell ist, noch dass sie korrekt ist. Gleichen Sie nach einer Preis- oder Lagerbestandsänderung eine Stichprobe ab, nicht nur beim Start.

Verwenden Sie eine stabile interne Varianten-ID und, sofern zutreffend, echte zugewiesene externe Kennungen; erfinden Sie niemals eine GTIN oder eine Herstellernummer, um ein Formular auszufüllen. Verwenden Sie echte Produktbilder und tatsächlich belegte Spezifikationen. Veröffentlichen Sie auch Einschränkungen: Wasserschutz, Passform und Pflegehinweise sind nur dann hilfreich, wenn sie zutreffend beschrieben sind.

Ein kontrollierter Produktdatensatz liefert die sichtbare Seite, strukturierte Daten und den zugeordneten Feed. Verarbeitete Ergebnisse und den Checkout vergleichen, verifizierte Abweichungen beheben und Empfehlungen anschließend separat beobachten.
Die Verteilung kann verzögert sein oder fehlschlagen. Dies ist eine Konsistenzprüfung, nicht der geheime Ranking-Algorithmus des Assistenten.

Geben Sie Käufern eine lesenswerte Antwort

Erstellen Sie einen hilfreichen Kategorienvergleich anhand einer konkreten Frage: zum Beispiel Pendeln bei leichtem Regen im Vergleich zu einer langen, ungeschützten Wanderung. Erklären Sie, welche Jacke für den jeweiligen Einsatzzweck geeignet ist und wo sie nicht passt. Nennen Sie die Maße, die den Vergleich stützen, und geben Sie an, ob die Belege auf einer Lieferantenspezifikation, einem unabhängigen Test oder Ihrem eigenen dokumentierten Test beruhen. Machen Sie aus einer Lieferantenangabe keinen Test, den Sie nie durchgeführt haben.

Eine kompakte Speifikationstabelle mit Einheiten, klare Fotos, eine hilfreiche Größenberatung, klare Lieferbedingungen und eine gut lesbare Rückgaberichtlinie erleichtern die Beurteilung des Angebots. Wichtige Informationen sollten auch als zugänglicher Text und nicht nur als Bild bereitstehen. FAQs sollten echte Fragen von Kunden beantworten und nicht jedes Suchbegriff wiederholen.

Die Dokumentation von Google zu strukturierten Produktdaten unterscheidet zwischen Product Snippets und Merchant Listings. Wählen Sie die zutreffenden Anforderungen und prüfen Sie die Ausgabe. Durch Markup sind weder ein Rich Result noch eine KI-Empfehlung garantiert.

Sorgen Sie dafür, dass sichtbare Aussagen und strukturierte Werte übereinstimmen. Markieren Sie nur echte Rezensionen und qualifizierte Bewertungen, die Ihnen tatsächlich vorliegen. Vermeiden Sie gekaufte Lobeshymnen, erfundene Experten und massenproduzierte Vergleichsseiten ohne neuen Erkenntnisgewinn. Wenn Sie eine Seite aktualisieren, ändern Sie das Bewertungsdatum nur, wenn der Inhalt tatsächlich erneut geprüft wurde.

Zugriffsrechte prüfen, ohne private Daten offenzulegen

Bitten Sie die technisch Verantwortliche oder den technisch Verantwortlichen, die gerenderte Seite, die kanonische URL, die vorgesehene Sprach- und Länderkennung, die Indexierungssteuerung, Crawl-Fehler und mögliche CDN-Challenges zu prüfen. Eine Seite, die in Ihrem angemeldeten Browser funktioniert, ist über den vorgesehenen Discovery-Pfad möglicherweise nicht erreichbar. Eine Sitemap ist ein Mittel zur Discovery, aber keine Garantie für Indexierung oder Empfehlungen.

OpenAI dokumentiert separate Steuerungen für das Such-Crawling durch OAI-SearchBot und das Training-Crawling durch GPTBot. Die Freigabe für den Suchzugriff erfordert keine Freigabe für das Training. Prüfen Sie den vorgesehenen Crawler, anstatt den Schutz für jeden automatisierten Besucher zu deaktivieren.

Trennen Sie die Katalogsuche vom Zugriff auf Konto, Rechnung und Bestellungen. Die robots.txt ist keine Authentifizierung. Geben Sie niemals private Daten preis oder schwächen Sie Kundenberechtigungen ab, damit der Shop „KI-lesbar“ wird. Ein Bot-Name in einer Anfrage ist kein Identitätsnachweis.

Feeds und llms.txt: Arbeiten Sie mit dem, was das jeweilige Ziel unterstützt

Ein Feed ist ein Channel-Vertrag und keine universelle Datei. Prüfen Sie für jedes Ziel die aktuellen Teilnahmevoraussetzungen, Pflicht- und bedingte Felder, das akzeptierte Format, die Regeln für Varianten und den Aktualisierungsstatus. Verwenden Sie Ihre nach Governance-Richtlinien gepflegten Produktdatensätze mit validierten Zuordnungen. Nehmen Sie nicht an, dass ein unveränderter Export Sie bei Google, ChatGPT, Perplexity und Copilot registriert.

Das llms.txt-Projekt ist weiterhin ein Vorschlag und wurde im August 2026 überarbeitet. Manche Workflows für Agents oder Dokumentation verwenden solche Dateien. Das ist nicht mit einer garantierten Aufnahme in Suchergebnisse gleichzusetzen.

Der aktuelle Optimierungsleitfaden von Google besagt, dass Google Search llms.txt für Sichtbarkeit und Ranking ignoriert. Wenn ein anderer dokumentierter Workflow die Datei benötigt, pflegen Sie sie für diesen Zweck. Sie behebt keinen veralteten Preis.

Priorisieren Sie die fehlerhaften oder unvollständigen Angaben für Käufer und die tatsächlichen Anforderungen des jeweiligen Ziels. Eine Formatkonvertierung, ein „KI-bereit“-Badge oder eine einzelne Datei kann die Qualität von Empfehlungen nicht zertifizieren. Teil 1 erläutert die sich wandelnden Shopping-Programme. Trennen Sie die Discovery-Arbeit von der Befugnis zum Kauf.

Messen Sie Genauigkeit, Sichtbarkeit, Besuche und Bestellungen getrennt

Verwenden Sie die folgende Tabelle, um jeder Beobachtung die passende Bedeutung zuzuordnen. Plattformberichte verwenden ihre eigenen Definitionen und unterstützten Oberflächen, nicht den gesamten KI-Markt.

Der Performance-Bericht zu generativer KI von Google dokumentiert inzwischen Impressionen in Search AI, mit weltweitem Rollout ab 31 August 2026. Bei wenigen Impressionen wird der Bericht möglicherweise nicht angezeigt. Prüfen Sie die eigenen Zählregeln des Berichts.

Die Updates zu Bing AI Performance erfassen Zitate in unterstützten Microsoft- und Partneroberflächen. Die Citation Share ist eine Beobachtungsgröße und kein Ranking, Traffic-Anteil oder Qualitätsscore.

Nehmen Sie für ein kleines, reproduzierbares Beispiel 20 Käuferfragen und führen Sie jede in demselben vorgegebenen Assistant, Land und derselben Sprache dreimal aus: 60 Antworten. Enthalten 12 davon eine ausdrückliche Empfehlung Ihres Produkts, beträgt der Anteil an diesen beispielhaften Antworten 20 %, nicht 20 % Marktanteil. Die Durchläufe sind möglicherweise nicht unabhängig. Halten Sie Datum, Modell oder Modus, soweit sichtbar, Kontokontext, Zitate, Preisgenauigkeit sowie die Information fest, ob das Produkt lediglich erwähnt oder empfohlen wurde.

Ändern Sie den Prompt-Satz nicht zur Hälfte des Tests und bezeichnen Sie dies als Verbesserung. Vergleichen Sie gleichwertige Zeiträume und dokumentieren Sie Aktionen, Bestandsänderungen und Plattformänderungen. Behalten Sie Kategorien mit unbekannter Quelle in der Analyse, deduplizieren Sie Transaktionen, trennen Sie Crawler von menschlichen Besuchen und beachten Sie Anforderungen zur Einwilligung und Datenaufbewahrung. Eine optionale Antwort auf „Wie haben Sie von uns erfahren?“ liefert zusätzlichen Kontext, aber keine präzise Zuordnung.

Ein Zitat ist kein Klick. Ein Klick ist keine angenommene Bestellung. Eine angenommene Bestellung ist kein vereinnahmter Umsatz. Vergleichen Sie den Deckungsbeitrag nach Akquisitions-, Support- und Retourenkosten. Wenn Sie eine Aussage über zusätzlichen Absatz treffen möchten, verwenden Sie einen geeigneten kontrollierten Test. Ein Vorher-Nachher-Screenshot kann die Kausalität nicht isolieren.

BeobachtungWas sie Ihnen zeigtWas es nicht belegt
Feed akzeptiertDie übermittelten Daten haben diesen Verarbeitungsschritt bestandenJeder Käufer sieht das aktuellste Angebot
Korrektes Angebot in einer StichprobeDie geprüften Varianten stimmten zu diesem Zeitpunkt übereinDer gesamte Katalog ist immer korrekt
Zitat oder EmpfehlungEin unterstützter Bericht oder eine beobachtete Antwort hat das Produkt beziehungsweise die Seite verwendetEin Besuch, ein Verkauf oder ein universelles Ranking
Zugeordnete angenommene BestellungEine Bestellung ist mit einem verfügbaren Quellensignal verknüpftZahlungsabwicklung oder zusätzlicher Gewinn

Beenden Sie mit einer Korrektur, die Sie nachweisen können

Bei der Jacke ist das erste Ziel eng gefasst: Der aktuelle Preis und die Verfügbarkeit der ausgewählten Variante stimmen auf den geprüften Oberflächen überein, die nächste Aktualisierung wird wie erwartet übertragen und im Checkout wird das Angebot erneut validiert. Dokumentieren Sie verbleibende Verzögerungen der Plattformen und Fehler. Verbessern Sie anschließend die Produktbeschreibung und führen Sie dieselbe Beobachtungsgruppe erneut aus.

Möglicherweise stellen Sie fest, dass eine bessere Seite zitiert wird, ein anderes Produkt besser zur Frage passt oder die Daten für eine belastbare Aussage nicht ausreichen. Alle drei Erkenntnisse sind nützlicher als das Versprechen eines garantierten Rankings. Der nächste Artikel folgt dem Käufer von der Empfehlung bis zum genehmigten und abgleichbaren Kauf.

Teil 2 der AI-Shopping-Reihe: die Kaufwege des Händlers → dieser Discovery-Leitfaden → Checkout und delegierte Zahlungen.

Überprüft im 5 November 2026. Hinter StoreConsole steht Anichur Rahaman. Der Shop und der Prompt-Test veranschaulichen lediglich ein Beispiel; es handelt sich nicht um gemessene Ergebnisse bei Kunden.

Über den Autor

Anichur Rahaman

Weiterlesen