Das Wichtigste in Kürze
- Unvollständige Produktinformationen führen zu Kaufabbrüchen und vermeidbaren Retouren.
- Gute Produktdaten sind auch die Voraussetzung für Sichtbarkeit in Google, Preisportalen und KI-Suche.
- Datenqualität braucht klare Verantwortung, feste Standards und ein führendes System.
Produktdaten sind das Rohmaterial des Online-Handels. Ohne sie gibt es keine Produktseite, keinen Filter, keinen Feed für Google Shopping und keine Empfehlung in der KI-Suche. Trotzdem werden sie in vielen Unternehmen nebenbei gepflegt: von verschiedenen Personen, in verschiedenen Systemen, mit unterschiedlichen Standards.
Die Folgen zeigen sich an vielen Stellen.
Wo schlechte Produktdaten Geld kosten
Im Shop: weniger Käufe
Fehlen Maße, Materialangaben oder Kompatibilitätsinformationen, kaufen Kunden nicht oder woanders. Unvollständige Daten machen außerdem Filter und Suche unbrauchbar: Ein Produkt ohne Farbangabe erscheint nicht, wenn jemand nach „blau“ filtert.
Nach dem Kauf: mehr Retouren
Entspricht das Produkt nicht der Beschreibung, kommt es zurück. Laut KPMG nennen 60,4 Prozent der Befragten ungenaue Beschreibungen oder abweichende Bilder als Retourengrund. Auch falsche Größen, mit 72,6 Prozent einer der häufigsten Gründe, hängen oft an fehlenden oder unklaren Größenangaben.
In der Suche: weniger Sichtbarkeit
Google Shopping, Preisportale und Marktplätze arbeiten mit Produkt-Feeds. Fehlen Pflichtangaben oder sind Daten widersprüchlich, werden Produkte schlechter ausgespielt oder gar nicht angezeigt. Dasselbe gilt für KI-Systeme: Sie nutzen nur Daten, die sie verstehen. Wenn KI Sortimente prüft, Preise vergleicht und Produkte empfiehlt, geht genau hier viel Sichtbarkeit verloren.
Jede Lücke in den Produktdaten ist eine Frage, die der Kunde nicht stellen kann – und deshalb nicht kauft.
Was gute Produktdaten ausmacht
Vier Merkmale guter Produktdaten
Alle relevanten MerkmaleMaße, Material, Kompatibilität, Pflege, Lieferumfang
Geprüft und aktuellAngaben stimmen mit dem echten Produkt überein
Feste StandardsGleiche Einheiten, Schreibweisen und Strukturen
MaschinenlesbarMerkmale als Felder, nicht nur im Fließtext
Besonders der letzte Punkt wird oft unterschätzt. Steht das Gewicht nur im Beschreibungstext, kann es kein Filter, kein Feed und keine KI zuverlässig auslesen. Es muss als eigenes Merkmal gepflegt werden.
So verbessern Sie Ihre Produktdaten systematisch
1. Bestandsaufnahme machen
Wie vollständig sind Ihre Daten heute? Prüfen Sie für die wichtigsten Kategorien, welche Merkmale fehlen. Beginnen Sie mit den Produkten, die den meisten Umsatz bringen oder die meisten Retouren haben.
2. Standards festlegen
Definieren Sie je Kategorie Pflichtmerkmale, Einheiten und Schreibweisen. Ein Datenmodell für „T-Shirt“ braucht andere Felder als eines für „Akkuschrauber“.
3. Ein führendes System bestimmen
Wo werden Produktdaten gepflegt? Im ERP, im Shop oder in einem eigenen PIM-System? Wichtig ist, dass es für jede Information genau eine führende Quelle gibt. Alle anderen Systeme werden daraus versorgt.
4. Verantwortung klären
Wer pflegt welche Daten? Wer prüft? Ohne klare Zuständigkeit verwässern auch gute Standards schnell.
5. Rückmeldungen nutzen
Retourengründe, Kundenanfragen und Bewertungen zeigen, wo Informationen fehlen. Fragen Kunden immer wieder nach derselben Angabe, gehört sie auf die Produktseite. Laut EHI setzen 75,2 Prozent der Online-Händler auf detaillierte Produktinformationen, um Retouren zu vermeiden.
6. KI gezielt einsetzen
KI kann fehlende Merkmale aus Beschreibungen vorschlagen, Texte vereinheitlichen und Widersprüche finden. Das spart viel Handarbeit. Die Prüfung, besonders bei technischen und rechtlichen Angaben, bleibt aber beim Team.
Ein Beispiel: Vom Fließtext zum Merkmal
Angenommen, ein Shop für Gartengeräte pflegt seine Rasenmäher bisher so: Ein langer Beschreibungstext enthält Schnittbreite, Akkulaufzeit, Gewicht und Fangkorbvolumen. Für Kunden ist das lesbar, für Systeme kaum.
Nach der Umstellung stehen diese Angaben als eigene Merkmale im System. Die Folgen:
- Kunden können nach Schnittbreite und Akkulaufzeit filtern.
- Eine Vergleichstabelle zeigt Unterschiede zwischen Modellen auf einen Blick.
- Google Shopping und Preisportale erhalten vollständige Feeds.
- KI-Systeme können die Produkte bei Fragen wie „Welcher Akku-Rasenmäher für 500 Quadratmeter?“ korrekt einordnen.
- Der Service bekommt weniger Rückfragen zu technischen Daten.
Der Aufwand: einmal ein sauberes Datenmodell für die Kategorie anlegen und die vorhandenen Angaben übertragen. Das lässt sich gut mit KI-Unterstützung erledigen, mit anschließender Prüfung durch das Team.
Ein vereinfachtes Beispiel zur Veranschaulichung.
Fazit
Produktdaten sind keine Pflichtübung, sondern ein Wettbewerbsfaktor. Sie entscheiden darüber, ob Kunden kaufen, ob sie die Ware behalten und ob Ihre Produkte in Google, auf Preisportalen und in der KI-Suche gefunden werden. Wer hier systematisch investiert, verbessert mehrere Kennzahlen gleichzeitig.
Häufige Fragen
Brauche ich für gute Produktdaten ein PIM-System?
Nicht zwingend. Bei vielen Produkten, Varianten, Sprachen oder Kanälen lohnt sich ein PIM meist. Entscheidend ist aber nicht das System, sondern Standards und Verantwortung.
Welche Produktdaten sind am wichtigsten?
Die Merkmale, die Kunden für ihre Kaufentscheidung brauchen und nach denen sie filtern. Je nach Kategorie sind das Maße, Material, Größen, technische Daten, Kompatibilität oder Pflegehinweise.
Wie hängen Produktdaten und Retouren zusammen?
Je genauer Beschreibung, Bilder und Größenangaben das Produkt wiedergeben, desto seltener erleben Kunden eine Enttäuschung. Ungenaue Angaben gehören zu den häufigsten Retourengründen.