Ihre Marke kann in der Antwort erscheinen, ohne dass der Klick auf Ihrer Seite landet
Stellen Sie sich eine typische Kaufanfrage vor: "Welche Leggings sind beim Kniebeugen blickdicht?" Eine KI-Antwort nennt Ihre Marke. Das klingt zunächst nach einem Erfolg - bis der Beleg auf eine Testseite, einen Haendler oder einen Reddit-Thread verweist statt auf Ihre Produktseite.
Das ist mehr als ein Detail im Reporting. Die zitierte Seite bekommt den Klick. Sie erklaert dem Kauefer das Produkt und kann auch in spaeteren Antworten als Quelle dienen. Die Marke wird erwaehnt, aber jemand anders bekommt den Einstieg in das Vertrauen des Kunden.
Eine aktuelle Untersuchung von Shero Commerce beziffert dieses Muster. Die Forschenden analysierten 8.573 Produktbeschreibungen aus 1.000 Shopify-Shops und stellten Google AI Mode, ChatGPT und Perplexity 60 echte Kaufanfragen. Der nuetzlichste Befund fuer E-Commerce-Teams lautet nicht: "Schreibt mehr Text." Er lautet: Wenn dieselbe Produktsprache auf mehreren Domains erscheint, hat ein KI-System kaum einen Grund, die Markenwebsite als zitierwuerdige Originalquelle einzuordnen.
Eine Markennennung ist nicht dasselbe wie die Antwort zu besitzen. Das Ziel besteht darin, dem Modell einen klaren Grund zu geben, bei einer Empfehlung Ihre Seite zu zitieren.
Was die Studie zeigt - und was sie nicht beweist
Die Methode ist ungewoehnlich transparent. Von den 1.000 Shops lieferten 883 nutzbare Produktdaten. Die Forschenden zogen aus oeffentlichen Feeds bis zu zehn Produkte je Shop und untersuchten bei abrufbaren Seiten das rohe HTML, strukturierte Daten und wiederkehrende Texte. Externe Duplikate prueften sie, indem sie markante Saetze aus Produktbeschreibungen in Anfuehrungszeichen suchten und Treffer manuell bestaetigten.
Der Zitationstest war beobachtend, nicht modelliert. Das Team gab Kaufanfragen in drei KI-Produkte ein und protokollierte, ob die eigene Domain einer Marke zitiert wurde, ob die Marke empfohlen wurde oder ob sie fehlte. Das reicht aus, um ein relevantes Muster zu beschreiben. Es beweist nicht, dass duplicate Texte einer bestimmten Seite Rankings oder Zitate nehmen. Die Prompt-Stichprobe umfasst 60 Kategorien; Retrieval- und Zitationsverhalten unterscheiden sich je Produkt und werden sich weiter veraendern.
Innerhalb dieser Grenze sind die Zahlen trotzdem schwer zu ignorieren.
| Beobachtung der Studie | Ergebnis | Bedeutung fuer eine Marke |
|---|---|---|
| Produktbeschreibungen, die auf einer anderen Domain wortgleich oder fast wortgleich erschienen | 20 % | Viele Marken verteilen dieselbe Sprache an Haendler und Marktplatzseiten |
| Sauber messbare Shops mit weniger als 50 Woertern produktspezifischem Text im rohen HTML | 15,6 % | Wirklich duenne Seiten sind seltener, als feldbasierte Audits vermuten lassen |
| Shops mit Product schema | 88 % | Die technische Huelle ist weit verbreitet |
| Schema-Beschreibungen mit weniger als 50 Woertern oder ohne Beschreibung | 59 % | Der maschinenlesbare Zusammenfassungs-Layer hat oft zu wenig Substanz |
| Anteil aller KI-Zitate, die von einer markeneigenen Seite kamen | 2,8 % | Markenwebsites erhielten nur einen sehr kleinen Teil der zitierten Quellen |
| Anteil aller KI-Zitate, die von Publishern kamen | 59 % | Redaktionelle Artikel, Tests und Listen dominierten die Zitate |
In Googles Antwortschicht wurden etablierte DTC-Marken aus der Stichprobe nur in 9,5 % der Faelle zitiert oder empfohlen; in einem Drittel der Kategorien wurde keine von ihnen genannt. Selbst wenn eine Marke empfohlen wurde, erhielt ihre eigene Seite nur in 31 % der Faelle das stuetzende Zitat. Der Rest ging oft an Quellen wie Good Housekeeping, Verywell Fit, CNN Underscored oder Reddit.
Der tiefere Fehler ist nicht zu wenig Text, sondern unklare Urheberschaft
E-Commerce-Teams diagnostizieren das Problem oft als eines von zwei Dingen: Die Produktseite ist zu kurz oder das Schema ist unvollstaendig. Beides sollte man pruefen, doch die Studie weist auf eine praezisere Diagnose hin.
Erstens bedeutet ein kurzes Standardfeld fuer die Produktbeschreibung nicht automatisch eine duenne Seite. In der Studie hatten viele Produkte mit weniger als 50 Woertern im Standardfeld dennoch produktspezifische Module, Tabs und Details im rohen HTML. Wer nur ein Feld prueft, kann eine reichhaltige Seite fuer eine duenne halten.
Zweitens kann eine Seite, die fuer Kunden reichhaltig wirkt, fuer einen Crawler schwach sein. Wenn wichtige Aussagen nur in Bildern stehen oder erst nach der JavaScript-Ausfuehrung eingefuegt werden, kann die abgerufene Seite sehr wenig enthalten. Deshalb ist der Hinweis der Studie auf strukturierte Daten so wichtig: Die meisten Shops geben Product schema aus, doch viele lassen das description-Feld zu duenn, um das Produkt zu erklaeren.
Drittens - und das ist die nuetzlichste Beobachtung der Studie - verliert ein Lieferantenabsatz seinen Quellenwert, sobald er auf Amazon, Kaufhausseiten, Distributorseiten und der Markenwebsite auftaucht. Das bedeutet nicht, dass eine Suchmaschine eine einzelne Seite "abstraft". Das System sieht mehrere fast gleiche Aussagen und wenig textliche Belege dafuer, welche Quelle am nuetzlichsten oder originellsten ist. Ein Publisher mit einem unabhaengigen Vergleich, Test oder Use-Case-Artikel sieht dann wie die bessere Antwortquelle aus.
Die praktische Frage lautet nicht mehr: "Haben wir Produkttext?" Sie lautet: Gehoert dieser Text zu genau diesem Produkt, erscheint er als crawlbarer Text, beantwortet er eine reale Kaueferfrage und bietet er mehr als die syndizierte Version, die an jeden Kanal geht?
Bildbeschreibung: Zeigen Sie, wie identischer Produkttext von der Markenwebsite zu Haendlern und Marktplatzseiten fliesst. Daneben erhaelt eine redaktionelle Seite mit eigenen Tests und Vergleichen das KI-Zitat. Keine echten Publisher-Logos verwenden.
Warum KI eher ein Magazin als die Markenwebsite zitieren kann
Es ist verlockend, dies vollstaendig mit Publisher-Autoritaet zu erklaeren. Das waere zu bequem. Publisher liefern dem Modell oft Informationen, die auf der Produktseite fehlen.
Ein Test kann sagen, ob Stoff beim Kniebeugen durchsichtig wird, welchen Koerpertypen ein Schnitt passt, wie sich ein Produkt mit der Zeit gehalten hat oder wie es sich mit Alternativen vergleicht. Eine Produktseite aus Formulierungen wie "leicht", "bequem" und "fuer den taeglichen Einsatz gemacht" gibt einem Modell kaum Belege fuer eine Kaufempfehlung.
Die Antwort ist nicht, Magazinprosa nachzuahmen oder jedes SKU mit allgemeinen Absaetzen aufzublaehen. Produktseiten muessen First-Party-Information tragen: produktspezifische Fakten, klare Passungs- und Nichtpassungsgrenzen, echte Spezifikationen und klare Antworten auf Kaueferfragen.
Bauen Sie eine Produktseite neu auf, die Ihrer Marke zugerechnet werden kann
Die meisten Teams sollten nicht versuchen, den gesamten Katalog auf einmal umzuschreiben. Beginnen Sie mit Produkten hoher Kaufabsicht und bauen Sie vier Informationsebenen auf. Keine davon garantiert ein KI-Zitat, aber zusammen verringern sie die Wahrscheinlichkeit, dass Ihre Website nur eine weitere Kopie der Kanalbeschreibung ist.
| Seitenschicht | Was Sie schreiben sollten | Was Sie vermeiden sollten |
|---|---|---|
| Kaufzusammenfassung | In 40 bis 60 Woertern sagen, was das Produkt ist, fuer wen es gedacht ist, welche Aufgabe es erfuellt und welche wichtige Einschraenkung es gibt | Einen Slogan oder eine kanalweite Markenbeschreibung |
| Produktspezifische Belege | Ueberpruefbare Materialien, Masse, Kompatibilitaet, Testbedingungen, Pflegeanforderungen und Packungsinhalt | Erfunde Leistungsversprechen, Zertifizierungen oder Kundenerfahrungen |
| Entscheidungsantworten | Ehrliche Antworten auf "Fuer wen ist es?", "Worin unterscheidet es sich?" und "Wann passt es nicht?" | Vorlagen-FAQs, die nur Laenge erzeugen sollen |
| Maschinenlesbare Zusammenfassung | Eine redigierte Produktzusammenfassung im Product-schema-description-Feld, die im rohen HTML bestaetigt wird | Eine leere Schema-Beschreibung oder ein 15-Wort-Platzhalter |
Hier gibt es einen wichtigen Unterschied. Kanaele brauchen konsistente Produktfakten. Die Markenwebsite braucht zusaetzliche First-Party-Erklaerungen. SKU-Daten, Materialien, Preisregeln und Sicherheitsinformationen sollten ueberall konsistent bleiben. Doch die Markenwebsite darf nicht bei dem Standardabsatz enden, der an Wiederverkaeufer geliefert wurde. Erklaeren Sie, warum das Produkt zu einem Anwendungsfall passt, was sich gegenueber dem Vorgaengermodell veraendert hat und was ein Kauefer vor dem Kauf pruefen sollte. Das ist die Inhaltsebene, die nur Ihre Seite besitzen kann.
Bildbeschreibung: Ein vierstufiges Anatomiediagramm einer Produktseite. Beruehrungspunkte von rohem HTML und Product schema beschriften. Es soll ein redaktionelles Informationsdiagramm sein, kein nachgebildetes Software-Dashboard.
Eine sinnvolle Startreihenfolge fuer Content-Teams
Beginnen Sie nicht mit der Vorgabe, "jede Beschreibung umzuschreiben". Fuehren Sie stattdessen eine kleine, nachvollziehbare Iteration durch.
- Waehlen Sie 20 bis 50 SKUs aus, die einer Kaufentscheidung am naechsten sind. Bevorzugen Sie Produkte mit organischer Nachfrage, breiter Wiederverkaeufer-Verteilung oder Praesenz in "beste", "fuer [Anwendungsfall]"- und Vergleichsanfragen.
- Erstellen Sie fuer jedes SKU ein Faktenblatt. Sammeln Sie Spezifikationen, Materialien, Passform, Einschraenkungen, Unterschiede zu benachbarten Modellen sowie oeffentliche Test- oder Zertifizierungsnachweise. Wenn eine Aussage nicht belegbar ist, darf KI sie nicht erfinden.
- Vergleichen Sie mit externer Duplizierung. Suchen Sie ein oder zwei markante Saetze der Produktbeschreibung in Anfuehrungszeichen und sehen Sie, wo sie erscheinen. Es geht nicht darum, jede Kanallistung zu entfernen, sondern darum, herauszufinden, was Ihre Produktseite nicht einzigartig erklaert.
- Schreiben Sie Kaufzusammenfassung, lange Beschreibung und echte Kauefer-FAQ fuer die Markenwebsite neu. Bestaetigen Sie dann, dass der freigegebene Text im vom Server gelieferten HTML und in der strukturierten Datenbeschreibung vorkommt.
- Verfolgen Sie vor und nach der Arbeit einen festen Satz von Kauf-Prompts. Notieren Sie, ob die Marke erscheint, welche Domains Zitate erhalten und ob die Landingpage zur Frage passt. Behandeln Sie das als Beobachtungsschleife, nicht als kurzfristigen Kausalbeweis.
Schema auf der gesamten Website hinzuzufuegen mag schneller sein. 5.000 aehnliche Beschreibungen zu generieren mag ebenfalls schneller sein. Beides loest das Attributionsproblem nicht, wenn die Markenseite weiterhin keine Informationen hat, die Wettbewerber, Haendler und Publisher nicht besitzen.
Vier falsche Schlussfolgerungen, die Sie vermeiden sollten
Duplizierter Produkttext loest eine Suchstrafe aus. Das sagt die Studie nicht. Google erklaert seit Langem, dass es doppelte Versionen verarbeitet und eine Canonical auswaehlt. Der Befund betrifft die Quellenauswahl in KI-Zitaten, nicht einen Strafmechanismus.
Fuenfzig Woerter sind das Ziel. Fuenfzig Woerter waren ein Messschwellenwert, keine magische Zahl. Achtzig vage Woerter geben einer Answer Engine ebenso wenig Zitierfaehiges.
Schema allein loest das Problem. Schema hilft Maschinen, eine Seite zu verstehen. Es kann nicht die produktspezifische Substanz erzeugen, die der Seite fehlt. Die Beschreibung darin sollte eine redigierte Zusammenfassung sein, keine leere Huelle.
Ein Publisher-Zitat ist genauso gut wie ein Markenzitat. Es kann Bekanntheit schaffen, aber der Dritte bekommt den Click mit hoher Kaufabsicht und besitzt die Produkterklaerung. Die Marke verliert eine direkte Gelegenheit zur Conversion, Klaerung und zum Aufbau eigener Belege.
Auspias Sicht: Schreiben muss sich auf jede zitierwuerdige Seite erstrecken
KI-Suche bricht mit einer alten Content-Annahme: Wenn Menschen den Markennamen sehen, profitiert die Markenwebsite automatisch. Heute brauchen wichtige Seiten zurechenbare Inhalte, nicht nur einen Absatz, der ueber alle Kanaele wiederverwendet werden kann.
Hier passen Auspias Schreibfunktion und Content-Services hinein. Beginnen Sie mit Kaueferfragen und ueberprueften Produktfakten. Nutzen Sie Auspia fuer einen strukturierten Erstentwurf und lassen Sie Personen, die das Produkt kennen, konkrete, pruefbare Details, Grenzen und Erfahrungen ergaenzen. Formen Sie daraus eine Produktseite, einen Kaufratgeber, eine Vergleichsseite oder eine FAQ, statt eine allgemeine Beschreibung in jeden Kanal zu kopieren.
Bei grossen SKU-Katalogen hilft Auspia, Recherche, Schreiben und Content-Review in einem Workflow zusammenzufuehren: kaufnahe Fragen identifizieren, die es zu gewinnen lohnt, originelle Seiteninhalte erstellen und pruefen und anschliessend kontrollieren, ob priorisierte Seiten klares, crawlbares Material enthalten, das eine Antwort stuetzen kann. Ein Tool kann Ihr Produkt nicht beweisen und sollte keine Beweise erfinden. Seine Aufgabe ist es, originelle Content-Produktion und Review dauerhaft leichter zu machen.
Beginnen Sie mit einer kleinen Gruppe von Produkten hoher Kaufabsicht. Schreiben Sie die Erklaerungen, die nur die Marke liefern kann, und beobachten Sie dann, wie sich Quellenmuster in KI-Antworten veraendern. Mit Auspia koennen Sie diesen Workflow starten.
Haeufige Fragen
Sollte ich handeln, wenn KI meine Marke empfiehlt, aber meine Seite nicht zitiert?
Ja. Eine Markennennung hat Wert, doch das Zitat bestimmt, wohin der Kauefer klickt und welche Seite das Produkt erklaert. Pruefen Sie zuerst, ob Ihre Website eigene, crawlbare Informationen enthaelt, die die Kaufanfrage direkt beantworten.
Muessen Haendler und Marktplatzseiten meine Produktbeschreibung entfernen?
Nein. Kanaele brauchen genaue und konsistente Basisfakten. Praktischer ist es, der Markenwebsite eine tiefere Ebene aus Produktkontext, Unterschieden, Passungsgrenzen und Kaufantworten zu geben, die Kanalseiten nicht haben.
Sollte ich zuerst einen Blogbeitrag schreiben oder die Produktseite verbessern?
Wenn die Kaueferfrage direkt einem SKU entspricht, beginnen Sie mit der Produktseite. Wenn sie Bildung, Vergleich oder Nutzungskontext erfordert, kann ein Kaufratgeber, eine Vergleichsseite oder ein Blogbeitrag das bessere Format sein. Beide sollten unterschiedliche Informationen liefern statt sich zu wiederholen.
Autorin: Eva Laurent, E-Commerce-Suchstrategin bei Auspia fuer mehr als 10.000 Produktseiten. Sie schreibt ueber E-Commerce-SEO, Produktentdeckung und KI-unterstuetzte Customer Journeys.
