Nur ein Prozent der Quellen, die Sprachmodelle zu Konsumgütermarken verlinken, sind Websites der Marken selbst, zitiert Retaildive.com eine Analyse von McKinsey. Die Produktbeschreibung müsse daher auch jenseits des eigenen Shops stimmen. Fehlten dort Details oder widersprächen sich die Angaben, nehme eine KI die Marke seltener in ihre Empfehlungen auf. Wer sein Produkt mit denselben Begriffen beschreibe wie die Konkurrenz, liefere der KI keinen Grund, ausgerechnet ihn auszuwählen. Die BCG rate deshalb zu faktischen, maschinenlesbaren Produktdaten mit konkreten Merkmalen.
Produktdaten werden zum Auswahlkriterium für KI-Empfehlungen
Shopping-Assistenten verändern, wie Produkte gefunden und verglichen werden. Eine Kundin kann eine KI etwa nach einem Wollmantel unter 200 Dollar fragen, der rückverfolgbare Fasern nutzt und vor Freitag geliefert wird. Der Agent prüft Spezifikationen, grenzt Optionen ein und schlägt passende Artikel vor. Für Marken entsteht damit ein neues Nadelöhr: Sie müssen in die engere Auswahl gelangen, bevor Kundinnen und Kunden überhaupt eine Produktseite besuchen.
Nach einer von Retaildive.com zitierten McKinsey-Analyse stammen nur ein Prozent der Quellen, die Sprachmodelle bei Konsumgütermarken verlinken, von markeneigenen Websites. Produktinformationen müssen daher auch außerhalb des eigenen Shops konsistent, vollständig und verständlich sein. Fehlen dort Details oder widersprechen sich Angaben, sinkt die Wahrscheinlichkeit, dass ein Modell die Marke korrekt einordnet oder empfiehlt.
BCG empfiehlt dafür Produktdaten, die autoritativ, semantisch reich, faktisch und maschinenlesbar sind. Gemeint sind konkrete Merkmale wie Stoffgewicht, Passform oder Herkunft der Fasern. Allgemeine Kategoriebegriffe reichen kaum aus: Beschreibt eine Marke ihr Produkt mit denselben Formulierungen wie die Konkurrenz, wird es für den Agenten austauschbar. Sichtbare Unterschiede im Marketing müssen deshalb in prüfbare Attribute übersetzt werden, die Systeme vergleichen können.
Präzision hilft, begrenzt aber auch die Reichweite
Die Genauigkeit von KI-Auswahlprozessen wirkt in beide Richtungen. Ein Mantel mit 60 Prozent Wolle und 40 Prozent Polyester wird bei einer Suche nach 100 Prozent Wolle ausgeschlossen, selbst wenn die Produktseite ansonsten vollständig ist. Forrester-Analystin Sucharita Kodali verweist darauf, dass detaillierte Fragen auch offenlegen können, dass ein Produkt nicht zur Anfrage passt. Wertvoller ist daher eine verlässliche Zuordnung zu jenen Bedürfnissen, die ein Artikel tatsächlich erfüllt.
Gleichzeitig beginnt Commerce laut InMobi-Chef Abhay Singhal zunehmend früher im Prozess: in Momenten, in denen Menschen noch herausfinden, was sie wollen. Inspiration kann durch ein Bild, eine Idee oder eine unerwartete Entdeckung entstehen, bevor eine Suchanfrage formuliert wird. Marken konkurrieren damit um zwei Positionen: um Aufmerksamkeit vor der Suche und um die Shortlist der Agenten, sobald konkrete Anforderungen gestellt werden.
Die Nutzung solcher Werkzeuge ist bereits breit. Pacvue zufolge verwenden mehr als die Hälfte der US-Konsumenten KI, um Produkte zu finden und zu vergleichen. Besonders auffällig: Millennials nutzen KI-Tools für Shopping-Recherche täglich zu 39 Prozent, fast doppelt so häufig wie die Gen Z mit 21 Prozent. Für Retailer wird damit relevanter, ob ihre Daten in den Systemen auffindbar, eindeutig und unterscheidbar sind.
Bilder, Konsistenz und Vertrauen bleiben kaufentscheidend
Auch eine passende Empfehlung muss am Ende überzeugen. Laut Salsify nennen 61 Prozent der Käuferinnen und Käufer Produktbilder und Videos als wichtigsten Bestandteil einer Produktseite bei der Kaufentscheidung. Sie rangieren damit vor Beschreibungen, Bewertungen und sogar dem Preis. Wenn die Seite anschließend eine andere Geschichte erzählt als der Agent, etwa durch abweichende Preise, fehlende Größen oder unklare Materialangaben, leidet das Vertrauen genau im kritischen Moment.
Singhal rät deshalb, auf die exakte Produktvariante zu verlinken und Promotions konsistent zu halten. Gerade bei Mode- und Lifestyle-Käufen bleibt außerdem die Frage, wie ein Produkt im eigenen Leben aussieht, sitzt oder funktioniert. Visualisierung gewinnt an Bedeutung, weil viele Menschen KI-Empfehlungen prüfen wollen: Nach IAB vertrauen nur 46 Prozent der Verbraucher den Vorschlägen vollständig, 89 Prozent kontrollieren KI-Informationen vor dem Kauf noch einmal.