Google führt eine Reihe von Änderungen ein, die die Produktsuche von Keyword-Matching hin zu konversationellen, intent-getriebenen Erlebnissen verlagern. KI wird Ihre Produkte potenziellen Käufern direkt vorschlagen.
Zwei Punkte sind für Händler und Agenturen, die Google Shopping in großem Maßstab verwalten, am wichtigsten:
- Business Agent in der Google Suche
Business Agent ist ein neues konversationelles Erlebnis in der Google Suche, bei dem Käufer mit einer Marke „chatten“ können – wie mit einem virtuellen Store-Mitarbeiter. Google positioniert es als Weiterentwicklung der früheren Q&A-Funktion in Markenprofilen, mit mehr Anpassungsmöglichkeiten und tieferer Datenintegration. Es kann Shopping-Daten aus dem Merchant Center sowie Informationen von Ihrer Website nutzen, um Fragen zu beantworten, und Google weist darauf hin, dass zusätzliche Funktionen wie das Trainieren des Agents mit Unternehmensdaten und Performance-Insights noch folgen werden. - Neue Merchant-Center-Datenattribute für konversationellen Commerce
Google hat außerdem Dutzende neuer Merchant-Center-Attribute angekündigt, die die Auffindbarkeit in konversationellen Oberflächen wie AI Mode, Gemini und Business Agent verbessern sollen. Diese Attribute „ergänzen“ bestehende Feeds und gehen über traditionelle Keywords hinaus – darunter Dinge wie Antworten auf häufige Produktfragen, kompatibles Zubehör und Ersatzprodukte.
Die praktische Quintessenz ist einfach: Wenn ein Käufer danach fragen kann, sollten Sie es in strukturierten Produktdaten in Ihrem Google-Shopping-Feed abbilden können.
Warum das Feeds wichtiger macht (und operativer)
Historisch waren Google-Shopping-Feeds eine Mischung aus Compliance (Spezifikation erfüllen, Ablehnungen vermeiden) und Performance-Tuning (Titel, product_type, Labels, GTIN-Abdeckung, Preisgenauigkeit). Das ist weiterhin sehr wichtig, aber konversationelles Shopping bringt eine neue Anforderung mit sich:
- Die „Antwort“ muss oft aus Produktdaten konstruiert werden, nicht aus einem dünnen Titel abgeleitet.
- Eligibility und Relevanz werden zunehmend von Attributabdeckung, Konsistenz und Spezifität abhängen.
- Ihr Feed wird zum System of Record dafür, was ein KI-Assistent sicher und mit hoher Zuversicht über Ihr Sortiment sagen kann.
Googles eigene Merchant-Center-Dokumentation stellt korrektes Formatieren und Vollständigkeit bereits als essenziell dar, da ungenaue oder fehlende Produktinformationen verhindern können, dass Anzeigen und Listings ausgespielt werden. Bei agentischen Interfaces ist die Strafe für schwache Daten nicht nur geringere Reichweite, sondern auch schwächere Antworten, weniger qualifizierte Klicks und mehr Gespräche mit dem „falschen Produkt“.
Was „konversationelle Attribute“ in der Praxis wirklich bedeuten
Aus Googles Ankündigung ist die Richtung klar: Weg von Keywords und hin zu erweiterten strukturierten Informationen, die natürlichen Fragen entsprechen:
- Produktspezifikationen (strukturierte Specs, die typischerweise auf PDPs stehen)
- Q&A-Listen (häufige Fragen und Antworten, die Käufer stellen)
- Feature-Listen (Bullet-Highlights, Differenzierungsmerkmale)
- Kompatibilitätsinformationen (Zubehör, Ersatzteile, Alternativen)
- Zusätzliche beschreibende Facetten wie Formen, Geschmacksrichtungen, Themen (kategorieabhängig)
Das verändert, wie Sie über Feed-Optimierung nachdenken sollten. Es geht weniger darum, „den Titel länger zu machen“, und mehr darum, „das Produkt für einen Assistenten verständlich zu machen“.
- Beispiele für Käuferfragen, die Ihre Daten beantworten sollten„Ist diese Hülle mit dem iPhone 15 Pro Max kompatibel?“
- „Passt dieses Sofa durch eine 76-cm-Türöffnung?“
- „Ist dieses Nahrungsergänzungsmittel vegan und glutenfrei?“
- „Was ist der Unterschied zwischen Modell A und Modell B?“
- „Welcher Ersatzfilter passt zu diesem Luftreiniger?“
Wenn Sie diese Antworten nicht in sauberen Attributen abbilden können (oder sie inkonsistent abbilden), wird der Assistent Ihr Produkt entweder nicht anzeigen oder eine generische Antwort geben, die möglicherweise nicht so gut konvertiert.
Feed-Readiness-Checkliste für Business Agent und KI-Oberflächen
Hier ist eine praktische Checkliste, mit der Sie Ihren aktuellen Google-Shopping-Feed und Ihre Katalogdaten bewerten können.
1) Die Grundlagen richtig machen
Das ist weiterhin nicht verhandelbar, weil die Merchant-Center-Berechtigung davon abhängt.
- Konsistenz bei IDs, Preisen, Verfügbarkeit, Links, image_link
- GTIN/MPN/Brand-Abdeckung, wo relevant
- Kategorie-Mapping (google_product_category), product_type-Hygiene
- Genauigkeit der Versand- und Steuerkonfiguration
Wenn diese Punkte instabil sind, wird jede höherwertige Anreicherung fragil.
2) PDP-Inhalte als Datenquelle behandeln, nicht nur als Copy
Der Großteil des „konversationellen“ Werts existiert bereits irgendwo auf Ihrer Website, ist aber unstrukturiert:
- Spezifikationstabellen
- Bullet-Listen
- FAQs
- Größenberater
- Kompatibilitätslisten
- Handbücher, Zutatenlisten, Pflegehinweise
- Produktbilder
Die Aufgabe besteht darin, diese Inhalte zu extrahieren, zu normalisieren und in dedizierte Felder zu veröffentlichen, die durch Google Merchant Center und in KI-Erlebnisse „mitreisen“ können.
3) Eine Kompatibilitätsschicht aufbauen (Zubehör, Teile, Alternativen)
Google hat Kompatibilität und Ersatzprodukte explizit als Beispiele für die neue Attributrichtung genannt. In vielen Branchen entscheidet Kompatibilität darüber, ob konvertiert wird oder nicht:
- Elektronik (Hüllen, Ladegeräte, Halterungen)
- Haushaltsgeräte (Filter, Ersatzteile)
- Automotive (Passgenauigkeit)
- Fashion (Styling, passende Sets)
- Beauty (Shade-Äquivalente, Refills)
Schon eine leichte Version hilft: Parent-Child-Beziehungen, „works_with“-Gruppierungen oder kuratierte Zubehör-Zuordnungen.
4) Q&A erstellen, die echter Shopping-Sprache entspricht
Business Agent kann Produktfragen in der Stimme Ihrer Marke beantworten und Merchant Center plus Website-Informationen nutzen. Das bedeutet, Sie sollten:
- „häufige Fragen“ pro Kategorie standardisieren
- sicherstellen, dass Antworten mit Richtlinien und der Wahrheit auf der PDP übereinstimmen
- mehrdeutige Aussagen vermeiden (insbesondere in regulierten Kategorien)
5) Governance und QA für Anreicherung etablieren
Sobald Sie Attribute in großem Maßstab generieren oder extrahieren, brauchen Sie Kontrollen:
- Validierungsregeln (zulässige Werte, Regex, Längenlimits)
- Konfidenzschwellen für extrahierte Attribute
- Audit-Trails, was sich geändert hat und warum
- Sampling-Workflows (Stichproben nach Kategorie, Marke, Preisband)
- Monitoring auf Drift, wenn sich PDP-Templates ändern
Wo Feedoptimise passt: Anreicherung, Extraktion und Feed-Operations
Feedoptimise basiert auf der Idee, dass Feed-Management laufende Datenarbeit ist – kein einmaliger Export. Auf der Plattformseite zeigt sich das in drei Funktionen, die direkt relevant für Googles agentischen Wandel sind:
1) Feed-Modifikationen und kanal-spezifische Regeln skalieren
Feedoptimise unterstützt Bulk-Datenmodifikationen mit Regeln und Formeln zum Konvertieren, Extrahieren, Validieren, Zusammenführen aus Remote-Dateien und mehr – mit Änderungen, die in Echtzeit überprüfbar sind. Das ist die Grundlage, um „konversationelle Attribut“-Outputs zu bauen, die je nach Kategorie oder Markt variieren, ohne Ihren Quellkatalog neu zu schreiben.
2) KI-gestützte Attributextraktion und -Vervollständigung
Feedoptimise unterstützt explizit KI-gestützte Generierung von Feed-Inhalten und KI-unterstützte Extraktion, um fehlende Attribute zu füllen (genannte Beispiele sind Farbe, Material, Geschlecht), zusammen mit Bulk-Generierung und Umschreiben von Titeln, Beschreibungen, Kategorien und anderen Attributen.
Das ist der entscheidende Hebel für konversationellen Commerce: Sie können unordentlichen PDP-Text in strukturierte Felder in großem Maßstab verwandeln, ohne darauf zu warten, dass Engineering Ihre Produktdatenbank ummodelliert. Sie können außerdem fehlende PDP-Informationen aus Produktbildern extrahieren, sofern sie dort vorhanden sind.
Praktische Use Cases für die neuen Google-Attribute sind unter anderem:
- Spec-Paare aus Beschreibung und Spezifikationstabellen in einen normalisierten Spec-Block extrahieren
- Spezifikationen oder fehlende Informationen aus Bildern mithilfe von Vision-KI extrahieren
- eine saubere Feature-Liste aus langen Beschreibungen generieren
- Q&A-Antworten entwerfen, die auf Ihrer PDP und Richtlinienvorgaben basieren
- Kompatibilitäts-Tags aus Modellnamen und Fitment-Hinweisen ableiten
- fehlende Attribute (Material, Muster, Finish, Use Case) inferieren, um die Match-Qualität zu verbessern
3) QA, Reporting und kontrollierte Experimente
Feedoptimise umfasst integrierte Quality-Assurance-Reports und Monitoring für Feed-Attribute sowie die Möglichkeit, Datenvarianten per A/B-Test zu prüfen, indem Modifikationen ein- und ausgeschaltet werden. Für konversationelle Attribute ist das wichtig, weil Sie Fragen testen wollen wie:
- Verbessern generierte Feature-Listen die CTR im Vergleich zu Hersteller-Bullets?
- Reduzieren strengere Kompatibilitätsdaten Retouren?
- Welche Spec-Formate führen zu besserer Sichtbarkeit in KI-Oberflächen?
Die neue Optimierungs-Baseline: „Kann ein Assistent dieses Produkt korrekt verkaufen?“
Google richtet Search, Shopping und Gemini auf konversationelle Discovery aus und investiert explizit in Merchant-Center-Attribute und Business Agent als Daten- und Interaktionsschicht. Das erhöht die Anforderungen an Feed-Qualität. Ein guter Feed ist nicht mehr nur compliant und keyword-reich. Er ist vollständig, strukturiert und beantwortbar.
Wenn Sie möchten, dass Feedoptimise dabei unterstützt, ist der wertvollste Einstieg meist ein Enrichment-Audit mit Fokus auf:
- welche High-Intent-Fragen Ihre Produkte beantworten sollten
- welche Attribute Sie bereits haben vs. welche Sie extrahieren können
- welche Validierung und QA Sie benötigen, bevor Sie KI-Anreicherung über den gesamten Katalog skalieren
wenn Sie Hilfe benötigen, nehmen Sie unbedingt über unsere Kontaktseite Kontakt auf.