Der Titel ist das einzelne Feld, das Google am meisten liest, wenn es entscheidet, für welche Suchanfragen Ihr Produkt ausgeliefert werden kann. Machen Sie es richtig, erweitern Sie den Pool an Suchanfragen, die Sie abdecken, steigern die Klickrate und senken Ihre Kosten pro Klick. Machen Sie es falsch, bieten Sie auf Traffic, der nie konvertiert hätte.
Es gibt zwei Wege, bessere Titel in großem Maßstab zu erstellen. Der erste ist regelbasiert: Sie verketten die Attribute, die Sie bereits haben, zu einer konsistenten, suchanfragenfreundlichen Struktur. Der zweite ist KI-basiert: Sie geben die Rohdaten an ein Sprachmodell und lassen es den Titel schreiben oder umschreiben. Beide haben ihre Berechtigung, und in Feedoptimise können Sie entweder einen Ansatz nutzen oder beide kombinieren – ohne Code anzufassen.
Dieser Beitrag führt beide Methoden mit Beispielen durch und zeigt, wo die Modifier und die Multi-LLM-Konnektivität der Plattform hineinpassen.
Worauf Google in einem Titel achtet
Bevor Sie irgendetwas optimieren, gleichen Sie Ihre Titel mit drei Einschränkungen ab.
Länge. Das Attribut title erlaubt bis zu 150 Zeichen, und Googles Empfehlung ist, sie zu nutzen. Platzieren Sie die Attribute, die für Matching und Klick entscheidend sind, in den ersten 70 Zeichen, da Nutzer meist nur die ersten 70 (oder weniger, je nach Bildschirmgröße) sehen. Ergänzen Sie danach SEO-freundliche Keywords, um den verbleibenden Platz zu füllen. Ziel ist es, die volle Kapazität zu nutzen – nicht, Titel kurz zu halten.
Reihenfolge. Google liest von links nach rechts und gewichtet frühe Wörter stärker. Stellen Sie die Begriffe nach vorn, die ein Käufer eintippen würde, und ordnen Sie vorhandene Keywords so um, dass Begriffe mit hoher CTR weit vorne stehen. Wenn „Vinyl“ ein starker Begriff für Musik ist, ist „Vinyl, Eminem, Curtain Call: The Hits (2LP)“ besser, als „Vinyl“ ans Ende zu setzen.
Struktur. Google veröffentlicht empfohlene Titelformate nach Produktkategorie. Die Muster, an denen sich die meisten Händler orientieren:
- Bekleidung: Marke + Geschlecht + Produkttyp + Attribute (Farbe, Größe, Material)
- Verbrauchsgüter: Marke + Produkttyp + Attribute (Gewicht, Anzahl)
- Hartwaren: Marke + Produkt + Attribute (Größe, Gewicht, Menge)
- Elektronik: Marke + Attribut + Produkttyp (plus Modellnummer)
- Bücher: Titel + Typ + Format + Autor
Googles Basis-Muster für Elektronik endet beim Produkttyp, aber das Hinzufügen der Modellnummer lohnt sich, da Käufer gezielt nach bestimmten Modellen suchen.
Halten Sie Titel eindeutig. Jede Produktvariante sollte ihren eigenen Titel haben, statt einen Titel über Größen oder Farben hinweg zu teilen. Ein Titel, der Größe und Farbe enthält, erfüllt das bereits – und Sie können es beim Setup prüfen.
Keine Werbesprache. Wörter wie „kostenloser Versand“, „bester Preis“ oder „Sale“ führen zu abgelehnten Titeln und bringen für das Query-Matching nichts.
Mit diesen Regeln im Hinterkopf folgen hier die zwei Methoden.
Methode 1: Regelbasierte Titel durch Attribut-Verkettung
Die Idee ist einfach. Sie nehmen strukturierte Felder, die Sie bereits haben – Marke, Geschlecht, Produkttyp, Farbe, Größe, Material – und fügen sie in einer festen Reihenfolge zusammen, um für jedes Produkt im Katalog einen sauberen, vorhersehbaren Titel zu erzeugen.
Das ist die richtige Methode, wenn Ihre Quelldaten zuverlässig und gut strukturiert sind. Sie ist schnell, jedes Ergebnis ist vorhersehbar, und Sie können exakt nachvollziehen, wie jeder Titel erzeugt wurde.
Die Modifier, die Sie verwenden
Feedoptimise liefert mehr als 120 Modifier, und Sie verketten sie in einem visuellen Rule Builder, bei dem die Ausgabe eines Modifiers zur Eingabe des nächsten wird. Für die Titel-Verkettung erledigen einige wenige den Großteil der Arbeit:
- Concatenator: verbindet zwei oder mehr Strings zu einem.
- Mapper: ordnet Rohwerte saubereren Werten zu – nützlich, um unordentliche Eingaben zu normalisieren, bevor sie in den Titel gelangen.
- IF: gibt je nach Bedingung unterschiedliche Werte zurück, sodass sich die Struktur nach Produkttyp oder nach befüllten Feldern ändern kann.
- Case formatter: korrigiert Groß-/Kleinschreibung, sodass aus
ADIDASAdidaswird. - Trim und Text sanitiser: entfernen überflüssige Leerzeichen und versteckte Zeichen.
- Truncate und Text counter: halten den Titel innerhalb des Zeichenlimits und zeigen Ihnen, wie lang er ist.
Beispiel: Bekleidung
Angenommen, Sie verkaufen Kleidung und haben diese Felder:
brand = adidas
gender = Women's
product_type = Running Shoes
color = Core Black
size = US 6
Nach Googles Bekleidungs-Muster verketten Sie die Felder mit dem Concatenator in dieser Reihenfolge:
Brand + Gender + Product Type + Color + Size
Die Ausgabe:
Adidas Women's Running Shoes Core Black US 6
Jedes Produkt im Feed folgt nun derselben Form. Ein Käufer, der „women's adidas running shoes“ sucht, matcht auf die Wörter, die am Anfang des Titels stehen.
Beispiel: Elektronik
Bei Elektronik kommen das definierende Attribut und die Modellnummer besonders zur Geltung:
brand = Samsung
attribute = 65 inch
product_type = 4K QLED Smart TV
model = QE65Q80D
Verkettet als Marke + Attribut + Produkttyp + Modell:
Samsung 65 inch 4K QLED Smart TV QE65Q80D
Logik und Leitplanken hinzufügen
Echte Kataloge sind nicht ordentlich, daher sorgen ein paar zusätzliche Schritte für saubere Ergebnisse.
Bedingte Struktur. Nutzen Sie IF, damit sich das Titelformat anpasst. Wenn gender leer ist, lassen Sie es aus der Kette weg, statt ein doppeltes Leerzeichen zu erzeugen. Wenn product_type „Books“ ist, wechseln Sie zum Buch-Muster.
Vor dem Zusammenfügen normalisieren. Nutzen Sie den Mapper, damit „blk“, „Black“ und „BLACK“ alle zu „Black“ werden, bevor sie in den Titel gelangen. Sie müssen beschreibende Farbnamen jedoch nicht plattbügeln. „Walnut“ oder „Royal Sapphire“ können im Titel bleiben, solange das separate Attribut color einen Standardwert enthält. Wenn Sie Farbe nur im Titel und nicht als separates Feld haben, kann der Color extractor sie herausziehen, sodass aus „Royal Sapphire Cocktail Dress“ „Blue“ wird.
Lücken aus vorhandenen Daten füllen. Der Gender extractor und der Age group extractor lesen Titel oder Kategorie und geben den richtigen Wert zurück, den Sie dann in die Struktur einsetzen können.
Den Titel voll ausnutzen, dann die Obergrenze absichern. Ziel sind 150 Zeichen: Beginnen Sie mit den Attributen, die Matching und Klicks treiben, und hängen Sie nach den ersten 70 relevante Keywords an. Setzen Sie Truncate als harte Grenze auf 150, damit nichts überläuft, und nutzen Sie Text counter beim Setup, um zu prüfen, dass Ihre wichtigsten Attribute innerhalb der ersten 70 Zeichen landen.
Jeder dieser Schritte wird live anhand echter Produkte aus Ihrem Katalog vorab angezeigt, bevor Sie veröffentlichen – so sehen Sie die fertigen Titel und finden Edge Cases, bevor irgendetwas zu Google geht.
Wo regelbasiert an Grenzen stößt
Verkettung ordnet nur um, was Sie bereits haben. Wenn Ihre Quelltitel dünn, inkonsistent oder für Menschen statt für Suche geschrieben sind, erzeugt das Zusammenfügen zwar einen ordentlichen Titel, aber es fehlen weiterhin die Begriffe, die Käufer tatsächlich verwenden. Genau hier hat die zweite Methode ihren Platz.
Methode 2: KI-basierte Titel mit Multi-LLM-Konnektivität
Statt Felder in fester Reihenfolge zusammenzusetzen, geben Sie einem Sprachmodell die Produktdaten und einen Prompt, und es schreibt einen Titel, der natürlich klingt und die Begriffe enthält, nach denen Menschen suchen. Das Modell kann fehlende Attribute ableiten, holprige Quelltexte umformulieren und die Formulierung je Kategorie anpassen.
Die Plattform behandelt das wie jeden anderen Modifier, sodass es in denselben visuellen Flow passt wie die Regeln oben.
Wählen Sie Ihr Modell – oder kombinieren Sie mehrere
Feedoptimise verbindet sich mit allen großen LLMs wie: OpenAI ChatGPT, Google Gemini, Anthropic Claude und xAI Grok, zusätzlich zu unseren eigenen gehosteten Open Models. Zwei Dinge machen das im Feed-Maßstab praktikabel statt nur eine Spielerei:
Sie sind nicht an einen Anbieter gebunden. Jeder hat einen eigenen Title Optimiser-Modifier (OpenAI Title Optimiser, Google Gemini Title Optimiser, Anthropic Claude Title Optimiser, xAI Grok Title Optimiser) plus den gehosteten AI Title Optimiser. Wechseln Sie das Modell, ohne die Regel neu zu bauen, und wählen Sie das, das die besten Titel zum passenden Preis liefert.
Sie können verschiedene Modelle in einem Flow verketten. Da jede Prompt-Oberfläche ihr eigener Modifier ist, können Sie ein Modell zum Generieren, ein zweites zum Prüfen und ein drittes zum Übersetzen verwenden. Eine Beispiel-Sequenz:
- Anthropic Claude Prompt schreibt den Titel anhand der Produktattribute um.
- Google Gemini Prompt bewertet diesen Titel von 1 bis 10 und gibt nur die Zahl zurück.
- Ein IF-Modifier behält den KI-Titel, wenn der Score Ihren Schwellenwert überschreitet, und fällt sonst auf den regelbasierten Titel zurück.
Das ist ein Qualitäts-Gate aus zwei Anbietern, visuell zusammengebaut und über den gesamten Katalog laufend.
Volle Kontrolle über den Prompt
Der Prompt ist keine Black Box. Ein WYSIWYG-Prompt-Template-Editor lässt Sie Ihre Feed-Attribute direkt in die Anweisung einsetzen, sodass das Modell mit echten Produktdaten arbeitet statt zu raten. Ein brauchbarer Titel-Prompt:
Write a Google Shopping product title, up to 150 characters,
and use the space. Put the attributes that drive matching and
clicks in the first 70 characters, then add relevant search
keywords after that. Lead with brand, then product type, then
the most important attributes. Use this order for apparel:
brand, gender, type, color, size. Front-load the highest-CTR
term. Keep each variant title unique. No promotional words.
No ALL CAPS. Return the new title only.
Brand: {{brand}}
Type: {{product_type}}
Color: {{color}}
Size: {{size}}
Description: {{description}}
Die Lücken füllen, die Regeln nicht erreichen
Die KI-Modifier können mehr als nur umschreiben. Der AI Attributes Extractor zieht Attribute wie Farbe, Material und Geschlecht aus der Beschreibung, wenn sie als Felder fehlen. Der Image Attributes Extractor (verfügbar bei OpenAI und Gemini) liest das Produktbild und liefert dasselbe zurück – so können Sie die Marke von einem Label auf einem Foto erkennen. Der AI Product Highlights-Modifier extrahiert die wichtigsten Merkmale aus der Beschreibung, die Sie dann in den Titel einspeisen können – für die Attribute, die Klicks gewinnen.
Damit behebt der KI-Ansatz genau die Schwäche des regelbasierten Ansatzes: Er erzeugt saubere, strukturierte Attribute dort, wo Ihre Quelldaten keine haben, und schreibt sie dann in einen Titel.
Titel mit echten Suchbegriff-Daten anreichern
Googles eigener Rat ist, Suchbegriffe mit hohen Impressionen in Titel aufzunehmen – breite Begriffe, um Impressionen zu gewinnen („patio“, „shoe“), und granulare Begriffe, um Klicks zu gewinnen („wicker“, „Energy Star“) – mithilfe von Quellen wie Google Trends, dem Suchbegriffe-Bericht und dem Keyword Planner. Der Trick ist, diese Daten in die Titelregel einzuspeisen, statt zu raten.
Hier macht die Plattform etwas, das ein reiner Regelaufbau oder ein generischer KI-Prompt nicht kann. Der Report-Modifier zieht Daten aus Google Ads und Google Analytics, und die Analysers zeigen, was performt, sodass Sie echte Impression- und Klickdaten in den Titel-Flow leiten können. Identifizieren Sie die Begriffe, die Käufer tatsächlich verwenden, und mappen Sie sie entweder in die regelbasierte Struktur oder geben Sie sie dem KI-Prompt als hervorzuhebende Keywords mit. Sie reichern Titel mit Evidenz an, nicht mit Annahmen.
Kosten und Testing
Zwei Funktionen halten das bezahlbar und messbar.
- Caching. Feedoptimise cached die KI-Antworten und aktualisiert sie nur, wenn sich Ihre Einstellungen oder die zugrunde liegenden Produktdaten ändern – so zahlen Sie nicht dafür, dass das Modell bei jedem Feed-Run denselben Titel neu generiert.
- A/B-Testing. Feedoptimise ermöglicht es, zwei Titelvarianten zu erzeugen – eine regelbasierte und eine KI-basierte – oder zwei verschiedene KI-Prompts, und dann einen A/B-Test zu planen, der die Version mit der besten Performance auf dem Kanal ausspielt. Sie optimieren nach Ergebnissen statt nach Meinung.
Welche Methode – und wann
- Nutzen Sie regelbasierte Verkettung, wenn Ihre Attributdaten sauber und vollständig sind. Das ist günstiger, vollständig vorhersehbar und leicht zu auditieren.
- Nutzen Sie KI, wenn Quelltitel schwach sind, Attribute fehlen oder Sie Formulierungen wollen, die besser abbilden, wie Käufer tatsächlich suchen.
In der Praxis kombiniert das stärkste Setup beides. Extrahieren und bereinigen Sie Attribute mit KI, verketten Sie sie mit Regeln zu einer vorhersehbaren Struktur, validieren Sie die Länge mit Truncate und Text counter, und A/B-testen Sie dann den regelbasierten Titel gegen einen vollständig KI-geschriebenen, um zu sehen, welchen der Kanal belohnt. Da jeder Schritt im selben visuellen Flow lebt, ist das Wechseln zwischen den Methoden – oder das Mischen – eine Frage des Hinzufügens eines Modifiers, nicht des Neuaufbaus einer Pipeline.
Erste Schritte
Wenn Sie bereits Feeds über Feedoptimise laufen lassen, öffnen Sie die Modifier-Bibliothek und bauen Sie zuerst den regelbasierten Titel. Das gibt Ihnen in Minuten eine zuverlässige Baseline. Legen Sie dann einen AI Title Optimiser darüber, starten Sie mit einem einzelnen Modell und A/B-testen Sie beide gegeneinander. Lassen Sie die Kanaldaten entscheiden, was gewinnt – pro Kategorie, wenn Sie weiter gehen möchten.
Wenn Sie noch nicht auf der Plattform sind: Genau für diese Art von Arbeit wurden der visuelle Rule Builder und die Multi-LLM-Modifier entwickelt. Sie können es mit Ihrem eigenen Katalog im kostenlosen Testzeitraum ausprobieren.